A mobiltelefonnal készített dokumentum tájolása rossz. Először dolgozza fel az EXIF-et, majd küldje el az OCR-be.

A telefonomon lévő szerződéses fotó függőlegesnek tűnt, de feltöltés után vízszintesen fordult. Ennek oka az lehet, hogy maguk a pixelek nincsenek elforgatva, a néző egyszerűen beállítja a kijelzőt az EXIF tájolásjelzők alapján. Ha az OCR bemenet figyelmen kívül hagyja ezt a jelölést, akkor a másik irányba olvassa be az oldalt.

A mobiltelefonnal készített szerződéses fotók az albumban függőlegesek, de feltöltés után vízszintessé válnak. Sokan azt gondolják, hogy a fénykép ferde, vagy a fájl rossz. Ez a cikk azoknak íródott, akiknek mobiltelefonról fotókat kell küldeniük az OCR-be vagy a fordítási folyamatba, hogy segítsenek megkülönböztetni a „megjelenítési irány"és a „képpont iránya".

Ennek elolvasása után tudni fogja, mi az az EXIF-orientációs zászló, a Párna melyik funkciót használja a kezeléséhez, és milyen problémákat nem old meg. A példák szintetikus mintákat használnak, és a kódot izolált környezetben ellenőrizték, de ez nem jelent garanciát az összes valós fájlra vagy a termék teljesítményére. A fontos dokumentumok feldolgozása előtt kérjük, őrizze meg az eredeti példányokat és nézze át a szövegben szereplő határok és átvételi tételek szerint.

Mit tegyünk, ha a telefonod által lefotózott dokumentum iránya rossz? Röviden: egy következtetés

Először használja aImageOps.exif_transpose-t az EXIF-irányjel felhelyezéséhez, majd küldje el a beállított képet az OCR-be; a dőlés és a perspektíva kérdéseivel külön kell foglalkozni.

a helyzetedAjánlott gyakorlatokok
A megtekintő normál módon jelenik meg, de az elemzés eredménye oldalra vanElőször használja a ImageOps.exif_transpose-t az EXIF-irány alkalmazásáhozA képpontokat nem forgatja el, csak a megjelenítési réteget állítja be
Az egész fotó enyhén ferdeA dőléskorrekciót egyénileg értékeljeA exif_transpose nem kezeli a felvételi szögeket
A papír trapéz alakúÉrzékelje a papír határait és végezze el a perspektíva korrekciójátA perspektíva torzulása nem EXIF-orientációs probléma
Menteni kell az OCR által visszaküldött doboztRögzítse a bemeneti méretet, a tájolás-átalakítást és a kimeneti méretet egyszerreA beállított képkoordináták eltérnek az eredeti képtől

A megjelenítési irányt és a pixelirányt külön kell nézni.

Előfordulhat, hogy a mobilfotó képpontjai önmagukban nem forgathatók el, és a fájlban található EXIF orientációs címkék jelzik a nézőnek, hogyan jelenítse meg azt. A néző ennek megfelelően módosítja a képet, és ha az OCR motor figyelmen kívül hagyja ezt a jelölést, akkor a másik irányba olvassa be az oldalt.

A Pillow ImageOps.exif_transpose a tájolási információk alapján állítja be a képpontokat, és eltávolítja az alkalmazott tájolásjelzőket, hogy elkerülje a későbbi elforgatásokat. Az EXIF orientációval foglalkozik, nem az önkényes lövés dőlésszögével vagy a perspektíva torzításával. A mobiltelefonnal ferdén felvett papír kiegyenesítése még egy újabb geometriai feldolgozást igényel.

Az elforgatási határok tesztelése szintetizált képpontokkal

A következő kód egy összetett képet használ annak ellenőrzésére, hogy a tájolásjelzők megfelelően vannak-e alkalmazva:

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()

A sarkokban lévő piros pixelek itt a geometriai kapcsolatok ellenőrzésére szolgálnak anélkül, hogy az OCR-motort meghívnák vagy valódi szöveget szimulálnának. Ezért a teszt csak alátámasztja azt a következtetést, hogy "az irányjelzőket megfelelően alkalmazták", de nem támasztja alá azt, hogy "mennyit javult a szövegfelismerési arány". A példa a Pillow-tól függ, és zárolt verzióban kell futtatni.

Elterelési anomáliák

Ha irányproblémával találkozik, először nézze meg a jelenséget, majd határozza meg az okot. Az alábbi táblázat segíthet a következő lépések eldöntésében:

megfigyelniLehetséges okokKövetkező lépés
Normál megjelenítő, vízszintes elemzőEXIF nem alkalmazvaNézd meg az iránycímkét és a pixeleket
Az egész oldal enyhén ferdeLövési szögFüggetlen értékelés a dőlés korrekcióra
Az oldal trapéz alakú.Perspektíva torzításEllenőrizd a papíralapú határokat, majd javítsd ki
A szöveg fejjel lefelé van, de nincs jelHiányzik a metaadatokAz oldal tartalma alapján ítélkezve, nincs vak találgatás

A koordináta felvételnek a rotálás után kell elkezdődnie

Ha az OCR egy szövegdobozt ad vissza a módosított képen, a doboz koordinátái a módosított képhez fognak felelni, nem az eredeti képnek. Ezért három információt kell megőrizni: bemeneti dimenziókat, iránytranszformációt és kimeneti dimenziókat. Kiemelő elemek megjelenítésekor alkalmazz inverz transzformációt a koordinátákra, hogy visszatérj az eredeti képpozícióhoz.

Ha csak egy dobozt mentünk el anélkül, hogy rögzítik, melyik képhez tartozik, akkor a kiemelő pozíció nem lesz szöveges.

Igazítsa a képet a fordítás előtt

Amikor a beszkennelt anyagokat a OmniDoc (Termékportál) OCR és fordító portáljain keresztül dolgozod fel, először az orientációt az eredetivel való összehasonlítással ellenőrizheted. Az orientáció, a nézőpont és a tisztaság három különálló ellenőrzési elem, amelyeket külön kell megerősíteni.

A beviteli kritériumok rendszerezése után kétnyelvű eredményeket használjunk a fordítás minőségének értékeléséhez. Ha a hiányzó szavakat azonnal a fordítási modellhez rendeli, amint találkozik velük, a valódi bemeneti probléma gyakran elveszik.

Források: Pillow ImageOps.

📊 Alap összehasonlítás

Objektumok feldolgozásaKezelési módszerAexif_transpose csinálja?
EXIF irányjelzőPixelek módosítása jelölésselIgen
Az egész oldal kissé ferdeLövési szög korrekcióNem, független értékelés szükséges
Az oldal trapéz alakú.PerspektívakorrekcióNem, papíralapú határokat kell ellenőrizni

🎯 Melyik módszer illik hozzád?

Ha ......

  • Néző normál, OCR eredmények megkoppintva: Először alkalmazza az EXIF orientációt, majd újra táplálja az OCR-t.
  • Általános fotóferdeség: a dőléskorrekciót önálló lépésként kezeljük, ne támaszkodjunk irányított kezelésre a javításhoz.
  • Trapéz alakú papír élek: először vizsgáld meg a papír éleit, majd végezd el a perspektíva korrekciót.
  • Eredeti képpozíció kiemelések: Mentse el a bemeneti méreteket és az átalakítási információkat, majd végezzen fordított transzformációt megjelenítés közben.

❓ Gyakran ismételt kérdések (GYIK)

1. exif_transpose: Ki lehet egyenesíteni a görbe papírt?

Nem. Csak az EXIF irányjelzők alapján módosítja a pixeleket, anélkül, hogy a felvételi szögeket vagy perspektíva torzításokat kezelné, amelyek további geometriát igényelnek.

2. Miért jelenik meg a néző normálisan, de az OCR eredmények vízszintesek?

A néző EXIF irányjelzőt alkalmaz, miközben maguk a pixelek nem feltétlenül forognak. Ha az OCR figyelmen kívül hagyja ezt a jelölőt, akkor az oldalakat az ellenkező irányba fogja olvasni.

3. A mintakód megmutatja, mennyit javult a felismerési arány?

Nem. A példa szintetikus pixeleket használ annak ellenőrzésére, hogy helyesen alkalmazzuk-e az irányjelzőket, anélkül, hogy az OCR motort hívnánk vagy valódi szöveget szimulálnánk.

4. Miért nem egyezik az OCR-rel visszaküldött doboz az eredeti képpozícióval?

Ha az OCR a módosított grafikonon fut, a doboz koordinátái megfelelnek a módosított grafikonnak. Rögzíteni kell a bemeneti méreteket, transzformációkat és kimeneti dimenziókat, és a fordított transzformációt a megjelenítés során kell végrehajtania.

📝 Összefoglaló

A kamera tájolási problémáinál először ellenőrizd, hogy a kijelzőt vagy pixelorientációt használjuk-e, majd kezeld az orientációt, a dőléstést és a perspektívát. Mielőtt fontos dokumentumokat kezelnének, kérjük, tartsd meg az eredetieket, és fejezd be az átvizsgálást.

Tapasztalat most: Töltsd fel a dokumentumodat, hogy elkezdhesd a fordítást, megőrizve az eredeti formázást

Frissítve: 2026-11-16