Как быстро просмотреть сотню страниц отсканированных документов: сначала сделайте отслеживаемый обзор миниатюр

– Миниатюры должны сохранять соотношение сторон и сохранять разницу между горизонтальными и вертикальными страницами, чтобы обзор не скрывал неправильную ориентацию страницы.

• При составлении обзора необходимо сохранять соответствие номера страницы оригиналу документа. Лучше всего связать тег с идентификатором исходного документа.
• Обзор только сообщает рецензентам о сомнениях, пустые или похожие страницы не должны автоматически удаляться.
• Сначала следует проверить длинные сканы на предмет выявления проблем с вводом, а затем просмотреть ненормальные страницы и поля с высоким риском после перевода.

Если при сканировании много страниц, страница за страницей будет открываться очень медленно. Если вы посмотрите только на первую страницу, легко пропустить перевернутые, пустые и повторяющиеся страницы. Эта статья подойдет тем, кому необходимо проверять отсканированные файлы пакетно.

Обзор миниатюр может обнаружить крупномасштабные аномалии на одном экране, но не может заменить проверку мелкого шрифта, сумм и подписей.

Прочитав, вы узнаете, как создать обзор, сохраняющий соответствие номеров страниц, и что он подходит для оценки, а что не подходит для оценки.

Как быстро проверить отсканированные документы? Вывод в одно предложение

Сначала используйте обзор миниатюр, чтобы провести масштабную проверку, а затем используйте номера страниц, чтобы найти сомнительные места в исходном документе. Детали все еще необходимо проверять одну за другой.

Миниатюры сохраняют пропорции и не растягивают все страницы до одинакового размера.

Используйте ImageOps.contain, чтобы сжать изображение в заданном поле, сохранив соотношение сторон, и поместить его в карту фиксированного размера.

Следует сохранять различие между альбомными и книжными страницами, иначе обзор может скрыть аномалии ориентации страницы. Теги номеров страниц добавляются системой и не путаются с исходным содержимым страницы.

Создайте двухстраничный отслеживаемый обзор

from PIL import Image, ImageOps, ImageDraw

pages = [Image.new("RGB", (100, 200), "white"),
         Image.new("RGB", (200, 100), "#dddddd")]
sheet = Image.new("RGB", (240, 160), "#eeeeee")
draw = ImageDraw.Draw(sheet)
manifest = []
for index, page in enumerate(pages):
    thumb = ImageOps.contain(page, (100, 120))
    x = index * 120 + (120 - thumb.width) // 2
    sheet.paste(thumb, (x, 5))
    draw.text((index * 120 + 10, 140), f"Page {index + 1}", fill="black")
    manifest.append({"page": index + 1, "source_size": page.size,
                     "thumb_size": thumb.size, "column": index})
assert sheet.size == (240, 160)
assert manifest[0]["thumb_size"] == (60, 120)
assert manifest[1]["thumb_size"] == (100, 50)
assert [row["page"] for row in manifest] == [1, 2]
assert pages[0].size == (100, 200)

Код генерирует карту памяти без записи файлов и вызова службы распознавания.

Реальные пакеты должны создавать несколько обзоров, сгруппированных по страницам, чтобы избежать размещения тысяч миниатюр на одном гигантском холсте. В идеале теги также должны быть связаны с идентификаторами исходных файлов, чтобы избежать путаницы на первой странице нескольких файлов.

Что отвечает за обнаружение обзора

Отмечайте исключения вместо их автоматического удаления

Пустые страницы могут служить разделителями глав, а повторяющиеся страницы могут служить подписью разных версий. Обзор несет ответственность только за передачу сомнений рецензенту и не должен автоматически удалять страницы, которые «не похожи на полезный контент».

Окончательная версия по-прежнему должна объяснять соответствие между входной страницей и выходным контентом.

📊 Сравнение ядра

Сначала проверьте ввод, а затем просмотрите перевод

Прежде чем использовать OmniDoc (портал продуктов) для обработки длинных сканирований, выполните обзорную проверку, чтобы раньше обнаружить проблемы с вводом.

После перевода просмотр аномальных страниц и полей с высоким риском является более целенаправленным, чем просто просмотр первых нескольких страниц. Обзор задает направление, а оригинальные изображения и двуязычный контент служат основой для окончательного решения.

🎯 Какой метод подходит вам?

если ты……

Если вам нужно быстро понять общий статус пакета длинных сканирований

Начните с создания обзора миниатюр, сгруппированных по страницам, наблюдая за крупномасштабными аномалиями, такими как пробелы, ориентация и дубликаты страниц.

Если вам нужно подтвердить сумму, мелким шрифтом или подписью

Используя обзор миниатюр в качестве подсказки, откройте соответствующее исходное изображение и проверьте его поэлементно. Не полагайтесь исключительно на обзор.

Если вам нужно предоставить поддающиеся проверке результаты

Сохраняйте соответствие между номером страницы и оригиналом и отмечайте ненормальные страницы для рецензента, а не удаляйте их напрямую.

❓ Часто задаваемые вопросы (FAQ)

1. Может ли просмотр миниатюр заменить просмотр страницы за страницей?

не могу. Он подходит для первого обнаружения крупномасштабных аномалий. Красивые слова, суммы и подписи еще нужно сверить с оригинальной картинкой.

2. Почему бы не сделать все миниатюры одинакового размера?

Потому что необходимо сохранять разницу между горизонтальными и вертикальными страницами, иначе это может скрыть отклонения в ориентации страницы.

3. Можно ли напрямую удалить пустые страницы или дубликаты страниц?

Не рекомендуется. Пустые страницы могут быть разрывами разделов, а повторяющиеся изображения могут соответствовать разным версиям страницы подписи, поэтому их следует сначала пометить и передать рецензенту.

4. Как избежать путаницы при просмотре нескольких файлов?

В идеале теги должны быть связаны с идентификаторами исходных документов, чтобы избежать путаницы на первой странице нескольких документов.

📝 Резюме

Миниатюрный обзор подходит для первого обнаружения крупномасштабных аномалий. Главное — сделать так, чтобы каждую страницу можно было отследить до оригинала. После проверки завершается окончательная проверка оригинальных изображений и двуязычного контента.

Попробуйте сейчас: загрузите документ, чтобы начать перевод, сохранив исходный макет.