如何从带有文本的图像中获取字体样式？ Amazon Textract 返回的内容不幸的是，没有字体类型：到目前为止我做了什么

如何解决如何从带有文本的图像中获取字体样式？ Amazon Textract 返回的内容不幸的是，没有字体类型：到目前为止我做了什么

我正在通过 AWS 的 Python API 使用 Amazon Textract API 从文档（pdf 或 jpg）中提取文本。我确实获得了其边界框的文本和坐标，但我也希望拥有字体类型（仅需要主要字体：Arial、Helvetica、Verdana、Calibri、Times New Roman 和其他一些字体）。

有没有人有办法获取那条数据？

最好的解决方案可能是一个包，它接受一个小图像，返回字体类型名称，我可以在我的服务器上运行它。外部 API 很可能成本太高（金钱和时间），因为我必须在一秒钟内运行 100 多次。

Amazon Textract 返回的内容（不幸的是，没有字体类型）：

{'BlockType': 'LINE','Confidence': 99.81985473632812,'Text': 'This is a text','Geometry': {'BoundingBox': {'Width': 0.7395017743110657,'Height': 0.012546566314995289,'Left': 0.12995509803295135,'Top': 0.2536422610282898},'polygon': [{'X': 0.12995509803295135,'Y': 0.2536422610282898},{'X': 0.8694568872451782,'Y': 0.2661888301372528},{'X': 0.12995509803295135,'Y': 0.2661888301372528}]},'Id': '59f42615-7f33-41d2-9f3c-77ae5e4b6e7a','Relationships': ...}

到目前为止我做了什么

我实现了一个解决方案，它计算文本的比率 width/height，并通过使用 Python 的枕头包和不同的字体类型以编程方式绘制相同的文本，然后比较比率来进行比较。但是，这种启发式方法通常会导致错误的结果。

解决方法

目前 Amazon Textract 不支持字体识别。这两个项目可能对您有所帮助：

1. DeepFont：从图像中识别您的字体

• 纸：https://arxiv.org/pdf/1507.03196v1.pdf
• GitHub：https://github.com/robinreni96/Font_Recognition-DeepFont

2. Typefont：第一个检测图像中文本字体的开源库。（现在是只读的。）

• GitHub：https://github.com/Vasile-Peste/Typefont