使用 Google 的文本识别 API 检测图像中的水平线而不是块

Posted 2023-04-17

【中文标题】使用 Google 的文本识别 API 检测图像中的水平线而不是块

【英文标题】：Using Google's Text Recognition API to detect horizontal lines instead of blocks in images

【发布时间】：2018-08-08 20:35:49

【问题描述】：

有没有办法使用Google's Text Recognition API 检测图像中的全尺寸水平线（最大宽度）而不是文本块？比如说，如果我想从这样的收据图像中检索应付款总额：

...因为到目前为止，API 检测块中的文本，而不是像这样以任意顺序检测文本：

... 不，TextBlock 的 getComponents() 仅检索每个 TextBlock 中的行，因为 TextBlock 位于文本层次结构的顶部（TextBlock 包含行），如文档 here 中所述。如果这个 API 可以从 Lines 而不是 TextBlocks 开始用于图像位图的框架...

我什至尝试使用硬编码坐标调整文本块的边界框（矩形）的大小，以希望检测到整行文本“Chicken Bowl... 7.15”，但无济于事，如下所示：

val textRecognizer = TextRecognizer.Builder(this).build()
if (textRecognizer.isOperational) 
    val imageFrame = Frame.Builder()
                .setBitmap(imageBitmap)
                .build()
    val textBlocks = textRecognizer.detect(imageFrame)
    for (i in 0 until textBlocks.size()) 
        val textBlock = textBlocks.get(textBlocks.keyAt(i))
        textBlock.boundingBox.set(97, 1244, 1235, 1292)

        val textValue = textBlock.value
        Log.d(LOG_TAG, "textValue: " + textValue)
    

【问题讨论】：

您无法直接从 OCR 获取数据行。无论如何，您可以应用算法并从 OCR 生成数据行。

你有没有在这个@DaveNOTDavid 上取得任何进展？

【参考方案1】：

您是对的 - API 只是为您提供文本块和块内行的坐标。因此，您必须自己整理所有行。

在开始之前，您应该以基线（或多或少）水平的方式旋转坐标。请注意，边界框的坐标有时顺序错误。当您计算所需的旋转角度时，您应该将这些误导性的框整理出来。

旋转所有坐标后，您可以开始匹配所有单词边界框并创建所需的线条。在我的代码中，我通过比较框的垂直中心来做到这一点。请注意高度非常小或非常大的片段（与平均高度相比）。你必须给他们一个特殊的待遇。

我可以向您保证，这适用于您的示例中所示的收据。