c# - 微软计算机视觉 OCR : Disable grouping text by regions

Question

我一直在使用 Microsoft Computer Vision 阅读收据，试图找到替代 Abby 的 OCR 的方法，因为价格差异很大。

我得到的结果总是按地区分组。这显然使得用它们的数量识别相应的字段变得更加困难。

有没有一种方法可以通过 Microsoft Vision 或其他方式实现与 Abby 相同的对齐输出？

这是一张包含结果和收据的图片

光学识别结果

Answer 1

我知道这不是一个完整的解决方案，但我认为这足以让您入门。

计算机视觉 API 返回 JSON result具有 lines 属性，该属性只是具有 boundingBox 属性的对象数组。

这些 boundingBox 是每个短语的“正方形”的左上角坐标和右下角坐标的 X、Y 坐标。

您基本上需要处理此数组并根据此属性“排序”项目。

在此JSFiddle您会看到我正在按 Y 坐标对线进行排序，然后将它们分组。

剩下要做的是对分组进行“更智能”——如果 Y 坐标为 201 和 202，您可以假设它们在同一行，只需将它们添加到同一行，按 X 坐标升序排序。

代码:

if (jsonResponse.status == 'Succeeded') {

  var result = '';
  // Sort lines by Y coordinate
  jsonResponse.recognitionResult.lines.sort(function(a, b) {
    var topLeftYCoordA = a.boundingBox[1];
    var topLeftYCoordB = b.boundingBox[1];
    if (topLeftYCoordA > topLeftYCoordB) {
      return 1;
    }
    if (topLeftYCoordA < topLeftYCoordB) {
      return -1;
    }
    return 0;
  })

  // group lines by Y coordinate
  var grouped = {};

  jsonResponse.recognitionResult.lines.map(function(line) {
    var topLeftYcoordinate = line.boundingBox[1];
    if (!grouped[topLeftYcoordinate]) {
      grouped[topLeftYcoordinate] = line;
    } else {
      grouped[topLeftYcoordinate] += line;
    }
  });
  Object.keys(grouped).forEach(function(yCoordinate) {
    result += yCoordinate + ' - ' + grouped[yCoordinate].text + '</br>';
  })
  $(".right").html(result);
}

结果: