将 Google Cloud Vision API 与手动填写的表单一起使用

Question

我正在尝试使用 Google Cloud Vision API 分析考试表。下面是我正在使用的测试表。

Cloud Vision 可以很好地识别姓名和问题 #11 和 #12，包括笔迹。但是，它完全忽略了问题 #1 到 #9。没有数字，没有字母，什么都没有。

输出文本是"Name\nJohn\nDoe\n11\nI don\'t\nknow\nthe right\nanswer.\nfor me.\n12\nThis\nis\ntoo\ndifficult\n"。

任何想法如何强制 Cloud Vision 查看问题 #1 到 #9？

代码很简单：

def detect_document(path):
    """Detects document features in an image."""
    from google.cloud import vision
    import io
    client = vision.ImageAnnotatorClient()

    with io.open(path, 'rb') as image_file:
        content = image_file.read()

    image = vision.types.Image(content=content)

    response = client.document_text_detection(image=image)

    print (response.full_text_annotation)

detect_document('resources/scan_letters.jpg')

Answer 1

如果对照片进行阈值处理，Cloud Vision 将更容易检测图像中的文本。

我使用下面写的代码，它在很大程度上解决了我的问题。

import cv2
from PIL import Image, ImageFilter

def threshold():
    img = cv2.imread("menu.jpg") #path of unmodified image.

    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    ret, thresh1 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    #ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) #You can change values for best result.

    cv2.imshow('Otsu', thresh1)

    cv2.imwrite("test.png",thresh1) #saving path of the modified version of the photograph.


    if cv2.waitKey(0) & 0xff == 27:
        cv2.destroyAllWindows()

threshold()