能否为Google Drive OCR设置阈值,忽略图片中的极小尺寸文字?
Google Drive OCR 过滤微小尺寸文字的实现方法
当前你使用的Drive.Files.insert触发的原生OCR接口,本身不提供字号过滤的原生参数,默认会识别所有可检测到的文本内容,没有内置的“忽略小文字”开关。
结合Google OCR转换文档的特性,可以通过识别后二次过滤的方式实现需求,不需要更换其他OCR服务。
核心实现逻辑
Google Drive OCR把图片转成可编辑的Google文档时,会自动给不同尺寸的识别文本匹配对应字号的样式,这个样式属性可以直接读取。你可以在识别完成后,遍历文档内的所有文本块,把字号低于设定阈值的内容直接过滤,不纳入最终返回的识别结果。
具体操作要点:
- 不要直接读取文档全量文本,改为逐文本元素遍历,获取每个片段的字号属性
- 根据实际图片测试结果设定最小有效字号阈值,跳过低于阈值的文本块
- 必须等完成所有文本遍历、过滤操作后,再删除生成的临时Google文档
改造后的代码示例
可直接替换原有逻辑,调整阈值即可使用:
// 有效文本的最小字号阈值,可根据实际测试效果调整 const MIN_VALID_FONT_SIZE = 10; if (request.parameters.url != undefined && request.parameters.url != "") { var imageBlob = UrlFetchApp.fetch(request.parameters.url).getBlob(); var resource = { title: imageBlob.getName(), mimeType: imageBlob.getContentType() }; var options = { ocr: true }; var docFile = Drive.Files.insert(resource, imageBlob, options); var doc = DocumentApp.openById(docFile.id); var body = doc.getBody(); var finalText = ""; // 遍历文档内所有子元素,按字号过滤文本 const totalElements = body.getNumChildren(); for (let i = 0; i < totalElements; i++) { const element = body.getChild(i); // 仅处理文本类型的元素 if (element.getType() === DocumentApp.ElementType.TEXT) { const textContent = element.asText(); // 获取当前文本块的识别字号 const currentFontSize = textContent.getFontSize(); // 仅保留字号符合要求的文本 if (currentFontSize >= MIN_VALID_FONT_SIZE) { finalText += textContent.getText(); } } } // 过滤完成后再清理临时文件 Drive.Files.remove(docFile.id); return ContentService.createTextOutput(finalText.replace(/\n/g, "")); }else { return ContentService.createTextOutput("request error"); } }
优化提示
- 阈值校准方法:先拿1-2张带明确小文字的测试图片跑一次遍历逻辑,打印所有识别文本对应的字号,找到“肉眼可正常阅读的文字”和“肉眼难辨的极小文字”对应的字号分界值,再填入阈值参数,过滤准确率最高
- 如果识别的图片普遍分辨率偏高,可以在传给OCR之前先把图片缩放到固定的合理分辨率,从源头减少无效微小像素被识别为文字的概率
内容的提问来源于stack exchange,提问作者Влад
相关产品推荐
相关产品推荐

