ML Kit文本识别：如何根据图像中的位置获取文本？

Question

我正在制作一个用于扫描收据并将数据存入数据库的应用程序。我尝试使用ML Kit文本识别，效果非常好。但是，我在提取已识别文本中的数据时遇到了问题。以下是一个示例：

这是收据的格式，也是我想要获取数据的方式：

+--------+--------+-------+-------+
| Amount |  Name  | Price | Total |
+--------+--------+-------+-------+
|      1 | Cheese |       | 1,15  |
|      1 | Eggs   |       | 2,59  |
|      2 | Milk   | 0,99  | 1,98  |
|      1 | Butter |       | 0,80  |
+--------+--------+-------+-------+

然而，在运行文本识别时，它以非常奇怪的方式格式化数据。例如，上面的收据将给出以下块:

Amount
Price
Name Cheese Eggs Milk 0,99
Butter
Total 1,15 2,59
1,98 0,80

似乎跳过了金额列中的单数字，但我可以解决这个问题。然而，我无法弄清楚如何将上述数据解析为我想要的数据，特别是将价格与名称相连接。有没有办法改变块，只取收据的行或列，而不是随机呢？

编辑：当使用行或元素而不是块时，得到以下结果：

Amount
Price
Name
Cheese
Eggs
Milk
0,99
Butter
Total
1,15
2,59
1,98
0,80

然而，我仍然面临同样的问题：如何将物品与正确的价格配对？

- Daantje

---

您可以获取三种级别的文本结果 - 区块、行和元素（以递增的粒度）- 您正在使用哪个级别？请参见 https://developers.google.com/ml-kit/vision/text-recognition/android#4.-extract-text-from-blocks-of-recognized-text - Hoi

感谢您的回答！如帖子所述，我发布的结果是块。 - Daantje

Answer 1

在这种情况下，尝试使用行或元素代替块(https://developers.google.com/ml-kit/vision/text-recognition/android#4.-extract-text-from-blocks-of-recognized-text)，然后使用这些块的位置来重构表格。

- Hoi

---

谢谢您的回答！我尝试了那个方法，但是我仍然有同样的问题：如何将物品与正确的价格配对？ - Daantje

你需要根据文本框的坐标，使用 element.cornerPoints 或 element.boundingBox 来进行自己的关联。 - Hoi