OCR έχει μεγεθυνθεί και περικοπεί, πώς να αντιστοιχίσετε το πλαίσιο αναγνώρισης πίσω στο αρχικό κείμενο
Το πλαίσιο που επιστρέφεται από το OCR είναι ακριβές στην τοπική εικόνα, αλλά το συνολικό καρέ είναι απενεργοποιημένο όταν σύρεται πίσω στο PDF. Μην αμφιβάλλετε πρώτα για τον κινητήρα αναγνώρισης, ελέγξτε την ακολουθία προεπεξεργασίας: είναι πρώτα περικοπή, μετά μεγέθυνση και μετά γεμάτη με λευκό περίγραμμα; Κάθε βήμα αλλάζει τις συντεταγμένες και η αντίστροφη αντιστοίχιση πρέπει να αναιρεθεί με αντίστροφη σειρά.
Το πλαίσιο αναγνώρισης που επιστρέφεται από το OCR μπορεί να είναι ακριβές στην τοπική εικόνα, αλλά η συνολική εικόνα μπορεί να είναι απενεργοποιημένη όταν επιστρέφετε στο PDF. Αυτό το είδος προβλήματος είναι πολύ κοινό. Κατά την αντιμετώπιση προβλημάτων, δεν χρειάζεται να αμφιβάλλετε πρώτα για τον κινητήρα αναγνώρισης. Θα πρέπει επίσης να ελέγξετε τον σύνδεσμο προεπεξεργασίας. Αυτό το άρθρο είναι γραμμένο για προγραμματιστές και αναθεωρητές που πρέπει να αντιστοιχίσουν τα αποτελέσματα αναγνώρισης στο έγγραφο προέλευσης.
Πολλές εικόνες περικόπτονται, κλιμακώνονται και στη συνέχεια γεμίζονται με λευκό περίγραμμα πριν από την αναγνώριση. Κάθε βήμα αλλάζει τις συντεταγμένες, επομένως η αντίστροφη αντιστοίχιση πρέπει να αναιρεθεί με αντίστροφη σειρά. Αφού διαβάσετε αυτό το άρθρο, μπορείτε να χρησιμοποιήσετε ένα σαφές σύνολο ιδεών μετασχηματισμού συντεταγμένων για να εντοπίσετε την αιτία της κακής ευθυγράμμισης και να χρησιμοποιήσετε δοκιμές μετ' επιστροφής και τεχνητά σημεία αγκύρωσης για να επαληθεύσετε τα αποτελέσματα.
Το δείγμα κώδικα έχει ελεγχθεί σε απομονωμένο περιβάλλον, αλλά αυτό δεν αποτελεί εγγύηση για όλα τα πραγματικά αρχεία ή την απόδοση του προϊόντος. Κρατήστε τα πρωτότυπα πριν χειριστείτε σημαντικά έγγραφα.
Τι πρέπει να κάνω εάν το πλαίσιο OCR δεν μπορεί να ταιριάζει με το έγγραφο προέλευσης; Μια φράση συμπέρασμα
Πρώτα ελέγξτε την ακολουθία προεπεξεργασίας, καταγράψτε τον μετασχηματισμό συντεταγμένων κάθε βήματος και, στη συνέχεια, κάντε την αντίστροφη αντιστοίχιση με την αντίστροφη σειρά.
| την κατάστασή σας | Συνιστώμενες πρακτικές | λόγος |
|---|---|---|
| Το πλαίσιο αναγνώρισης είναι ακριβές στον τοπικό χάρτη και μετατοπίζεται μετά την επαναφορά στο PDF. | Ελέγξτε εάν πρέπει πρώτα να περικόψετε, μετά να κάνετε κλιμάκωση και μετά να γεμίσετε τις άκρες | Κάθε βήμα θα αλλάξει τις συντεταγμένες |
| Οι αναλογίες κλιμάκωσης της οριζόντιας και κάθετης εικόνας είναι διαφορετικές | Αποθηκεύστε τις οριζόντιες και κάθετες αναλογίες χωριστά | Το τέντωμα κατά βούληση θα αλλάξει το σχήμα του κειμένου |
| Η εικόνα περιστρέφεται ή διορθώνεται η προοπτική | Χαρτογραφήστε τέσσερα γωνιακά σημεία και διατηρήστε το τετράγωνο ή αποθηκεύστε τον μετασχηματισμό ομογραφίας | Το ορθογώνιο δύο σημείων δεν μπορεί να εκφράσει το αποτέλεσμα |
| Η τοποθεσία της πηγής πρέπει να εμφανίζεται στη διεπαφή | Αποδεχτείτε την εγγραφή μετασχηματισμού συντεταγμένων μαζί με το περιεχόμενο | Η επισήμανση σε λάθος γραμμή θα κάνει τη σωστή μετάφραση να φαίνεται αναξιόπιστη |
Χρησιμοποιήστε ρητό μετασχηματισμό αντί να μαντέψετε μετατόπιση
Υποθέτοντας ένα σημείο στο γράφημα, αφαιρέστε πρώτα την αρχή αποκοπής, στη συνέχεια πολλαπλασιάστε με την αναλογία κλιμάκωσης και, στη συνέχεια, προσθέστε τη συμπληρωματική ακμή. Η αντίστροφη διαδικασία είναι να αφαιρέσετε πρώτα τη συμπληρωματική άκρη, στη συνέχεια να τη διαιρέσετε με την αναλογία και, τέλος, να την προσθέσετε ξανά στην αρχή κοπής.
- Εμπρός: Αφαιρέστε την αρχή περικοπής → πολλαπλασιάστε με την αναλογία κλιμάκωσης → προσθέστε συμπληρωματικές ακμές
- Αντίστροφη: Αφαιρέστε το συμπληρωματικό άκρο → Αφαιρέστε την κλιμάκωση → Προσθέστε ξανά την αρχή καλλιέργειας
Εάν οι οριζόντιες και κάθετες αναλογίες είναι διαφορετικές, πρέπει να αποθηκευτούν χωριστά. Αυτό μας υπενθυμίζει επίσης ότι το τέντωμα της εικόνας κατά βούληση θα αλλάξει το σχήμα του κειμένου.
Αφήστε τη δοκιμή μετ' επιστροφής να καλύπτει μη ακέραιες συντεταγμένες
from math import isclose
origin = (100.0, 40.0)
scale = (2.0, 1.5)
padding = (8.0, 12.0)
def forward(point):
return tuple((point[i] - origin[i]) * scale[i] + padding[i]
for i in range(2))
def inverse(point):
if any(s <= 0 for s in scale):
raise ValueError("positive scale required")
return tuple((point[i] - padding[i]) / scale[i] + origin[i]
for i in range(2))
for point in [(100, 40), (125.5, 62.25), (200, 90)]:
restored = inverse(forward(point))
assert all(isclose(a, b) for a, b in zip(point, restored))
assert forward((100, 40)) == padding
assert inverse((58, 42)) == (125.0, 60.0)
Αυτό το παράδειγμα επαληθεύει μόνο γεωμετρικούς υπολογισμούς και δεν εκτελεί OCR. Η επαναδειγματοληψία εικόνας περιλαμβάνει συμβάσεις κέντρου και στρογγυλοποίησης εικονοστοιχείων, και η πραγματική χαρτογράφηση συνόρων απαιτεί ενοποιημένες συνεχείς συντεταγμένες ή σημασιολογία ορίων εικονοστοιχείων.
Μην στρογγυλοποιείτε τις συντεταγμένες κινητής υποδιαστολής πρόωρα και χειριστείτε τις σύμφωνα με σαφείς κανόνες όταν σχεδιάζετε.
Το κουτί δεν έχει πάντα μόνο δύο σημεία
Οι διαφορετικοί μετασχηματισμοί πρέπει να αποθηκεύουν διαφορετικές πληροφορίες και οι προφυλάξεις κατά τη χαρτογράφηση είναι επίσης διαφορετικές:
| μετασχηματίζω | πρέπει να αποθηκεύσετε | Χαρτογραφώντας την προσοχή |
|---|---|---|
| Καλλιέργεια | Μετατόπιση προέλευσης | Σε ποια έκδοση της αρχικής εικόνας πρέπει να γίνει επαναφορά; |
| Ανίπταμαι διαγωνίως | αναλογία διαστάσεων | Αποτρέψτε την απώλεια ακρίβειας στη διαίρεση ακεραίων |
| γυρίζω | Κέντρο περιστροφής και μήτρα | Διατηρήστε το τετράπλευρο μετά τη χαρτογράφηση των γωνιών |
| διόρθωση προοπτικής | μετασχηματισμός ομογραφίας | Το ορθογώνιο δύο σημείων δεν αρκεί για να εκφράσει το αποτέλεσμα |
Χρησιμοποιήστε τεχνητά σημεία αγκύρωσης για να επαληθεύσετε συνδέσμους εμφάνισης
Σημειώστε γνωστές γωνίες σε πολλά δείγματα που έχουν υποστεί απευαισθησία και ελέγξτε εάν επικαλύπτονται μετά την προεπεξεργασία και μετά την επιστροφή στις αρχικές εικόνες. Το τεστ μαθηματικών μονάδων περνάει και μόνο ορισμένα σφάλματα υπολογισμού μπορούν να εξαλειφθούν. Η περιστροφή σελίδας, η κλιμάκωση της οθόνης και τα συστήματα συντεταγμένων PDF ενδέχεται να εξακολουθούν να εισάγουν νέες αποκλίσεις.
Η δίγλωσση επισήμανση απαιτεί αξιόπιστη τοποθεσία
Κατά τη δημιουργία ενός εργαλείου αναθεώρησης γύρω από τη μετάφραση του OmniDoc (πύλη προϊόντων), οι σύνδεσμοι συντεταγμένων θα πρέπει να γίνονται δεκτοί μαζί με συνδέσμους περιεχομένου, εάν πρόκειται να εμφανιστεί η τοποθεσία πηγής. Η επισήμανση σε λάθος γραμμή κάνει τη σωστή μετάφραση να φαίνεται αναξιόπιστη. Η διατήρηση αρχείου μετασχηματισμών είναι ευκολότερο να διατηρηθεί από την ad hoc αντιστάθμιση στο μπροστινό μέρος.
Οι λεπτομέρειες διεπαφής της αντιστοίχισης pixel βρίσκονται στο Μέγεθος εικόνας μαξιλαριού και διεπαφή μετασχηματισμού.
📊 Βασική σύγκριση
Σύγκριση μεθόδων επαλήθευσης:
| Μέθοδος επαλήθευσης | τι μπορεί να βρεθεί | περιορισμούς |
|---|---|---|
| Δοκιμή ενότητας μαθηματικών | Μερικά λάθη υπολογισμού | Η περιστροφή σελίδας, η κλιμάκωση της οθόνης και το σύστημα συντεταγμένων PDF δεν μπορούν να παρακαμφθούν |
| Μη αυτόματη επαλήθευση σημείου αγκύρωσης | Εάν η αρχική εικόνα που αντανακλάται μετά την προεπεξεργασία επικαλύπτεται | Απαιτεί απευαισθητοποιημένα δείγματα και χειροκίνητο σχολιασμό |
Σύγκριση μεθόδων επεξεργασίας συντεταγμένων:
| Μέθοδος επεξεργασίας | πλεονέκτημα | εικονογραφώ |
|---|---|---|
| Διατηρήστε αρχεία μετασχηματισμού | πιο εύκολο στη συντήρηση | Οι σύνδεσμοι συντεταγμένων είναι ανιχνεύσιμοι |
| Προσωρινή αποζημίωση στο front-end | Η αλλαγή φαίνεται απλή | Μεγαλύτερο κόστος συντήρησης |
🎯 Ποια μέθοδος είναι κατάλληλη για εσάς;
αν……
- Το πλαίσιο αναγνώρισης είναι ακριβές σε τοπικές εικόνες και μετατοπίζεται σε ολόκληρη τη σελίδα: πρώτα ελέγξτε τη σειρά περικοπής, κλιμάκωσης και πλήρωσης άκρων και, στη συνέχεια, αντιστρέψτε την αντιστοίχιση με την αντίστροφη σειρά.
- Ανάγκη χειρισμού μη ακέραιων συντεταγμένων: πρώτα χρησιμοποιήστε μια δοκιμή μετ' επιστροφής για να επαληθεύσετε τον υπολογισμό, μην κάνετε στρογγυλοποίηση προς το παρόν και, στη συνέχεια, ενοποιήστε τους κανόνες κατά τη σχεδίαση.
- Κάντε δίγλωσση επισήμανση ή τοποθέτηση πηγής: αποδεχτείτε τον σύνδεσμο συντεταγμένων και τον σύνδεσμο περιεχομένου μαζί και διατηρήστε το αρχείο μετασχηματισμού.
- Περιλαμβάνει διόρθωση περιστροφής ή προοπτικής: μην αποθηκεύσετε απλώς ένα ορθογώνιο δύο σημείων, αντιστοιχίστε τέσσερις γωνίες ή αποθηκεύσετε έναν μετασχηματισμό ομογραφίας.
❓ Συχνές ερωτήσεις (FAQ)
1. Πρέπει πρώτα να αντικατασταθεί ο κινητήρας αναγνώρισης;
Δεν χρειάζεται να αμφιβάλλετε πρώτα για τον κινητήρα. Η σειρά προεπεξεργασίας θα πρέπει να ελεγχθεί πρώτα, καθώς η περικοπή, η κλιμάκωση και η συμπλήρωση άκρων είναι όλες οι συντεταγμένες αλλαγής.
2. Εάν το τεστ μαθηματικών μονάδων περάσει, διασφαλίζει ότι η αντιστοίχιση είναι σωστή;
δεν μπορεί. Μπορεί να αποκλείσει μόνο ορισμένα σφάλματα υπολογισμού και η περιστροφή σελίδας, η κλιμάκωση της οθόνης και τα συστήματα συντεταγμένων PDF ενδέχεται να εξακολουθούν να εισάγουν νέες προκαταλήψεις.
3. Γιατί δεν συνιστάται η πρόωρη στρογγυλοποίηση συντεταγμένων;
Η επαναδειγματοληψία εικόνας περιλαμβάνει συμβάσεις κεντραρίσματος και στρογγυλοποίησης εικονοστοιχείων. Οι συντεταγμένες κινητής υποδιαστολής θα πρέπει να διατηρούνται πρώτα και στη συνέχεια να υποβάλλονται σε επεξεργασία σύμφωνα με σαφείς κανόνες κατά τη σχεδίαση.
4. Ποιο θα είναι το αντίκτυπο εάν η εικόνα τεντωθεί;
Όταν οι οριζόντιες και κάθετες αναλογίες είναι διαφορετικές, πρέπει να αποθηκεύονται χωριστά. Το τυχαίο τέντωμα θα αλλάξει το σχήμα του κειμένου και θα επηρεάσει την αντιστοιχία μεταξύ του πλαισίου αναγνώρισης και του περιεχομένου του εγγράφου.
📝 Περίληψη
Η κακή ευθυγράμμιση του κιβωτίου OCR συνήθως προέρχεται από την αλυσίδα προεπεξεργασίας και όχι από το ίδιο το αποτέλεσμα αναγνώρισης. Μόνο με την καθαρή καταγραφή κάθε βήματος μετασχηματισμού και τη χρήση δοκιμών μετ' επιστροφής και τεχνητών σημείων αγκύρωσης για κοινή αποδοχή, μπορεί να γίνει αξιόπιστη η επισημασμένη θέση.
Δοκιμάστε το τώρα: Ανεβάστε το έγγραφο για να ξεκινήσει η μετάφραση, διατηρώντας την αρχική διάταξη


