化验单ocr识别，目的识别出化验项目词条、结果数值及其定位
均为项目过程中的小demo，算是记录自己的实践经历，仅供学习与参考
pretreatment.py 是图片的预处理，包括将图片转化为灰度和二值(大津法OTSU)
cut_lines.py 用于切割图片，将找到的项目内容进行横向和竖向切割
Hough_lines.py 使用霍夫变换(Hough) 找出图片中的线，便于选出化验单图片中项目主体内容的部分，也包括沿线的横切竖切
word_enhance.py 使用上采样的方法，对图像增强，令字图像更加清晰，便于识别
ocr.py 为最先方案，首次使用谷歌tesseract-ocr识别引擎进行识别，效果不佳，后换为paddle引擎，此脚本废弃
ocr_paddle.py 使用百度PaddleOCR识别引擎及官方infer模型进行识别
total_ppocr.py 是整体识别和获取鼠标点击位置的类
ppocr.py 使用了霍夫变换识别线找到项目内容，将项目主体切割成词组(字)，然后识别
content_ppocr.py 也使用了霍夫，但仅仅按霍夫线将项目主体分栏分条切割，然后识别。识别结果用嵌套列表存储
printloc_word.py 实现了整体识别后，在图像上点击字，通过获取鼠标点击位置把点击的字的识别结果打印出来的功能
main_paddle.py main文件，可以选择以上不同的识别方案，最终输出识别结果，可将识别结果进一步保存为txt文本文件。其中，'print'参数可实现与 printloc_word.py 文件相同的功能，即在图片上点击字，并把所点击的字的识别结果打印出来
参数 use_angle_cls 指定是否使用方向分类器
参数 use_space_char 指定是否预测空格字符
参数 --use_gpu=False 指定是否使用GPU加速（与是否为Paddle是否为GPU版本挂钩）
可视化识别结果默认保存到 ./inference_results 文件夹里面。
图片的路径可以是指定一个图片，也可以是指定一个文件夹中的所有图片。