浏览器演示中的Google Cloud Vision OCR与通过python实现的OCR之间的差异

Question

我对谷歌云视觉应用编程接口相当陌生，所以如果有一个明显的答案，我很抱歉。我注意到，对于一些图像，我在谷歌云视觉应用编程接口拖放（https://cloud.google.com/vision/docs/drag-and-drop）和python中的本地图像检测之间得到不同的OCR结果。

我的代码如下

import io
# Imports the Google Cloud client library
from google.cloud import vision
from google.cloud.vision import types

# Instantiates a client
client = vision.ImageAnnotatorClient()

# The name of the image file to annotate
file_name = "./test0004a.jpg"

# Loads the image into memory
with io.open(file_name, 'rb') as image_file:
    content = image_file.read()

image = types.Image(content=content)

response = client.text_detection(image=image)
texts = response.text_annotations

print('Texts:')
for text in texts:
#    print('\n"{}"'.format(text.description.encode('utf-8')))
    print('\n"{}"'.format(text.description.encode('ascii','ignore')))

    vertices = (['({},{})'.format(vertex.x, vertex.y)
                for vertex in text.bounding_poly.vertices])

    print('bounds: {}'.format(','.join(vertices)))

突出显示这一点的示例图像附在示例图像中

上面的python代码不会返回任何内容，但在浏览器中使用拖放功能，它会正确地将“2340”标识为文本。python和浏览器不应该返回相同的结果吗？。如果没有，为什么没有？，我需要在代码中包含其他参数吗？。

Answer 1

这里的问题是您正在使用TEXT_DETECTION而不是DOCUMENT_TEXT_DETECTION，这是您共享的拖放示例页中使用的功能。

通过更改方法（改为document\u text\u detection（）），您应该可以获得所需的结果（我已经用您的代码对其进行了测试，它确实有效）：

# Using TEXT_DETECTION
response = client.text_detection(image=image)

# Using DOCUMENT_TEXT_DETECTION
response = client.document_text_detection(image=image)

尽管这两种方法都可以用于OCR，如文档中所示，文档_文本_检测针对密集文本和文档进行了优化。您共享的图像质量不高，文本也不清晰，因此对于这种类型的图像，DOCUMENT\u text\u DETECTION比text\u DETECTION提供了更好的性能。

请参阅其他一些示例，其中DOCUMENT_TEXT_DETECTION比TEXT_DETECTION工作得更好。无论如何，请注意，它可能并不总是这种情况，并且TEXT_DETECTION在某些条件下可能仍然具有更好的结果：

• 在使用演示和实际API时获得不同的数据
• Google Vision API文本检测奇怪行为