Minél szorosabb a vágás, annál jobb? Az OCR élszövegének is helyet kell hagynia

A táblázat cellái nagyon szorosan vannak vágva, és nincs üres hely a szöveg mellett, így a felismerési hatás nem biztos, hogy jobb. Ennél is fontosabb, hogy a vágás és a kivágás megváltoztatja a koordináta origóját. Ha ezeket a változtatásokat nem menti el, látszólag véletlenszerű eltolások jelennek meg, amikor a felismerési eredményeket ezt követően visszahúzzák a teljes oldalra.

Ha beolvasott vagy képernyőképet szeretne küldeni a táblázatokról az OCR-be, különösen a cellák, táblázatfejlécek és összegek melletti szövegről, akkor egy kérdés foglalkoztathatja: minél szorosabb a kivágás, annál jobb a felismerési hatás?

Ez a cikk azoknak íródott, akiknek maguknak kell regionális előfeldolgozást végezniük. A táblázat cellái nagyon szorosan vannak vágva, és nincs üres hely a szöveg mellett, így a felismerési hatás nem biztos, hogy jobb. Ennél is fontosabb, hogy a vágás és a kivágás megváltoztatja a koordináta origóját. Ha ezeket a változtatásokat nem menti el, látszólag véletlenszerű eltolások jelennek meg, amikor a felismerési eredményeket visszahúzza a teljes oldalra.

Elolvasás után eldöntheti, hogyan hagyjon margót, hogyan rögzítse a koordinátaváltozásokat, és hogyan fogadja el a vágási határt. A cikkben szereplő példák szintetikus mintákat használnak, és a kódot csak elszigetelt környezetben tesztelték. Nem jelent garanciát minden valódi fájlra vagy termékhatásra. A fontosabb dokumentumok feldolgozása előtt kérjük, őrizze meg az eredeti példányokat és nézze át a dokumentumban szereplő átvételi tételek szerint.

Egy mondatos következtetés

A szűk körbevágás nem jelent jobbat: hagyjon megfelelő margót a szöveghez, és rögzítse az egyes kivágások és kitöltések eltolásait, hogy a felismerő keret pontosan vissza tudjon térni a teljes oldalra.

a helyzetedAjánlott gyakorlatokok
A táblázat cellái nagyon szorosan vannak vágva, és a szöveg szegélyezettTöltse ki megfelelően az éleket, és ellenőrizze a szegély szélességét saját mintájávalA szoros vágás nem feltétlenül javítja a felismerési hatást, és a rögzített pixelértékek nem univerzálisak.
A felismerési keretet vissza kell húzni a teljes oldalraMentse el minden egyes vágás és vágás eltolásátA körbevágás és a kivágás megváltoztatja a koordináták eredetét, és eltolás történik, ha nem menti őket.
A vágási terület levághatja a címkéket, például a pénznem szimbólumokatA körbevágási szabályok a címkéket és az egységeket is figyelembe veszikOCR Még ha a numerikus felismerés pontos is, az üzleti mezők még mindig hiányosak lehetnek
A folyamatok közé tartozik a méretezés, az elforgatás vagy a perspektíva-transzformációMentse el a teljes transzformációs láncotA végső koordinátákon tapintással nem lehet számokat összeadni vagy kivonni

A fehér margó a beviteli stratégia

A Pillow's ImageOps.expand szegélyt adhat a képen kívülre. A szegély szélességét saját mintákkal kell ellenőrizni, és a rögzített pixelérték nem tekinthető követelménynek minden OCR motornál. Ez a cikk csak kis képeket használ a kiegészítő élek és a koordinátafordítás megjelenítésére, a felismerés pontosságának mérése nélkül.

Adja meg, hogy egy pixel honnan hova kerüljön

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)

Ez a példa azt feltételezi, hogy csak körbevágás és állandó szélességű szegély történik, méretezés, elforgatás vagy perspektivikus transzformáció nélkül. Ha a folyamat több lépést tartalmaz, a teljes transzformációs láncot el kell mentenie, ahelyett, hogy néhány számot hozzáadna vagy kivonna a végső koordinátákból.

Hogyan lehet elfogadni a vágási határt?

Ellenőrizze az elemeketMegfigyelési módszerHibakezelés
A karakterek nincsenek levágvaNézze meg az eredeti oldalt a nagyításhozA vágási terület bővítése
A szöveget nem fedik szegélyekHasonlítsa össze a pixeleket és a méreteketKorrigált él megvalósítás
Az eredet helyesen van rögzítveHátsó leképezés ismert sarokpontok felhasználásávalEllenőrizze a műveletek sorrendjét
Az üres helyen megjelenik egy felismerő mezőEllenőrizze, hogy zaj-eNem ismeri fel közvetlenül szövegként

Ne tegye egyenlőségjelet a terület kivágása és a tartalom megértése között

Az összeg melletti pénznem szimbólum a vágási területen kívül lehet. Még ha az OCR helyesen azonosítja is a számokat, az üzleti mezők még mindig hiányosak. A vágási szabályoknak figyelembe kell venniük a címkéket és az egységeket, nem csak a szöveg fekete pixeleinek határoló téglalapját.

A fordítási áttekintés megőrzi a kontextust

Ha OmniDoc (termékportál)-t használ a beolvasott anyagok feldolgozására, ha először saját maga végzi el a terület előfeldolgozását, meg kell őriznie a teljes oldalas képet és a vágási forrást. A lektoroknak nem csak azt kell tudniuk, hogyan kell lefordítani egy bizonyos szót, hanem azt is, hogy az fejléchez, lábjegyzethez vagy a fő szöveghez tartozik-e. A megfelelő margók és forráskoordináták hasznos információk a kétértelműség csökkentése érdekében.

Források: Párna ImageOps.expand

📊 Alapvető összehasonlítás

Összehasonlító tételIlleszkedésre vágvaTartsa meg a margókat, és párnázza őket
Szöveg és élek kapcsolataSzinte nincs szóköz a szöveg mellettHagyjon helyet a szöveg körül
Hatás a felismerési teljesítményreA szoros vágás nem feltétlenül javítja a felismerési hatástSaját mintákkal kell ellenőrizni
Koordináta rögzítési követelményekA vágási eltolást még rögzíteni kellA vágási és vágási eltolásokat egyszerre kell rögzíteni
Fő kockázatokElőfordulhat, hogy a karakterek vagy a címkék le vannak vágvaA szegély takarhatja a szöveget, ezért ellenőriznie kell a szélek megvalósítását.

🎯 Melyik módszer illik hozzád?

ha……

Ha vissza akarja rajzolni a felismerési eredményeket a teljes oldalra

Mindenképpen mentse el az egyes vágások és vágások eltolásait, és használja az ismert sarokpontokat a visszatérképezés ellenőrzéséhez.

Ha a táblázatcella szövege szegélyezett

Először próbálja meg kitölteni a széleket, majd nagyítással ellenőrizze, hogy a karakterek teljesek-e.

Ha olyan üzleti területekkel foglalkozik, mint az összeg, az egység stb.

Vegyen fel címkéket, például pénznem szimbólumokat és mértékegységeket a vágási tartományba. Ne csak a szövegképpontokat körülvevő téglalapot nézze.

Ha a folyamatban van méretezés, elforgatás vagy perspektíva transzformáció

Mentse el a teljes transzformációs láncot, ne csak a végső koordinátákon végezzen javításokat.

❓ Gyakran Ismételt Kérdések (GYIK)

1. Határozottan javítja a felismerési hatást, ha vágás közben üres helyet hagy?

bizonytalan. A szorosan körbevágott táblázatcellák nem feltétlenül eredményeznek jobb felismerést, és a szegély szélességét saját mintákon kell ellenőrizni.

2. Miért tolódik el a felismerő keret kivágás és vágás után?

Mivel a kivágás és az élkitöltés megváltoztatja a koordináta origóját. Ha ezeket a változtatásokat nem menti el, látszólag véletlenszerű eltolások jelennek meg, amikor a felismerési eredményeket visszahúzza a teljes oldalra.

3. Van-e egységes kiegészítő pixelérték?

Nem. A rögzített pixelérték nem tekinthető követelménynek minden OCR-motor esetében. A saját mintáidon kell alapulnia.

4. Hogyan ellenőrizhető, hogy a vágási határ megfelelő-e?

Kinagyíthatja az eredeti oldalt, és megnézheti, hogy a karakterek le vannak-e vágva, összehasonlíthatja a képpontokat és a méretet, hogy ellenőrizze, hogy a szegély fedi-e a szöveget, és az ismert sarokpontok segítségével visszatérképezheti az eredetrekordot.

5. Mi a teendő, ha a folyamat skálázást vagy elforgatást tartalmaz?

A teljes transzformációs láncot meg kell őrizni ahelyett, hogy a végső koordinátákhoz csak tapintással adnánk össze és vonnánk ki a számokat.

📝 Összefoglaló

A vágási határnak megfelelő üres helyet kell hagyni, és a koordinátaváltozásokat maradéktalanul meg kell őrizni. Mindkettő nélkülözhetetlen. Minden feldolgozás után az átvételi tételek szerint felülvizsgálják, majd átadják a következő folyamatnak.

Próbálja ki most: Töltse fel a dokumentumot a fordítás megkezdéséhez, megtartva az eredeti elrendezést

Frissítve: 2026-11-16