Čím těsnější střih, tím lépe? Okrajový text OCR také potřebuje ponechat místo

Buňky tabulky jsou oříznuty velmi těsně a vedle textu není žádné prázdné místo, takže efekt rozpoznávání nemusí být lepší. Ještě důležitější je, že oříznutí a oříznutí změní počátek souřadnic. Pokud tyto změny neuložíte, objeví se zdánlivě náhodné posuny, když se výsledky rozpoznávání následně převedou zpět na celou stránku.

Pokud chcete odeslat skeny nebo snímky obrazovek tabulek do OCR, zejména text u buněk, záhlaví tabulek a částky, může vás trápit otázka: čím těsnější ořez, tím lepší efekt rozpoznávání?

Tento článek je napsán pro lidi, kteří potřebují provést regionální předzpracování sami. Buňky tabulky jsou oříznuty velmi těsně a vedle textu není žádné prázdné místo, takže efekt rozpoznávání nemusí být lepší. Ještě důležitější je, že oříznutí a oříznutí změní počátek souřadnic. Pokud tyto změny neuložíte, objeví se zdánlivě náhodné posuny, když se výsledky rozpoznávání vrátí zpět na celou stránku.

Po přečtení můžete posoudit, jak ponechat okraje, jak zaznamenat změny souřadnic a jak přijmout hranici oříznutí. Příklady v tomto článku používají syntetické vzorky a kód byl testován pouze v izolovaném prostředí. Nepředstavuje záruku všech skutečných souborů nebo efektů produktu. Před zpracováním důležitých dokumentů si prosím uschovejte originály a zkontrolujte je podle položek akceptace v dokumentu.

Závěr jednou větou

Pevné oříznutí neznamená lepší: ponechte vhodné okraje pro text a zaznamenejte odsazení každého oříznutí a odsazení, aby se rámeček rozpoznání mohl přesně vrátit na celou stránku.

vaší situaciDoporučené postupydůvod
Buňky tabulky jsou oříznuty velmi těsně a text je ohraničenOkraje vhodně vyplňte a ověřte šířku ohraničení vlastním vzorkemÚzké oříznutí nemusí nutně zlepšit efekt rozpoznávání a pevné hodnoty pixelů nejsou univerzální.
Je třeba nakreslit rozpoznávací rámeček zpět na celou stránkuUložte offset každého oříznutí a oříznutíOříznutí a oříznutí změní počátek souřadnic a pokud nebudou uloženy, dojde k posunům.
Oblast oříznutí může odříznout štítky, jako jsou symboly měnyPravidla oříznutí berou v úvahu štítky i jednotkyOCR I když je rozpoznávání čísel přesné, obchodní pole mohou být stále neúplná
Mezi potrubí patří transformace měřítka, rotace nebo perspektivyUložte celý transformační řetězecČísla nelze sčítat ani odečítat hmatem na konečných souřadnicích

Bílý okraj je vstupní strategií

Polštář ImageOps.expand může přidat okraj mimo obrázek. Šířka okraje by měla být ověřena pomocí vašich vlastních vzorků a pevná hodnota pixelů nemůže být považována za požadavek pro všechny OCR motory. Tento článek používá pouze malé obrázky k zobrazení doplňkových hran a posunutí souřadnic bez měření přesnosti rozpoznávání.

Určete, odkud se pixel přesune

from PIL import Image, ImageOps

crop = Image.new("L", (20, 10), 255)
crop.putpixel((0, 0), 0)
padding = 4
padded = ImageOps.expand(crop, border=padding, fill=255)
assert padded.size == (28, 18)
assert padded.getpixel((padding, padding)) == 0
assert padded.getpixel((0, 0)) == 255

crop_origin = (100, 50)
def back_to_page(x, y):
    return x - padding + crop_origin[0], y - padding + crop_origin[1]

assert back_to_page(4, 4) == (100, 50)
assert back_to_page(14, 9) == (110, 55)
assert crop.size == (20, 10)

Tento příklad předpokládá, že dojde pouze k oříznutí a ohraničení s konstantní šířkou, bez změny měřítka, otočení nebo transformace perspektivy. Pokud vaše potrubí obsahuje více kroků, musíte uložit celý transformační řetězec namísto pouhého přidávání nebo odečítání několika čísel do konečných souřadnic.

Jak přijmout hranici oříznutí?

Zkontrolujte položkyMetoda pozorováníŘešení poruch
Postavy nejsou oříznutyPro zvětšení se podívejte na původní stránkuRozbalte oblast oříznutí
Text není překryt ohraničenímPorovnejte pixely a rozměryOpravená implementace hran
Počátek je zaznamenán správněZpětné mapování pomocí známých rohových bodůZkontrolujte pořadí operací
Na prázdném místě se objeví rozpoznávací poleZkontrolujte, zda se nejedná o hlukNení přímo rozpoznáno jako text

Nedávejte rovnítko mezi oříznutí oblasti a porozumění obsahu

Symbol měny vedle částky může být mimo oblast ořezu. I když OCR správně identifikuje čísla, obchodní pole jsou stále neúplná. Pravidla oříznutí by měla brát v úvahu štítky a jednotky, nikoli pouze ohraničující obdélník černých pixelů textu.

Kontrola překladu zachovává kontext

Při použití OmniDoc (produktový portál) ke zpracování naskenovaných materiálů, pokud nejprve sami provedete předběžné zpracování oblasti, měli byste zachovat celý obraz stránky a zdroj oříznutí. Recenzenti potřebují nejen vědět, jak přeložit určité slovo, ale také potřebují vědět, zda patří do záhlaví, poznámky pod čarou nebo hlavního textu. Vhodné okraje a zdrojové souřadnice jsou užitečné informace pro snížení nejednoznačnosti.

Zdroje: Polštář ImageOps.expand

📊 Srovnání jádra

Srovnávací položkaStřih, aby sedělUdržujte okraje a vyplňte je
Vztah mezi textem a hranamiVedle textu není téměř žádné prázdné místoNechte kolem textu mezeru
Dopad na výkon rozpoznáváníPevné řezání nemusí nutně zlepšit rozpoznávací efektNutno ověřit pomocí vlastních vzorků
Požadavky na záznam souřadnicPosun oříznutí je stále třeba zaznamenatPosuny oříznutí a oříznutí je třeba zaznamenat současně
Hlavní rizikaZnaky nebo štítky mohou být oříznutyOhraničení může zakrývat text, takže musíte zkontrolovat implementaci okraje.

🎯 Která metoda je pro vás vhodná?

pokud jste……

Pokud chcete překreslit výsledky rozpoznávání zpět na celou stránku

Nezapomeňte uložit offset každého oříznutí a oříznutí a pro ověření zpětného mapování použijte známé rohové body.

Pokud je text buňky tabulky ohraničen

Nejprve zkuste vyplnit okraje a poté pomocí zvětšení zkontrolujte, zda jsou znaky úplné.

Pokud se zabýváte obchodními oblastmi, jako je částka, jednotka atd.

Do rozsahu oříznutí zahrňte štítky, jako jsou symboly měny a jednotky. Nedívejte se pouze na obdélník obklopující textové pixely.

Pokud má vaše potrubí změnu měřítka, rotaci nebo transformaci perspektivy

Uložte celý transformační řetězec, neprovádějte pouze opravy na konečných souřadnicích.

❓ Často kladené otázky (FAQ)

1. Zlepší ponechání prázdného místa během oříznutí rozhodně efekt rozpoznávání?

nejistý. Pevně oříznuté buňky tabulky nemusí nutně vést k lepšímu rozpoznání a šířka ohraničení by měla být ověřena pomocí vlastních vzorků.

2. Proč se po oříznutí a oříznutí posune rozpoznávací rámeček?

Protože oříznutí a vyplnění okrajů změní počátek souřadnic. Pokud tyto změny neuložíte, objeví se zdánlivě náhodné posuny, když se výsledky rozpoznávání vrátí zpět na celou stránku.

3. Existuje jednotná doplňková hodnota pixelu?

Ne. Pevná hodnota pixelu nemůže být považována za požadavek pro všechny moduly OCR. Mělo by být založeno na vašich vlastních vzorcích.

4. Jak zkontrolovat, zda je hranice oříznutí vhodná?

Můžete přiblížit původní stránku, abyste viděli, zda jsou znaky oříznuté, porovnat pixely a velikost a zkontrolovat, zda rámeček pokrývá text, a použít známé rohové body k mapování zpět k ověření záznamu původu.

5. Co když potrubí obsahuje změnu měřítka nebo rotaci?

Úplný transformační řetězec je třeba zachovat spíše než jen sčítat a odečítat čísla podle pocitu do konečných souřadnic.

📝 Shrnutí

Pro hranici oříznutí musí být ponecháno vhodné prázdné místo a změny souřadnic musí být zcela zachovány. Obojí je nepostradatelné. Po každém zpracování je zkontrolován podle akceptačních položek a následně předán k následnému procesu.

Vyzkoušejte to hned: Nahrajte dokument a začněte překládat při zachování původního rozvržení

Aktualizováno 2026-11-16