Orientarea documentului luat cu telefonul mobil este greșită. Procesați mai întâi EXIF și apoi trimiteți-l la OCR.
Fotografia contractului de pe telefonul meu părea verticală, dar după ce am încărcat-o, s-a întors pe orizontală. Motivul poate fi faptul că pixelii înșiși nu sunt rotiți, vizualizatorul pur și simplu ajustează afișajul pe baza marcajelor de orientare EXIF. Dacă intrarea OCR ignoră acest semn, va citi pagina în cealaltă direcție.
Fotografiile contractuale realizate cu telefoanele mobile sunt verticale în album, dar devin orizontale după încărcare. Mulți oameni vor crede că fotografia este strâmbă sau fișierul este greșit. Acest articol este scris pentru persoanele care trebuie să trimită fotografii de pe telefonul mobil în procesul de OCR sau de traducere pentru a vă ajuta să faceți distincția între „direcția afișajului"și „direcția pixelilor".
După ce ați citit acest lucru, veți ști ce este un steag de orientare EXIF, ce funcție folosește Pillow pentru a-l gestiona și ce probleme nu rezolvă. Exemplele folosesc mostre sintetice și codul a fost verificat într-un mediu izolat, dar aceasta nu reprezintă o garanție a tuturor fișierelor reale sau a performanței produsului. Înainte de a procesa documente importante, vă rugăm să păstrați originalele și să le revizuiți în funcție de limitele și elementele de acceptare din text.
Ce ar trebui să fac dacă documentul luat cu telefonul meu mobil este în direcția greșită? O singură propoziție concluzie
Mai întâi utilizațiImageOps.exif_transpose pentru a aplica marcajul de direcție EXIF, apoi trimiteți imaginea ajustată la OCR; problemele de înclinare și perspectivă trebuie tratate separat.
| situatia ta | Practici recomandate | motiv |
|---|---|---|
| Vizualizatorul se afișează în mod normal, dar rezultatele analizei sunt laterale | Mai întâi utilizați ImageOps.exif_transpose pentru a aplica direcția EXIF | Pixelii nu sunt rotiți, doar stratul de afișare este ajustat |
| Întreaga fotografie este ușor înclinată | Evaluați corectarea înclinării individual | exif_transpose nu gestionează unghiurile de fotografiere |
| Hârtia este trapezoidală | Detectați limitele hârtiei și efectuați corecția perspectivei | Distorsiunea perspectivei nu este o problemă de orientare EXIF |
| Trebuie să salvați cutia returnată de OCR | Înregistrați dimensiunea de intrare, transformarea orientării și dimensiunea de ieșire în același timp | Coordonatele ajustate ale imaginii sunt diferite de imaginea originală |
Direcția de afișare și direcția pixelilor trebuie vizualizate separat.
Pixelii unei fotografii mobile nu pot fi rotiți ei înșiși, iar etichetele de orientare EXIF din fișier spun spectatorului cum să o afișeze. Vizualizatorul va ajusta imaginea în consecință, iar dacă motorul OCR ignoră acest semn, va citi pagina în cealaltă direcție.
ImageOps.exif_transpose de la Pillow ajustează pixelii pe baza informațiilor de orientare și elimină marcajele de orientare aplicate pentru a preveni rotațiile ulterioare. Se ocupă de orientarea EXIF, nu de înclinarea arbitrară a fotografiei sau de distorsiunea perspectivei. Îndreptarea hârtiei luate strâmb cu telefonul mobil necesită încă un set de prelucrare geometrică.
Testați limitele de rotație cu pixeli sintetizați
Următorul cod utilizează o imagine compozită pentru a verifica dacă marcatorii de orientare sunt aplicați corect:
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()
Pixelii roșii din colțuri sunt folosiți aici pentru a ajuta la verificarea relațiilor geometrice, fără a apela motorul OCR sau a simula textul real. Prin urmare, testul poate susține doar concluzia că „marcatoarele de direcție sunt aplicate corect", dar nu poate susține „cât de mult a fost îmbunătățită rata de recunoaștere a textului". Exemplele depind de Pillow și ar trebui să fie rulate în versiuni blocate.
Deviați anomaliile de direcție
Când întâmpinați o problemă de direcție, priviți mai întâi fenomenul și apoi determinați cauza. Tabelul de mai jos vă poate ajuta să vă decideți următorii pași:
| observa | Motive posibile | Următorul pas |
|---|---|---|
| Vizualizator normal, analizator orizontal | EXIF nu este aplicat | Verificați etichetele de orientare față de pixeli |
| Întreaga pagină este ușor înclinată | unghiul de tragere | Evaluare independentă a corectării înclinării |
| Pagina este trapezoidală | distorsiuni de perspectiva | Corectare după detectarea limitelor hârtiei |
| Text invers, dar fără marcaj | Lipsesc metadate | Judecați în funcție de conținutul paginii, nu faceți ghiciri oarbe |
Înregistrarea coordonatelor ar trebui să înceapă după rotație
Dacă OCR returnează o casetă de text pe imaginea ajustată, coordonatele casetei corespund imaginii ajustate, nu imaginii capturate inițial. Prin urmare, trebuie reținute trei informații: dimensiunea intrării, transformarea orientării și dimensiunea ieșirii. Când afișați evidențierea, aplicați transformarea inversă coordonatelor și reveniți la poziția inițială a imaginii.
Salvând doar un grup de casete fără a înregistra cărei imagini îi aparține, poziția evidențiată se va abate de la text.
Orientați imaginea înainte de a traduce
Când procesați materiale scanate prin OCR și portalul de traducere OmniDoc (portal de produse), puteți confirma mai întâi orientarea față de original. Orientarea, perspectiva și claritatea sunt trei elemente de inspecție diferite care trebuie confirmate separat.
După ce condițiile de intrare sunt sortate clar, rezultatele bilingve sunt folosite pentru a evalua calitatea traducerii. Dacă atribuiți cuvintele lipsă modelului de traducere ori de câte ori le întâlniți, veți rata adesea problema reală de introducere.
Referințe: Pillow ImageOps.
📊 Comparație de bază
| Obiect de procesare | Metoda de prelucrare | Este făcut deexif_transpose |
|---|---|---|
| Steagul de direcție EXIF | Ajustați pixelii după marcatori | Da |
| Întreaga pagină este ușor înclinată | Corectarea unghiului de fotografiere | Nu, este necesară o evaluare independentă |
| Pagina este trapezoidală | corectarea perspectivei | Nu, granițele hârtiei trebuie detectate |
🎯 Ce metodă este potrivită pentru tine?
dacă……
- Vizualizator OK, rezultate OCR lateral: Aplicați mai întâi orientarea EXIF, apoi realimentați OCR.
- Inclinație generală a fotografiilor: tratați corectarea înclinării ca pe un pas independent, nu vă așteptați ca procesarea orientării să o rezolve.
- Marginea hârtiei este trapezoidală: Detectează mai întâi marginea hârtiei, apoi efectuează corectarea perspectivei.
- Trebuie să evidențiați poziția inițială a imaginii: Salvați dimensiunea de intrare și informațiile de transformare, apoi efectuați transformarea inversă la afișare.
❓ Întrebări frecvente (FAQ)
1. exif_transpose poate îndrepta hârtia strâmbă?
nu poate. Reglează doar pixelii pe baza marcajelor de orientare EXIF și nu gestionează unghiurile de fotografiere sau distorsiunile de perspectivă, care necesită procesare geometrică suplimentară.
2. De ce vizualizatorul se afișează normal, dar rezultatul OCR este orizontal?
Vizualizatorul aplică marcaje de orientare EXIF, dar pixelii înșiși nu pot fi rotiți. Dacă OCR ignoră acest semn, va citi pagina în cealaltă direcție.
3. Poate exemplul de cod să arate cât de mult a fost îmbunătățită rata de recunoaștere?
nu poate. Exemplul folosește pixeli sintetici pentru a verifica dacă marcatorii de orientare sunt aplicați corect, fără a apela motorul OCR și fără a simula textul real.
4. De ce cadrul returnat de OCR nu se potrivește cu poziția imaginii originale?
Dacă OCR este rulat pe o hartă ajustată, coordonatele casetei corespund hărții ajustate. Este necesar să înregistrați dimensiunea de intrare, transformarea și dimensiunea de ieșire și apoi să efectuați transformarea inversă la afișare.
📝 Rezumat
În ceea ce privește orientarea fotografiilor de pe telefonul mobil, verificați mai întâi dacă este direcția afișajului sau direcția pixelilor, apoi ocupați-vă de direcția, înclinarea și respectiv perspectiva. Vă rugăm să păstrați originalele și să completați o revizuire înainte de a procesa documente importante.
Încercați acum: încărcați documentul pentru a începe traducerea, păstrând aspectul original


