2

有没有办法使用谷歌的文本识别 API检测全尺寸的水平线（最大宽度）而不是图像中的文本块？比如说，如果我想从这样的收据图像中检索应付总额：

在此处输入图像描述

...因为到目前为止，API 会以任意顺序检测块中的文本，如下所示：

在此处输入图像描述

...不，TextBlockgetComponents()仅检索每个 TextBlock 中的行，因为 TextBlock 位于此处的文档中提到的文本层次结构的顶部（TextBlock 包含行） 。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)
    }
}
4

1 回答 1

0

你是对的 - API 只是给你文本块的坐标和块内的行的坐标。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。

于 2020-04-19T08:08:36.730 回答