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 sytuacjaZalecane praktykipowód
Komórki tabeli są bardzo ciasno przycięte, a tekst otoczony obramowaniemWypełnij odpowiednio krawędzie i sprawdź szerokość krawędzi na własnej próbceŚcisłe kadrowanie niekoniecznie poprawia efekt rozpoznawania, a stałe wartości pikseli nie są uniwersalne.
Należy narysować ramkę rozpoznawania z powrotem na całą stronęZapisz przesunięcie każdego przycinania i przycinaniaKadrowanie i przycinanie zmienia pochodzenie współrzędnych, a jeśli nie zostaną zapisane, nastąpią przesunięcia.
Obszar przycinania może odciąć etykiety, takie jak symbole walutReguły przycinania uwzględniają zarówno etykiety, jak i jednostkiOCR Nawet jeśli rozpoznawanie numeryczne jest prawidłowe, pola biznesowe mogą nadal być niekompletne
Potoki obejmują skalowanie, obrót i transformacje perspektywyZapisz cały łańcuch transformacjiNie 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 elementyMetoda obserwacjiObsługa awarii
Znaki nie są obcięteZobacz oryginalną stronę, aby ją powiększyćRozwiń obszar przycinania
Tekst nie jest objęty obramowaniemPorównaj piksele i wymiaryPoprawiono implementację brzegową
Pochodzenie jest zapisane prawidłowoMapowanie wsteczne przy użyciu znanych punktów narożnychSprawdź kolejność działań
W pustym miejscu pojawi się pole rozpoznawaniaSprawdź, czy to hałasNie 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 porównawczaPrzytnij, aby dopasowaćZachowaj marginesy i uzupełnij je
Relacja tekstu i krawędziObok tekstu prawie nie ma spacjiZostaw spację wokół tekstu
Wpływ na wydajność rozpoznawaniaCiasne cięcie niekoniecznie poprawia efekt rozpoznawaniaTrzeba sprawdzić na własnych próbkach
Koordynuj wymagania dotyczące nagrywaniaNadal należy rejestrować przesunięcie przycięciaPrzesunięcia przycinania i przycinania należy rejestrować jednocześnie
Główne zagrożeniaZnaki lub etykiety mogą zostać obcięteObramowanie 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

Zaktualizowano 2026-11-16