标签：layout Bottom image 接口 bbox lp LayoutParser ------ coordinates

LayoutParser 文本版面分析工具包

作者：elfin   参考资料来源：GitHub

目录

• 一、布局目标检测
• 二、Interval区间布局查询
• 三、LP的ocr文字识别
• 四、BBox绘制
• 五、模型选择
• 六、提交自己的模型到LP项目

LayoutParser是一个版面分析工具包，它提供了布局检测、OCR识别、布局分析等接口，项目可以从https://github.com/Layout-Parser/layout-parser进行获取

---

Top---Bottom

一、布局目标检测

import warnings
import layoutparser as lp
from PIL import Image
warnings.filterwarnings("ignore")
config = "lp://PubLayNet/tf_efficientdet_d0/config"
model = lp.EfficientDetLayoutModel(
    config_path=config,
    model_path="./publaynet-tf_efficientdet_d0.pth.tar"
)
image = Image.open("images_1.png")
layout = model.detect(image)

layout记录了TextBlock列表，TextBlock对象中包含面积area、边框block信息、坐标coordinates、高度height、宽度width、id、next、顶点坐标points、置信度score、文本text、类型type。

---

Top---Bottom

二、Interval区间布局查询

此类描述了某个轴上一个区间的对象，另一轴上的基础画布相同。参数分别为：

• start：数值类型
• end：相同轴的结束坐标
• axis：设置要划分区间的轴，必须是"x"或者"y"
• canvas_height：画布的高
• canvas_width：画布的宽

使用案例

left_column = lp.Interval(0, image_width / 2, axis="x")
left = layout.filter_by(left_column, center=True)

通过这两行代码我们就得到了位于页面左侧的所有TextBlock对象。

---

Top---Bottom

三、LP的ocr文字识别

TesseractAgent、GCVAgent这两个是项目自带的处理器，但是前者需要单独本地安装，前者国内使用可能会引擎连接超时。根据使用经验来说，TesseractAgent使用效果一般，建议还是使用自己的ocr模型。

ocr_agent = lp.TesseractAgent()
for left_region in left:
    img_seg = left_region.crop_image(image)
    text = ocr_agent.detect(img_seg)

注意这里的image如果是PIL库的Image读入的，会报错，'PngImageFile' object is not subscriptable

---

Top---Bottom

四、BBox绘制

lp.draw_box(image, layout, box_width=1, show_element_id=True, box_alpha=0.25)

自己实现边框、文字绘制：

for bbox in layout:
    cv.rectangle(image, 
                 (int(bbox.coordinates[0]), int(bbox.coordinates[1])),
                 (int(bbox.coordinates[2]), int(bbox.coordinates[3])), 
                 (0, 255, 0), 2)
    cv.putText(image, str(bbox.id), 
               (int(bbox.coordinates[0]), int(bbox.coordinates[1])),
               cv.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255), 2)

---

Top---Bottom

五、模型选择

参考地址：https://layout-parser.github.io/platform/

所有模型配置直接复制即可：

lp.AutoModel("lp://detectron2/TableBank/faster_rcnn_R_50_FPN_3x")
lp.AutoModel("lp://detectron2/PubLayNet/mask_rcnn_X_101_32x8d_FPN_3x")

---

Top---Bottom

六、提交自己的模型到LP项目

在https://github.com/Layout-Parser/platform下有详细的介绍，主要分为：

• 训练自己的检测模型
• 提交拉取请求
• 提交模型细节到开放平台

---

Top---Bottom

完！

标签：layout,Bottom,image,接口,bbox,lp,LayoutParser,------,coordinates
来源： https://www.cnblogs.com/dan-baishucaizi/p/15949028.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。