Google Cloud Vision OCR在浏览器演示和通过Python的区别

Question

Google Cloud Vision OCR在浏览器演示和通过Python的区别

3

我对Google Cloud Vision API还比较新，如果有明显的答案，请见谅。我注意到在某些图片上，使用Google Cloud Vision API拖放功能（https://cloud.google.com/vision/docs/drag-and-drop）和Python本地图像检测之间会得到不同的OCR结果。

我的代码如下：

import io
# Imports the Google Cloud client library
from google.cloud import vision
from google.cloud.vision import types

# Instantiates a client
client = vision.ImageAnnotatorClient()

# The name of the image file to annotate
file_name = "./test0004a.jpg"

# Loads the image into memory
with io.open(file_name, 'rb') as image_file:
    content = image_file.read()

image = types.Image(content=content)

response = client.text_detection(image=image)
texts = response.text_annotations

print('Texts:')
for text in texts:
#    print('\n"{}"'.format(text.description.encode('utf-8')))
    print('\n"{}"'.format(text.description.encode('ascii','ignore')))

    vertices = (['({},{})'.format(vertex.x, vertex.y)
                for vertex in text.bounding_poly.vertices])

    print('bounds: {}'.format(','.join(vertices)))

附有突出显示的示例图像示例图像。

上面的Python代码不返回任何内容，但在浏览器中使用拖放功能时，它可以正确识别“2340”作为文本。Python和浏览器不应该返回相同的结果吗？如果不是，为什么？我需要在代码中包含其他参数吗？

- Skoptimist

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- dsesto · Accepted Answer

这里的问题是您使用了TEXT_DETECTION而不是DOCUMENT_TEXT_DETECTION，后者是您分享的拖放示例页面中使用的功能。

通过更改方法（使用document_text_detection()），您应该可以获得所需的结果（我已经测试过您的代码，它确实有效）。

# Using TEXT_DETECTION
response = client.text_detection(image=image)

# Using DOCUMENT_TEXT_DETECTION
response = client.document_text_detection(image=image)

虽然两种方法都可以用于OCR，就像文档中所提到的，DOCUMENT_TEXT_DETECTION 方法是针对密集文本和文件进行优化的。您分享的图像不是非常高质量的，文本也不清晰，因此对于这种类型的图像，DOCUMENT_TEXT_DETECTION 方法可能比TEXT_DETECTION 方法表现更好。

以下还有一些其他例子，在这些例子中DOCUMENT_TEXT_DETECTION 方法的效果比TEXT_DETECTION 方法要好。但请注意，并不总是这样，TEXT_DETECTION 在某些情况下仍然可能具有更好的结果：