Je enger der Schnitt, desto besser? Auch der Randtext von OCR muss Platz lassen
Die Tabellenzellen sind sehr eng geschnitten und es gibt keine Leerzeichen neben dem Text, sodass der Erkennungseffekt möglicherweise nicht besser ist. Noch wichtiger ist, dass durch Zuschneiden und Trimmen der Koordinatenursprung geändert wird. Wenn diese Änderungen nicht gespeichert werden, treten scheinbar zufällige Versätze auf, wenn die Erkennungsergebnisse anschließend auf die gesamte Seite zurückgezogen werden.
– Zuschneideregeln müssen die angrenzenden Währungssymbole und -einheiten berücksichtigen, nicht nur Textpixel.
Wenn Sie Scans oder Screenshots von Tabellen an OCR senden möchten, insbesondere des Textes neben Zellen, Tabellenüberschriften und Beträgen, stellt sich möglicherweise die Frage: Je enger der Zuschnitt, desto besser ist der Erkennungseffekt?
Dieser Artikel richtet sich an Personen, die die regionale Vorverarbeitung selbst durchführen müssen. Die Tabellenzellen sind sehr eng geschnitten und es gibt keine Leerzeichen neben dem Text, sodass der Erkennungseffekt möglicherweise nicht besser ist. Noch wichtiger ist, dass durch Zuschneiden und Trimmen der Koordinatenursprung geändert wird. Wenn diese Änderungen nicht gespeichert werden, treten scheinbar zufällige Versätze auf, wenn die Erkennungsergebnisse auf die gesamte Seite zurückgeführt werden.
Nach dem Lesen können Sie beurteilen, wie Sie Ränder belassen, Koordinatenänderungen aufzeichnen und die Beschneidungsgrenze akzeptieren. Die Beispiele in diesem Artikel verwenden synthetische Beispiele und der Code wurde nur in einer isolierten Umgebung getestet. Es stellt keine Garantie für alle echten Dateien oder Produkteffekte dar. Bevor Sie wichtige Dokumente bearbeiten, bewahren Sie bitte die Originale auf und prüfen Sie diese anhand der Annahmepunkte im Dokument.
Fazit in einem Satz
Enges Zuschneiden bedeutet nicht besser: Lassen Sie angemessene Ränder für den Text und zeichnen Sie den Versatz jedes Zuschneidens und Auffüllens auf, damit der Erkennungsrahmen genau auf die gesamte Seite zurückkehren kann.
| Ihre Situation | Empfohlene Praktiken | Grund |
|---|---|---|
| Die Tabellenzellen sind sehr eng geschnitten und der Text ist umrandet | Füllen Sie die Kanten entsprechend aus und überprüfen Sie die Randbreite anhand Ihres eigenen Musters | Enges Zuschneiden verbessert nicht unbedingt den Erkennungseffekt und feste Pixelwerte sind nicht universell. |
| Der Erkennungsrahmen muss wieder auf die gesamte Seite gezeichnet werden | Speichern Sie den Versatz jedes Trimmens und Trimmens | Durch Zuschneiden und Trimmen wird der Ursprung der Koordinaten geändert, und es treten Versätze auf, wenn sie nicht gespeichert werden. |
| Im Zuschneidebereich werden möglicherweise Beschriftungen wie Währungssymbole abgeschnitten | Zuschneideregeln berücksichtigen sowohl Beschriftungen als auch Einheiten | OCR Auch wenn die numerische Erkennung korrekt ist, können Geschäftsfelder unvollständig sein |
| Pipelines umfassen Skalierung, Rotation oder perspektivische Transformationen | Speichern Sie die komplette Transformationskette | An den endgültigen Koordinaten können Sie Zahlen nicht nach Gefühl addieren oder subtrahieren |
Weißer Rand ist die Eingabestrategie
ImageOps.expand von Pillow kann einen Rand außerhalb eines Bildes hinzufügen. Die Rahmenbreite sollte mit Ihren eigenen Mustern überprüft werden und ein fester Pixelwert kann nicht als Voraussetzung für alle OCR-Engines angesehen werden. In diesem Artikel werden nur kleine Bilder verwendet, um die zusätzlichen Kanten und die Koordinatenverschiebung anzuzeigen, ohne die Erkennungsgenauigkeit zu messen.
Geben Sie an, von wo aus sich ein Pixel nach wohin bewegt
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)
In diesem Beispiel wird davon ausgegangen, dass nur Zuschneiden und Kanten mit konstanter Breite erfolgen, ohne Skalierung, Drehung oder perspektivische Transformation. Wenn Ihre Pipeline mehr Schritte enthält, müssen Sie die vollständige Transformationskette speichern, anstatt nur ein paar Zahlen zu den endgültigen Koordinaten zu addieren oder davon zu subtrahieren.
Wie akzeptiere ich die Zuschneidegrenze?
| Artikel prüfen | Beobachtungsmethode | Fehlerbehandlung |
|---|---|---|
| Zeichen werden nicht abgeschnitten | Sehen Sie sich die Originalseite an, um sie zu vergrößern | Erweitern Sie den Zuschneidebereich |
| Text wird nicht durch Ränder verdeckt | Vergleichen Sie Pixel und Abmessungen | Korrigierte Edge-Implementierung |
| Der Ursprung ist korrekt erfasst | Rückwärtskartierung unter Verwendung bekannter Eckpunkte | Überprüfen Sie die Reihenfolge der Vorgänge |
| Im leeren Bereich wird ein Erkennungsfeld angezeigt | Überprüfen Sie, ob es sich um Geräusche handelt | Nicht direkt als Text erkannt |
Stellen Sie das Zuschneiden von Bereichen nicht mit dem Verstehen von Inhalten gleich
Ein Währungssymbol neben einem Betrag befindet sich möglicherweise außerhalb des Beschneidungsbereichs. Selbst wenn OCR die Zahlen korrekt identifiziert, sind die Geschäftsfelder noch unvollständig. Zuschneideregeln sollten Beschriftungen und Einheiten berücksichtigen, nicht nur das umschließende Rechteck aus schwarzen Textpixeln.
Die Überprüfung der Übersetzung bewahrt den Kontext
Wenn Sie OmniDoc (Produktportal) zum Verarbeiten gescannter Materialien verwenden und zunächst selbst eine Bereichsvorverarbeitung durchführen, sollten Sie das ganzseitige Bild und die Zuschnittquelle beibehalten. Prüfer müssen nicht nur wissen, wie ein bestimmtes Wort zu übersetzen ist, sondern auch wissen, ob es zu einer Überschrift, einer Fußnote oder zum Haupttext gehört. Geeignete Ränder und Quellkoordinaten sind nützliche Informationen, um Mehrdeutigkeiten zu reduzieren.
Quellen: Kissen ImageOps.expand
📊 Kernvergleich
| Vergleichsartikel | Passend zugeschnitten | Behalten Sie die Ränder bei und füllen Sie sie auf |
|---|---|---|
| Die Beziehung zwischen Text und Kanten | Es gibt fast keinen Leerraum neben dem Text | Lassen Sie um den Text herum Platz |
| Auswirkungen auf die Erkennungsleistung | Ein enger Schnitt verbessert nicht unbedingt den Erkennungseffekt | Muss mit Ihren eigenen Proben überprüft werden |
| Koordinieren Sie die Aufzeichnungsanforderungen | Der Schnittversatz muss noch erfasst werden | Zuschneide- und Beschnittversätze müssen gleichzeitig aufgezeichnet werden |
| Hauptrisiken | Zeichen oder Beschriftungen können abgeschnitten sein | Der Rand verdeckt möglicherweise den Text, daher müssen Sie die Kantenimplementierung überprüfen. |
🎯 Welche Methode ist für Dich geeignet?
wenn du……
Wenn Sie die Erkennungsergebnisse wieder auf der ganzen Seite darstellen möchten
Stellen Sie sicher, dass Sie den Versatz jedes Trimmens und Trimmens speichern und bekannte Eckpunkte für die Backmapping-Überprüfung verwenden.
Wenn der Text Ihrer Tabellenzelle umrandet ist
Versuchen Sie zunächst, die Kanten auszufüllen, und überprüfen Sie dann mithilfe der Vergrößerung, ob die Zeichen vollständig sind.
Wenn es um Geschäftsfelder wie Menge, Einheit usw. geht.
Beziehen Sie Beschriftungen wie Währungssymbole und Einheiten in den Zuschneidebereich ein. Schauen Sie nicht nur auf das Rechteck, das die Textpixel umgibt.
Wenn Ihre Pipeline über Skalierung, Rotation oder Perspektivtransformation verfügt
Speichern Sie die komplette Transformationskette, nehmen Sie nicht nur Korrekturen an den Endkoordinaten vor.
❓ Häufig gestellte Fragen (FAQ)
1. Verbessert das Freilassen von Leerzeichen beim Zuschneiden definitiv den Erkennungseffekt?
unsicher. Eng beschnittene Tabellenzellen führen möglicherweise nicht unbedingt zu einer besseren Erkennung, und die Rahmenbreite sollte anhand Ihrer eigenen Proben überprüft werden.
2. Warum verschiebt sich der Erkennungsrahmen nach dem Zuschneiden und Trimmen?
Denn Zuschneiden und Kantenfüllen verändern den Koordinatenursprung. Wenn diese Änderungen nicht gespeichert werden, treten scheinbar zufällige Versätze auf, wenn die Erkennungsergebnisse auf die gesamte Seite zurückgezogen werden.
3. Gibt es einen einheitlichen zusätzlichen Pixelwert?
Nein. Ein fester Pixelwert kann nicht als Voraussetzung für alle OCR-Engines angesehen werden. Es sollte auf Ihren eigenen Proben basieren.
4. Wie prüfe ich, ob die Zuschneidegrenze angemessen ist?
Sie können die Originalseite vergrößern, um zu sehen, ob die Zeichen abgeschnitten sind, die Pixel und die Größe vergleichen, um zu prüfen, ob der Rand den Text abdeckt, und bekannte Eckpunkte für die Zuordnung verwenden, um den Ursprungsdatensatz zu überprüfen.
5. Was passiert, wenn die Pipeline Skalierung oder Rotation enthält?
Die vollständige Transformationskette muss erhalten bleiben, anstatt Zahlen nur nach Gefühl zu den endgültigen Koordinaten zu addieren und zu subtrahieren.
📝 Zusammenfassung
Für die Zuschneidegrenze muss ausreichend Leerraum gelassen werden und Koordinatenänderungen müssen vollständig erhalten bleiben. Beides ist unverzichtbar. Nach jeder Bearbeitung wird es entsprechend der Abnahmepunkte überprüft und dann dem Folgeprozess übergeben.


