如何从带有文本的图像中获取字体样式？

Question

我正在Amazon Textract API通过 AWS 的 Python API 使用 来从文档（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（仅需要主要的字体类型：Arial、Helvetica、Verdana、Calibri、Times New Roman + 一些其他字体）。

有人有解决方案来获取该数据吗？

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

Amazon Textract 返回什么（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': 0.2536422610282898},
   {'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。然而，这种启发式方法常常会导致错误的结果。

Answer 1

目前 Amazon Textract 不支持字体识别。这两个项目可能会帮助您：

1. DeepFont：从图像中识别您的字体

• 论文：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。（现在只读。）

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