在Google Cloud Vision API OCR中设置图像检测区域

Question

我曾使用Google Cloud Vision API进行文本检测，但我不知道它是否允许我们定义图像中的特定区域以提取文本。例如，如果我的图像有3列文本，并且我想提供要执行OCR的特定列的左上角坐标、宽度和高度，这是否可行？此外，在图像中有3列文本时，有没有其他方法可以避免文本混乱？

- Naveed

Answer 1

目前，无法定义从图像中提取文本的特定区域。在REST或gRPC API的图像上下文中都没有可用的参数。一个可能的解决方法是裁剪您的图像并仅发送您想要转录的文本。如果您想尝试自动化此过程，也许对象定位或裁剪提示功能可能会有所帮助。

关于混乱的文本，您可以在Json响应中定位每个块或段落。

- ch_mike

---

实际上，在 REST API 的请求的 ImageContext 中有一个 latLongRect 字段，但文档表明它没有被使用。所以 @ch_mike 是正确的，但这可能暗示着该功能将在未来某个时候出现。 - Lefteris S

@ch_mike 到目前为止，我一直在使用imagemagick裁剪列并将它们附加在一起，然后将这个垂直的单列图像发送到视觉API，但是图像处理需要很长时间。 - Naveed

@LefterisS 有关如何使用 latLongRect 参数还有更多细节吗？ - Naveed

@Naveed，我看到了这种方法的缺点。您可能希望使用此模板向GCP提出功能请求，请确保包含足够的信息，以便其他用户可以理解场景并投票支持，从而引起更多关注。对于列问题，已经有一个功能请求，请考虑通过单击问题编号旁边的星号进行投票支持。 - ch_mike

Answer 2

你可以在 Detector 类的周围构建自己的包装器类。然后重新构建位图，将其放入馈入 detect 方法的帧对象中。

- Kai