开发者社区 > 视觉智能 > 文字识别 > 正文

文字识别OCR混贴发票识别中的情况基于子图坐标在原图中截取图片,截取具体需要用到哪些参数呀?

文字识别OCR 混贴发票识别中(一图多发票)的情况基于子图坐标在原图中截取图片,请问这个子图坐标是指返回的sliceRect 吗?返回的x0-x3,y0-y3,, 这些个点具体表示什么意思呀(是指切割点(x0,y0),(x1,y1),(x2,y2),(x3,y3))? 截取具体需要用到哪些参数呀?
21a33518b1c3bda57b4ed1026f4e60c0.png
7a33b3ba2b2d19fe99172023a7b7d634.png
一张这样的图片,只有这一张还勉强出了点内容,
598c45451c00eb102e4607ee6e88f205.png

展开
收起
2401。 2023-08-27 10:26:46 77 0
4 条回答
写回答
取消 提交回答
  • 是的 sliceRect 坐标可以按照 x0y0 x1y1 x2y2 x3y3 作为一个矩形框 表示 在图中的左上、右上、右下、左下。图片子图要保证清晰。
    此回答整理自钉群“【官方】阿里云OCR公共云客户交流群”。

    2023-08-28 20:28:19
    赞同 展开评论 打赏
  • 天下风云出我辈,一入江湖岁月催,皇图霸业谈笑中,不胜人生一场醉。

    文字块的外矩形四个点的坐标按顺时针排列(左上、右上、右下、左下)。当NeedRotate=true时,如果最外层的angle不为0,需要按照angle矫正图片后,坐标才准确。
    image.png

    阿里云全文识别高精版,是阿里云官方自研OCR文字识别产品,智能识别图片所包含的全部字段,集表格识别、旋转识别、生僻字识别等多功能为一体,提供高性价比的多场景文字识别体验。
    阿里云OCR产品基于阿里巴巴达摩院强大的AI技术及海量数据,历经多年沉淀打磨,具有服务稳定、操作简易、实时性高、能力全面等几大优势。

    2023-08-28 17:16:04
    赞同 展开评论 打赏
  • 十分耕耘,一定会有一分收获!

    楼主你好,是的,子图坐标指的是返回的sliceRect。sliceRect中的x0、y0、x1、y1、x2、y2、x3、y3是四个顶点的坐标,标示切割点(x0,y0),(x1,y1),(x2,y2),(x3,y3)。

    在截取图片时,需要使用以下参数:

    • 原图的文件路径或URL
    • 子图坐标(sliceRect)的四个顶点坐标
    • 截取图片的宽度和高度

    可以使用以下 Python 代码来做图片截取:

    # Python3
    from PIL import Image
    
    def crop_image(input_image_path, output_image_path, slice_rect):
        image = Image.open(input_image_path)
        cropped_image = image.crop(slice_rect)
        cropped_image.save(output_image_path)
    

    其中,input_image_path是原图的文件路径或URL,output_image_path是处理后的图片的输出路径,slice_rect是子图坐标的四个顶点坐标。

    2023-08-28 08:52:40
    赞同 展开评论 打赏
  • 公众号:网络技术联盟站,InfoQ签约作者,阿里云社区签约作者,华为云 云享专家,BOSS直聘 创作王者,腾讯课堂创作领航员,博客+论坛:https://www.wljslmz.cn,工程师导航:https://www.wljslmz.com

    在阿里云文字识别OCR的混贴发票识别中,针对一张图片中存在多个发票的情况,可以使用返回的sliceRect参数来截取每个发票的子图。

    具体来说,混贴发票识别返回的sliceRect参数包含了四个坐标点 (x0, y0), (x1, y1), (x2, y2), (x3, y3),它们表示在原图中需要截取的子图的四个角点坐标。这四个坐标点可以描述一个矩形区域,该区域是混贴发票中一个发票的位置。

    截取子图时,可以使用这四个坐标点指定的区域作为截取范围,将原图中对应的区域截取出来,以获取单独的发票图像。

    截取子图的参数包括:

    • 原图:使用混贴发票识别接口返回的原始图像。
    • 坐标点:使用返回的sliceRect参数中的四个坐标点,即(x0, y0), (x1, y1), (x2, y2), (x3, y3)。

    通过指定对应的坐标点来截取子图,可以获得单独的发票图像进行后续的处理和分析。

    2023-08-27 23:53:27
    赞同 展开评论 打赏

文字识别技术可以灵活应用于证件文字识别、发票文字识别、文档识别与整理等行业场景,满足认证、鉴权、票据流转审核等业务需求。

相关电子书

更多
阿里云智能-印刷文字识别OCR-产品介绍 立即下载
阿里巴巴读光OCR 立即下载
印刷文字识别算法设计与在线服务 立即下载