Question

我使用Google视觉检测带有PDF文件的文档文本，但是我的响应宽度有些麻烦。

响应的结果很好，但是一些符号在垂直线上检测到。我知道日本使用垂直书写，但是我不需要。我如何为此添加条件。

示例

[a，b，c]

[x，y，z]

[1,2,3]

预期结果：[a，b，c]，[x，y，z]，[1,2,3]或[a]，[b]，[c]，[x]，[y]， [z]，[1]，[2]，[3]

实际结果：[a，b] [x，y] [1,2] [c，z，3]

如果不可能1。我可以更改功能类型为TEXT_DETECTION吗？
bounding_box有4点

{“ x”：0.5579832，“ y”：0.912114}，

{“ x”：0.5579832，“ y”：0.91567695}，

{“ x”：0.53781515，“ y”：0.91567695}，

{“ x”：0.53781515，“ y”：0.912114}

并且页面具有宽度和高度，但是某些x，y的值大于1.0，将超出页面限制，我该如何将点转换为宽度和高度

谢谢^^

参考： here 并仅更改image_context = {“ language_hints”：[“ ja”]}

https://cloud.google.com/vision/docs/pdf

Answer 1

我可能会迟到，但是第一种选择肯定是可能的。据我了解，您需要水平检测语言。为此，您可以做的是获取所有边界框，计算它们的中心，然后根据中心点位置对齐它们。

首先，创建一个字典，其中将包含所有检测到的单词或字符以及它们各自的边界（x1，x2，x3，x4和y1，y2，y3，y4）。使用这些边界，计算中心点。

以下是这样做的示例：

    for bound in bounds:
      y1 = bound.normalized_vertices[0].y * pdf_height
      y2 = bound.normalized_vertices[1].y * pdf_height
      y3 = bound.normalized_vertices[2].y * pdf_height
      y4 = bound.normalized_vertices[3].y * pdf_height

      x1 = bound.normalized_vertices[0].x * pdf_width
      x2 = bound.normalized_vertices[1].x * pdf_width
      x3 = bound.normalized_vertices[2].x * pdf_width
      x4 = bound.normalized_vertices[3].x * pdf_width

      y_center = (y1+y2+y3+y4)/4
      x_center = (x1+x2+x3+x4)/4

获取所有顶点后，将它们放在列表中，并更新字典中存在的边界。现在，字典将包含单词以及它们各自的x_center和y_center。得到这些要点后，请根据需要对它们进行排序。

对我来说，我首先按照y轴升序对它们进行排序。这样做，我能够对同一行中出现的单词进行排序，然后使用换行符来分隔行。

要获得正确的单词顺序，只需按照x轴对它们进行排序即可。

请记住一件事，您需要设置一个公差值以使同一行中的单词正确，否则，两行可能会相互混淆。另外，公差值还取决于字体大小。

这是使用Google视觉进行水平文本检测的主要逻辑。我不能共享其余的代码，因为这是我公司的财产。所以，对不起。只是让大家知道这肯定是可能的。：）

如何使用带有水平线的google视觉或使用TEXT_DETECTION来检测文件中的文本来检测日语单词（PDF）

1 个答案: