java - 有人有处理 Nuance 的 OmniPage SDK 的 XML 格式的经验吗？

Question

我正在使用 Nuance OmniPage SDK 对图像和 PDF 执行 OCR，在我的一个案例中，我必须解析 OCR 在识别文件时生成的 XML 文件，但数字并没有真正意义。以下是 SDK 的示例输出:

<page ocr-vers="OmniPageCSDK16" app-vers="OfficeDrop">
    <description backColor="ffffff">
        <source
            file="C:\Users\workspace\jobs\src\test\resources\test-docs\0003.tiff"
            dpix="300" dpiy="300" sizex="2480" sizey="3509" />
        <theoreticalPage size="Custom" marginLeft="0"
            marginTop="0" marginRight="0" marginBottom="0" width="2480" height="3509" />
    </description>
    <zones>
        <textZone l="1814" t="1517" r="4694" b="1733" fillingMethod="omnifont"
            recognitionModule="omnifontPlus2w" chrFilter="all">
            <ln l="1814" t="1517" r="4690" b="1728" baseLine="1680"
                underlined="none" fontSize="1100">
                <wd l="1814" t="1517" r="2539" b="1728">Sample</wd>
                <space width="67" />
                <wd l="2606" t="1541" r="2995" b="1680">text</wd>
                <space width="72" />
                <wd l="3067" t="1570" r="3302" b="1680">on</wd>
                <space width="72" />
                <wd l="3374" t="1517" r="3734" b="1680">line</wd>
                <space width="91" />
                <wd l="3826" t="1522" r="3912" b="1680">1</wd>
                <space width="82" />
                <wd l="3994" t="1570" r="4459" b="1728">page</wd>
                <space width="91" />
                <wd l="4550" t="1522" r="4690" b="1680">1.</wd>
                <space />
            </ln>
        </textZone>
    </zones>
</page>

页面大小定义很容易弄清楚，((2480 * 72)/300) 将为最终 PDF 页面提供正确的页面宽度(以点为单位)(然后是高度)，但其他值没有任何意义。

1100 的 font-size 是多少？还有这些字坐标？他们怎么会有页面上不存在的坐标？

有没有人知道这种 XML 格式是什么，或者可以指点我做文档？我搜索了 SDK 附带的所有手册，但仍然找不到与这些值代表什么或它们使用的单位相关的任何内容(我确定它不是像素或点，我猜)。

感谢任何帮助。我正在使用 java 绑定(bind)来访问 OmniPage C SDK。

Answer 1

Omni Page 字坐标通常以缇为单位输出，您需要进行相应的点或像​​素转换。例如，如果我想计算 200 dpi 图像的测量值，我需要这样做(值 * 200)/1440 像素。要交叉检查，只需在画笔中打开图像并查看每个单词的指针位置。