Google Vision Api文本检测来自边界框的布局信息

Question

我正在尝试使用谷歌视觉api在我的图像上执行OCR。 Json输出到API调用返回带有边界框信息的识别字。

有人能告诉我如何使用这个边界框信息做我的图像布局分析？

如果有一个库将其作为输入并返回句子而不是单词？

{ 
    "description": "Ingredients:", 
    "boundingPoly": { 
    "vertices": [ 
     { 
     "x": 14, 
     "y": 87 
     }, 
     { 
     "x": 53, 
     "y": 87 
     }, 
     { 
     "x": 53, 
     "y": 98 
     }, 
     { 
     "x": 14, 
     "y": 98 
     } 
    ] 
    } 
}, 
{ 
    "description": "Chicken", 
    "boundingPoly": { 
    "vertices": [ 
     { 
     "x": 55, 
     "y": 87 
     }, 
     { 
     "x": 77, 
     "y": 87 
     }, 
     { 
     "x": 77, 
     "y": 98 
     }, 
     { 
     "x": 55, 
     "y": 98 
     } 
    ] 
    } 
}, 

例如在上面的json中，单词'Ingredients：''Chicken'在同一行上。有没有一个图书馆可以给我提供这些信息？

用于OCR source image

Answer 1

图片旋转尝试使用Word或任何其他工具，它可以让您旋转图像。 它在我的例子中得到了正确的答案。