Question

我尝试使用Google Vision API文本检测功能和Google的网络演示来对我的图像进行OCR。两种结果不一样。

首先，我在网址https://cloud.google.com/vision/docs/drag-and-drop上通过演示进行了尝试。最后，我通过python语言在Google api代码中进行了尝试。两个结果不一样，我也不知道为什么。你能帮我解决这个问题吗？

我的图片：http://dfp.crawl.kyanon.digital/crawled_images/m.vta/1931/m.vta-home-slidebanner-image/2/assets/100000_samsung-galaxy-m20.png
我的api结果："SAMSUNG Galaxy M20Siêu Pin vô doi, sac nhanh tuc thiMoiSAMSUNG4.990.000dTrà gop 0%Mua ngay"
我的网络演示结果：https://imge.to/i/q4gRw 非常感谢你

我的python代码在这里：

client = vision.ImageAnnotatorClient()
raw_byte = cv2.imencode('.jpg', image)[1].tostring()
post_image = types.Image(content=raw_byte)
image_context = vision.types.ImageContext()
response = client.text_detection(image=post_image, image_context=image_context)

Answer 1

这是打字稿代码。

但是这个想法不是使用text_detection，而是使用document_text_detection之类的东西（不确定python API具体提供了什么）。

使用documentTextDetection()代替textDetection()为我解决了完全相同的问题。

const fs = require("fs");
const path = require("path");
const vision = require("@google-cloud/vision");

async function quickstart() {
  let text = '';
  const fileName = "j056vt-_800w_800h_sb.jpg";
  const imageFile = fs.readFileSync(fileName);
  const image = Buffer.from(imageFile).toString("base64");
  const client = new vision.ImageAnnotatorClient();

  const request = {
    image: {
      content: image
    },
    imageContext: {
      languageHints: ["vi-VN"]
    }
  };

  const [result] = await client.documentTextDetection(request);

  // OUTPUT METHOD A

  for (const tmp of result.textAnnotations) {
      text += tmp.description + "\n";
  }

  console.log(text);

  const out = path.basename(fileName, path.extname(fileName)) + ".txt";
  fs.writeFileSync(out, text);

  // OUTPUT METHOD B

  const fullTextAnnotation = result.fullTextAnnotation;
  console.log(`Full text: ${fullTextAnnotation.text}`);
  fullTextAnnotation.pages.forEach(page => {
    page.blocks.forEach(block => {
      console.log(`Block confidence: ${block.confidence}`);
      block.paragraphs.forEach(paragraph => {
        console.log(`Paragraph confidence: ${paragraph.confidence}`);
        paragraph.words.forEach(word => {
          const wordText = word.symbols.map(s => s.text).join("");
          console.log(`Word text: ${wordText}`);
          console.log(`Word confidence: ${word.confidence}`);
          word.symbols.forEach(symbol => {
            console.log(`Symbol text: ${symbol.text}`);
            console.log(`Symbol confidence: ${symbol.confidence}`);
          });
        });
      });
    });
  });

}

quickstart();

Answer 2

实际上，比较两个结果，我看到的唯一区别是结果的显示方式。 Google Cloud拖放网站会显示带有边界框的结果，并尝试查找文本区域。

您使用python脚本获得的响应包括相同的信息。一些例子：

texts = response.text_annotations
print([i.description for i in texts])
# prints all the words that were found in the image

print([i.bounding_poly.vertices for i in texts])
# prints all boxes around detected words

随时提出更多问题进行澄清。

其他一些想法：

您要预处理图像吗？
图片有多大？

Google文字检测api-网络演示结果与使用api

2 个答案: