代码之家 › 专栏 › 技术社区 › Kasparas Taminskas

具有两列文本的Google Vision复杂OCR执行

google-vision vision image-recognition ocr c#

0

Kasparas Taminskas · 技术社区 · 7 年前

对不起,如果这个问题之前已经在这里问过,但我找不到答案。

所以,我正在创建C#OCR程序来扫描商店收据。Vision OCR DocumentTextDetection本身可以非常准确地处理文本,但我还有其他问题:

当我扫描收据(下图中给出的模板)时,视觉OCR在两列密集文本中表现得很奇怪。例如,我有以下收据模板格式:

响应通常是一列字符串,其中填充了第一列中的产品名称或第二列中的价格。

通常的反应是:

收据产品1 产品2 产品3 9.99安产品4 9.99安 12.10 A 产品5

这个回复并没有让我正确地将每个项目与相应的价格联系起来。

当我使用图像编辑程序(如Photoshop)缩小产品和价格栏之间的距离时,它会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:你能给我一个提示吗,我如何通过创建新图像来编程调整这两列之间的距离。或者更好的办法是将接收图像分为2个图像,每列1个图像,并分别进行OCR?但我真的不知道如何识别列空间并将其剪切成新的图像,所以对此有什么建议吗?

1 回复 | 直到 7 年前

1

md612 7 年前

首先对图像进行二值化,然后使用“形态学-腐蚀”等图像处理算法对其进行预处理,根据两列之间的间距将原始图像分割为两半。怎样由于像素值在黑色区域中最低,因此在水平扫描原始图像时可以识别出下降值。最后,您可以使用OCR检测数字。

推荐文章

vlasentiy · 如何使用Google Vision API通过onClick切换摄像头

7 年前

Snake · 将google vision api文本检测限制在特定区域

7 年前

Eoghan Casey · 无法将google的vision API结果打印到应用程序屏幕

7 年前

woshitom · Google API PHP错误500

7 年前

Geordie Wicks · 谷歌移动视觉:人脸检测在3秒后停止

7 年前

j2abro · Android Google Mobile Vision中部分帧的人脸检测

8 年前