blocks|key|732303|text|首先，初始化TessBaseAPI实例。您可以使用Init()+(如果您想执行进一步的文本识别)或InitForAnalysePage()+(如果您只对文本框感兴趣)。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|732304|其次，使用SetImage()设置图像。|732305|最后，调用AnalyseLayout()获取PageIterator，它为您提供文本框。|732306|tesseract::TessBaseAPI+tessApi;
tessApi.InitForAnalysePage();

//+tessApi.SetImage(...);

tesseract::PageIterator+*iter+=+tessApi.AnalyseLayout();

//+Instead+of+RIL_WORD+you+can+use+any+other+PageSegMode
while+(iter->Next(tesseract::RIL_WORD))+{
++++int+left,+top,+right,+bottom;

++++iter->BoundingBox(
++++++++++++tesseract::RIL_WORD,
++++++++++++&left,+&top,+&right,+&bottom
++++);
}|code-block|syntax|javascript|732307|entityMap^0|6|B|P|6|1D|K|0|5|A|0|5|F|M|C|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@$9|R|A|S|B|C]|$9|T|A|U|B|C]|$9|V|A|W|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|X|8|@$9|Y|A|Z|B|C]]|D|@]|E|$]]|$1|H|3|I|5|6|7|10|8|@$9|11|A|12|B|C]|$9|13|A|14|B|C]]|D|@]|E|$]]|$1|J|3|K|5|L|7|15|8|@]|D|@]|E|$M|N]]|$1|O|3|-4|5|6|7|16|8|@]|D|@]|E|$]]]|P|$]]

First, initialize <code>TessBaseAPI</code> instance. You can either use <code>Init()</code> (if you want to perform further text recognition) or <code>InitForAnalysePage()</code> (if you're interested just in text boxes).

Second, set the image using <code>SetImage()</code>.

And finally, call <code>AnalyseLayout()</code> to get <code>PageIterator</code> which provides you with text boxes.

<pre><code>tesseract::TessBaseAPI tessApi;
tessApi.InitForAnalysePage();

// tessApi.SetImage(...);

tesseract::PageIterator *iter = tessApi.AnalyseLayout();

// Instead of RIL_WORD you can use any other PageSegMode
while (iter-&gt;Next(tesseract::RIL_WORD)) {
 int left, top, right, bottom;

 iter-&gt;BoundingBox(
 tesseract::RIL_WORD,
 &amp;left, &amp;top, &amp;right, &amp;bottom
 );
}
</code></pre>

blocks|key|515902|text|不知道这是否准确地回答了你的问题，但我来到这里是为了寻找在给定输入图像的情况下获取bbox坐标信息(以及在bbox中可选地识别的文本)的方法。现在可以使用tesseract来解决这个问题。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|515903|$>+tesseract+test.tiff+test.txt+-l+eng+-psm+1+tsv|code-block|syntax|javascript|515904|在上面的代码片段中需要注意的参数是'psm‘和'tsv’。‘'psm’选择页面分割模式，而'tsv‘生成一个很好的表格输出文件，其中包含文本图像上需要的所有信息(页面块行号、bbox代码、置信度、预测文本)(如下所示)|515905|level+++page_num++++block_num+++par_num+line_num++++word_num++++left++++top+width+++height++conf++++text
1+++1+++0+++0+++0+++0+++0+++0+++5500++++4250++++-1
2+++1+++1+++0+++0+++0+++327+285+2218++++53++-1
3+++1+++1+++1+++0+++0+++327+285+2218++++53++-1
4+++1+++1+++1+++1+++0+++327+285+2218++++53++-1
5+++1+++1+++1+++1+++1+++327+285+246+38++87++INFOPAC
5+++1+++1+++1+++1+++2+++620+287+165+38++87++PAGE
5+++1+++1+++1+++1+++3+++952+290+100+37++95++NAME
5+++1+++1+++1+++1+++4+++1173++++292+1082++++45++39++ENTRYDATE
5+++1+++1+++1+++1+++5+++2333++++302+212+36++48++EMAIL|515906|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

Not sure if this exactly answers your question, but I landed here looking for ways to get the bbox-coordinates info (and text recognised inside the bbox optionally) given an input image. The solution to which is now possible using tesseract.

<pre><code>$&gt; tesseract test.tiff test.txt -l eng -psm 1 tsv
</code></pre>

The params to notice in above code-snippet are 'psm' and 'tsv'. 'psm' selects the page segmentation mode and 'tsv' generates a nice tabular output file with all the information (page-block-line number, bbox coods, confidence, predicted text) you'd need on your text-image (shown below)

<pre><code>level page_num block_num par_num line_num word_num left top width height conf text
1 1 0 0 0 0 0 0 5500 4250 -1
2 1 1 0 0 0 327 285 2218 53 -1
3 1 1 1 0 0 327 285 2218 53 -1
4 1 1 1 1 0 327 285 2218 53 -1
5 1 1 1 1 1 327 285 246 38 87 INFOPAC
5 1 1 1 1 2 620 287 165 38 87 PAGE
5 1 1 1 1 3 952 290 100 37 95 NAME
5 1 1 1 1 4 1173 292 1082 45 39 ENTRYDATE
5 1 1 1 1 5 2333 302 212 36 48 EMAIL
</code></pre>

blocks|key|515952|text|从3.04开始有一个选项：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|515953|tesseract+-c+preserve_interword_spaces=1+test.tif+test|code-block|syntax|javascript|515954|Here+is+a+reference指向看起来像是相关开发线程的内容。|offset|length|515955|entityMap|0|LINK|mutability|MUTABLE|url|https://groups.google.com/forum/#!msg/tesseract-dev/dGB3cbFtGUs/x9nEu5vy_LoJ^0|0|0|0|J|0|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|T|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|U|8|@]|9|@$I|V|J|W|1|X]]|A|$]]|$1|K|3|-4|5|6|7|Y|8|@]|9|@]|A|$]]]|L|$M|$5|N|O|P|A|$Q|R]]]]

There is an option since 3.04:

<pre><code>tesseract -c preserve_interword_spaces=1 test.tif test
</code></pre>

<a href="https://groups.google.com/forum/#!msg/tesseract-dev/dGB3cbFtGUs/x9nEu5vy_LoJ" rel="nofollow noreferrer">Here is a reference</a> to what looks like the related development thread.

<a href="http://code.google.com/p/tesseract-ocr/" rel="noreferrer">Tesseract 3</a> is able to perform page layout analysis. However, I couldn't find any sample code or documentation on how to use the library for such purposes. I hope someone here can explain how to perform layout analysis on an image and how to parse the resulting data.

Page layout analysis using Tesseract?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

能够执行页面布局分析。但是，我找不到任何关于如何使用该库的示例代码或文档。我希望这里有人能解释一下如何对图像进行布局分析，以及如何解析生成的数据。

问使用Tesseract进行页面布局分析？
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用Tesseract进行页面布局分析？EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用Tesseract进行页面布局分析？
EN