具有两列文本的 Google Vision 复杂 OCR 执行

Question

对不起，如果这个问题之前已经在这里问过，但我找不到答案。

所以，我正在创建 C# OCR 程序以扫描商店收据。 Vision OCR DocumentTextDetection 本身可以非常准确地处理文本，但我还有其他问题：

当我扫描收据（下图中给出的模板）时，Vision OCR 在两列密集文本中表现异常。例如，我有这个收据模板格式：

响应通常是一列字符串，填充第一列的产品名称或第二列的价格。

所以通常反应的例子：

收据 产品1 产品2 产品3 9.99 A 产品4 9.99 A 12.10 安 产品5

此响应无法让我正确地将每个项目与相应的价格联系起来。

当我使用图像编辑程序（如 Photoshop）缩小产品和价格列之间的距离时，它可以正常工作并逐行扫描收据，因此我可以轻松识别哪个价格属于哪个产品。

我的问题是：您能否给我一个提示，我如何通过创建新图像以编程方式调整这两列之间的距离。或者也许更好的主意是将收据图像分离为 2 张图像，每列 1 张图像，然后分别进行 OCR？但老实说，我不知道如何识别列空间并将它们切割成新图像，所以对此有什么建议吗？

Answer 1

首先对图像进行二值化处理，然后使用一些图像处理算法如“形态-腐蚀”对其进行预处理，根据两列之间的空间将原始图像分成两半。如何？由于像素值在黑色区域中最低，因此在水平扫描原稿时可以识别出有下降值。最后，您可以使用 OCR 来检测数字。