通用文字识别（含位置）

视频示例

描述

通用文字识别（含位置）

配置项说明

OCR引擎

通过【AI引擎】选择【创建AI引擎】创建的对象（影刀/百度/腾讯/阿里云）或选择内置的影刀引擎

OCR版本

• 百度
  • 标准版
  • 高精度版
• 影刀、腾讯
  • 标准版
  • 高精度版
  • 精简版
  • 高速版
• 阿里云
  • 标准版
  • 高精度版

图像源

屏幕/窗口对象/当前激活窗口/本地硬盘图片/剪切板/网络图片

窗口对象

可通过指令"获取窗口对象"得到

提取区域（支持图像源为【屏幕/窗口对象/当前激活窗口】）

• 全部
• 指定部分区域：按下CTRL+ALT+X开始截取提取区域

图片路径

图像源选择【本地硬盘图片】时，在此处选择图像路径

图片URL

图像源选择【网络图片】时，在此处填写图像的网络地址

高级

• 转为dpi为96对应值 该状态框决定了是否需要将位置坐标值转换成与设备无关的单位（每个单位1/96英寸，适用于多台电脑共用该指令）

• 阿里云

  • 文字最小高度：图片中文字的最小高度，单位像素
  • 输出文字框的概率：是否输出文字框的概率
  • 输出文字框角点：是否输出文字框角点
  • 跳过文字检测：是否跳过文字检测步骤直接进行文字识别
  • 关闭文字行方向预测：是否关闭文字行方向预测
  • 获取每一行的置信度：是否需要识别结果中每一行的置信度，默认不需要
  • 单字识别：是否需要单字识别功能，默认不需要
  • 自动旋转：是否需要自动旋转功能，默认不需要
  • 表格识别：是否需要表格识别功能，默认不需要
  • 字块返回顺序：字块返回顺序，false表示从左往右，从上到下的顺序，true表示从上到下，从左往右的顺序，默认false
• 百度
  • 检测朝向：是否检测图像朝向，默认不检测，即：false。朝向是指输入图像是正常方向、逆时针旋转90/180/270度。可选值包括: true：检测朝向, false：不检测朝向
  • 检测语言：是否检测语言，默认不检测。当前支持（中文、英语、日语、韩语）
  • 输出段落信息：是否输出段落信息
  • 获取每一行的置信度：是否需要识别结果中每一行的置信度，默认不需要
• 影刀、腾讯
  • 开启PDF识别：是否开启PDF识别，默认值为false，开启后可同时支持图片和PDF的识别
  • PDF页码：需要识别的PDF页面的对应页码，仅支持PDF单页识别，当上传文件为PDF且IsPdf参数值为true时有效，默认值为1

使用示例

此流程执行逻辑：创建影刀AI引擎 --> 识别屏幕上的文字

执行结果