Im ciaśniejsze cięcie, tym lepiej? Tekst krawędziowy OCR również musi pozostawić spację
Komórki tabeli są bardzo ciasno przycięte, a obok tekstu nie ma pustej przestrzeni, więc efekt rozpoznawania może nie być lepszy. Co ważniejsze, kadrowanie i przycinanie zmienia początek współrzędnych. Jeśli te zmiany nie zostaną zapisane, po ponownym wyświetleniu wyników rozpoznawania na pełnej stronie pojawią się pozornie przypadkowe przesunięcia.
Jeśli chcesz przesłać do OCR skany lub zrzuty ekranu tabel, zwłaszcza tekstu przy komórkach, nagłówkach tabel i kwot, możesz nurtuć Cię pytanie: im ściślejsze przycięcie, tym lepszy efekt rozpoznawania?
Ten artykuł jest napisany dla osób, które muszą samodzielnie wykonać regionalne przetwarzanie wstępne. Komórki tabeli są bardzo ciasno przycięte, a obok tekstu nie ma pustej przestrzeni, więc efekt rozpoznawania może nie być lepszy. Co ważniejsze, kadrowanie i przycinanie zmieni początek współrzędnych. Jeśli te zmiany nie zostaną zapisane, po przeniesieniu wyników rozpoznawania na całą stronę pojawią się pozornie przypadkowe przesunięcia.
Po przeczytaniu możesz ocenić, jak pozostawić marginesy, jak zapisać zmiany współrzędnych i jak zaakceptować granicę przycięcia. W przykładach w tym artykule wykorzystano próbki syntetyczne, a kod został przetestowany tylko w izolowanym środowisku. Nie stanowi gwarancji wszystkich rzeczywistych plików ani efektów produktu. Przed przystąpieniem do przetwarzania ważnych dokumentów prosimy o zachowanie oryginałów i zapoznanie się z nimi zgodnie z zapisami akceptacji zawartymi w dokumencie.
Konkluzja w jednym zdaniu
Ciasne kadrowanie nie oznacza lepiej: zostaw odpowiednie marginesy dla tekstu i zanotuj przesunięcie każdego kadrowania i dopełnienia, aby ramka rozpoznawania mogła dokładnie powrócić na całą stronę.
| twoja sytuacja | Zalecane praktyki | powód |
|---|---|---|
| Komórki tabeli są bardzo ciasno przycięte, a tekst otoczony obramowaniem | Wypełnij odpowiednio krawędzie i sprawdź szerokość krawędzi na własnej próbce | Ścisłe kadrowanie niekoniecznie poprawia efekt rozpoznawania, a stałe wartości pikseli nie są uniwersalne. |
| Należy narysować ramkę rozpoznawania z powrotem na całą stronę | Zapisz przesunięcie każdego przycinania i przycinania | Kadrowanie i przycinanie zmienia pochodzenie współrzędnych, a jeśli nie zostaną zapisane, nastąpią przesunięcia. |
| Obszar przycinania może odciąć etykiety, takie jak symbole walut | Reguły przycinania uwzględniają zarówno etykiety, jak i jednostki | OCR Nawet jeśli rozpoznawanie numeryczne jest prawidłowe, pola biznesowe mogą nadal być niekompletne |
| Potoki obejmują skalowanie, obrót i transformacje perspektywy | Zapisz cały łańcuch transformacji | Nie można dodawać ani odejmować liczb poprzez wyczucie końcowych współrzędnych |
Biały margines to strategia wejściowa
ImageOps.expand poduszki może dodać obramowanie poza obrazem. Szerokość obramowania należy sprawdzić na własnych próbkach, a stała wartość piksela nie może być traktowana jako wymaganie dla wszystkich silników OCR. W tym artykule wykorzystano jedynie małe obrazy, aby pokazać dodatkowe krawędzie i przesunięcie współrzędnych, bez pomiaru dokładności rozpoznawania.
Określ, skąd i dokąd przesuwa się piksel
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)
W tym przykładzie założono, że następuje tylko kadrowanie i obramowanie o stałej szerokości, bez skalowania, obracania i transformacji perspektywy. Jeśli potok zawiera więcej kroków, należy zapisać cały łańcuch transformacji, zamiast po prostu dodawać lub odejmować kilka liczb do końcowych współrzędnych.
Jak zaakceptować granicę przycinania?
| Sprawdź elementy | Metoda obserwacji | Obsługa awarii |
|---|---|---|
| Znaki nie są obcięte | Zobacz oryginalną stronę, aby ją powiększyć | Rozwiń obszar przycinania |
| Tekst nie jest objęty obramowaniem | Porównaj piksele i wymiary | Poprawiono implementację brzegową |
| Pochodzenie jest zapisane prawidłowo | Mapowanie wsteczne przy użyciu znanych punktów narożnych | Sprawdź kolejność działań |
| W pustym miejscu pojawi się pole rozpoznawania | Sprawdź, czy to hałas | Nie jest bezpośrednio rozpoznawany jako tekst |
Nie utożsamiaj przycinania obszaru ze zrozumieniem treści
Symbol waluty obok kwoty może znajdować się poza obszarem przycinania. Nawet jeśli OCR poprawnie zidentyfikuje liczby, pola biznesowe są nadal niekompletne. Reguły przycinania powinny uwzględniać etykiety i jednostki, a nie tylko prostokąt ograniczający czarne piksele tekstu.
Sprawdzanie tłumaczenia zachowuje kontekst
Jeśli używasz OmniDoc (portal produktowy) do przetwarzania zeskanowanych materiałów, jeśli najpierw samodzielnie przeprowadzisz wstępne przetwarzanie obszaru, powinieneś zachować obraz całej strony i źródło przycięcia. Recenzenci nie tylko muszą wiedzieć, jak przetłumaczyć określone słowo, ale także muszą wiedzieć, czy należy ono do nagłówka, przypisu czy tekstu głównego. Odpowiednie marginesy i współrzędne źródłowe są przydatnymi informacjami pozwalającymi zmniejszyć niejednoznaczność.
Źródła: Poduszka ImageOps.rozwiń
📊 Porównanie rdzeni
| Pozycja porównawcza | Przytnij, aby dopasować | Zachowaj marginesy i uzupełnij je |
|---|---|---|
| Relacja tekstu i krawędzi | Obok tekstu prawie nie ma spacji | Zostaw spację wokół tekstu |
| Wpływ na wydajność rozpoznawania | Ciasne cięcie niekoniecznie poprawia efekt rozpoznawania | Trzeba sprawdzić na własnych próbkach |
| Koordynuj wymagania dotyczące nagrywania | Nadal należy rejestrować przesunięcie przycięcia | Przesunięcia przycinania i przycinania należy rejestrować jednocześnie |
| Główne zagrożenia | Znaki lub etykiety mogą zostać obcięte | Obramowanie może zakrywać tekst, dlatego należy sprawdzić implementację brzegową. |
🎯 Która metoda jest dla Ciebie odpowiednia?
jeśli…
Jeśli chcesz wyświetlić wyniki rozpoznawania z powrotem na całej stronie
Pamiętaj, aby zapisać przesunięcie każdego przycinania i przycinania oraz używać znanych punktów narożnych do weryfikacji mapowania wstecznego.
Jeśli tekst komórki tabeli jest otoczony obramowaniem
Najpierw spróbuj wypełnić krawędzie, a następnie za pomocą powiększenia sprawdź, czy znaki są kompletne.
Jeśli masz do czynienia z polami biznesowymi, takimi jak kwota, jednostka itp.
Uwzględnij etykiety, takie jak symbole i jednostki walut, w zakresie przycinania. Nie patrz tylko na prostokąt otaczający piksele tekstu.
Jeśli potok umożliwia skalowanie, obrót lub transformację perspektywy
Zapisz cały łańcuch transformacji, a nie tylko poprawiaj końcowe współrzędne.
❓ Często zadawane pytania (FAQ)
1. Czy pozostawienie pustej przestrzeni podczas kadrowania zdecydowanie poprawi efekt rozpoznawania?
niepewny. Ciasno przycięte komórki tabeli niekoniecznie muszą skutkować lepszym rozpoznawaniem, a szerokość obramowania należy sprawdzić na podstawie własnych próbek.
2. Dlaczego ramka rozpoznawania przesuwa się po przycięciu i przycięciu?
Ponieważ kadrowanie i wypełnianie krawędzi zmieniają początek współrzędnych. Jeśli te zmiany nie zostaną zapisane, po przywróceniu wyników rozpoznawania na pełną stronę pojawią się pozornie przypadkowe przesunięcia.
3. Czy istnieje ujednolicona wartość dodatkowego piksela?
Nie. Stała wartość piksela nie może być uważana za wymaganie dla wszystkich silników OCR. Powinien opierać się na własnych próbkach.
4. Jak sprawdzić, czy granica kadrowania jest odpowiednia?
Możesz powiększyć oryginalną stronę, aby zobaczyć, czy znaki są obcięte, porównać piksele i rozmiar, aby sprawdzić, czy obramowanie zakrywa tekst, a także użyć znanych punktów narożnych do odtworzenia mapy w celu sprawdzenia pochodzenia.
5. Co się stanie, jeśli potok zawiera skalowanie lub rotację?
Należy zachować cały łańcuch transformacji, a nie tylko dodawać i odejmować liczby na wyczucie końcowych współrzędnych.
📝 Podsumowanie
Należy pozostawić odpowiednią pustą przestrzeń na granicę przycinania, a zmiany współrzędnych muszą zostać całkowicie zachowane. Obydwa są niezbędne. Po każdej obróbce jest ona przeglądana pod kątem punktów akceptacji i przekazywana do kolejnego procesu.
Wypróbuj teraz: prześlij dokument, aby rozpocząć tłumaczenie, zachowując oryginalny układ


