Ak je dokument získaný telefónom v nesprávnom smere, najskôr spracujte EXIF pred odoslaním OCR
Fotografia zmluvy na mojom telefóne vyzerala vertikálne, ale po nahraní sa otočila horizontálne. Dôvodom môže byť, že samotné pixely nie sú otočené, divák si jednoducho upraví zobrazenie na základe EXIF orientačných značiek. Ak OCR vstup ignoruje túto značku, prečíta stránku v opačnom smere.
Zmluvné fotografie nasnímané mobilnými telefónmi sú v albume zvislé, ale po odovzdaní sa stanú vodorovnými. Mnoho ľudí si bude myslieť, že fotografia je pokrivená alebo súbor je nesprávny. Tento článok je napísaný pre ľudí, ktorí potrebujú odoslať fotografie z mobilného telefónu do procesu OCR alebo prekladu, aby vám pomohol rozlíšiť medzi „smerom zobrazenia"a „smerom pixelov".
Po prečítaní tohto článku budete vedieť, čo je EXIF orientačný príznak, akú funkciu Pillow používa na jeho spracovanie a aké problémy nerieši. Príklady používajú syntetické vzorky a kód bol skontrolovaný v izolovanom prostredí, čo však nepredstavuje záruku všetkých skutočných súborov alebo výkonu produktu. Pred spracovaním dôležitých dokumentov si uschovajte originály a skontrolujte ich podľa hraníc a akceptačných položiek v texte.
Čo mám robiť, ak je dokument nasnímaný mojím mobilným telefónom v nesprávnom smere? Záver jednou vetou
Najprv použiteImageOps.exif_transpose na aplikovanie smerovej značky EXIF a potom odošlite upravený obrázok do OCR; otázky sklonu a perspektívy je potrebné riešiť samostatne.
| Vaša situácia | Odporúčaná metóda | dôvod |
|---|---|---|
| Prehliadač sa zobrazuje normálne, ale výsledky parsovania sú klepnuté | Najprv použite ImageOps.exif_transpose na aplikáciu smeru EXIF | Pixely sa neotočili; iba zobrazovacia vrstva bola upravená |
| Celá fotografia je mierne naklonená | Vyhodnoťte korekciu náklonu samostatne | exif_transpose nerieši strelecké uhly |
| Papier je lichobežníkový | Po preskúmaní hraníc papiera vykonajte perspektívnu korekciu | Perspektívne skreslenie nie je problém orientácie EXIF |
| Musíte uložiť krabicu vrátenú OCR | Súčasne zaznamenáva vstupné rozmery, smerovú transformáciu a výstupné rozmery | Upravené súradnice grafu sa líšia od pôvodných |
Smer zobrazenia a smer pixelov by ste mali vidieť oddelene.
Pixely na fotografiách z telefónu sa nemusia otáčať a smerové značky EXIF v súbore hovoria divákom, ako ich zobraziť. Prehliadač upraví obrazovku podľa toho; ak OCR engine ignoruje tento marker, prečíta stránku v opačnom smere.
ImageOps.exif_transpose od Pillow upravuje pixely na základe orientačných informácií a odstraňuje aplikované smerové značky, aby zabránil ďalším rotáciám. Rieši smer EXIF, nie ľubovoľný náklon alebo perspektívne skreslenie. Narovnanie papiera z krivých záberov telefónom stále vyžaduje ďalšiu sadu geometrických úprav.
Testovanie hraníc rotácie pomocou syntetických pixelov
Nasledujúci kód používa kompozitné obrázky na kontrolu, či sú smerové značky správne aplikované:
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()
Tu sa červené pixely v rohoch používajú na kontrolu geometrických vzťahov, bez nutnosti volania OCR enginu alebo simulácie skutočného textu. Preto test môže len potvrdiť záver, že "smerové značky sú správne aplikované", ale nemôže podporiť "o koľko sa zlepšila miera rozpoznávania textu." Príklad závisí od Pillow a mal by bežať v uzamknutej verzii.
Vykonať odklon pre smerové anomálie
Keď narazíte na problém so smerovaním, najprv sa pozrite na jav a potom zistite príčinu. Nižšie uvedená tabuľka vám môže pomôcť pri rozhodovaní o ďalšom postupe:
| pozorovať | Možné dôvody | Ďalší krok |
|---|---|---|
| Normálny prehliadač, horizontálny analyzátor | EXIF sa nepoužije | Skontrolujte orientačné štítky v porovnaní s pixelmi |
| Celá strana je mierne naklonená | Uhol streľby | Nezávislé hodnotenie korekcie náklonu |
| Stránka je lichobežníková | Perspektívne skreslenie | Overte hranice papiera a potom ich opravte |
| Text je hore nohami, ale bez značiek | Chýbajú metadáta | Posudzujte podľa obsahu stránky, žiadne slepé odhady |
Záznam súradníc by mal začať po rotácii
Ak OCR vráti textové pole na upravenom obrázku, súradnice políčka budú zodpovedať upravenému obrázku, nie pôvodnému obrázku. Preto je potrebné zachovať tri informácie: vstupné rozmery, smerovú transformáciu a výstupné rozmery. Pri zobrazovaní zvýraznení aplikujte inverznú transformáciu na súradnice, aby ste sa vrátili na pôvodnú pozíciu obrázka.
Ak uložíte iba sadu políčok bez zaznamenania, ku ktorému obrázku patria, pozícia zvýraznenia sa posunie oproti textu.
Pred prekladom správne zarovnajte obrázok
Pri spracovaní skenovaných materiálov cez OCR a prekladateľské portály OmniDoc (Produktový portál) môžete najskôr overiť orientáciu porovnaním s originálom. Orientácia, perspektíva a jasnosť sú tri odlišné kontrolné body, ktoré je potrebné potvrdiť samostatne.
Po usporiadaní vstupných kritérií použite bilingválne výsledky na posúdenie kvality prekladu. Ak priradíte chýbajúce slová prekladovému modelu hneď, ako na ne narazíte, skutočný problém so vstupom sa často prehliadne.
Zdroje: Pillow ImageOps.
📊 Porovnanie jadra
| Spracovanie objektov | Spôsob manipulácie | Robí toexif_transpose? |
|---|---|---|
| EXIF smerový marker | Upravte pixely podľa značky | Áno |
| Celá stránka je mierne naklonená | Korekcia uhla streľby | Nie, je potrebné nezávislé hodnotenie |
| Stránky sú lichobežníkové | Korekcia perspektívy | Nie, papierové hranice musia byť kontrolované |
🎯 Ktorá metóda ti vyhovuje?
Ak ......
- Prehliadač normálny, výsledky OCR sú nastavené na krajinu: Najprv aplikuj smer EXIF, potom odošli OCR znova.
- Celkové foto skreslenie: Považujte korekciu náklonu za samostatný krok; neočakávajte, že smerové spracovanie to opraví.
- Okraje lichobežníkového papiera: Najprv skontrolujte hranice papiera, potom vykonajte perspektívnu korekciu.
- Pôvodná pozícia obrázka musí byť zvýraznená: Uložte vstupnú veľkosť a transformačné informácie, potom počas zobrazenia vykonajte inverznú transformáciu.
❓ Často kladené otázky (FAQ)
1. exif_transpose: Dokážete narovnať papier z krivých záberov?
Nie. Pixely upravuje iba na základe EXIF smerových značiek, bez manipulácie s uhlami snímania alebo perspektívnym skreslením, ktoré vyžadujú dodatočné geometrické spracovanie.
2. Prečo sa prehliadač zobrazuje normálne, ale výsledky OCR sú horizontálne?
Prehliadač aplikuje smerový marker EXIF, zatiaľ čo samotné pixely sa nemusia otáčať. Ak OCR tento marker ignoruje, bude čítať stránky v opačnom smere.
3. Môže ukážkový kód ukázať, o koľko sa zlepšila miera rozpoznávania?
Nie. Príklad používa syntetické pixely na kontrolu, či sú smerové značky správne aplikované, bez vyvolania OCR enginu alebo simulácie reálneho textu.
4. Prečo box vrátený OCR nezodpovedá pozícii pôvodného obrázka?
Ak OCR beží na upravenom grafe, súradnice políčok zodpovedajú upravenému grafu. Musíte zaznamenať vstupné rozmery, transformácie a výstupné rozmery a vykonať inverznú transformáciu počas zobrazenia.
📝 Zhrnutie
Pri problémoch s orientáciou kamery najprv skontrolujte, či zobraziť alebo pixelovú orientáciu, potom upravte orientáciu, naklonenie a perspektívu. Pred manipuláciou s dôležitými dokumentmi si prosím ponechajte originály a dokončite recenziu.


