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 helyzeted | Ajánlott gyakorlatok | ok |
|---|---|---|
| A táblázat cellái nagyon szorosan vannak vágva, és a szöveg szegélyezett | Töltse ki megfelelően az éleket, és ellenőrizze a szegély szélességét saját mintájával | A szoros vágás nem feltétlenül javítja a felismerési hatást, és a rögzített pixelértékek nem univerzálisak. |
| A felismerési keretet vissza kell húzni a teljes oldalra | Mentse el minden egyes vágás és vágás eltolását | A körbevágás és a kivágás megváltoztatja a koordináták eredetét, és eltolás történik, ha nem menti őket. |
| A vágási terület levághatja a címkéket, például a pénznem szimbólumokat | A körbevágási szabályok a címkéket és az egységeket is figyelembe veszik | OCR 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-transzformáció | Mentse el a teljes transzformációs láncot | A 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 elemeket | Megfigyelési módszer | Hibakezelés |
|---|---|---|
| A karakterek nincsenek levágva | Nézze meg az eredeti oldalt a nagyításhoz | A vágási terület bővítése |
| A szöveget nem fedik szegélyek | Hasonlítsa össze a pixeleket és a méreteket | Korrigált él megvalósítás |
| Az eredet helyesen van rögzítve | Hátsó leképezés ismert sarokpontok felhasználásával | Ellenőrizze a műveletek sorrendjét |
| Az üres helyen megjelenik egy felismerő mező | Ellenőrizze, hogy zaj-e | Nem 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 tétel | Illeszkedésre vágva | Tartsa meg a margókat, és párnázza őket |
|---|---|---|
| Szöveg és élek kapcsolata | Szinte nincs szóköz a szöveg mellett | Hagyjon helyet a szöveg körül |
| Hatás a felismerési teljesítményre | A szoros vágás nem feltétlenül javítja a felismerési hatást | Saját mintákkal kell ellenőrizni |
| Koordináta rögzítési követelmények | A vágási eltolást még rögzíteni kell | A vágási és vágási eltolásokat egyszerre kell rögzíteni |
| Fő kockázatok | Előfordulhat, hogy a karakterek vagy a címkék le vannak vágva | A 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.


