google-cloud-vision - 文本提取 - 逐行

Question

我正在使用 Google Vision API，主要是为了提取文本。我工作正常，但对于我需要 API 扫描输入行的特定情况，在移动到下一行之前吐出文本。但是，该 API 似乎使用了某种逻辑，使其从左侧从上到下扫描并移动到右侧并进行从上到下扫描。如果 API 从左到右读取，向下移动等等，我会很喜欢。

例如，考虑图像:



API 返回这样的文本:

“ Name DOB Gender: Lives In John Doe 01-Jan-1970 LA ”

然而，我会期待这样的事情:

“ Name: John Doe DOB: 01-Jan-1970 Gender: M Lives In: LA ”

我想有一种方法可以定义块大小或边距设置(？)来逐行读取图像/扫描？

谢谢你的帮助。
亚历克斯

Answer 1

这可能是一个迟到的答案，但添加它以供将来引用。
您可以向 JSON 请求添加功能提示以获得所需的结果。

{
  "requests": [
    {
      "image": {
        "source": {
          "imageUri": "/image/TRTXo.png"
        }
      },
      "features": [
        {
          "type": "DOCUMENT_TEXT_DETECTION"
        }
      ]
    }
  ]
}

对于相距很远的文本，DOCUMENT_TEXT_DETECTION 也不提供正确的行分割。

以下code根据字符多边形坐标做简单的线分割。



https://github.com/sshniro/line-segmentation-algorithm-to-gcp-vision