文本提取 - 逐行

我正在使用 Google Vision API，主要是为了提取文本。我工作得很好，但对于我需要 API 扫描输入行的特定情况，在移动到下一行之前吐出文本。然而，该 API 似乎正在使用某种逻辑，使其从左侧从上到下扫描，然后移动到右侧并进行从上到下扫描。我希望 API 能够从左到右读取、向下移动等等。

例如，考虑图像：

API 返回如下文本：

“ Name DOB Gender: Lives In John Doe 01-Jan-1970 LA ”

然而，我本来期望这样的事情：

“ Name: John Doe DOB: 01-Jan-1970 Gender: M Lives In: LA ”

我想有一种方法可以定义块大小或边距设置（？）来逐行读取图像/扫描？

感谢您的帮助。 亚历克斯

这可能是一个迟到的答案，但添加它以供将来参考。 您可以向 JSON 请求添加功能提示以获得所需的结果。

{
  "requests": [
    {
      "image": {
        "source": {
          "imageUri": "https://i.stack.imgur.com/TRTXo.png"
        }
      },
      "features": [
        {
          "type": "DOCUMENT_TEXT_DETECTION"
        }
      ]
    }
  ]
}

对于相距很远的文本，DOCUMENT_TEXT_DETECTION 也无法提供正确的行分段。

下列code根据角色多边形坐标进行简单的线分割。

https://github.com/sshniro/line-segmentation-algorithm-to-gcp-vision