Google 愿景 |越南语：低质量的 OCR 结果

Question

背景

使用Google Vision API (with Node) 识别越南文字，结果质量欠佳。有一些（不是全部，但有一些）声调标记以及元音表示缺失。

与他们的在线演示相比，returns 一个不错的结果（向下滚动查看现场演示）：

https://cloud.google.com/vision/

（因为我没有他们的公司账户，所以我不能直接问Google。）

问题

我可以调整我的请求以获得更好的结果吗？

我已经将语言提示设置为 "vi" 并尝试将其与 "en" 结合使用。我还尝试了更具体的 "vi-VN".

示例图片

https://www.tecc.org/Slatwall/custom/assets/images/product/default/cache/j056vt-_800w_800h_sb.jpg

示例代码

const fs = require("fs");
const path = require("path");
const vision = require("@google-cloud/vision");

async function quickstart() {
  let text;
  const fileName = "j056vt-_800w_800h_sb.jpg";
  const imageFile = fs.readFileSync(fileName);
  const image = Buffer.from(imageFile).toString("base64");
  const client = new vision.ImageAnnotatorClient();

  const request = {
    image: {
      content: image
    },
    imageContext: {
      languageHints: ["vi", 'en']
    }
  };

  const [result] = await client.textDetection(request);

  for (const tmp of result.textAnnotations) {
    text += tmp.description + '\n';
  }

  const out = path.basename(fileName, path.extname(fileName)) + ".txt";
  fs.writeFileSync(out, text);
}

quickstart();

解决方案

// $env:GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

const fs = require("fs");
const path = require("path");
const vision = require("@google-cloud/vision");

async function quickstart() {
  let text = '';
  const fileName = "j056vt-_800w_800h_sb.jpg";
  const imageFile = fs.readFileSync(fileName);
  const image = Buffer.from(imageFile).toString("base64");
  const client = new vision.ImageAnnotatorClient();

  const request = {
    image: {
      content: image
    },
    imageContext: {
      languageHints: ["vi-VN"]
    }
  };

  const [result] = await client.documentTextDetection(request);

  // OUTPUT METHOD A

  for (const tmp of result.textAnnotations) {
      text += tmp.description + "\n";
  }

  console.log(text);

  const out = path.basename(fileName, path.extname(fileName)) + ".txt";
  fs.writeFileSync(out, text);

  // OUTPUT METHOD B

  const fullTextAnnotation = result.fullTextAnnotation;
  console.log(`Full text: ${fullTextAnnotation.text}`);
  fullTextAnnotation.pages.forEach(page => {
    page.blocks.forEach(block => {
      console.log(`Block confidence: ${block.confidence}`);
      block.paragraphs.forEach(paragraph => {
        console.log(`Paragraph confidence: ${paragraph.confidence}`);
        paragraph.words.forEach(word => {
          const wordText = word.symbols.map(s => s.text).join("");
          console.log(`Word text: ${wordText}`);
          console.log(`Word confidence: ${word.confidence}`);
          word.symbols.forEach(symbol => {
            console.log(`Symbol text: ${symbol.text}`);
            console.log(`Symbol confidence: ${symbol.confidence}`);
          });
        });
      });
    });
  });

}

quickstart();

Answer 1

这个问题已经回答。

综上所述，本例中的 Demo 可能使用 DOCUMENT_TEXT_DETECTION，有时可以更彻底地提取字符串，而您使用的是 TEXT_DETECTION。

您可以尝试发出 client.document_text_detection 请求而不是 client.textDetection，您可能会得到更接近演示的结果。

如果您想阅读相关文档，可以找到它here.

希望这能解决您的问题！

Google 愿景 |越南语：低质量的 OCR 结果

Google Vision | Vietnamese: Low Quality OCR Results

ocr

node.js

google-cloud-platform

解决方案