Όσο πιο σφιχτό το κόψιμο, τόσο το καλύτερο; Το κείμενο άκρης του OCR πρέπει επίσης να αφήσει χώρο
Τα κελιά του πίνακα είναι κομμένα πολύ σφιχτά και δεν υπάρχει κενός χώρος δίπλα στο κείμενο, επομένως το εφέ αναγνώρισης μπορεί να μην είναι καλύτερο. Το πιο σημαντικό, η περικοπή και το κόψιμο αλλάζουν την προέλευση των συντεταγμένων. Εάν αυτές οι αλλαγές δεν αποθηκευτούν, θα εμφανιστούν φαινομενικά τυχαίες μετατοπίσεις όταν τα αποτελέσματα της αναγνώρισης επιστραφούν στη συνέχεια στην πλήρη σελίδα.
Εάν θέλετε να στείλετε σαρώσεις ή στιγμιότυπα πινάκων σε OCR, ειδικά το κείμενο δίπλα στα κελιά, τις κεφαλίδες του πίνακα και τα ποσά, μπορεί να σας προβληματίσει μια ερώτηση: όσο πιο αυστηρή είναι η περικοπή, τόσο καλύτερο το αποτέλεσμα αναγνώρισης;
Αυτό το άρθρο είναι γραμμένο για άτομα που πρέπει να κάνουν περιφερειακή προεπεξεργασία μόνοι τους. Τα κελιά του πίνακα είναι κομμένα πολύ σφιχτά και δεν υπάρχει κενός χώρος δίπλα στο κείμενο, επομένως το εφέ αναγνώρισης μπορεί να μην είναι καλύτερο. Το πιο σημαντικό, η περικοπή και το κούρεμα θα αλλάξει την προέλευση των συντεταγμένων. Εάν αυτές οι αλλαγές δεν αποθηκευτούν, θα εμφανιστούν φαινομενικά τυχαίες μετατοπίσεις όταν τα αποτελέσματα της αναγνώρισης επιστραφούν σε ολόκληρη τη σελίδα.
Μετά την ανάγνωση, μπορείτε να κρίνετε πώς να αφήσετε περιθώρια, πώς να καταγράψετε τις αλλαγές συντεταγμένων και πώς να αποδεχτείτε το όριο περικοπής. Τα παραδείγματα σε αυτό το άρθρο χρησιμοποιούν συνθετικά δείγματα και ο κώδικας έχει δοκιμαστεί μόνο σε απομονωμένο περιβάλλον. Δεν αποτελεί εγγύηση για όλα τα πραγματικά αρχεία ή τα εφέ προϊόντος. Πριν επεξεργαστείτε σημαντικά έγγραφα, διατηρήστε τα πρωτότυπα και ελέγξτε τα σύμφωνα με τα στοιχεία αποδοχής στο έγγραφο.
Συμπέρασμα μίας φράσης
Η στενή περικοπή δεν σημαίνει καλύτερη: αφήστε τα κατάλληλα περιθώρια για το κείμενο και καταγράψτε τη μετατόπιση κάθε περικοπής και πλήρωσης, έτσι ώστε το πλαίσιο αναγνώρισης να μπορεί να επιστρέψει με ακρίβεια σε ολόκληρη τη σελίδα.
| την κατάστασή σας | Συνιστώμενες πρακτικές | λόγος |
|---|---|---|
| Τα κελιά του πίνακα είναι κομμένα πολύ σφιχτά και το κείμενο είναι περιγραμμένο | Συμπληρώστε κατάλληλα τις άκρες και επαληθεύστε το πλάτος του περιγράμματος με το δικό σας δείγμα | Η στενή περικοπή δεν βελτιώνει απαραίτητα το εφέ αναγνώρισης και οι σταθερές τιμές pixel δεν είναι καθολικές. |
| Πρέπει να επαναφέρετε το πλαίσιο αναγνώρισης στην πλήρη σελίδα | Αποθηκεύστε τη μετατόπιση κάθε κοπής και κοπής | Η περικοπή και η περικοπή αλλάζουν την αρχή των συντεταγμένων και θα προκύψουν μετατοπίσεις εάν δεν αποθηκευτούν. |
| Η περιοχή περικοπής μπορεί να κόψει ετικέτες όπως σύμβολα νομισμάτων | Οι κανόνες περικοπής λαμβάνουν υπόψη τόσο τις ετικέτες όσο και τις μονάδες | OCR Ακόμα κι αν η αριθμητική αναγνώριση είναι ακριβής, τα επιχειρηματικά πεδία ενδέχεται να εξακολουθούν να είναι ελλιπή |
| Οι αγωγοί περιλαμβάνουν μετασχηματισμούς κλιμάκωσης, περιστροφής ή προοπτικής | Αποθηκεύστε την πλήρη αλυσίδα μετασχηματισμού | Δεν μπορείτε να προσθέσετε ή να αφαιρέσετε αριθμούς με αίσθηση στις τελικές συντεταγμένες |
Το λευκό περιθώριο είναι η στρατηγική εισόδου
Το Pillow's ImageOps.expand μπορεί να προσθέσει ένα περίγραμμα έξω από μια εικόνα. Το πλάτος του περιγράμματος θα πρέπει να επαληθευτεί με τα δικά σας δείγματα και μια σταθερή τιμή pixel δεν μπορεί να θεωρηθεί ως απαίτηση για όλους τους κινητήρες OCR. Αυτό το άρθρο χρησιμοποιεί μόνο μικρές εικόνες για να εμφανίσει τις συμπληρωματικές ακμές και να συντονίσει τη μετάφραση, χωρίς να μετρήσει την ακρίβεια αναγνώρισης.
Καθορίστε πού μετακινείται ένα pixel από προς το σημείο
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)
Αυτό το παράδειγμα υποθέτει ότι συμβαίνει μόνο περικοπή και ακμή σταθερού πλάτους, χωρίς κλιμάκωση, περιστροφή ή μετασχηματισμό προοπτικής. Εάν η διοχέτευσή σας περιέχει περισσότερα βήματα, πρέπει να αποθηκεύσετε ολόκληρη την αλυσίδα μετασχηματισμού αντί απλώς να προσθέσετε ή να αφαιρέσετε μερικούς αριθμούς στις τελικές συντεταγμένες.
Πώς να αποδεχτείτε το όριο περικοπής;
| Στοιχεία ελέγχου | Μέθοδος παρατήρησης | Επεξεργασία αποτυχίας |
|---|---|---|
| Οι χαρακτήρες δεν περικόπτονται | Μεγέθυνση στην αρχική σελίδα | Επέκταση της περιοχής περικοπής |
| Το περίγραμμα δεν καλύπτει το κείμενο | Συγκρίνετε pixels και μεγέθη | Διορθωμένη υλοποίηση edge patching |
| Η καταγραφή προέλευσης είναι σωστή | Χαρτογράφηση πίσω με γνωστά γωνιακά σημεία | Ελέγξτε τη σειρά των ενεργειών |
| Εμφανίζεται ένα πλαίσιο αναγνώρισης μέσα στο κενό | Ελέγξτε αν είναι θόρυβος | Μην το αναγνωρίζετε άμεσα ως το κύριο κείμενο |
Μην εξισώνετε την περικοπή περιοχής με την κατανόηση περιεχομένου
Ένα σύμβολο νομίσματος δίπλα στο ποσό μπορεί να βρίσκεται εκτός της περιοχής αποκοπής. Ακόμα κι αν το OCR αναγνωρίζει με ακρίβεια τους αριθμούς, τα επιχειρηματικά πεδία παραμένουν ελλιπή. Οι κανόνες περικοπής θα πρέπει να λαμβάνουν υπόψη τις ετικέτες και τις μονάδες, όχι μόνο το εξωτερικό ορθογώνιο των μαύρων εικονοστοιχείων στο κείμενο.
Η Κριτική Μετάφρασης Διατηρεί το Πλαίσιο
Κατά την επεξεργασία σαρωμένων υλικών με το OmniDoc (Πύλη Προϊόντων), αν έχετε ήδη προεπεξεργαστεί την περιοχή μόνοι σας, θα πρέπει να κρατήσετε ολόκληρη την εικόνα της σελίδας και την πηγή περικοπής. Η διόρθωση δεν απαιτεί μόνο να ξέρεις πώς να μεταφράσεις μια λέξη, αλλά και αν ανήκει στην κεφαλίδα, στην υποσημείωση ή στο κύριο κείμενο. Τα κατάλληλα περιθώρια και οι συντεταγμένες πηγής είναι πρακτικές πληροφορίες για τη μείωση της ασάφειας.
Αναφορές: Μαξιλάρι ImageOps.expand
📊 Σύγκριση πυρήνων
| Αντικείμενα σύγκρισης | Προσαρμοσμένο για να εφαρμόζει σφιχτά | Διατήρηση περιθωρίων και άκρων επένδυσης |
|---|---|---|
| Η σχέση μεταξύ κειμένου και ακμών | Δεν υπάρχει σχεδόν καθόλου κενό δίπλα στο κείμενο | Αφήνεται κενός χώρος γύρω από το κείμενο |
| Επίδραση στην αποτελεσματικότητα της αναγνώρισης | Η σύσφιξη δεν βελτιώνει απαραίτητα την απόδοση αναγνώρισης | Πρέπει να το επαληθεύσετε με το δικό σας δείγμα |
| Απαιτήσεις καταγραφής συντεταγμένων | Η μετατόπιση κοπής πρέπει ακόμα να καταγραφεί | Τόσο το clipping όσο και το edge patching πρέπει να καταγράφονται ταυτόχρονα |
| Σημαντικοί κίνδυνοι | Οι χαρακτήρες ή οι ετικέτες μπορεί να αποκοπούν | Το περίγραμμα μπορεί να καλύπτει κείμενο· ελέγξτε την εφαρμογή του patch στα σύνορα |
🎯 Ποια προσέγγιση σου ταιριάζει;
Αν ......
Εάν θέλετε να επαναφέρετε τα αποτελέσματα αναγνώρισης σε μια πλήρη σελίδα,
Διατηρείτε πάντα τη μετατόπιση για κάθε περικοπή και περικοπή και εκτελείτε επαλήθευση backmapping χρησιμοποιώντας γνωστά γωνιακά σημεία.
Εάν τα περιγράμματα κειμένου του κελιού του πίνακα,
Δοκιμάστε πρώτα να επιδιορθώσετε τις άκρες και, στη συνέχεια, χρησιμοποιήστε μια μέθοδο σύγκρισης με μεγέθυνση για να ελέγξετε εάν οι χαρακτήρες είναι πλήρεις.
Αν ασχολείστε με επιχειρηματικούς τομείς όπως ποσά και μονάδες
Συμπεριλάβετε σύμβολα νομισμάτων, μονάδες και άλλες ετικέτες στο πεδίο περικοπής· μην κοιτάτε μόνο τα εξωτερικά ορθογώνια των εικονοστοιχείων κειμένου.
Αν ο αγωγός σας έχει μετασχηματισμούς κλιμάκωσης, περιστροφής ή pivot
Αποθηκεύστε ολόκληρη την αλυσίδα μετασχηματισμού· μην κάνετε διορθώσεις μόνο στις τελικές συντεταγμένες.
❓ Συχνές Ερωτήσεις (FAQ)
1. Το να αφήνεις κενό χώρο κατά την περικοπή βελτιώνει πάντα την απόδοση αναγνώρισης;
Όχι απαραίτητα. Η πολύ ακριβής περικοπή των κελιών του πίνακα μπορεί να μην έχει καλύτερη αναγνώριση· το πλάτος του περιγράμματος θα πρέπει να επαληθευτεί από τα δικά σας δείγματα.
2. Γιατί μετατοπίζεται το πλαίσιο αναγνώρισης μετά το κόψιμο και την επιδιόρθωση;
Επειδή το clipping και το edge patching αλλάζουν την αρχή των συντεταγμένων. Αν αυτές οι αλλαγές δεν αποθηκευτούν, τα αποτελέσματα αναγνώρισης θα εμφανίζονται σαν να είναι τυχαία μετατοπισμένα όταν σχεδιάζονται πίσω σε ολόκληρη τη σελίδα.
3. Υπάρχει ενιαία τιμή pixel για το edge padding;
Όχι. Δεν μπορείτε να θεωρήσετε μια σταθερή τιμή pixel ως απαίτηση για όλες τις μηχανές OCR· το δικό σας δείγμα πρέπει να είναι το πρότυπο.
4. Πώς ελέγχετε εάν το κομμένο όριο είναι κατάλληλο;
Μπορείτε να κάνετε μεγέθυνση στην αρχική σελίδα για να δείτε εάν οι χαρακτήρες έχουν κοπεί, να συγκρίνετε εικονοστοιχεία και μέγεθος για να ελέγξετε εάν το περίγραμμα καλύπτει το κείμενο και να χρησιμοποιήσετε γνωστά γωνιακά σημεία για να κάνετε backmap για να επαληθεύσετε την εγγραφή προέλευσης.
5. Τι γίνεται αν ο αγωγός περιλαμβάνει κλιμάκωση ή περιστροφή;
Η πλήρης αλυσίδα μετασχηματισμού πρέπει να διατηρηθεί, αντί να προσθέτουμε ή να αφαιρούμε αριθμούς με διαίσθηση στις τελικές συντεταγμένες.
📝 Περίληψη
Τα όρια των καλλιεργειών πρέπει να αφήνουν τον κατάλληλο κενό χώρο, οι αλλαγές συντεταγμένων πρέπει να διατηρούνται πλήρως, και τα δύο είναι απαραίτητα. Μετά από κάθε χειρισμό, η διαδικασία ελέγχεται σύμφωνα με το αντικείμενο αποδοχής και στη συνέχεια παραδίδεται στις επόμενες διαδικασίες.


