ML Kit文本识别:如何根据图像中的位置获取文本？
ML Kit文本识别是一种基于机器学习的技术，可以通过图像识别来提取图像中的文本信息。要根据图像中的位置获取文本，可以按照以下步骤进行操作：
- 导入ML Kit文本识别库：在项目中添加ML Kit文本识别库的依赖，以便在代码中使用相关功能。
- 创建ML Kit文本识别实例：通过调用ML Kit提供的API，创建一个ML Kit文本识别的实例。
- 加载图像：将需要识别文本的图像加载到ML Kit文本识别实例中。
- 进行文本识别：调用ML Kit文本识别实例的相应方法，对图像中的文本进行识别。
- 获取识别结果：根据识别结果的数据结构，可以通过遍历结果来获取每个文本块的位置信息。
- 提取文本位置：根据每个文本块的位置信息，可以获取文本在图像中的具体位置，例如左上角和右下角的坐标。
- 进一步处理文本：根据需要，可以对提取的文本进行进一步的处理，例如进行语义分析、关键字提取等。
ML Kit文本识别的优势在于其简单易用、高效准确的特点。它可以广泛应用于各种场景，例如扫描身份证、识别车牌号码、提取图像中的文字等。
腾讯云提供了一系列与图像识别相关的产品，例如腾讯云OCR文字识别、腾讯云智能图像处理等。您可以通过访问腾讯云官方网站，了解更多关于这些产品的详细信息和使用方法。
ML Kit文本识别相关产品和产品介绍链接地址：
- 腾讯云OCR文字识别：https://cloud.tencent.com/product/ocr
- 腾讯云智能图像处理：https://cloud.tencent.com/product/imagemoderation
相关·内容
我想在我的JavaFX应用程序中使用Firebase ML-Kit文本识别，但我不确定如何使用。我还使用过其他的文本识别库，比如Java中的tesseract，但差别很大，这就是为什么我想使用Firebase ML-Kit的文本识别。有人能给我指路吗？
浏览 2提问于2020-01-08得票数 2
是否可以在Flutter中使用Google ML-Kit设备上的文本识别？我在网上找到的所有教程和资源都是firebase_ml_vision，但我正在寻找一个使用谷歌ML-Kit的免费光学字符识别。我该如何在Flutter中做到这一点？
浏览 164提问于2021-02-07得票数 3
回答已采纳
我正在使用相机插件https://pub.dev/packages/camera，我想从其中获取图像流，并使用它来识别使用Firebase ml套件的条形码。我可以这样做吗？我不知道如何从相机插件中获取图像流，以及如何在ml kit中使用此流。有人能帮我吗？我正在创建一个实时阅读器，我不想使用相机插件拍照。
浏览 13提问于2020-08-06得票数 0
1回答
我的android应用程序需要读取图像中的文本，为此我正在使用Firebase ML Kit，它可以很好地用于标准罗马脚本中的文本，但它完全无法读取以下字体系列中的数字。
特别是对于0，1和6，Firebase结果给出了O，i，l，L& b，因为它在不同的测试中给出了相同数字的交替字母，所以我不能用regex替换这些字母。
我也尝试过Firebase ML工具包云文本识别()来获取这些数字，而且它也有同样的问题。
所以我剩下的唯一选项是Firebase ML Kit自定义模型，我想知道使用基于模型的 Kit自定义模型读取文本的可能性，因为我看到的所有android自定义模型示
浏览 0提问于2019-03-13得票数 6
如果图像的方向正确(不是旋转90度或倒置)，ML Kit中的文本识别就能正常工作。所有常见的OCR引擎都具有自动定向功能，以便在执行文本识别之前自动确定方向。我在文档中没有看到任何说明可以设置为执行自动定向的标志。它是否存在于MK Kit中？
我还看到了一个TextRecognizerOptions类，但没有关于如何设置选项的文档。我假设这里有要设置的选项(比如查找"english"，等等)。关于这个类的详细文档在哪里？
浏览 12提问于2021-02-24得票数 0
我正在做一个OCR项目。我使用Firebase ML Kit进行光学字符识别。我必须用它在捕获的图像上的不同语言的翻译来替换文本。为此，在绘制翻译后的文本之前，我需要从原始图像中删除文本。 ? 我已经尝试从检测到的文本坐标中提取可能的背景颜色和文本颜色。它几乎是成功的。但问题是，背景会变成静态颜色。 https://superuser.com/questions/1359257/how-to-use-ffmpeg-removelogo-filter 我能够得到图像中原始文本的确切坐标。在视频的FFMPEG中找到了delogo过滤器。由于相邻的像素填充了所需的区域，因此我想在andro
浏览 35提问于2019-04-26得票数 2
1回答
论设备文本识别
、、、
我正在实现文本识别到一个使用firebase (即:它使用Firebase ML Kit / google )的react本机应用程序中。我使用的是0.61.5 of react-native和version 6.3.* of react-native-firebase (即:编写时的最新版本)。
在物理电话上执行文本识别时：
使用cloudTextRecognizerProcessImage()正确工作
使用textRecognizerProcessImage()正确工作
在android模拟器中执行文本识别时：
使用cloudTextRecognizerProcessI
浏览 1提问于2020-04-01得票数 0
我正在尝试用于安卓系统的google_ml_kit flutter软件包，以便从驾照条形码中获取信息。 我正在使用mlkit中的示例应用程序对其进行测试：https://github.com/bharat-biradar/Google-Ml-Kit-plugin/tree/master/example 返回扫描条形码列表的代码如下： final barcodes = await barcodeScanner.processImage(inputImage); 完整代码在：https://github.com/bharat-biradar/Google-Ml-Kit-plugin/blob/m
浏览 28提问于2021-08-23得票数 0
1回答
我使用谷歌的ML Kit面部轮廓API构建了一个IOS应用程序，用Firebase ML Kit识别图像中的面部特征，可以在这里找到：https://codelabs.developers.google.com/codelabs/mlkit-ios/#0 我的下一步是编辑脸部的轮廓，比如改变嘴唇的颜色，让眼睛变亮。你知道我在哪里可以找到关于如何做到这一点的参考吗？ 我的最终结果是一个自拍编辑器应用程序，类似于Facetune应用程序的功能。
浏览 17提问于2020-01-04得票数 0
回答已采纳
我在android studio上使用Firebase ML Kit来捕获图像，然后检测文本。
目前，我用手机的摄像头拍照，这张照片显示在应用程序中。我单击我的检测文本按钮，文本就会出现。但我想在图片上看到一些边界框，以显示Firebase ML工具包所看到的内容。
我已经在Kotlin中找到了很多方法来做到这一点，但我是一个新的开发人员，我觉得在完全将我的整个代码改成Kotlin之前，我需要弄清楚如何在Java中做到这一点。
谢谢
浏览 6提问于2020-02-27得票数 3
1回答
我正在测试android vision文本识别器，在实时使用中，docs建议我“限制对文本识别器的调用。如果在文本识别器运行时有新的视频帧可用，则丢弃该帧。” 在示例ocr-reader应用程序(它与ML Kit示例应用程序共享CameraSource和OcrDetectorProcessor )中，我试图准确地弄清楚这是如何实现的。谁能给我指个方向？我正在研究CameraPreviewCallback和FrameProcessingRunnable类，但还没有进展。谢谢!
浏览 12提问于2019-03-17得票数 3
我试着安装“在Android上使用ML Kit识别图片中的文本”，然后我运行这个应用程序，我得到了这个错误：
等待文本识别模型下载的com.google.firebase.ml.common.FirebaseMLException: W/System.err
我等了4到5个小时，没有回应。
它出现在这条线上：
复制：
遵循或并清除应用程序的缓存。
浏览 0提问于2018-05-14得票数 3
我正在开发一个使用firebase ML Kit的android文本识别器应用程序。当我捕获文本图像时，问题是没有获得图像的实际结果，为什么？？我认为我的应用程序不能很好地识别语言。我该如何解决这个问题？ #我是android新手，请在这方面帮助我 示例 ? ? 我使用过的依赖项 implementation 'com.google.firebase:firebase-ml-vision:20.0.0' 识别文本和处理文本代码 /**
* This method is used to extract the text from the image
* @par
浏览 23提问于2020-10-26得票数 0
回答已采纳
我正在尝试使用android ML Kit文本识别库进行文本识别，但在运行时遇到错误，没有返回任何文本。错误： W/TextNativeHandle: Native handle not yet available. Reverting to no-op handle.
W/DynamiteModule: Local module descriptor class for com.google.android.gms.vision.dynamite.ocr not found.
I/DynamiteModule: Considering local module com.google.and
浏览 317提问于2020-08-26得票数 1
我在我的android应用程序中使用ML Kit文本识别。因此，用户使用Paint在屏幕上写下一些东西，然后我保存该图像并使用Firebase ML Kit文本识别对其进行处理。但是，当用户使用PaintView类中的Paint.clear()清除屏幕时，ML工具包仍然可以识别写入的预览文本。我需要在这里重置什么。我正在使用文本到语音来说书面文字。
paintView = (PaintView) findViewById(R.id.paintView);
DisplayMetrics metrics = new DisplayMetrics();
getWindowManager().getD
浏览 17提问于2019-11-30得票数 0
1回答
我下载了用于Android的ML Kit示例代码，我很难为实时摄像头检测设置一个有限的检测区域(我只对文本识别感兴趣，我摆脱了其他所有东西)。 我需要将文本识别限制在屏幕的一部分(例如，屏幕中心的一个小矩形或正方形)。有没有人用ML工具包做过这样的变通？
浏览 24提问于2020-09-08得票数 0
我使用ML Kit iOS开发了一个应用程序来进行文本识别。我只需要用英语来识别。有没有可能减小包裹的尺寸。目前它超过了300MB。
浏览 10提问于2018-09-05得票数 1
我正在开发一个使用firebase ML Kit的人脸识别应用程序。尽管在谷歌上搜索了很多次，我才知道Firebase ML工具包并不提供识别功能。但我的问题是，我检测了一张脸的轮廓，将它们保存到一个文件中，但当我再次检测同一张脸的轮廓时，它们看起来不同。为什么会这样呢？对于同一张脸，它们必须是相同的？？
浏览 21提问于2020-05-05得票数 0
回答已采纳
我正在我的Android应用程序中实现firebase的识别图像中的文本。我可以通过block/line/element从API中成功获取结果。 https://firebase.google.com/docs/ml-kit/android/recognize-text 我的问题是，在结果数据包中，当我在块/行/元素中使用getConfidence()时，所有的结果都返回"NULL“。但是，当我在Cloud Vision API页面和API演示页面中测试该API时，JSON中会有可靠的回报。 是否有人知道是否有方法获得块/线/元素的置信度
浏览 13提问于2020-10-17得票数 0
我想创建一个颤音应用程序来检测图像中的文本，我已经尝试在互联网上搜索资源，但是我发现的所有内容都与firebase_ml_vision相关，但现在已经停止了。所以我想使用google_ml_kit，但是我找不到任何代码来使用它。你能告诉我如何在颤振中使用它吗？
浏览 6提问于2021-09-29得票数 0
我正在使用ml kit文本识别创建一个名片应用程序。我有一个应用程序，这是启动和工作，但我发现，当上传名片和提取文本时，但文本返回在一个混乱的块状物没有空格。
我需要逐行提取文本。
有没有办法解决这个问题？
浏览 1提问于2019-03-19得票数 0
我在我的Android项目中使用了这个库"com.google.android.gms:play-services-mlkit-text-recognition“。我正在使用这个库进行文本识别。它工作得真的很好。 问题是我的应用程序不应该试图到达外部。在第一次启动应用程序时，Ml-kit会尝试下载经过训练的模型，如果无法下载，则无法检测到任何文本。 我想下载预编译的训练模型，并在编译时将其包含到我的项目中，这样当用户下载并运行我的应用程序时，它就不会尝试连接google ml kit服务器。 我该怎么做呢？
浏览 15提问于2020-06-18得票数 0
回答已采纳
1回答
我们可以使用MongoDB数据库和ML Kit进行人脸识别吗？还是需要使用Firebase (数据库)和ML工具包进行人脸识别？
浏览 1提问于2020-07-29得票数 0
回答已采纳
2回答
我正在创建一个应用
google_ml_kit
来创建人脸识别。我已经成功地实现了人脸识别的颤振(前端)，节点js(后端)和芒戈数据库。现在我必须创建运动计数的例子(哑铃计数)。请让我知道google_ml_kit包是可能的。如果是，请分享一些对我有很大帮助的建议。
提前谢谢！
浏览 15提问于2022-09-22得票数 0
我想要创建一个android应用程序，它比较两张图片，或者更具体地说是两张脸。该应用程序的思想是：使用ML Kit识别人脸，然后将图像存储在防火墙数据库中，然后当应用遇到同一张脸时显示匹配，完成了检测部分，在后面的部分需要帮助，即图像匹配。如果可能的话请帮忙。
浏览 0提问于2020-05-26得票数 1
回答已采纳
3回答
我是机器学习的新手。我已经完成了k-means聚类，训练好了ml模型。我的问题是如何传递我训练过的模型的输入？ 示例:考虑google图像处理ML模型。为此，我们传递一个图像，该图像从该图片中提供适当的输出，如情感。 现在我的疑问是如何做到这一点，我已经完成了k-means预测mall_customer谁花了更多的钱来购买产品，我想调用或将输入传递给我训练的模型。 我正在使用python和sci-kit learn。
浏览 26提问于2019-02-26得票数 2
回答已采纳
我在Android设备上使用Firebase ML Kit进行文本识别，使用相机而不单击图像。我通过接收帧和从帧获取位图来使用它。然后将位图传递到文本识别方法中。但所识别的文本并不准确。而且，它是不断变化的，但从来没有给出准确的结果。请让我知道我做错了什么。
获取帧和位图：
public void onSurfaceTextureUpdated(SurfaceTexture surface) {
frame = Bitmap.createBitmap(textureView.getWidth(), textureView.getHeight(), Bitmap.Co
浏览 0提问于2019-07-08得票数 3
回答已采纳
我正在做一个在线版本的文本识别与Nativescript核心和firebase ML工具包与本地转录-相机插件(我不知道是否有一个更好的插件)
现在我对这件事很感兴趣：
exports.onCapture = function () {
if (camera.isAvailable()) {
var options = { width: 300, height: 300, keepAspectRatio: false, saveToGallery: false};
camera.takePicture(options)
.t
浏览 1提问于2018-11-29得票数 0
回答已采纳
我正在开发一个应用程序，我需要从图像中提取文本和条形码值。为此，我使用Firebase ML工具包。
我在build.gradle中添加了下面的依赖项
// ML Kit dependencies
implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
// Barcode detection model.
implementation 'com.google.firebase:firebase-ml-vision-barcode-model:16.1.1'
An
浏览 0提问于2020-07-16得票数 1
我刚接触Flutter，正在尝试编写一个简单的模块来挑选图像，并将其传递给google_ml_kit，仅用于设备上的光学字符识别文本识别。我已经将Android min SDK版本设置为21，并更新了build.gradle以使用FileNotFoundException。Image pick工作得很好，但当我将挑选的图像文件传递给ml_kit函数时，我得到了一组错误，似乎表明缺少OCR模块，需要下载。有没有办法在编译时强制这样做？ import 'dart:async';
import 'dart:io';
import 'package:flutt
浏览 144提问于2021-10-07得票数 1
我正在开发一个跨平台的应用程序(iOS/Android/web)，我喜欢移动设备上ML Kit的快速、廉价的图像标签功能。有没有办法在网络上复制这种行为？ML Kit模型是否可以与不同的ML库一起重用，以便重新利用它？
浏览 21提问于2020-02-05得票数 2
回答已采纳
1回答
我指的是更先进的文本识别系统，它们使用神经网络从Google和Microsoft在其ML平台上提供的图像中查找和提取文本。
如果不是，与其他图像识别分支，如物体或人脸识别，技术上的区别是什么？
浏览 0提问于2019-06-18得票数 0
回答已采纳
我想在我的iOS应用程序中使用firebase的MLKIT (用于文本识别)。我有下载和测试样本应用程序。但是，当我在我的自定义项目中使用核心ml时，我从iPhone相机捕获图像，并在此图像上使用ML工具包函数调用，MLKit将不会显示任何结果。你能告诉我为什么它可以处理默认图像，但在使用捕获图像时无法生成结果？
浏览 1提问于2018-07-13得票数 0
1回答
我需要预处理图像，以馈送到ml_kit独立到光学字符识别。我的第一个挑战是灰度。我使用图像中的以下灰度方法。 img.Image grayscale(img.Image src) {
final p = src.getBytes();
for (var i = 0, len = p.length; i < len; i += 4) {
final l = img.getLuminanceRgb(p[i], p[i + 1], p[i + 2]);
p[i] = l;
p[i + 1] = l;
p[i + 2] = l;
}
浏览 16提问于2021-07-28得票数 0
我正在开发一个应用程序，在这个应用程序中，你可以给设备拍照，它会存储信息。然而，由于该设备使用七段显示器/ LCD，我正在努力获得良好的结果。 我使用过Firebase OCR、Google Vision ML Kit和Tesseract (Tess-two)。 它们中的每一个都提供了很差的结果，特别是Tesseract，考虑到我已经训练和微调了它来识别三种类型的七段字体，错误率为0.09。 我也尝试过使用其他人的训练数据，比如letsgodigital 我已经将图像转换为灰度，然后将其二值化，我也只将数字列入白名单，仍然无法正确检测文本。我还能做些什么来改善结果呢？ 下面的结果都是tess
浏览 103提问于2020-04-17得票数 0
2回答
我正在建设一个应用程序，这将有一个反向图像搜索建筑物，或地标的功能。简单地说，应用程序的地标识别。现在，我知道了ML Kit for Firebase thing的Landmark Recognition API，但是如果我想部署我自己的算法呢？ 我的想法:在app - Faster-RCNN中进行特征检测，自动编码器进行图像去噪。在服务器中-使用Annoy Index进行图像搜索和检索。 这可行吗？你觉得呢？我可以使用Tensorflow Lite或其他工具在android应用程序中部署自己的神经网络吗？ 你有什么不同的建议吗？
浏览 29提问于2020-01-10得票数 0
我正在开发一个Android应用程序来检测PDF文件中的文本。
首先，我尝试使用。但是它需要OAuth 2.0。所以我从它变成了Firebase ML Kit。
但是当我运行'fromFilePath‘方法时，就会出现NPE。
val file = getPdfFile()
Log.d(TAG, "file.length: ${file.length()}") // File size is printed correctly!
// NPE occurred while below code running
val image = FirebaseVisionIma
浏览 1提问于2019-03-07得票数 0
我有一个位图，我想用ML-kit人脸识别来处理这个位图。当我将这个位图直接提供给ML工具包时，我看到这样的消息："StreamingFormatChecker: ML工具包检测到您似乎将摄像头帧作为位图对象传递给检测器。这是低效的。请使用YUV_420_888格式的camera2 API或NV21格式的(传统)相机API，并直接将字节数组传递给ML工具包。“ 所以我的问题是如何将位图转换为"YUV_420_888“格式？
浏览 15提问于2020-08-25得票数 0
1回答
ML Kit允许您检测和跟踪图像/视频帧中的对象，但用户从帧中选择一个随机对象并在图像/后续视频帧中检测/跟踪此对象是否可能？
浏览 18提问于2019-06-10得票数 0
回答已采纳
1回答
对于我的项目，用户拍摄一张收据的照片，它返回购买日期，金额和您购买的商店的名称。我的想法是我将取ML-Kit返回的最大或第二大Int，因为这通常是总和。但是日期在德语中的打印方式是01.01.2021，它也被解释为一个int，并且通常是最高数字的倍数。
收据上金额的布局如下(“-”为空格)
夏季-欧元-9，58
这使得ML-Kit将每个字符串识别为单个块。
有没有一种简单的求和的方法？或者是已经在收据中指定的更好的免费OCR？
浏览 3提问于2021-06-03得票数 1
1回答
是否有可能从ML图像标签中获得一种特定语言的标签？
我很容易就能用英语.
但我需要不同的语言..。有什么建议吗？
我在医生里找到了这个
除了ML Kit返回的每个标签的文本描述外，它还返回标签的Google知识图实体ID。这个ID是一个字符串，它唯一地标识由标签表示的实体，也是知识图搜索API使用的相同的ID。您可以使用此字符串标识跨语言的实体，并且独立于文本描述的格式设置。
也许可以使用图形实体id来翻译标签？
或者我还能做些什么？
浏览 1提问于2019-02-01得票数 2
实现了android设备的人脸识别和姿态估计。现在，我必须实现同样的web应用程序。请让我知道，如何在web应用中使用摄像头实现和姿态估计。我使用的依赖项是google_ml_kit，tflite。我知道tflite只适用于web是否有任何特定的依赖项可供访问。
浏览 9提问于2022-10-17得票数 0
我是MLKit的新手。 在查看文档和示例MLKit应用程序时，我首先注意到的一件事是，连接/使用图像处理器/分析器的方法似乎有多种。 在某些情况下，他们使用ImageAnalyzer api https://developers.google.com/ml-kit/vision/image-labeling/custom-models/android进行演示。 private class YourImageAnalyzer : ImageAnalysis.Analyzer {
override fun analyze(imageProxy: ImageProxy) {
val me
浏览 42提问于2021-02-05得票数 0
回答已采纳
1回答
我正在使用ML Kit在Android上使用自定义模型来标记图像。哪种InputImage更适合传递到模型中，从而提供更准确的结果？位图或图像文件URI？
浏览 11提问于2020-12-18得票数 0
1回答
我需要在我的flutter应用程序中实现实时人脸解锁功能，请建议最好的方法来做到这一点，我还了解了ML_kit(firebase)和openCV，但它们都支持人脸检测，我正在寻找人脸识别。
请推荐Flutter的库或SDK。
浏览 12提问于2019-07-13得票数 2
回答已采纳
3回答
我只有大约1000辆车的图像。我需要训练一个模型，可以识别图像是车辆还是非车辆。我没有关于非车辆的数据集，因为它可能是除车辆以外的任何东西.
我想最好的方法是应用迁移学习。我正在尝试训练一个预先训练过的VGG19模型的数据。但是，我仍然不知道如何用没有任何非车辆图像的车辆图像来训练模型。我不能把它分类。
我是全新的ML整体，任何基于实际实现的解决方案都将受到高度赞赏。
浏览 0提问于2019-11-28得票数 2
我试图从文本中提取毫升和升(只是值，而不是毫升或Ltr)，但是由于没有具体的标准，所以很难做一个公式。下面是我所描述的类型的一些例子：
- Settlement 2.5% (Settlement Discount)
- BAGDOL/1 (U-POL DOLPHIN GLAZE Brushable Stopper Bag 440ml)
- P38/5 (ISOPON P38 LIGHTWEIGHT FILLER 3Ltr)
- EGC21TT (EUROPEAN COATINGS PRIMER 4:1 HS 4Ltr TRIPLE TIGHT)
- RLT/1KIT (U-POL RAPTOR
浏览 0提问于2018-04-24得票数 3
回答已采纳
有一个使用谷歌ML工具包的设备上文本识别的示例应用程序：
我在我的应用程序中使用了示例应用程序的“文本识别”部分，它工作得很好。我唯一需要做但不能做的事情是，我想在相机预览中显示一个矩形框，并且只想识别框中的文本。应忽略预览的其他部分。否则，预览中的所有文本都将被识别，这不利于我的用例。
在相机预览中显示一个矩形框很容易，但我不知道如何只分析矩形框中的一部分，而不是整个预览。有什么需要帮忙的吗？
浏览 61提问于2021-05-29得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
