如何解决PaddleOCR读取内存中PIL转ndarray图像的报错问题？

问题根源 #

你遇到的ValueError: operands could not be broadcast together with shapes (960,960,4) (1,1,3)，本质是输入图像为4通道RGBA格式（带透明度通道），但PaddleOCR只支持3通道的RGB图像，导致预处理时数组运算不兼容。这是因为ImageGrab.grab()在macOS下默认返回带alpha通道的图像。

修复方法 #

把RGBA图像转成RGB格式就行，两种简单方式任选：

方式一：通过PIL直接转换 #

获取图像后先调用convert('RGB')再转numpy数组：

from paddleocr import PaddleOCR
from PIL import ImageGrab
import numpy as np

ocr_model = PaddleOCR(lang="en")
# 先转RGB格式再转数组
pic = np.array(ImageGrab.grab(bbox=[0, 0, 1000, 1000]).convert('RGB'))
result = ocr_model.ocr(pic)

print(result)

方式二：用numpy切片去除alpha通道 #

如果已经拿到RGBA的numpy数组，直接截取前3个通道：

# 从RGBA数组中提取RGB部分
pic_rgb = pic[..., :3]
result = ocr_model.ocr(pic_rgb)

效果验证 #

两种方法都能将4通道图像转为符合PaddleOCR要求的3通道RGB格式，彻底解决数组广播的报错问题。

内容的提问来源于stack exchange，提问作者pockspocky