c++ - Tesseract:如何导出文本和边界框？

Question

我想将文档图像转换为 XML，并导出在页面中找到特定单词的位置。为了访问边界框信息，可以使用 tesseract 的布局分析:

 tess.SetImage(...); 
 tess.SetPageSegMode( tesseract::PSM_AUTO_OSD); 
 tesseract::PageIterator* it = tess.AnalyseLayout(); 
 while(it->Next(tesseract::RIL_WORD)
 {
      int top, bottom, left, right; 
      it->BoundingBox(tesseract::RIL_WORD, &left, &top, &right, &bottom); 

 }

然而，那时我不知道边界框的实际内容，通过执行以下代码，对当前图像执行 OCR，因此 text 包含整个文本页面。

 tess.Recognize(0); 
 std::string text = tess.GetUTF8Text(); 

目前我暂时将所有边界框存储在一个 vector 中。对于每个框，我从原始图像中剪下一个子图像，并对每个边界框执行 OCR。基本上这是可行的，但是当我将结果与 Tesseract 命令行工具进行比较时，会出现更多的 OCR 错误。

因此我想知道如何逐字遍历 OCR 结果并获得相应的边界框。

Answer 1

tess.Recognize(0);

PAGE_RES_IT resultIter(page_res_);

for (resultIter.start_page(false); resultIter.block() != NULL; resultIter.forward()) 
{

            WERD_RES* wordResult = resultIter.word();
            WERD_CHOICE* word = wordResult->best_choice;

            TBOX& box = wordResult->word->bounding_box();
}