zcswdt / merge_text_boxs

OCR文字检测框的合并

该代码作为OCR文字检测的后处理模型，被用来对文字检测模型检测出来的文字框进行的合并(e.g. CRAFT) ， 使得同一行的文本尽可能成为一个完整的文字框，为加下来OCR文字识别提供更加完整的文本行.

开始

文字框生成

• 随机生成两组组文字框，在白纸上画出来，如下图所示：
  

x轴方向合并

• 对于随机生成的文字框，按照x轴方向（即同一行框的合并），如下图所示：
  

运行python link_boxes_test.py

y轴方向合并

• 对于随机生成的文字框，按照y轴方向（即区域框的合并），此种合并方式适用于同一张图片上，文字内容分栏，比如论文经常分成两栏， 如果仅仅对于整行文字的合并，对于这种情况不能很好的得到语义连贯的信息。合并情况如下图所示：
  

运行 python link_y_boxes.py

结合文字检测模型进行的文字框的合并

使用文字检测模型（CRAFT）检测完以后得到的文字框如下：

使用文字框合并算法在X轴方向进行合并，得到如下绿色线的文字框：

使用文字框合并算法在Y轴方向进行合并，得到如下蓝色线的文字框：

CRAFT文字检测模型

• 对于文字检测模型的测试代码以及环境配置，详情可以到CRAFT 参考配置。
  在本地仓库中您需要输入shell命令cd CRAFT_merge进入该目录下： 然后运行Run python test.py --trained_model=./craft_mlt_25k.pth --test_folder=./input/ 在result文件夹下来获得文字检测的框，并且 可以在file_utils.py的112行和120行进行注释来获得按X轴方向或者是按照Y轴方向进行文字框的合并。
  

Contact

Feel free to contact me if there is any question:
My mail address is [e-mail];