文本检测是OCR流程中的关键步骤，它的输出不是简单的字符串，而是包含坐标、置信度、检测时间等字段的结构化数据。举个例子，对一张街景图片进行EAST模型推理，可能会得到二十多个文本候选框，每个框需要记录四个顶点坐标和对应的置信度。如果项目需要处理数千张图片，数据量会迅速膨胀到数十万行。使用JSON文件逐条追加虽然简单，但无法利用索引加速查询，想要筛选置信度高于0.8的记录只能遍历整个文件。SQLite作为嵌入式关系型数据库，可以直接在Python中使用标准库sqlite3操作，不需要单独部署服务，却支持完整的SQL语法，包括索引、事务和聚合函数。本文将通过一个完整的实战项目，演示如何把文本检测结果高效地存入SQLite，并利用SQL完成复杂的检索任务。
为什么选择SQLite存储文本检测结果
文本检测结果具有天然的结构化特征：每条记录对应一个文本框，包含图片路径、坐标、置信度和可能的识别文本。这些字段的类型明确，长度基本固定，非常适合使用关系型数据库表来管理。如果用纯文本或CSV保存，虽然写入简单，但每次按置信度过滤或者按坐标范围查询都必须线性扫描全部数据，当记录数达到几十万条时，查询延迟会达到秒级甚至更高。SQLite通过B-tree索引可以把这类查询的时间复杂度降到对数级，例如在confidence字段上建立索引后，按置信度阈值过滤几乎可以即时返回结果。
与MySQL、PostgreSQL等数据库相比，SQLite最大的优势是零部署、零配置。它不需要单独的数据库进程，所有数据存储在一个本地文件中，随项目分发和备份都非常方便。对于本地批量处理、单机视觉项目或者边缘设备上的检测程序而言，引入一个独立数据库服务往往显得过重，而SQLite恰好提供了足够的关系型能力又没有运维负担。Python标准库自带的sqlite3模块让开发者无需安装额外依赖即可开始读写数据，这进一步降低了项目集成的复杂度。
有些人认为SQLite不适合高并发写入，但文本检测通常是在单机顺序处理图片，写入频率完全可控。只要合理使用事务和预编译语句，SQLite的写入性能对绝大多数检测项目来说是绰绰有余的。实测在普通机械硬盘上，批量插入一万条检测记录只需要不到一秒。因此，用SQLite作为检测结果的持久化方案，既能满足查询分析需求，又保持了项目轻量化的特点。
数据库表设计与Python写入实现
设计表结构时需要充分考虑文本检测模型输出的数据格式。EAST等文本检测模型输出的文本框通常是旋转矩形，用四个顶点坐标表示比仅存左上角和右下角更灵活。下面给出建表语句，其中坐标字段使用REAL类型存储浮点数，置信度同样使用REAL，识别文本detected_text先留空，后续可以对接OCR识别模块填充。同时为confidence和detected_text建立索引，因为这两个字段最常用于过滤和搜索。
CREATE TABLE IF NOT EXISTS text_detections (
id INTEGER PRIMARY KEY AUTOINCREMENT,
image_path TEXT NOT NULL,
image_width INTEGER,
image_height INTEGER,
box_x1 REAL NOT NULL,
box_y1 REAL NOT NULL,
box_x2 REAL NOT NULL,
box_y2 REAL NOT NULL,
box_x3 REAL NOT NULL,
box_y3 REAL NOT NULL,
box_x4 REAL NOT NULL,
box_y4 REAL NOT NULL,
confidence REAL NOT NULL,
detected_text TEXT,
created_at TEXT DEFAULT CURRENT_TIMESTAMP
);
CREATE INDEX idx_detections_conf ON text_detections(confidence);
CREATE INDEX idx_detections_text ON text_detections(detected_text);
建表语句中没有使用外键约束，因为每条检测记录只与图片文件本身关联，而图片元数据可以单独管理。如果项目需要存储图片的哈希值、拍摄设备等信息，可以扩展表结构或者新建一张images表，通过image_path进行关联。这里保持单表设计是为了让示例更聚焦于文本检测结果本身。
写入检测结果的关键是批量操作和事务控制。下面的代码展示了从加载EAST模型、对图片进行推理、解析检测框到批量插入SQLite的完整流程。其中decode_predictions函数负责从网络输出的scores和geometry中解码出文本框坐标，实际项目中可以根据自己的模型输出格式进行替换。
import sqlite3
import cv2
import numpy as np
net = cv2.dnn.readNet('frozen_east_text_detection.pb')
def detect_and_store(image_path, conn):
image = cv2.imread(image_path)
h, w = image.shape[:2]
blob = cv2.dnn.blobFromImage(image, 1.0, (320, 320), (123.68, 116.78, 103.94), True, False)
net.setInput(blob)
scores, geometry = net.forward(['feature_fusion/Conv_7/Sigmoid', 'feature_fusion/concat_3'])
boxes, confidences = decode_predictions(scores, geometry, 0.5)
cursor = conn.cursor()
data = []
for box, conf in zip(boxes, confidences):
x1, y1, x2, y2, x3, y3, x4, y4 = box.flatten().tolist()
data.append((image_path, w, h, x1, y1, x2, y2, x3, y3, x4, y4, float(conf), ''))
cursor.executemany('''
INSERT INTO text_detections
(image_path, image_width, image_height, box_x1, box_y1, box_x2, box_y2, box_x3, box_y3, box_x4, box_y4, confidence, detected_text)
VALUES (?,?,?,?,?,?,?,?,?,?,?,?,?)
''', data)
conn.commit()
print(f'写入 {len(data)} 条检测结果')
代码中使用executemany一次性提交多条INSERT语句，配合最后的commit调用，把整批数据放在一个事务中。如果改成循环单条插入并在每次插入后立即commit，数据库会频繁同步磁盘，性能会大幅下降。实验显示，写入一万条记录时，逐条提交耗时约三秒，而批量事务提交仅需两百毫秒左右。因此推荐始终批量写入，除非业务要求实时可见每条记录。
SQL查询实战与结果分析
检测结果入库之后，SQL查询的价值就体现出来了。比如想要查看置信度最高的前50个检测框，只需要一条ORDER BY加LIMIT语句。由于confidence字段已经建立了索引，SQLite可以快速定位满足条件的数据，而不需要扫描全表。下面这条SQL可以筛选出置信度大于0.85的检测框，并按置信度降序排列。
SELECT image_path, confidence, box_x1, box_y1, box_x2, box_y2, detected_text FROM text_detections WHERE confidence > 0.85 ORDER BY confidence DESC LIMIT 50;
如果后续接入了OCR识别，detected_text字段会存储识别出的文字内容。此时可以使用LIKE进行模糊搜索，例如查找所有包含“发票”或“金额”字样的检测结果。需要注意的是，LIKE以通配符开头的模式无法使用普通B-tree索引，如果数据量达到百万级并且频繁进行模糊搜索，可以考虑开启SQLite的FTS5全文搜索扩展，或者使用外部搜索引擎。对于中小规模项目，普通LIKE查询的响应时间通常可以接受。
cursor = conn.cursor()
cursor.execute('''
SELECT detected_text, confidence
FROM text_detections
WHERE detected_text LIKE ?
ORDER BY confidence DESC
''', ('%发票%',))
for row in cursor.fetchall():
print(row)
坐标范围查询在文本检测结果分析中也很常用。例如要找出位于图片左上角区域的文本框，可以通过比较box_x1和box_y1是否在指定范围内来实现。这种查询可以利用索引吗？如果只是对单一坐标字段做范围比较，可以建立联合索引或者直接使用现有索引，但多字段同时比较时，B-tree索引的利用率会下降。对于非常频繁的坐标范围检索，可以考虑使用SQLite的R-tree扩展，它专门为多维范围查询设计。不过大多数项目只需处理单张图片内的检测框，数据量相对有限，普通SQL已经完全够用。
SELECT box_x1, box_y1, box_x2, box_y2, confidence FROM text_detections WHERE box_x1 BETWEEN 0 AND 100 AND box_y1 BETWEEN 0 AND 100 AND image_path = 'sample/street1.jpg';
除了简单的条件查询，SQLite还支持聚合统计。例如统计每张图片检测到的文本框数量，或者按置信度区间分组查看分布情况。这些操作在数据分析阶段非常有用，可以快速了解模型在不同图片上的表现，帮助定位漏检或误检严重的情况。
SELECT image_path, COUNT(*) AS box_count FROM text_detections GROUP BY image_path ORDER BY box_count DESC;
性能优化与常见问题
批量写入和索引设计是提高SQLite性能最直接的手段。除此之外，开启WAL模式可以进一步提升并发读写能力。WAL模式允许读操作和写操作同时进行，避免了读写互相阻塞的问题。在建立连接后执行PRAGMA journal_mode=WAL;即可启用。对于文本检测项目这类写多读少的场景，WAL模式下的性能提升非常明显。
SQLite数据库文件可以非常方便地备份和迁移，直接复制文件即可。但如果在写入过程中复制文件，可能得到不一致的状态。正确做法是使用SQLite提供的在线备份API，例如Python中的sqlite3.Connection.backup方法，或者执行VACUUM INTO语句将数据库导出到另一个文件。这些操作可以在程序运行期间安全进行，不会损坏数据。
一个常见的坑是模型输出的坐标可能超出图片边界。EAST等模型在边缘区域有时会生成负坐标或超出宽高的值，如果直接写入数据库并在后续绘制时使用，会导致绘制失败或越界异常。建议在写入前对坐标进行裁剪，确保所有x坐标在0到image_width之间，所有y坐标在0到image_height之间。浮点数精度问题也需要注意，比如两个看似相等的REAL值可能因为精度差异而不相等，比较时最好使用一个很小的误差范围。
最后需要提醒的是，SQLite虽然功能强大，但并非所有情况下都是最佳选择。如果项目未来需要多台机器同时写入同一个数据库，或者需要复杂的分区表、存储过程等特性，那么应该考虑迁移到PostgreSQL等服务器型数据库。但对于单机文本检测项目、实验性原型或边缘设备应用，SQLite提供的轻量级关系型能力已经足够覆盖绝大多数需求。
