tongchenkeji 发表于：2023-8-20 15:54:250次点击 已关注取消关注 关注 私信 文字识别OCR想要实现圈字的效果，但是怎么坐标无法精确？[阿里云OCR] 暂停朗读为您朗读 文字识别OCR想要实现圈字的效果，但是怎么坐标无法精确？ 「点点赞赏，手留余香」 赞赏 还没有人赞赏，快来当第一个赞赏的人吧！ 海报 印刷文字识别# 文字识别1940
六月的雨在钉钉AM 2023-11-27 9:54:06 1 您好，文字识别OCR文档自学习在进行自定义模板训练时支持框选参照字段，框选字段的坐标位置和接口返回值中pos中的位置信息一样，表示为识别文字块的外矩形4个点的坐标，其单位为px，用于确定识别范围。建议您可以多次框选，多次模型化训练，提高准确率。
魏红斌AM 2023-11-27 9:54:06 3 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。https://help.aliyun.com/document_detail/442247.html?spm=a2c4g.295341.0.i9
小周sirAM 2023-11-27 9:54:06 4 如果您想要在文字识别OCR结果中实现圈字的效果，但是由于坐标无法精确确定，可以尝试以下方法来实现： 使用关键词匹配：根据您想要圈选的文字内容，可以尝试使用关键词匹配的方式来确定需要圈选的区域。首先，提取OCR结果中的文本内容，并与您感兴趣的关键词进行匹配。当匹配成功时，将该文本所在的位置进行标记或圈选。 文本边界检测：利用计算机视觉技术，如边缘检测、字符分割等方法，可以检测OCR结果中每个字符的边界框。然后，通过计算字符边界框的几何特征，可以估计出需要圈选的文本区域的大致位置。 基于语义理解：结合NLP（自然语言处理）技术，可以对OCR结果进行语义理解。通过理解文本的上下文和语义关系，可以推断出更准确的圈选区域。例如，在一段描述产品属性的文本中，可以根据语义理解的结果确定需要圈选的部分。 在实际应用中，这些方法可能需要结合使用，并进行一定的调试和优化以达到预期的效果。此外，如果可行，可以通过增加图像质量、调整OCR参数等方式来提高文字识别的准确性，从而更精确地确定圈选区域。
wljslmzAM 2023-11-27 9:54:06 5 如果您想要在使用阿里云文字识别（OCR）服务时实现圈字的效果，但是坐标无法精确的话，可以尝试以下方法来提高准确性： 图像预处理：在将图片传递给OCR服务之前，可以对图片进行一些预处理操作，如增强对比度、降噪、平滑等。这些操作可以增强文字的清晰度，从而提高OCR的准确性。 区域定位：如果您无法精确确定圈字的坐标，可以尝试通过其他图像处理或计算机视觉技术来定位文字所在的区域。例如，可以使用物体检测算法或边缘检测算法来找到文字的大致位置，然后在该区域内进行文字识别。 多次尝试：如果第一次识别的结果不准确，可以尝试多次进行OCR识别，取多次结果的平均值或综合判断，从而提高准确性。 算法迭代：根据实际需求和反馈，您可以尝试根据OCR服务返回的结果，优化圈字的坐标或者进一步优化预处理和区域定位的算法，以达到更好的效果。
您好，文字识别OCR文档自学习在进行自定义模板训练时支持框选参照字段，框选字段的坐标位置和接口返回值中pos中的位置信息一样，表示为识别文字块的外矩形4个点的坐标，其单位为px，用于确定识别范围。建议您可以多次框选，多次模型化训练，提高准确率。
坐标是px像素-此回答整理自钉群“【官方】阿里云OCR公共云客户交流群”
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。https://help.aliyun.com/document_detail/442247.html?spm=a2c4g.295341.0.i9
如果您想要在文字识别OCR结果中实现圈字的效果，但是由于坐标无法精确确定，可以尝试以下方法来实现：
使用关键词匹配：根据您想要圈选的文字内容，可以尝试使用关键词匹配的方式来确定需要圈选的区域。首先，提取OCR结果中的文本内容，并与您感兴趣的关键词进行匹配。当匹配成功时，将该文本所在的位置进行标记或圈选。
文本边界检测：利用计算机视觉技术，如边缘检测、字符分割等方法，可以检测OCR结果中每个字符的边界框。然后，通过计算字符边界框的几何特征，可以估计出需要圈选的文本区域的大致位置。
基于语义理解：结合NLP（自然语言处理）技术，可以对OCR结果进行语义理解。通过理解文本的上下文和语义关系，可以推断出更准确的圈选区域。例如，在一段描述产品属性的文本中，可以根据语义理解的结果确定需要圈选的部分。
在实际应用中，这些方法可能需要结合使用，并进行一定的调试和优化以达到预期的效果。此外，如果可行，可以通过增加图像质量、调整OCR参数等方式来提高文字识别的准确性，从而更精确地确定圈选区域。
如果您想要在使用阿里云文字识别（OCR）服务时实现圈字的效果，但是坐标无法精确的话，可以尝试以下方法来提高准确性：
图像预处理：在将图片传递给OCR服务之前，可以对图片进行一些预处理操作，如增强对比度、降噪、平滑等。这些操作可以增强文字的清晰度，从而提高OCR的准确性。
区域定位：如果您无法精确确定圈字的坐标，可以尝试通过其他图像处理或计算机视觉技术来定位文字所在的区域。例如，可以使用物体检测算法或边缘检测算法来找到文字的大致位置，然后在该区域内进行文字识别。
多次尝试：如果第一次识别的结果不准确，可以尝试多次进行OCR识别，取多次结果的平均值或综合判断，从而提高准确性。
算法迭代：根据实际需求和反馈，您可以尝试根据OCR服务返回的结果，优化圈字的坐标或者进一步优化预处理和区域定位的算法，以达到更好的效果。