如何在同一 X 轴坐标上获取文本块 [Google Cloud Vision API]

Question

所以我正在尝试在 Android 中实现一个个人项目，您可以在其中扫描来自购物中心的不同收据。我想提出一个模块，通过自动化尽可能多的活动来帮助用户的手动输入。情况是：

1. 我想获取收据的总和，知道作为标准，它可以在这样的一行中找到：TOTAL............ 33.9 Currency。我如何才能真正获得与包含“Total”的块在同一轴上的块？

2. 同样的事情适用于每个单独的产品，我想获取每个单独的购物车产品的值及其值并将其放入 Android 中的编辑文本中，以便用户可以进行最后的重新修饰。

收据示例：

Shopping receipt from Mega Image

Answer 1

这看起来像是一个项目构想，而不是编码问题。

我建议的一件事是从边界框的相对位置猜测块。

不过，这是一个具有挑战性的研究问题。或许Vision API会开放一些功能让客户直接了解收据。

Answer 2

要逐行获取文本，您需要设置一个自定义逻辑，该逻辑将根据 Google Vision API 返回的符号处理行，这可以按照以下步骤进行：

1. 创建TextAnnotation 中返回的所有符号的集合
2. 遍历集合并根据检查第一个符号的 X 坐标（即 givenSymbol.BoundingBox.Vertices[2].X）与所有其他符号的 X 坐标创建一条线 string。
3. 实施检查以跳过已处理的单词并考虑实施 X 偏移，以检查给定的 X 坐标是否与您要检查的坐标足够接近，以解决略微倾斜的输入文本。