Google Vision复杂的OCR执行，包含两列文字

Question

很抱歉，如果此问题已在此处提出，但我无法找到答案。

所以，我正在创建C＃OCR程序以扫描商店收据。 Vision OCR DocumentTextDetection本身可以非常准确地使用文本，但我还有其他问题：

当我扫描收据（下图中给出的模板）时，Vision OCR在两列密集文本中表现奇怪。例如，我有这种收据模板格式：

响应通常是一列字符串，其中包含第一列的产品名称或第二列的价格。

通常回应的例子：

RECEIPT 产品1 产品2 产品3 9.99 A. 产品4 9.99 A. 12.10 A. 产品5

此回复不允许我使用相应的价格正确连接每个项目。

当我使用图像编辑程序（例如Photoshop）减少产品和价格列之间的距离时，它可以正常工作并逐行扫描收据，因此我可以轻松识别哪个价格属于哪个产品。

我的问题是：请你给我一个提示，我可以通过创建新图像以编程方式调整这两列之间的距离。或者更好的想法是将收据图像分成2个图像，每列1个图像并分别对它们进行OCR？但老实说，我不知道如何识别列空间并将其剪切成新图像，那么有关于此的任何建议吗？

Answer 1

首先，对图像进行二值化，然后使用一些图像处理算法（如“形态 - 侵蚀”）对其进行预处理，以便根据两列之间的空间将原始图像分割为一半。怎么样？由于像素值在黑色区域中最低，因此您可以识别水平扫描原稿时存在下降值。最后，您可以使用OCR来检测数字。