Question

我在c＃Windows应用程序中使用iTextSharp来操作扫描的纵向PDF发票文件。在扫描文件后，我想自动检查（估计）页面上文本的方向（用户可能已经颠倒扫描）。

发票来自各种供应商，因此我无法搜索标准文字或图片。

我想如果我可以将PDF页面裁剪为两个（顶部和底部），并创建两个新的PDF文件，那么我可以比较两个文件大小。最大的文件可能是页面的顶部。如果需要，我可以旋转（我知道如何做这一点）页面。

由于

更新 - 我找到了一种方法将页面分成两半但不幸的是，创建的2个文件大小相同（即使上半部分有更多文本和图像）：

        private void TrimDocument()
    {
        //derived from http://www.namedquery.com/cropping-pdf-using-itextsharp

        PdfReader pdfReader = new PdfReader("C:/Docman/RawScans/PDFWeightedTop.pdf");
        PdfRectangle rect = new PdfRectangle(0, pdfReader.GetPageSizeWithRotation(1).Height / 2, pdfReader.GetPageSizeWithRotation(1).Width, pdfReader.GetPageSizeWithRotation(1).Height); //Top
        //***PdfRectangle rect = new PdfRectangle(0, 0, pdfReader.GetPageSizeWithRotation(1).Width, pdfReader.GetPageSizeWithRotation(1).Height/2); //Bottom

        //***FileStream output = new FileStream("C:/Docman/Matched/top.pdf", FileMode.Create);
        FileStream output = new FileStream("C:/Docman/Matched/bottom.pdf", FileMode.Create);

        Document doc = new Document(PageSize.A4);

        //Make a copy of the document
        PdfSmartCopy smartCopy = new PdfSmartCopy(doc, output);
        doc.Open();
        var page = pdfReader.GetPageN(1);
        page.Put(PdfName.CROPBOX, rect);
        page.Put(PdfName.MEDIABOX, rect);
        var copiedPage = smartCopy.GetImportedPage(pdfReader, 1);
        smartCopy.AddPage(copiedPage);
        doc.Close();
    }

Answer 1

我可以通过几种方式确定文档的方向，每种方法都有自己的效率，准确性和努力/成本的优缺点。

使用OCR包，例如Tesseract或Cuneiform，然后以一个方向扫描页面，然后再次旋转180.由于OCR包只会检测到正确定向的文本，无论哪个方向捕获更多文本，正确的方向。这种方法可能不是最有效的，但它可能是最准确的。还有许多其他OCR包，请咨询Wikipedia。
通过iTextSharp.text.Image.RawData属性将PDF格式的内容暴露在PDF文档中，将其转换为单色，然后使用各种评分函数来评估墨水密度较大的区域。您需要在此进行实验，但首先要想到的是检测发票中的标题/徽标，因为这很可能位于顶部，密度大于底部。另一个想法是，可能总是有页脚，条形码或跟踪号码，您可以在任一方向扫描页面的该部分。它的存在可以用作旗帜。
您可以使用像素差异技术，并为您知道的具有正确方向的所有文档构建复合蒙版（图像），并使用该蒙版对未知图像执行按位XOR，并再次使用相反方向，比较每个黑色像素的总和。理论是未知图像将在已知图像的领域中，如果它正确定向应该有很少的差异，但如果定向不正确将有很多差异。
如果您有一个已知的发票域，您可以检测到每张发票的一个功能，该功能表明其方向，类似于自动售货机检测您插入的帐单类型。
Mechanical Turk：）
以上的一些组合。

祝你好运，让我们知道你是如何进行的！

使用iTextSharp确定PDF方向。 C＃.NET

1 个答案: