针对图片中通用文字识别OCR，都能标识出位置吗？标识的位置是整个文字块的？还是按行区分的？
针对图片中通用文字识别OCR，都能标识出位置吗？标识的位置是整个文字块的？还是按行区分的？
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
阿里云的通用文字识别OCR服务能够标识出图片中文字的位置信息，并且这些位置信息是按照文字块进行区分的，而不是单纯按行区分。以下是详细说明：
1. 位置标识的范围
通用文字识别OCR接口（如RecognizeGeneral）会返回每个文字块的位置信息。文字块是指图片中被检测到的一段连续的文字区域，可能包含单个字符、单词或一段短语。
- 每个文字块的位置通过其外接矩形的四个顶点坐标来表示，按顺时针顺序排列（左上、右上、右下、左下）。
- 这些坐标信息可以通过返回参数中的prism_wordsInfo字段获取，其中每个文字块的信息包括：
- pos：文字块的外接矩形四个顶点坐标。
- word：该文字块的具体文字内容。
2. 文字块与行的关系
- 文字块的划分通常基于图片中的自然分隔，例如段落、标题、表格单元格等区域。
- 如果图片中的文字是以行为单位排列的，则每个文字块可能会对应一行文字；但如果图片中存在复杂的排版（如多列文本、表格、混合格式等），则文字块可能跨越多行或仅包含部分行的内容。
3. 返回结果的结构化信息
在返回结果中，除了文字块的位置信息外，还会提供以下相关数据：
- prism_wnum：表示识别出的文字块数量。
- width 和 height：算法矫正后的图片宽度和高度。
- orgWidth 和 orgHeight：原图的宽度和高度。
4. 重要提醒
- 文字块的角度：如果图片存在倾斜或畸变，文字块的角度信息也会被记录在
angle字段中，这有助于理解文字块的方向。 - 复杂场景支持：OCR服务支持模糊、光照不均、透视畸变等低质量图片的识别，因此即使图片质量较差，也能较为准确地定位文字块的位置。
总结
阿里云通用文字识别OCR服务能够标识出图片中文字的位置信息，这些位置信息是基于文字块的，而非单纯的行区分。文字块的位置通过外接矩形的四个顶点坐标表示，适用于各种复杂排版和低质量图片场景。
