Google Cloud Vision API处理弧形文本时的文本乱序与坐标异常问题

问题现象 #

识别常规水平排版文本无异常，但处理弧形文本时，返回的文本片段完全乱序，无法匹配原图顺序；同时返回JSON中的boundingPoly顶点坐标逻辑不符合预期，无法直接用于排序文本。

部分返回数据示例 #

{
  "boundingPoly": {
    "vertices": [
      {"x": 395,"y": 21},
      {"x": 421,"y": 18},
      {"x": 423,"y": 39},
      {"x": 398,"y": 42}
    ]
  },
  "description": "on"
},
{
  "boundingPoly": {
    "vertices": [
      {"x": 442,"y": 16},
      {"x": 482,"y": 11},
      {"x": 484,"y": 31},
      {"x": 444,"y": 36}
    ]
  },
  "description": "the"
},
{
  "boundingPoly": {
    "vertices": [
      {"x": 263,"y": 22},
      {"x": 297,"y": 18},
      {"x": 300,"y": 45},
      {"x": 266,"y": 49}
    ]
  },
  "description": "all"
},
{
  "boundingPoly": {
    "vertices": [
      {"x": 316,"y": 15},
      {"x": 382,"y": 7},
      {"x": 385,"y": 35},
      {"x": 319,"y": 43}
    ]
  },
  "description": "items"
},
{
  "boundingPoly": {
    "vertices": [
      {"x": 330,"y": 57},
      {"x": 399,"y": 61},
      {"x": 397,"y": 99},
      {"x": 328,"y": 95}
    ]
  },
  "description": "have"
},
{
  "boundingPoly": {
    "vertices": [
      {"x": 420,"y": 63},
      {"x": 501,"y": 68},
      {"x": 499,"y": 105},
      {"x": 418,"y": 100}
    ]
  },
  "description": "impact"
}

解决方案 #

1. 基于弧形路径的自定义排序 #

Google Vision返回的文本片段没有内置弧形排序逻辑，需要自己计算排序：

• 计算每个文本块boundingPoly的中心点坐标：center_x = (v1.x + v2.x + v3.x + v4.x)/4，center_y = (v1.y + v2.y + v3.y + v4.y)/4
• 确定弧形的圆心坐标（可通过图像分析工具提取，或手动标注）
• 计算每个中心点相对于圆心的极角（使用atan2(center_y - center_y0, center_x - center_x0)）
• 按极角从小到大（或从大到小，根据弧形方向）排序文本片段，即可还原原图顺序

2. 切换到DOCUMENT_TEXT_DETECTION模式 #

默认的TEXT_DETECTION更侧重零散文本提取，DOCUMENT_TEXT_DETECTION针对文档类复杂排版优化，会尝试保留文本的空间布局关系：

• 调用API时指定feature.type = DOCUMENT_TEXT_DETECTION
• 该模式返回的结果会按页面布局分组，可能直接输出符合弧形顺序的文本

3. 图像预处理：将弧形文本矫正为水平 #

如果上述方法效果不佳，可先对图像进行预处理：

• 使用OpenCV等工具，定位弧形文本区域，通过透视变换或弧形展开算法（如基于极坐标转换）将弧形文本转为水平排列
• 对矫正后的图像调用Vision API，即可得到顺序正确的识别结果

内容的提问来源于stack exchange，提问作者Gops