获取Tess-Two上的单词列表

Question

我正在开发一个应用程序，利用OCR在Android上。tess-two示例工作得很好，我可以获得完整的OCR文本，但我想知道如何才能获得Tesseract实际输出的框中的单个单词。我可以使用getWords().getBoxRects()来获取边界框的列表，看起来getWords()函数做了我想要做的事情，但是它返回一个Pixa对象，我不确定如何从中获得单词列表(框中包含的任何单词)。

我正在寻找的输出是一个具有以下键值的映射：

Word :边界框

任何建议都是很棒的。

Answer 1

您可以解析hOCR输出以获得单词及其坐标。参见Export HOCR output for tesseract OCR in android。

或者使用ResultIterator API，如果tess-two支持它的话。