从计算机 visio 调用 ocr api 时，我没有得到预期的结果

Posted 2023-03-28

【中文标题】从计算机 visio 调用 ocr api 时，我没有得到预期的结果

【英文标题】：I Don't get the expected result when calling ocr api from computer visio

【发布时间】：2019-08-25 17:49:11

【问题描述】：

我正在尝试使用计算机 visio 中的 ocr 方法从特定图像中提取所有文本。尽管如此，它并没有返回我知道的信息，因为当我直接在此页面https://azure.microsoft.com/es-es/services/cognitive-services/computer-vision/ 的可用选项中分析图像时，它确实返回了数据。

这是要从中获取数据的图像 https://bitbucket.org/miguel_acevedo_ve/python-stream/raw/086279ad6885a490e521785ba288914ed98cfd1d/test.jpg

我已遵循 azure 文档站点中提供的所有 python 教程。

import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
from PIL import Image
from io import BytesIO

subscription_key = "<Subscription Key>"

assert subscription_key

vision_base_url = "https://westcentralus.api.cognitive.microsoft.com/vision/v2.0/"

ocr_url = vision_base_url + "ocr"

image_url = "https://bitbucket.org/miguel_acevedo_ve/python-stream/raw/086279ad6885a490e521785ba288914ed98cfd1d/test.jpg"

'''image_url = "https://upload.wikimedia.org/wikipedia/commons/thumb/a/af/" + \
    "Atomist_quote_from_Democritus.png/338px-Atomist_quote_from_Democritus.png"
'''

headers = 'Ocp-Apim-Subscription-Key': subscription_key
params  = 'mode' : 'Printed'
data    = 'url': image_url
response = requests.post(ocr_url, headers=headers, params=params, json=data)
response.raise_for_status()

analysis = response.json()
print(analysis)

这是我当前的输出：

u'regions': [], u'textAngle': 0.0, u'orientation': u'NotDetected', u'language': u'unk'

更新：解决方案是使用识别文本而不是计算机 visio 中的 ocr 函数。

【参考方案1】：

我看到你的代码中有两张图片。

你的评论区是下面这个。这是一个很好的样本，类似于著名的手写数据集MNIST。该类数据集的特点是没有任何强噪声像素。

但是，下面的另一个，图像上到处都是强烈的噪点，甚至我认为超过了 99%。

所以它们是两种情况。 Azure 认知服务的 OCR 性能取决于训练模型中的示例数据集。所以实际上计算机视觉中的 OCR 只是可以用经过训练的样本检测这些相似的图像。

第二张图片的正确做法是先检测出足够小的像素区域包含文本内容，然后将其裁剪出来进行ocr调用。例如，如果从车头图像中提取车牌号，则只需要车牌的图像部分。

【参考方案2】：

解决方案是使用识别文本方法，而不是计算机视觉中的 ocr 方法。

首先你需要发一个帖子，然后用 operationid 发出 get 请求来获取结果。

vision_base_url = "https://westeurope.api.cognitive.microsoft.com/vision/v2.0/"

ocr_url = vision_base_url + "recognizeText"

response = requests.post(
    ocr_url, headers=headers,params=params, data=imgByteArr)
operationLocation = response.headers['Operation-Location']
response = requests.request('GET', operationLocation, json=None, data=None, headers=headers, params=None)