Čím užší strih, tým lepšie? Okrajový text OCR musí tiež nechať priestor

Bunky tabuľky sú orezané veľmi tesne a vedľa textu nie je žiadne prázdne miesto, takže efekt rozpoznávania nemusí byť lepší. Ešte dôležitejšie je, že orezanie a orezanie zmení pôvod súradníc. Ak sa tieto zmeny neuložia, objavia sa zdanlivo náhodné posuny, keď sa výsledky rozpoznávania následne vrátia späť na celú stranu.

Ak chcete odoslať skeny alebo snímky obrazovky tabuliek do OCR, najmä text vedľa buniek, hlavičky tabuliek a čiastky, môže vás trápiť otázka: čím je orezanie pevnejšie, tým lepší je efekt rozpoznávania?

Tento článok je napísaný pre ľudí, ktorí potrebujú regionálne predspracovanie sami. Bunky tabuľky sú orezané veľmi tesne a vedľa textu nie je žiadne prázdne miesto, takže efekt rozpoznávania nemusí byť lepší. Ešte dôležitejšie je, že orezanie a orezanie zmení pôvod súradníc. Ak sa tieto zmeny neuložia, objavia sa zdanlivo náhodné posuny, keď sa výsledky rozpoznávania vrátia späť na celú stranu.

Po prečítaní môžete posúdiť, ako ponechať okraje, ako zaznamenať zmeny súradníc a ako prijať hranicu orezania. Príklady v tomto článku používajú syntetické vzorky a kód bol testovaný iba v izolovanom prostredí. Nepredstavuje záruku všetkých skutočných súborov alebo efektov produktu. Pred spracovaním dôležitých dokumentov si uschovajte originály a skontrolujte ich podľa akceptačných položiek v dokumente.

Záver jednej vety

Pevné orezanie neznamená lepšie: ponechajte vhodné okraje pre text a zaznamenajte odsadenie každého orezania a výplne, aby sa rám rozpoznávania mohol presne vrátiť na celú stranu.

vaša situáciaOdporúčané postupydôvod
Bunky tabuľky sú orezané veľmi tesne a text je ohraničenýVhodne vyplňte okraje a overte šírku okraja vlastnou vzorkouPevné orezanie nemusí nevyhnutne zlepšiť efekt rozpoznávania a pevné hodnoty pixelov nie sú univerzálne.
Rozpoznávací rám je potrebné nakresliť späť na celú stranuUložte posun každého orezania a orezaniaOrezanie a orezanie zmení pôvod súradníc a ak sa neuložia, vyskytnú sa posuny.
Oblasť orezania môže odrezať štítky, ako sú symboly menyPravidlá orezania zohľadňujú štítky aj jednotkyOCR Aj keď je číselné rozpoznanie presné, obchodné polia môžu byť stále neúplné
Potrubia zahŕňajú zmenu mierky, rotáciu alebo perspektívne transformácieUložte celý reťazec transformácieNa konečných súradniciach nemôžete pridávať ani uberať čísla hmatom

Biely okraj je vstupná stratégia

Vankúš ImageOps.expand môže pridať okraj mimo obrázku. Šírka okraja by sa mala overiť pomocou vlastných vzoriek a pevnú hodnotu pixelov nemožno považovať za požiadavku pre všetky nástroje OCR. Tento článok používa iba malé obrázky na zobrazenie doplnkových hrán a prekladu súradníc bez merania presnosti rozpoznávania.

Zadajte, odkiaľ sa pixel presúva

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)

V tomto príklade sa predpokladá, že dôjde iba k orezaniu a lemovaniu s konštantnou šírkou bez zmeny mierky, rotácie alebo transformácie perspektívy. Ak váš kanál obsahuje viac krokov, musíte uložiť celý reťazec transformácie namiesto pridania alebo odčítania niekoľkých čísel do konečných súradníc.

Ako prijať hranicu orezania?

Skontrolujte položkyPozorovacia metódaRiešenie porúch
Postavy nie sú orezanéPre zväčšenie si pozrite pôvodnú stránkuRozšírte oblasť orezania
Text nie je ohraničenýPorovnajte pixely a rozmeryOpravená implementácia okrajov
Pôvod je zaznamenaný správneSpätné mapovanie pomocou známych rohových bodovSkontrolujte poradie operácií
Na prázdnom mieste sa zobrazí rozpoznávací rámčekSkontrolujte, či ide o hlukNie je priamo rozpoznané ako text

Nerovnajte orezanie oblasti s porozumením obsahu

Symbol meny vedľa sumy môže byť mimo oblasti orezania. Aj keď OCR správne identifikuje čísla, obchodné polia sú stále neúplné. Pravidlá orezania by mali brať do úvahy menovky a jednotky, nielen ohraničujúci obdĺžnik čiernych pixelov textu.

Kontrola prekladu zachováva kontext

Ak používate OmniDoc (produktový portál) na spracovanie naskenovaných materiálov, ak najprv sami vykonáte predbežné spracovanie oblasti, mali by ste si ponechať celý obrázok strany a zdroj orezania. Recenzenti musia vedieť nielen preložiť určité slovo, ale musia tiež vedieť, či patrí do hlavičky, poznámky pod čiarou alebo do hlavného textu. Vhodné okraje a zdrojové súradnice sú užitočné informácie na zníženie nejednoznačnosti.

Zdroje: Vankúš ImageOps.expand

📊 Základné porovnanie

Porovnávacia položkaStrihajte na mieruPonechajte okraje a vyplňte ich
Vzťah medzi textom a okrajmiVedľa textu nie je takmer žiadne biele miestoOkolo textu nechajte priestor
Vplyv na výkon rozpoznávaniaPevné rezanie nemusí nevyhnutne zlepšiť rozpoznávací efektTreba overiť vlastnými vzorkami
Požiadavky na koordináciu záznamuPosun orezania je ešte potrebné zaznamenaťPosuny orezania a orezania je potrebné zaznamenať súčasne
Hlavné rizikáZnaky alebo štítky môžu byť orezanéOhraničenie môže zakrývať text, takže musíte skontrolovať implementáciu okrajov.

🎯 Ktorá metóda je pre vás vhodná?

ak si……

Ak chcete nakresliť výsledky rozpoznávania späť na celú stranu

Nezabudnite uložiť posun každého orezania a orezania a na overenie spätného mapovania použite známe rohové body.

Ak je text bunky tabuľky ohraničený

Najprv sa pokúste vyplniť okraje a potom pomocou zväčšenia skontrolujte, či sú znaky úplné.

Ak sa zaoberáte obchodnými oblasťami, ako je množstvo, jednotka atď.

Do rozsahu orezania zahrňte štítky, ako sú symboly meny a jednotky. Nepozerajte sa len na obdĺžnik obklopujúci pixely textu.

Ak má vaše potrubie zmenu mierky, rotáciu alebo perspektívu

Uložte si celý reťazec transformácie, nerobte len opravy na konečných súradniciach.

❓ Často kladené otázky (FAQ)

1. Ponechanie prázdneho miesta počas orezania určite zlepší efekt rozpoznávania?

neistý. Pevne orezané bunky tabuľky nemusia nevyhnutne viesť k lepšiemu rozpoznaniu a šírka okraja by sa mala overiť pomocou vlastných vzoriek.

2. Prečo sa rám rozpoznávania po orezaní a orezaní posunie?

Pretože orezanie a vyplnenie okrajov zmení pôvod súradníc. Ak sa tieto zmeny neuložia, objavia sa zdanlivo náhodné posuny, keď sa výsledky rozpoznávania vrátia späť na celú stranu.

3. Existuje jednotná doplnková hodnota pixelov?

Nie. Pevnú hodnotu pixelov nemožno považovať za požiadavku pre všetky nástroje OCR. Malo by byť založené na vašich vlastných vzorkách.

4. Ako skontrolovať, či je hranica orezania vhodná?

Môžete priblížiť pôvodnú stranu, aby ste videli, či sú znaky orezané, porovnať pixely a veľkosť, aby ste skontrolovali, či okraj pokrýva text, a použiť známe rohové body na mapovanie späť na overenie záznamu pôvodu.

5. Čo ak potrubie obsahuje škálovanie alebo rotáciu?

Úplný transformačný reťazec je potrebné zachovať a nie len pridávať a odčítavať čísla podľa pocitu do konečných súradníc.

📝 Zhrnutie

Pre hranicu orezania sa musí ponechať vhodné prázdne miesto a zmeny súradníc musia byť úplne zachované. Obe sú nevyhnutné. Po každom spracovaní je skontrolovaný podľa akceptačných položiek a následne odovzdaný do následného procesu.

Skúste to teraz: Odovzdajte dokument a spustite preklad, pričom sa zachová pôvodné rozloženie

Aktualizované 2026-11-16