Char的边界框顶点顺序答案

【问题标题】：Char's bounding box order of verticesChar的边界框顶点顺序
【发布时间】：2017-06-19 16:06:25
【问题描述】：

Google Vision API 文档指出检测到的字符的顶点将始终保持相同的顺序：

// The bounding box for the symbol.
// The vertices are in the order of top-left, top-right, bottom-right,
// bottom-left. When a rotation of the bounding box is detected the rotation
// is represented as around the top-left corner as defined when the text is
// read in the 'natural' orientation.
// For example:
//   * when the text is horizontal it might look like:
//      0----1
//      |    |
//      3----2
//   * when it's rotated 180 degrees around the top-left corner it becomes:
//      2----3
//      |    |
//      1----0
//   and the vertice order will still be (0, 1, 2, 3).

但有时我可以看到不同的顶点顺序。以下是来自同一图像的两个字符的示例，它们具有相同的方向：

[x:778 y:316  x:793 y:316  x:793 y:323  x:778 y:323 ]
0----1
|    |
3----2

和

[x:857 y:295  x:857 y:287  x:874 y:287  x:874 y:295 ]
1----2
|    |
0----3

为什么顶点的顺序不一样？而不是在文档中？

【问题讨论】：

标签： google-cloud-platform ocr google-cloud-vision

【解决方案1】：

这似乎是 Vision API 中的一个错误。解决方案是检测图像方向，然后以正确的顺序重新排列顶点。

不幸的是，Vision API 在其输出中不提供图像方向，所以我不得不编写代码来检测它。

可以通过比较字符的高度和宽度来检测水平/垂直方向。高度通常大于宽度。

下一步是检测文本的方向。例如，在垂直图像方向的情况下，文本可能从上到下或从下到上。

输出中的大多数字符似乎都以自然的方式出现。因此，通过查看统计数据，我们可以检测文本方向。例如：第 1 行的 Y 坐标为 1000 第 2 行的 Y 坐标为 900 第 3 行的 Y 坐标为 950 第 4 行的 Y 坐标为 800 我们可以看到图像是倒置的。

【讨论】：

之前也遇到过同样的问题。使用字符宽度和高度似乎是个好主意。 (Y)
从我的结果中可以看出，顶点总是正确的，但 OCR 本身并没有找到单词的正确方向。在我的例子中，我有带有简单文本文档的图像。但是图像被逆时针旋转了 90 度。大多数单词都被正确检测到，并且顶点符合预期。对于某些单词，顶点旋转了 180 度，而 OCR 真正“读取”了颠倒的单词（并且得到了错误的读数）。

【解决方案2】：

You must to reorder vertices of four poins(clockwise inverted from A to D):
A-B-C-D that:
A: min X, min Y
B: max X, min Y
C: max X, max Y
D: min X, max Y

And save to your rectangle object.

更新：对于上面的 A-B-C-D 顺序，您可以按距 O(0,0) 的距离对顶点进行排序。

【讨论】：