മൊബൈൽ ഫോണിൽ എടുത്ത രേഖയുടെ ഓറിയൻ്റേഷൻ തെറ്റാണ്. ആദ്യം EXIF പ്രോസസ്സ് ചെയ്യുക, തുടർന്ന് OCR-ലേക്ക് അയയ്ക്കുക.
എൻ്റെ ഫോണിലെ കരാർ ഫോട്ടോ ലംബമായി കാണപ്പെട്ടു, പക്ഷേ അത് അപ്ലോഡ് ചെയ്ത ശേഷം അത് തിരശ്ചീനമായി മാറി. കാരണം, പിക്സലുകൾ സ്വയം തിരിക്കാത്തതായിരിക്കാം, കാഴ്ചക്കാരൻ EXIF ഓറിയൻ്റേഷൻ മാർക്കറുകളെ അടിസ്ഥാനമാക്കി ഡിസ്പ്ലേ ക്രമീകരിക്കുന്നു. OCR ഇൻപുട്ട് ഈ അടയാളം അവഗണിക്കുകയാണെങ്കിൽ, അത് പേജ് മറ്റൊരു ദിശയിൽ വായിക്കും.
മൊബൈൽ ഫോണിൽ എടുത്ത കരാർ ഫോട്ടോകൾ ആൽബത്തിൽ ലംബമാണെങ്കിലും അപ്ലോഡ് ചെയ്ത ശേഷം തിരശ്ചീനമായി മാറുന്നു. ഫോട്ടോ വളച്ചൊടിച്ചതോ ഫയൽ തെറ്റോ ആണെന്ന് പലർക്കും തോന്നും. "പ്രദർശന ദിശ", "പിക്സൽ ദിശ" എന്നിവ തമ്മിൽ വേർതിരിച്ചറിയാൻ നിങ്ങളെ സഹായിക്കുന്നതിന് OCR അല്ലെങ്കിൽ വിവർത്തന പ്രക്രിയയിലേക്ക് മൊബൈൽ ഫോൺ ഫോട്ടോകൾ അയയ്ക്കേണ്ട ആളുകൾക്കായി ഈ ലേഖനം എഴുതിയിരിക്കുന്നു.
ഇത് വായിച്ചതിനുശേഷം, ഒരു EXIF ഓറിയൻ്റേഷൻ ഫ്ലാഗ് എന്താണെന്നും അത് കൈകാര്യം ചെയ്യാൻ തലയിണ ഏത് ഫംഗ്ഷൻ ഉപയോഗിക്കുന്നുവെന്നും അത് പരിഹരിക്കാത്ത പ്രശ്നങ്ങൾ എന്താണെന്നും നിങ്ങൾക്കറിയാം. ഉദാഹരണങ്ങൾ സിന്തറ്റിക് സാമ്പിളുകൾ ഉപയോഗിക്കുന്നു, കൂടാതെ കോഡ് ഒരു ഒറ്റപ്പെട്ട പരിതസ്ഥിതിയിൽ പരിശോധിച്ചു, എന്നാൽ ഇത് എല്ലാ യഥാർത്ഥ ഫയലുകളുടെയും ഉൽപ്പന്ന പ്രകടനത്തിൻ്റെയും ഗ്യാരണ്ടിയെ പ്രതിനിധീകരിക്കുന്നില്ല. പ്രധാനപ്പെട്ട ഡോക്യുമെൻ്റുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് മുമ്പ്, ദയവായി ഒറിജിനലുകൾ സൂക്ഷിച്ച് വാചകത്തിലെ അതിരുകളും സ്വീകാര്യത ഇനങ്ങളും അനുസരിച്ച് അവ അവലോകനം ചെയ്യുക.
എൻ്റെ മൊബൈൽ ഫോണിൽ എടുത്ത രേഖ തെറ്റായ ദിശയിലാണെങ്കിൽ ഞാൻ എന്തുചെയ്യണം? ഒരു വാക്യത്തിൻ്റെ ഉപസംഹാരം
EXIF ദിശ അടയാളം പ്രയോഗിക്കുന്നതിന് ആദ്യം ImageOps.exif_transpose ഉപയോഗിക്കുക, തുടർന്ന് ക്രമീകരിച്ച ചിത്രം OCR-ലേക്ക് അയയ്ക്കുക; ചരിവ്, കാഴ്ചപ്പാട് പ്രശ്നങ്ങൾ എന്നിവ പ്രത്യേകം കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്.
| നിങ്ങളുടെ അവസ്ഥ | ശുപാർശ ചെയ്യുന്ന സമ്പ്രദായങ്ങൾ | കാരണം |
|---|---|---|
| കാഴ്ചക്കാരൻ സാധാരണയായി പ്രദർശിപ്പിക്കുന്നു, പക്ഷേ പാഴ്സിംഗ് ഫലങ്ങൾ വശമാണ് | EXIF ദിശ പ്രയോഗിക്കാൻ ആദ്യം ImageOps.exif_transpose ഉപയോഗിക്കുക | പിക്സലുകൾ തിരിക്കുന്നില്ല, ഡിസ്പ്ലേ ലെയർ മാത്രമാണ് ക്രമീകരിച്ചിരിക്കുന്നത് |
| ഫോട്ടോ മുഴുവനും ചെറുതായി ചരിഞ്ഞിരിക്കുന്നു | ടിൽറ്റ് തിരുത്തൽ വ്യക്തിഗതമായി വിലയിരുത്തുക | exif_transpose ഷൂട്ടിംഗ് ആംഗിളുകൾ കൈകാര്യം ചെയ്യുന്നില്ല |
| പേപ്പർ ട്രപസോയ്ഡൽ ആണ് | പേപ്പർ അതിരുകൾ കണ്ടെത്തി കാഴ്ചപ്പാട് തിരുത്തൽ നടത്തുക | കാഴ്ചപ്പാട് വക്രീകരണം ഒരു EXIF ഓറിയൻ്റേഷൻ പ്രശ്നമല്ല |
| OCR നൽകിയ ബോക്സ് സംരക്ഷിക്കേണ്ടതുണ്ട് | ഒരേ സമയം ഇൻപുട്ട് വലുപ്പം, ഓറിയൻ്റേഷൻ പരിവർത്തനം, ഔട്ട്പുട്ട് വലുപ്പം എന്നിവ രേഖപ്പെടുത്തുക | ക്രമീകരിച്ച ഇമേജ് കോർഡിനേറ്റുകൾ യഥാർത്ഥ ഇമേജിൽ നിന്ന് വ്യത്യസ്തമാണ് |
ഡിസ്പ്ലേ ദിശയും പിക്സൽ ദിശയും പ്രത്യേകം കാണണം.
ഒരു മൊബൈൽ ഫോട്ടോയുടെ പിക്സലുകൾ സ്വയം തിരിക്കാൻ പാടില്ല, ഫയലിലെ EXIF ഓറിയൻ്റേഷൻ ടാഗുകൾ അത് എങ്ങനെ പ്രദർശിപ്പിക്കണമെന്ന് കാഴ്ചക്കാരനോട് പറയുന്നു. കാഴ്ചക്കാരൻ അതിനനുസരിച്ച് ചിത്രം ക്രമീകരിക്കും, OCR എഞ്ചിൻ ഈ അടയാളം അവഗണിക്കുകയാണെങ്കിൽ, അത് പേജ് മറ്റൊരു ദിശയിൽ വായിക്കും.
പില്ലോയുടെ ImageOps.exif_transpose ഓറിയൻ്റേഷൻ വിവരങ്ങളെ അടിസ്ഥാനമാക്കി പിക്സലുകൾ ക്രമീകരിക്കുകയും തുടർന്നുള്ള റൊട്ടേഷനുകൾ ഒഴിവാക്കാൻ പ്രയോഗിച്ച ഓറിയൻ്റേഷൻ മാർക്കറുകൾ നീക്കം ചെയ്യുകയും ചെയ്യുന്നു. ഇത് EXIF ഓറിയൻ്റേഷനെയാണ് കൈകാര്യം ചെയ്യുന്നത്, അനിയന്ത്രിതമായ ഷോട്ട് ടിൽറ്റ് അല്ലെങ്കിൽ കാഴ്ചപ്പാട് വികലമാക്കൽ അല്ല. മൊബൈൽ ഫോൺ ഉപയോഗിച്ച് വളഞ്ഞുപുളഞ്ഞ കടലാസ് നേരെയാക്കാൻ മറ്റൊരു സെറ്റ് ജ്യാമിതീയ പ്രോസസ്സിംഗ് ആവശ്യമാണ്.
സിന്തസൈസ് ചെയ്ത പിക്സലുകളുള്ള ടെസ്റ്റ് റൊട്ടേഷൻ ബൗണ്ടുകൾ
ഓറിയൻ്റേഷൻ മാർക്കറുകൾ ശരിയായി പ്രയോഗിച്ചിട്ടുണ്ടോ എന്ന് പരിശോധിക്കാൻ ഇനിപ്പറയുന്ന കോഡ് ഒരു സംയോജിത ചിത്രം ഉപയോഗിക്കുന്നു:
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()
OCR എഞ്ചിനിലേക്ക് വിളിക്കാതെയോ യഥാർത്ഥ ടെക്സ്റ്റ് അനുകരിക്കാതെയോ ജ്യാമിതീയ ബന്ധങ്ങൾ പരിശോധിക്കാൻ സഹായിക്കുന്നതിന് മൂലകളിലെ ചുവന്ന പിക്സലുകൾ ഇവിടെ ഉപയോഗിക്കുന്നു. അതിനാൽ, "ദിശ മാർക്കറുകൾ ശരിയായി പ്രയോഗിച്ചിരിക്കുന്നു" എന്ന നിഗമനത്തെ മാത്രമേ പരിശോധനയ്ക്ക് പിന്തുണയ്ക്കാനാകൂ, എന്നാൽ "ടെക്സ്റ്റ് തിരിച്ചറിയൽ നിരക്ക് എത്രത്തോളം മെച്ചപ്പെടുത്തി" എന്നതിനെ പിന്തുണയ്ക്കാൻ കഴിയില്ല. ഉദാഹരണങ്ങൾ തലയിണയെ ആശ്രയിച്ചിരിക്കുന്നു, ലോക്ക് ചെയ്ത പതിപ്പുകളിൽ റൺ ചെയ്യണം.
ദിശാ ക്രമക്കേടുകൾ വഴിതിരിച്ചുവിടുക
ഒരു ദിശാ പ്രശ്നം നേരിടുമ്പോൾ, ആദ്യം പ്രതിഭാസം നോക്കുക, തുടർന്ന് കാരണം നിർണ്ണയിക്കുക. നിങ്ങളുടെ അടുത്ത ഘട്ടങ്ങൾ തീരുമാനിക്കാൻ ചുവടെയുള്ള പട്ടിക നിങ്ങളെ സഹായിക്കും:
| നിരീക്ഷിക്കുക | സാധ്യമായ കാരണങ്ങൾ | അടുത്ത ഘട്ടം |
|---|---|---|
| കാഴ്ചക്കാരൻ സാധാരണ, പാഴ്സർ തിരശ്ചീനമാണ് | EXIF പ്രയോഗിച്ചില്ല | ഓറിയൻ്റേഷൻ ലേബലുകൾ vs. പിക്സലുകൾ പരിശോധിക്കുക |
| മുഴുവൻ പേജും ചെറുതായി ചരിഞ്ഞിരിക്കുന്നു | ഷൂട്ടിംഗ് ആംഗിൾ | ടിൽറ്റ് തിരുത്തലിൻ്റെ സ്വതന്ത്രമായ വിലയിരുത്തൽ |
| പേജ് ട്രപസോയ്ഡൽ ആണ് | കാഴ്ചപ്പാട് വികലമാക്കൽ | പേപ്പർ അതിരുകൾ കണ്ടെത്തിയതിന് ശേഷം തിരുത്തൽ |
| തലകീഴായി ടെക്സ്റ്റ് ചെയ്യുക, പക്ഷേ മാർക്ക്അപ്പ് ഇല്ല | മെറ്റാഡാറ്റ വിട്ടുപോയിരിക്കുന്നു | പേജിൻ്റെ ഉള്ളടക്കം അനുസരിച്ച് വിലയിരുത്തുക, അന്ധമായ ഊഹങ്ങൾ ഉണ്ടാക്കരുത് |
ഭ്രമണത്തിന് ശേഷം കോർഡിനേറ്റ് റെക്കോർഡിംഗ് ആരംഭിക്കണം
ക്രമീകരിച്ച ചിത്രത്തിൽ OCR ഒരു ടെക്സ്റ്റ് ബോക്സ് നൽകുന്നുവെങ്കിൽ, ബോക്സിൻ്റെ കോർഡിനേറ്റുകൾ ക്രമീകരിച്ച ചിത്രവുമായി പൊരുത്തപ്പെടുന്നു, യഥാർത്ഥത്തിൽ പകർത്തിയ ചിത്രത്തിനല്ല. അതിനാൽ, മൂന്ന് വിവരങ്ങൾ നിലനിർത്തേണ്ടതുണ്ട്: ഇൻപുട്ട് വലുപ്പം, ഓറിയൻ്റേഷൻ പരിവർത്തനം, ഔട്ട്പുട്ട് വലുപ്പം. ഹൈലൈറ്റ് പ്രദർശിപ്പിക്കുമ്പോൾ, കോർഡിനേറ്റുകളിലേക്ക് വിപരീത പരിവർത്തനം പ്രയോഗിച്ച് യഥാർത്ഥ ഇമേജ് സ്ഥാനത്തേക്ക് മടങ്ങുക.
ഏത് ചിത്രത്തിൻ്റേതാണെന്ന് രേഖപ്പെടുത്താതെ ഒരു കൂട്ടം ബോക്സുകൾ മാത്രം സംരക്ഷിക്കുക, ഹൈലൈറ്റ് സ്ഥാനം ടെക്സ്റ്റിൽ നിന്ന് വ്യതിചലിക്കും.
വിവർത്തനം ചെയ്യുന്നതിന് മുമ്പ് ചിത്രം ഓറിയൻ്റ് ചെയ്യുക
OmniDoc (ഉൽപ്പന്ന പോർട്ടൽ)-ൻ്റെ OCR, വിവർത്തന പോർട്ടൽ എന്നിവയിലൂടെ സ്കാൻ ചെയ്ത മെറ്റീരിയലുകൾ പ്രോസസ്സ് ചെയ്യുമ്പോൾ, നിങ്ങൾക്ക് ആദ്യം ഒറിജിനലിനെതിരായ ഓറിയൻ്റേഷൻ സ്ഥിരീകരിക്കാം. ഓറിയൻ്റേഷൻ, വീക്ഷണം, വ്യക്തത എന്നിവ വെവ്വേറെ സ്ഥിരീകരിക്കേണ്ട മൂന്ന് വ്യത്യസ്ത പരിശോധന ഇനങ്ങളാണ്.
ഇൻപുട്ട് വ്യവസ്ഥകൾ വ്യക്തമായി അടുക്കിയ ശേഷം, വിവർത്തന നിലവാരം വിലയിരുത്താൻ ദ്വിഭാഷാ ഫലങ്ങൾ ഉപയോഗിക്കുന്നു. നഷ്ടമായ വാക്കുകൾ നിങ്ങൾ അഭിമുഖീകരിക്കുമ്പോഴെല്ലാം വിവർത്തന മാതൃകയിലേക്ക് ആട്രിബ്യൂട്ട് ചെയ്താൽ, നിങ്ങൾക്ക് പലപ്പോഴും യഥാർത്ഥ ഇൻപുട്ട് പ്രശ്നം നഷ്ടമാകും.
അവലംബങ്ങൾ: Pillow ImageOps.
📊 പ്രധാന താരതമ്യം
| പ്രോസസ്സിംഗ് ഒബ്ജക്റ്റ് | പ്രോസസ്സിംഗ് രീതി | ഇത്exif_transpose ആണോ ചെയ്യുന്നത് |
|---|---|---|
| എക്സിഫ് ദിശ പതാക | മാർക്കറുകൾ പ്രകാരം പിക്സലുകൾ ക്രമീകരിക്കുക | അതെ |
| മുഴുവൻ പേജും ചെറുതായി ചരിഞ്ഞിരിക്കുന്നു | ഷൂട്ടിംഗ് ആംഗിൾ തിരുത്തൽ | ഇല്ല, സ്വതന്ത്രമായ വിലയിരുത്തൽ ആവശ്യമാണ് |
| പേജ് ട്രപസോയ്ഡൽ ആണ് | കാഴ്ചപ്പാട് തിരുത്തൽ | ഇല്ല, പേപ്പർ അതിരുകൾ കണ്ടെത്തേണ്ടതുണ്ട് |
🎯 ഏത് രീതിയാണ് നിങ്ങൾക്ക് അനുയോജ്യം?
നിങ്ങളാണെങ്കിൽ.....
- കാഴ്ചക്കാരൻ ശരി, OCR ഫലങ്ങൾ വശത്തേക്ക്: ആദ്യം EXIF ഓറിയൻ്റേഷൻ പ്രയോഗിക്കുക, തുടർന്ന് OCR വീണ്ടും പരിശോധിക്കുക.
- ഫോട്ടോ മൊത്തത്തിലുള്ള സ്ക്യൂ: ടിൽറ്റ് തിരുത്തൽ ഒരു സ്വതന്ത്ര ഘട്ടമായി പരിഗണിക്കുക, ഓറിയൻ്റേഷൻ പ്രോസസ്സിംഗ് അത് പരിഹരിക്കുമെന്ന് പ്രതീക്ഷിക്കരുത്.
- പേപ്പറിൻ്റെ അറ്റം ട്രപസോയിഡ് ആണ്: ആദ്യം പേപ്പറിൻ്റെ അറ്റം കണ്ടെത്തുക, തുടർന്ന് കാഴ്ചപ്പാട് തിരുത്തൽ നടത്തുക.
- ഒറിജിനൽ ഇമേജ് സ്ഥാനം ഹൈലൈറ്റ് ചെയ്യേണ്ടതുണ്ട്: ഇൻപുട്ട് വലുപ്പവും പരിവർത്തന വിവരങ്ങളും സംരക്ഷിക്കുക, തുടർന്ന് പ്രദർശിപ്പിക്കുമ്പോൾ വിപരീത പരിവർത്തനം നടത്തുക.
❓ പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ (FAQ)
1. വളഞ്ഞ പേപ്പർ നേരെയാക്കാൻ exif_transpose-ന് കഴിയുമോ?
കഴിയില്ല. ഇത് EXIF ഓറിയൻ്റേഷൻ മാർക്കറുകൾ അടിസ്ഥാനമാക്കിയുള്ള പിക്സലുകൾ മാത്രം ക്രമീകരിക്കുന്നു, കൂടാതെ അധിക ജ്യാമിതീയ പ്രോസസ്സിംഗ് ആവശ്യമുള്ള ഷൂട്ടിംഗ് ആംഗിളുകളോ വീക്ഷണകോണുകളോ കൈകാര്യം ചെയ്യുന്നില്ല.
2. എന്തുകൊണ്ടാണ് കാഴ്ചക്കാരൻ സാധാരണയായി പ്രദർശിപ്പിക്കുന്നത്, എന്നാൽ OCR ഫലം തിരശ്ചീനമായിരിക്കുന്നത് എന്തുകൊണ്ട്?
കാഴ്ചക്കാരൻ EXIF ഓറിയൻ്റേഷൻ മാർക്കറുകൾ പ്രയോഗിക്കുന്നു, എന്നാൽ പിക്സലുകൾ സ്വയം തിരിക്കാൻ പാടില്ല. OCR ഈ അടയാളം അവഗണിക്കുകയാണെങ്കിൽ, അത് പേജ് മറ്റൊരു ദിശയിൽ വായിക്കും.
3. തിരിച്ചറിയൽ നിരക്ക് എത്രത്തോളം മെച്ചപ്പെടുത്തിയെന്ന് സാമ്പിൾ കോഡിന് കാണിക്കാമോ?
കഴിയില്ല. OCR എഞ്ചിനിലേക്ക് വിളിക്കാതെയും യഥാർത്ഥ വാചകം അനുകരിക്കാതെയും ഓറിയൻ്റേഷൻ മാർക്കറുകൾ ശരിയായി പ്രയോഗിച്ചിട്ടുണ്ടോയെന്ന് പരിശോധിക്കാൻ ഉദാഹരണം സിന്തറ്റിക് പിക്സലുകൾ ഉപയോഗിക്കുന്നു.
4. OCR നൽകിയ ഫ്രെയിം യഥാർത്ഥ ചിത്രത്തിൻ്റെ സ്ഥാനവുമായി പൊരുത്തപ്പെടാത്തത് എന്തുകൊണ്ട്?
ക്രമീകരിച്ച മാപ്പിലാണ് OCR പ്രവർത്തിക്കുന്നതെങ്കിൽ, ബോക്സിൻ്റെ കോർഡിനേറ്റുകൾ ക്രമീകരിച്ച മാപ്പുമായി പൊരുത്തപ്പെടുന്നു. ഇൻപുട്ട് വലുപ്പം, പരിവർത്തനം, ഔട്ട്പുട്ട് വലുപ്പം എന്നിവ രേഖപ്പെടുത്തേണ്ടത് ആവശ്യമാണ്, തുടർന്ന് പ്രദർശിപ്പിക്കുമ്പോൾ വിപരീത പരിവർത്തനം നടത്തുക.
📝 സംഗ്രഹം
മൊബൈൽ ഫോൺ ഫോട്ടോകളുടെ ഓറിയൻ്റേഷൻ സംബന്ധിച്ച്, ആദ്യം അത് ഡിസ്പ്ലേ ദിശയാണോ പിക്സൽ ദിശയാണോ എന്ന് പരിശോധിക്കുക, തുടർന്ന് യഥാക്രമം ദിശ, ചരിവ്, വീക്ഷണം എന്നിവ കൈകാര്യം ചെയ്യുക. പ്രധാനപ്പെട്ട ഡോക്യുമെൻ്റുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് മുമ്പ് ദയവായി ഒറിജിനൽ സൂക്ഷിച്ച് ഒരു അവലോകനം പൂർത്തിയാക്കുക.
ഇപ്പോൾ ശ്രമിക്കുക: വിവർത്തനം ആരംഭിക്കാൻ പ്രമാണം അപ്ലോഡ് ചെയ്യുക, യഥാർത്ഥ ലേഔട്ട് നിലനിർത്തുക


