image-recognition - 我可以告诉 Google Cloud 视觉隔离它在图像中读取的最大(字体大小)文本吗？

Question

我想使用云视觉来识别和隔离图片中的“主要”文本(例如包装上最大的文字)。我假设云视觉能够通过查看字体大小/每个字母占用多少像素在后端做到这一点，但我不确定 API 中是否有输出。

我对这些信息在文档中的位置的最佳猜测是在以下链接中，但我看不到与此相关的任何内容:https://cloud.google.com/natural-language/reference/rest/v1beta1/documents/annotateText

Answer 1

TEXT_DETECTION 视觉 API( https://cloud.google.com/vision/docs/samples#detecting_text_in_images )可以返回 (string + boundingPoly) 的数组。

json 表示 AnnotateImageResponse 如下。

"textAnnotations": [
    {
      object(EntityAnnotation)
    }
  ]

实体注释 https://cloud.google.com/vision/reference/rest/v1/images/annotate#EntityAnnotation

您可以从 BoundingPoly 获取字体大小(以像素为单位) https://cloud.google.com/vision/reference/rest/v1/images/annotate#BoundingPoly