Google Vision API - 将 OCR 结果拆分为不同的行？

Question

我正在尝试将 C# 中的 Google Vision API 用于包含多行文本的图像。我希望每一行都是一个单独的字符串，但 API 将它们全部放入 1 个字符串中。

我尝试在开头按大写过滤，但有些行在每个单词的开头都有大写，所以它并不总是在每行的开头。

我怎样才能改变它，使它分别在每一行中？由于所有线条每次都在图像中的同一个位置，我可以使用 C# 裁剪它以单独获取每条线条吗？

谢谢:)

Answer 1

您似乎使用的是“TEXT_DETECTION”模式，而不是 Google Vision API 的“DOCUMENT_TEXT_DETECTION”模式。

https://cloud.google.com/vision/docs/ocr 这指定了两者之间的差异。

来自https://cloud.google.com/vision/docs/detecting-fulltext

如果您使用“DOCUMENT_TEXT_DETECTION”API，您的代码应该是这样的。

var image = Image.FromFile(filePath);
var client = ImageAnnotatorClient.Create();
var response = client.DetectDocumentText(image);
foreach (var page in response.Pages)
{
    foreach (var block in page.Blocks)
    {
        foreach (var paragraph in block.Paragraphs)
        {
            Console.WriteLine(string.Join("\n", paragraph.Words));
        }
    }
}

希望有帮助！

编辑

我用身体做了一个 POST https://vision.googleapis.com/v1/images:annotate?key=[API_KEY]

{
  "requests": [
    {
      "image": {
        "source": {
          "imageUri": "https://i.imgur.com/5t34img.png"
        }
      },
      "features": [
        {
          "type": "DOCUMENT_TEXT_DETECTION"
        }
      ]
    }
  ]
}

并收到此响应的有效响应。 https://gist.github.com/kle622/02d4d573c2c8bc08beac25a26b81096e 如果您发布更新的代码，我可以提供更多帮助:)