截图识别对比：CnOCR与PaddleOCR

  想使用PyAutoGUI做界面自动化，需要一个ocr库识别压测软件的文字，然后获取定位。现在找到了CnOCR与PaddleOCR，都安装来试试看，哪一个更适合我的需求，这里对这俩库进行对比。 本机环境：

两个库都有详细的安装步骤，有报错就去百度，安装对应的库就好了。   特别提醒安装Polygon3报错：Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools”: Microsoft C++ Build Tools - Visual Studio。   不要去安Visual Studio，去https://www.lfd.uci.edu/~gohlke/pythonlibs/下载一个Polygon3-3.0.9.1-cp39-cp39-win_amd64.whl包，手动安就好了。

CnOCR：

  CnOCR 是 Python 3 下的文字识别（Optical Character Recognition，简称OCR）工具包，支持简体中文、繁体中文（部分模型）、英文和数字的常见字符识别，支持竖排文字的识别。自带了20+个训练好的识别模型，适用于不同应用场景，安装后即可直接使用。同时，CnOCR也提供简单的训练命令供使用者训练自己的模型。 开源地址：https://gitee.com/cyahua/cnocr/ 安装使用国内源快一点

PaddleOCR（飞桨）

  PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程。 开源地址：https://gitee.com/paddlepaddle/PaddleOCR 安装命令：

待识别原图：

CnOCR：

使用还是挺方便，有几个模型选用，我主要是识别软件截图，就使用了doc-densenet_lite_136-gru的文档图片模型，试了几个图片，比通用模型要好一点点。

识别出的文字：   其中score是：识别结果的得分（置信度），取值范围为 [0, 1]；得分越高表示越可信   从结果对比原图，有较多的图标被识别成文字，我需要点击的【jp@gc - Transactions per Second】等标题，置信度不高。

PaddleOCR（飞桨）

就是默认设置，示例代码

识别出的文字：   速度慢点，但是内容明细精准许多。

有个飞桨的可视化图