如何获取Apple VNRecognizeTextRequest检测结果的文本方向

嘿，我来帮你搞定这个问题！很多人用VNRecognizeTextRequest识别文本时都会疑惑怎么拿到文本的方向，其实只要结合识别结果里的观测对象，再配合你设置的图像方向，就能轻松判断出来～

首先，先把你没写完的识别代码补全，关键是要在请求的回调里处理识别结果，拿到每个文本的观测数据：

func detectText(from ciImage: CIImage) {
    // 你这里设置了图像orientation为.down，因为输入的CIImage是倒的，这个参数一定要和实际图像方向匹配！
    let requestHandler = VNImageRequestHandler(ciImage: ciImage, orientation: .down, options: [:])
    
    let request = VNRecognizeTextRequest { request, error in
        // 先把识别结果转成VNRecognizedTextObservation数组，这是核心的观测对象
        guard let observations = request.results as? [VNRecognizedTextObservation], error == nil else {
            print("识别出错：\(error?.localizedDescription ?? "未知错误")")
            return
        }
        
        // 遍历每一个识别到的文本块
        for observation in observations {
            // 取置信度最高的文本结果
            guard let topText = observation.topCandidates(1).first else { continue }
            print("识别到的文本：\(topText.string)")
            
            // 调用方法判断这个文本块的方向
            self.judgeTextOrientation(observation: observation, imageOrientation: .down)
        }
    }
    
    // 可以根据需求设置识别精度，.accurate是高精度，.fast是快速识别
    request.recognitionLevel = .accurate
    
    do {
        try requestHandler.perform([request])
    } catch {
        print("执行识别请求失败：\(error.localizedDescription)")
    }
}

接下来就是核心的方向判断方法，这里有两种思路，都给你列出来：

方法一：通过文本边界框的宽高比判断 #

Vision框架返回的boundingBox是基于图像坐标系的（原点在图像左下角），我们可以通过边界框的宽高比例，再结合你传入的图像原始方向，就能大致判断文本是水平还是垂直：

func judgeTextOrientation(observation: VNRecognizedTextObservation, imageOrientation: CGImagePropertyOrientation) {
    let textBox = observation.boundingBox
    // 宽大于高，说明文本是横向排列；反之是纵向
    let isHorizontal = textBox.size.width > textBox.size.height
    
    // 结合图像的原始方向，推导文本的实际显示方向
    switch imageOrientation {
    case .up:
        let direction = isHorizontal ? "水平方向（从左到右）" : "垂直方向（从上到下）"
        print("文本方向：\(direction)")
    case .down:
        // 图像是倒着的，所以水平文本实际是从右到左，垂直文本是从下到上
        let direction = isHorizontal ? "水平方向（从右到左）" : "垂直方向（从下到上）"
        print("文本方向：\(direction)")
    case .left:
        // 图像左转90度，此时宽高比的判断要反过来，宽大于高其实是垂直文本
        let direction = isHorizontal ? "垂直方向（从下到上）" : "水平方向（从右到左）"
        print("文本方向：\(direction)")
    case .right:
        // 图像右转90度，同理宽大于高是垂直文本
        let direction = isHorizontal ? "垂直方向（从上到下）" : "水平方向（从左到右）"
        print("文本方向：\(direction)")
    default:
        print("暂时无法确定该图像方向下的文本走向")
    }
}

方法二：用字符边界框精准判断（iOS 16+可用） #

如果你用的是iOS 16及以上系统，VNRecognizedTextObservation还提供了characterBoxes属性，能拿到每个字符的边界框，通过字符的排列顺序可以更精准判断方向，比如看第一个字符和最后一个字符的X坐标：

func judgeTextOrientationPrecisely(observation: VNRecognizedTextObservation) {
    guard let charBoxes = observation.characterBoxes, !charBoxes.isEmpty else {
        print("无法获取字符边界框，无法精准判断方向")
        return
    }
    
    let firstChar = charBoxes.first!
    let lastChar = charBoxes.last!
    // 第一个字符的X坐标小于最后一个，说明是从左到右排列
    let isLeftToRight = firstChar.boundingBox.minX < lastChar.boundingBox.minX
    // 再结合字符框的宽高比，判断是水平还是垂直
    let isHorizontal = firstChar.boundingBox.size.width > firstChar.boundingBox.size.height
    
    if isHorizontal {
        print("精准判断：\(isLeftToRight ? "水平从左到右" : "水平从右到左")")
    } else {
        print("精准判断：\(isLeftToRight ? "垂直从上到下" : "垂直从下到上")")
    }
}

最后要提醒你：创建VNImageRequestHandler时设置的orientation参数一定要和你的输入图像实际方向完全匹配，否则Vision框架识别出来的文本边界框和方向都会出错，这是很多人踩坑的点哦！

内容来源于stack exchange