【问题标题】:How to limit the text returned from making a TEXT_DETECTION call to Google Vision?如何限制对 Google Vision 进行 TEXT_DETECTION 调用返回的文本?
【发布时间】:2017-03-08 05:31:32
【问题描述】:

我目前正在尝试将 Google Vision API 用于 OCR。当我上传图像时,我看到返回给我的结果 JSON 有效负载相当大。我在响应中看到了两个主要的桶: 1)“文本注释” 2)“全文注释”

我只对“textAnnotations”返回的 JSON 感兴趣,而不关心 fullTextAnnotation 存储桶。本质上,我只对单个单词及其相应的边界框感兴趣,我不需要任何更精细的 OCR 数据。响应似乎也解析出段落、符号和单个字符,但我不需要任何这些。

是否有通过在请求中发送一些标志或参数来过滤谷歌视觉的结果集?肯定有,因为返回的这个 JSON 很大。

【问题讨论】:

  • 你好@aybaybay,你找到解决问题的方法了吗?谢谢
  • 是否可以将“响应”部分分解为更多原子函数,以便在返回时读取它?然后,当您到达 fullTextAnnotation 时,您可以中断该功能。我有一个类似的问题,但至少使用 Python Requests 库它似乎是一个阻塞的原子请求-响应调用。

标签: ios google-cloud-platform ocr google-cloud-vision


【解决方案1】:

据我所知,在发出请求调用时无法过滤。 但是,在您从 Google Vision API 请求中获取完整的 JSON 后,您需要让您的程序在“textAnnotations”对象上工作/处理

如果在 Java 上,您需要执行以下操作 - 我意识到你确实用“iOS”标记了这个,但我对 Swift 不太熟悉。但伪代码几乎是一样的-

1) 使用 JSON 解析器解析 JSON(例如 JSON.simple / GSON / Jackson / 等)

2) 将您的“textAnnotations”转换为 POJO(普通旧 Java 对象)

3) 然后在您的代码中,使用嵌套的 for-loop(s) 循环遍历“textAnotations”块以提取“description”元素,这基本上就是 OCR 单词。嵌套循环的原因是因为“responses”、“textAnnotations”在 Google Vision API 返回时是数组对象

for (int i = 0; i < size of 'responses' object ; i++) {
       for (int j = 0; j < size of 'textAnnotations' object; j++) {
              for (int k = 0; k < count of objects ; k++) { 
         System.out.println("OCR Word extracted from Google Vision API JSON - " + (k+1) + " : " + responses[i].textAnnotations[j].description[k])
                }
        }
}

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2017-07-07
    • 2017-02-22
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2019-02-27
    相关资源
    最近更新 更多