文字方向问题总结

由于angle和Chinese-OCR项目是集成在一起的，在了解清楚预测的方法及脉络后，写了能够独立于OCR整体执行的独立脚本。

但是，虽然可以用此脚本将图片直接转换出正确的方向，但是需要执行两次才能成功转换为0度，这也为后面的问题埋了个坑。

为了让项目整体更顺畅，我决定将CHINESE-OCR项目中的Angle文本方向检测子项目移植到本项目。首先需要解决的就是执行一次独立脚本就能够给出正确的结果，这一步经过调整转换的代码实现了。

然后是适配语法，由于原项目是基于python3.6的，原项目中使用的TensorFlow为1.7版本（太老），安装1.12版本会有语法上的更新导致其无法执行，且paddleOCR大部分是基于python3.8 or 3.8，有个别部分语法不兼容，逐适配代码使其支持python3.7.

解决完以上问题，着手将方向检测调整脚本与paddleOCR项目整合，这一步没有理论上的难点，但是由于讯飞是使用上传json数据的方式核验项目检测的正确率的，所以json数据中的坐标都需要是基于原图的坐标，而并非是转换后的图片的坐标。

此部分一定会分四种情况，即0 90 180 270四种，但是由于图像转换后坐标系也会跟着转换，这四种情况对应的算法不确定。最初尝试了几种，都不符合需求，有些甚至出现了负值！

不符合情况的失败效果：

错位的标识

在经过PS与旋转工具结合找坐标并手写计算后，摸索出了相应转换的代码，尝试各种方向成功。代码如下。

识别处理的效果：

顺时针90度

顺时针270度

顺时针180度

在此又出现一个问题，由于PaddleOCR只能由文件导入图片，不能由numpy矩阵导入，所以之前的脚本旋转后会保存并替换原图片再让paddle通过图片地址导入图片进行后续的识别操作，这样不会产生大的影响，但是会污染数据集。

于是参考pillow与c上网的图像转换脚本，直接将PIL的图片转换为C上网的格式，代码如下：

然后将之前img.save()的语句注释掉。这样处理之后就完美解决数据集的污染问题啦。

由于数据集有几千张，但是此时的代码只能单张图片识别，于是再加以修改，将全部图片遍历进来：

再加上异常处理：

此时图片旋转的问题比较完美的解决了。