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

Question

因此，我正在尝试在Android中实施个人项目，您可以从购物中心扫描不同的收据。我想通过自动化尽可能多的活动来提出一个模块，帮助用户手动输入一点点。情况是：

1. 我想获取收据的总数，知道作为标准，它可以在这样的行上找到：TOTAL ........... 33.9货币。如何实际获取与包含“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，我想获取每个购物车产品的价值及其价值并将其放入Android中的编辑文本中，以便用户可以进行最后的重新触摸。

收据示例：

Shopping receipt from Mega Image

Answer 1

这看起来像一个项目的想法，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。

但这是一个具有挑战性的研究问题。也许Vision API会打开一些功能，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，这可能与以下步骤一致：

1. 创建TextAnnotation中返回的所有符号的集合
2. 迭代集合并基于检查第一个符号的X坐标（string）与所有其他符号X坐标创建一条线givenSymbol.BoundingBox.Vertices[2].X。
3. 实现检查以跳过已处理的单词并考虑实现X偏移，这将检查给定的X坐标是否足够接近您要检查的X坐标，以考虑略微倾斜的输入文本。