मोबाइल फ़ोन से लिए गए दस्तावेज़ का ओरिएंटेशन ग़लत है. पहले EXIF प्रोसेस करें और फिर इसे OCR पर भेजें।

इस लेख के मुख्य बिंदु

मोबाइल फ़ोन फ़ोटो का डिस्प्ले ओरिएंटेशन असामान्य है। ऐसा हो सकता है कि पिक्सल घुमाए न जाएं, लेकिन EXIF ओरिएंटेशन मार्क दर्शक द्वारा लगाया जाता है।
यदि OCR इनपुट में EXIF दिशा चिह्न को अनदेखा किया जाता है, तो पृष्ठ सामग्री को दूसरी दिशा में पढ़ा जा सकता है।
पिलो का ImageOps.exif_transpose ओरिएंटेशन जानकारी लागू करता है और मार्कर हटाता है, लेकिन शॉट झुकाव या परिप्रेक्ष्य विरूपण को संभाल नहीं पाता है।
झुकाव, समलम्बाकार विकृति और लुप्त दिशा चिह्नों को अलग-अलग आंकने की आवश्यकता है और इन्हें एक साथ नहीं रखा जा सकता है।
समायोजित छवि पर ओसीआर द्वारा लौटाए गए फ्रेम को इनपुट आकार और परिवर्तन जानकारी को सहेजने की आवश्यकता है, और इसे मूल छवि पर वापस प्रदर्शित करते समय उलटा परिवर्तन किया जाना चाहिए।

मोबाइल फ़ोन से ली गई अनुबंध तस्वीरें एल्बम में लंबवत होती हैं, लेकिन अपलोड करने के बाद क्षैतिज हो जाती हैं। कई लोग सोचेंगे कि फोटो टेढ़ी है या फाइल गलत है. यह लेख उन लोगों के लिए लिखा गया है जिन्हें "प्रदर्शन दिशा" और "पिक्सेल दिशा" के बीच अंतर करने में मदद करने के लिए ओसीआर या अनुवाद प्रक्रिया में मोबाइल फोन की तस्वीरें भेजने की आवश्यकता है।

इसे पढ़ने के बाद, आपको पता चल जाएगा कि EXIF ओरिएंटेशन फ़्लैग क्या है, इसे संभालने के लिए पिलो किस फ़ंक्शन का उपयोग करता है, और यह किन समस्याओं का समाधान नहीं करता है। उदाहरण सिंथेटिक नमूनों का उपयोग करते हैं और कोड को एक अलग वातावरण में जांचा गया है, लेकिन यह सभी वास्तविक फ़ाइलों या उत्पाद प्रदर्शन की गारंटी का प्रतिनिधित्व नहीं करता है। महत्वपूर्ण दस्तावेज़ों को संसाधित करने से पहले, कृपया मूल दस्तावेज़ अपने पास रखें और पाठ में सीमाओं और स्वीकृति आइटम के अनुसार उनकी समीक्षा करें।

यदि मेरे मोबाइल फोन से लिया गया दस्तावेज़ गलत दिशा में है तो मुझे क्या करना चाहिए? एक वाक्य का निष्कर्ष

EXIF दिशा चिह्न लगाने के लिए पहले ImageOps.exif_transpose का उपयोग करें, और फिर समायोजित छवि को OCR पर भेजें; झुकाव और परिप्रेक्ष्य के मुद्दों से अलग से निपटने की जरूरत है।

आपकी स्थिति	अनुशंसित प्रथाएँ	कारण
दर्शक सामान्य रूप से प्रदर्शित करता है, लेकिन विश्लेषण परिणाम बग़ल में होते हैं	EXIF दिशा लागू करने के लिए सबसे पहले `ImageOps.exif_transpose` का उपयोग करें	पिक्सेल घुमाए नहीं जाते, केवल डिस्प्ले परत समायोजित की जाती है
पूरी फोटो थोड़ी झुकी हुई है	झुकाव सुधार का व्यक्तिगत रूप से मूल्यांकन करें	`exif_transpose` शूटिंग कोणों को संभाल नहीं पाता है
कागज समलम्बाकार है	कागज़ की सीमाओं का पता लगाएं और परिप्रेक्ष्य सुधार करें	परिप्रेक्ष्य विकृति एक EXIF अभिविन्यास मुद्दा नहीं है
ओसीआर द्वारा लौटाए गए बॉक्स को सहेजने की आवश्यकता है	एक ही समय में इनपुट आकार, ओरिएंटेशन परिवर्तन और आउटपुट आकार रिकॉर्ड करें	समायोजित छवि निर्देशांक मूल छवि से भिन्न हैं

डिस्प्ले दिशा और पिक्सेल दिशा को अलग-अलग देखा जाना चाहिए।

मोबाइल फोटो के पिक्सल को स्वयं घुमाया नहीं जा सकता है, और फ़ाइल में EXIF ओरिएंटेशन टैग दर्शक को बताते हैं कि इसे कैसे प्रदर्शित किया जाए। दर्शक छवि को तदनुसार समायोजित करेगा, और यदि ओसीआर इंजन इस निशान को अनदेखा करता है, तो यह पृष्ठ को दूसरी दिशा में पढ़ेगा।

पिलो का ImageOps.exif_transpose ओरिएंटेशन जानकारी के आधार पर पिक्सल को समायोजित करता है और बाद के घुमावों से बचने के लिए लागू ओरिएंटेशन मार्करों को हटा देता है। यह EXIF अभिविन्यास से संबंधित है, न कि मनमाने ढंग से शॉट झुकाव या परिप्रेक्ष्य विरूपण से। मोबाइल फोन से टेढ़े-मेढ़े कागज को सीधा करने के लिए अभी भी ज्यामितीय प्रसंस्करण के एक और सेट की आवश्यकता होती है।

संश्लेषित पिक्सेल के साथ रोटेशन सीमा का परीक्षण करें

निम्नलिखित कोड यह जांचने के लिए एक समग्र छवि का उपयोग करता है कि ओरिएंटेशन मार्कर सही तरीके से लागू किए गए हैं या नहीं:

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()

कोनों में लाल पिक्सेल का उपयोग ओसीआर इंजन को कॉल किए बिना या वास्तविक पाठ का अनुकरण किए बिना, ज्यामितीय संबंधों की जांच करने में मदद के लिए किया जाता है। इसलिए, परीक्षण केवल इस निष्कर्ष का समर्थन कर सकता है कि "दिशा मार्कर सही ढंग से लागू किए गए हैं", लेकिन यह समर्थन नहीं कर सकता कि "पाठ पहचान दर में कितना सुधार हुआ है।" उदाहरण पिलो पर निर्भर करते हैं और इन्हें लॉक किए गए संस्करणों में चलाया जाना चाहिए।

दिशा संबंधी विसंगतियों को मोड़ना

दिशा की समस्या का सामना करते समय, पहले घटना को देखें और फिर कारण निर्धारित करें। नीचे दी गई तालिका आपको अपना अगला कदम तय करने में मदद कर सकती है:

निरीक्षण	संभावित कारण	अगला कदम
दर्शक सामान्य, पार्सर क्षैतिज	EXIF लागू नहीं किया गया	ओरिएंटेशन लेबल बनाम पिक्सेल की जाँच करें
पूरा पृष्ठ थोड़ा झुका हुआ है	शूटिंग कोण	झुकाव सुधार का स्वतंत्र मूल्यांकन
पृष्ठ समलम्बाकार है	परिप्रेक्ष्य विकृति	कागज की सीमाओं का पता लगाने के बाद सुधार
टेक्स्ट उल्टा लेकिन कोई मार्कअप नहीं	गुम मेटाडेटा	पृष्ठ की सामग्री के अनुसार निर्णय लें, अंधाधुंध अनुमान न लगाएं

समन्वय रिकॉर्डिंग रोटेशन के बाद शुरू होनी चाहिए

यदि ओसीआर समायोजित छवि पर एक टेक्स्ट बॉक्स लौटाता है, तो बॉक्स के निर्देशांक समायोजित छवि के अनुरूप होते हैं, न कि मूल रूप से कैप्चर की गई छवि के। इसलिए, जानकारी के तीन हिस्सों को बनाए रखने की आवश्यकता है: इनपुट आकार, अभिविन्यास परिवर्तन, और आउटपुट आकार। हाइलाइट प्रदर्शित करते समय, निर्देशांक में व्युत्क्रम परिवर्तन लागू करें और मूल छवि स्थिति पर वापस लौटें।

केवल यह रिकॉर्ड किए बिना कि यह किस चित्र का है, बक्सों के समूह को सहेजने से, हाइलाइट स्थिति पाठ से विचलित हो जाएगी।

अनुवाद करने से पहले चित्र को ओरिएंट करें

ओमनीडॉक (उत्पाद पोर्टल) के OCR और अनुवाद पोर्टल के माध्यम से स्कैन की गई सामग्रियों को संसाधित करते समय, आप पहले मूल के विरुद्ध अभिविन्यास की पुष्टि कर सकते हैं। अभिविन्यास, परिप्रेक्ष्य और स्पष्टता तीन अलग-अलग निरीक्षण आइटम हैं जिनकी अलग से पुष्टि की जानी चाहिए।

इनपुट शर्तों को स्पष्ट रूप से हल करने के बाद, अनुवाद की गुणवत्ता का आकलन करने के लिए द्विभाषी परिणामों का उपयोग किया जाता है। यदि आपका सामना होने पर आप लापता शब्दों का श्रेय अनुवाद मॉडल को देते हैं, तो आप अक्सर वास्तविक इनपुट समस्या से चूक जाएंगे।

संदर्भ: Pillow ImageOps.

📊 कोर तुलना

प्रसंस्करण वस्तु	संसाधन विधि	क्या`exif_transpose` द्वारा पूरा किया गया
EXIF दिशा ध्वज	मार्करों द्वारा पिक्सेल समायोजित करें	हाँ
पूरा पृष्ठ थोड़ा झुका हुआ है	शूटिंग कोण सुधार	नहीं, स्वतंत्र मूल्यांकन की आवश्यकता है
पृष्ठ समलम्बाकार है	परिप्रेक्ष्य सुधार	नहीं, कागज़ की सीमाओं का पता लगाने की आवश्यकता है

🎯कौन सा तरीका आपके लिए उपयुक्त है?

अगर आप……

दर्शक ठीक है, OCR परिणाम बग़ल में: पहले EXIF ओरिएंटेशन लागू करें, फिर OCR पुनः फ़ीड करें।
फोटो समग्र तिरछा: झुकाव सुधार को एक स्वतंत्र कदम के रूप में मानें, इसे हल करने के लिए अभिविन्यास प्रसंस्करण की अपेक्षा न करें।
कागज का किनारा समलम्बाकार है: पहले कागज के किनारे का पता लगाएं, और फिर परिप्रेक्ष्य सुधार करें।
मूल छवि स्थिति को उजागर करने की आवश्यकता: इनपुट आकार और परिवर्तन जानकारी सहेजें, और फिर प्रदर्शित करते समय उलटा परिवर्तन करें।

❓ अक्सर पूछे जाने वाले प्रश्न (एफएक्यू)

1. क्या `exif_transpose` टेढ़े कागज को सीधा कर सकता है?

नही सकता। यह केवल EXIF ओरिएंटेशन मार्करों के आधार पर पिक्सल को समायोजित करता है और शूटिंग कोण या परिप्रेक्ष्य विकृतियों को संभाल नहीं पाता है, जिसके लिए अतिरिक्त ज्यामितीय प्रसंस्करण की आवश्यकता होती है।

2. दर्शक सामान्य रूप से प्रदर्शित क्यों होता है लेकिन ओसीआर परिणाम क्षैतिज होता है?

दर्शक EXIF ओरिएंटेशन मार्कर लागू करता है, लेकिन पिक्सेल स्वयं घुमाए नहीं जा सकते हैं। यदि OCR इस चिह्न को अनदेखा करता है, तो यह पृष्ठ को दूसरी दिशा में पढ़ेगा।

3. क्या नमूना कोड दिखा सकता है कि पहचान दर में कितना सुधार हुआ है?

नही सकता। यह उदाहरण यह जांचने के लिए सिंथेटिक पिक्सल का उपयोग करता है कि ओरिएंटेशन मार्कर सही ढंग से लागू किए गए हैं, ओसीआर इंजन को कॉल किए बिना और वास्तविक टेक्स्ट का अनुकरण किए बिना।

4. ओसीआर द्वारा लौटाया गया फ्रेम मूल छवि की स्थिति से मेल क्यों नहीं खाता?

यदि OCR को समायोजित मानचित्र पर चलाया जाता है, तो बॉक्स के निर्देशांक समायोजित मानचित्र के अनुरूप होते हैं। इनपुट आकार, परिवर्तन और आउटपुट आकार को रिकॉर्ड करना और फिर प्रदर्शित करते समय उलटा परिवर्तन करना आवश्यक है।

📝सारांश

मोबाइल फ़ोन फ़ोटो के ओरिएंटेशन के संबंध में, पहले जांचें कि यह डिस्प्ले दिशा है या पिक्सेल दिशा, और फिर क्रमशः दिशा, झुकाव और परिप्रेक्ष्य से निपटें। कृपया मूल दस्तावेज़ अपने पास रखें और महत्वपूर्ण दस्तावेज़ों पर कार्रवाई करने से पहले उनकी समीक्षा पूरी कर लें।

इसे अभी आज़माएं: मूल लेआउट को बरकरार रखते हुए अनुवाद शुरू करने के लिए दस्तावेज़ अपलोड करें