OmniDocLa orientación del documento tomado con el teléfono móvil es incorrecta. Primero procese EXIF y luego envíelo a OCR.
La foto del contrato en mi teléfono parecía vertical, pero después de subirla, se volvió horizontal. La razón puede ser que los píxeles en sí no están girados, el espectador simplemente ajusta la visualización según los marcadores de orientación EXIF. Si la entrada de OCR ignora esta marca, leerá la página en la otra dirección.
Las fotos de contrato tomadas con teléfonos móviles están verticales en el álbum, pero se vuelven horizontales después de cargarlas. Mucha gente pensará que la foto está torcida o que el archivo está mal. Este artículo está escrito para personas que necesitan enviar fotografías de teléfonos móviles al proceso de OCR o de traducción para ayudarles a distinguir entre "dirección de visualización" y "dirección de píxeles".
Después de leer esto, sabrá qué es un indicador de orientación EXIF, qué función utiliza Pillow para manejarlo y qué problemas no resuelve. Los ejemplos utilizan muestras sintéticas y el código se ha verificado en un entorno aislado, pero esto no representa una garantía de todos los archivos reales o del rendimiento del producto. Antes de procesar documentos importantes, conserve los originales y revíselos de acuerdo con los límites y elementos de aceptación del texto.
¿Qué debo hacer si el documento tomado con mi teléfono móvil está en la dirección incorrecta? Conclusión de una frase
Primero use ImageOps.exif_transpose para aplicar la marca de dirección EXIF y luego envíe la imagen ajustada a OCR; Las cuestiones de inclinación y perspectiva deben tratarse por separado.
| tu situación | Prácticas recomendadas | razón |
|---|---|---|
| El visor se muestra normalmente, pero los resultados del análisis están de lado | Primero use ImageOps.exif_transpose para aplicar la dirección EXIF | Los píxeles no se giran, solo se ajusta la capa de visualización |
| Toda la foto está ligeramente inclinada. | Evaluar la corrección de inclinación individualmente | exif_transpose no maneja ángulos de disparo |
| El papel es trapezoidal. | Detectar límites de papel y realizar corrección de perspectiva | La distorsión de la perspectiva no es una cuestión de orientación EXIF |
| Es necesario guardar la casilla devuelta por OCR. | Registre el tamaño de entrada, la transformación de orientación y el tamaño de salida al mismo tiempo | Las coordenadas de la imagen ajustada son diferentes de la imagen original. |
La dirección de visualización y la dirección de los píxeles deben verse por separado.
Es posible que los píxeles de una foto móvil no se giren por sí solos y las etiquetas de orientación EXIF en el archivo le indican al espectador cómo mostrarlo. El espectador ajustará la imagen en consecuencia y, si el motor de OCR ignora esta marca, leerá la página en la otra dirección.
ImageOps.exif_transpose de Pillow ajusta los píxeles según la información de orientación y elimina los marcadores de orientación aplicados para evitar rotaciones posteriores. Se trata de la orientación EXIF, no de la inclinación arbitraria del disparo o la distorsión de la perspectiva. Enderezar el papel torcido con el teléfono móvil aún requiere otro conjunto de procesamiento geométrico.
Probar límites de rotación con píxeles sintetizados
El siguiente código utiliza una imagen compuesta para comprobar si los marcadores de orientación se aplican correctamente:
from PIL import Image, ImageOps
source = Image.new("RGB", (40, 20), "white")
source.putpixel((0, 0), (255, 0, 0))
source.getexif()[274] = 6
fixed = ImageOps.exif_transpose(source)
assert fixed.size == (20, 40)
assert fixed.getpixel((19, 0)) == (255, 0, 0)
assert fixed.getexif().get(274) is None
assert source.size == (40, 20)
again = ImageOps.exif_transpose(fixed)
assert again.size == fixed.size
assert again.tobytes() == fixed.tobytes()Los píxeles rojos en las esquinas se utilizan aquí para ayudar a verificar las relaciones geométricas, sin llamar al motor de OCR ni simular texto real. Por lo tanto, la prueba sólo puede respaldar la conclusión de que "los marcadores de dirección se aplican correctamente", pero no puede respaldar "cuánto se ha mejorado la tasa de reconocimiento de texto". Los ejemplos dependen de Pillow y deben ejecutarse en versiones bloqueadas.
Desviar anomalías de dirección
Cuando encuentre un problema de dirección, primero observe el fenómeno y luego determine la causa. La siguiente tabla puede ayudarle a decidir sus próximos pasos:
| observar | Posibles razones | Siguiente paso |
|---|---|---|
| Visor normal, analizador horizontal | EXIF no aplicado | Verifique las etiquetas de orientación frente a los píxeles |
| Toda la página está ligeramente inclinada. | ángulo de tiro | Evaluación independiente de la corrección de la inclinación. |
| La página es trapezoidal. | distorsión de perspectiva | Corrección después de detectar límites del papel. |
| Texto al revés pero sin marcas | Metadatos faltantes | Juzga según el contenido de la página, no hagas conjeturas a ciegas. |
El registro de coordenadas debe comenzar después de la rotación
Si OCR devuelve un cuadro de texto en la imagen ajustada, las coordenadas del cuadro corresponden a la imagen ajustada, no a la imagen capturada originalmente. Por lo tanto, es necesario conservar tres datos: tamaño de entrada, transformación de orientación y tamaño de salida. Al mostrar el resaltado, aplique transformación inversa a las coordenadas y regrese a la posición original de la imagen.
Al guardar solo un grupo de cuadros sin registrar a qué imagen pertenece, la posición resaltada se desviará del texto.
Oriente la imagen antes de traducir.
Al procesar materiales escaneados a través del portal de traducción y OCR de OmniDoc (portal de productos), primero puede confirmar la orientación con respecto al original. La orientación, la perspectiva y la claridad son tres elementos de inspección diferentes que deben confirmarse por separado.
Una vez que las condiciones de entrada se clasifican claramente, los resultados bilingües se utilizan para juzgar la calidad de la traducción. Si atribuye palabras faltantes al modelo de traducción cada vez que las encuentra, a menudo perderá el problema de entrada real.
Referencias: Pillow ImageOps.
📊 Comparación central
| Objeto de procesamiento | Método de procesamiento | Ya sea completado porexif_transpose |
|---|---|---|
| Bandera de dirección EXIF | Ajustar píxeles por marcadores | Sí |
| Toda la página está ligeramente inclinada. | Corrección del ángulo de disparo | No, se requiere evaluación independiente |
| La página es trapezoidal. | corrección de perspectiva | No, es necesario detectar los límites del papel. |
🎯 ¿Qué método es el adecuado para ti?
si usted……
- Visor correcto, resultados de OCR de lado: aplique primero la orientación EXIF y luego vuelva a alimentar el OCR.
- Sesgo general de la foto: trate la corrección de la inclinación como un paso independiente, no espere que el procesamiento de orientación lo resuelva.
- El borde del papel es trapezoidal: primero detecta el borde del papel y luego realiza la corrección de perspectiva.
- Es necesario resaltar la posición de la imagen original: guarde el tamaño de entrada y la información de transformación, y luego realice la transformación inversa al mostrar.
❓ Preguntas frecuentes (FAQ)
1. ¿Puede exif_transpose enderezar el papel torcido?
no puedo. Solo ajusta los píxeles según los marcadores de orientación EXIF y no maneja ángulos de disparo ni distorsiones de perspectiva, que requieren un procesamiento geométrico adicional.
2. ¿Por qué el visor se muestra normalmente pero el resultado del OCR es horizontal?
El espectador aplica marcadores de orientación EXIF, pero es posible que los píxeles en sí no se giren. Si OCR ignora esta marca, leerá la página en la otra dirección.
3. ¿Puede el código de muestra mostrar cuánto se ha mejorado la tasa de reconocimiento?
no puedo. El ejemplo utiliza píxeles sintéticos para comprobar que los marcadores de orientación se aplican correctamente, sin llamar al motor OCR y sin simular texto real.
4. ¿Por qué el fotograma devuelto por OCR no coincide con la posición de la imagen original?
Si se ejecuta OCR en un mapa ajustado, las coordenadas del cuadro corresponden al mapa ajustado. Es necesario registrar el tamaño de entrada, la transformación y el tamaño de salida, y luego realizar la transformación inversa al mostrar.
📝 Resumen
Con respecto a la orientación de las fotos del teléfono móvil, primero verifique si es la dirección de visualización o la dirección de los píxeles, y luego ocúpese de la dirección, la inclinación y la perspectiva respectivamente. Conserve los originales y complete una revisión antes de procesar documentos importantes.
Pruébelo ahora: cargue el documento para comenzar la traducción, conservando el diseño original
