本文介绍在PyQt6中实现类似Photoshop橡皮擦工具的高性能解决方案。传统方法使用QWidget作为橡皮擦会导致卡顿、缩放变形等问题。正确方法是在QGraphicsView的drawForeground中绘制橡皮擦，并通过painter.resetTransform()切换到设备坐标系，使橡皮擦大小固定、精准跟随鼠标移动。关键点包括：避免QWidget叠加、正确转换坐标系、使用save/re

本文揭示了如何用轻量级方案实现OCR功能，让小型工具也能内置高效的文字识别。关键在于将训练与推理分离：使用PyTorch训练模型后，通过ONNX格式导出，搭配轻量推理引擎（如ONNX Runtime）部署，可大幅减少体积至30MB左右。文中提供了PaddleOCR等优质预训练模型的获取方式、极简Python推理代码示例，以及优化建议（模型量化、裁剪OpenCV等）。相比依赖大型框架，这种方案更高效