Question

我正在尝试将谷歌视觉OCR结果的全文注释转换为Block，Paragraph，Word和Symbol中的行级和单词级层次结构。

但是，在将symbols转换为word文本并将word转换为line文本时，我需要了解DetectedBreak属性。

我经历了This documentation。但是我听不懂其中的几个。

有人可以解释以下中断是什么意思吗？我只了解LINE_BREAK和SPACE。

EOL_SURE_SPACE
连字符
LINE_BREAK
空格
SURE_SPACE
未知

可以将它们替换为换行符还是空格？

Answer 1

您提供的链接提供了有关每一个代表什么的最详细的说明。我想更好地理解的最好方法是在不同的图像上运行ocr并将响应与在相应图像上看到的进行比较。以下python脚本在保存在GCS中的图像上运行DOCUMENT_TEXT_DETECTION并打印所有检测到的中断，除了您毫无困难的中断（LINE_BREAK和SPACE）外，还有紧接的单词他们可以进行比较。

import sys
import os
from google.cloud import storage
from google.cloud import vision

def detect_breaks(gcs_image):

    os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = '/path/to/json'
    client = vision.ImageAnnotatorClient()

    feature = vision.types.Feature(
        type=vision.enums.Feature.Type.DOCUMENT_TEXT_DETECTION)

    image_source = vision.types.ImageSource(
        image_uri=gcs_image)

    image = vision.types.Image(
        source=image_source)

    request = vision.types.AnnotateImageRequest(
        features=[feature], image=image)

    annotation = client.annotate_image(request).full_text_annotation

    breaks = vision.enums.TextAnnotation.DetectedBreak.BreakType
    word_text = ""
    for page in annotation.pages:
        for block in page.blocks:
            for paragraph in block.paragraphs:
                for word in paragraph.words:
                    for symbol in word.symbols:
                        word_text += symbol.text
                        if symbol.property.detected_break.type:
                            if symbol.property.detected_break.type == breaks.SPACE or symbol.property.detected_break.type == breaks.LINE_BREAK:
                                word_text = ""
                            else:
                                print word_text,symbol.property.detected_break
                                word_text = ""

if __name__ == '__main__':
    detect_breaks(sys.argv[1])

了解Google OCR全文注释中的DetectedBreak

1 个答案: