OCR đã bị phóng to và cắt xén, làm sao để ánh xạ khung nhận dạng về văn bản gốc

Khung nhận dạng được OCR trả về có thể chính xác trên hình ảnh cục bộ nhưng hình ảnh tổng thể có thể bị tắt khi được vẽ lại thành PDF. Loại vấn đề này là rất phổ biến. Khi khắc phục sự cố, trước tiên bạn không cần phải nghi ngờ về công cụ nhận dạng. Bạn cũng nên kiểm tra liên kết tiền xử lý. Bài viết này được viết cho các nhà phát triển và người đánh giá, những người cần ánh xạ kết quả nhận dạng trở lại tài liệu nguồn.

Nhiều hình ảnh được cắt, thu nhỏ và lấp đầy các cạnh màu trắng trước khi được nhận dạng. Mỗi bước sẽ thay đổi tọa độ, do đó ánh xạ nghịch đảo phải được hoàn tác theo thứ tự ngược lại. Sau khi đọc bài viết này, bạn có thể sử dụng một tập hợp rõ ràng các ý tưởng chuyển đổi tọa độ để xác định nguyên nhân của sai lệch và sử dụng thử nghiệm khứ hồi và các điểm neo nhân tạo để xác minh kết quả.

Mã mẫu đã được kiểm tra trong môi trường biệt lập, nhưng điều này không đảm bảo cho tất cả các tệp thực hoặc hiệu suất sản phẩm. Vui lòng giữ lại bản gốc trước khi xử lý các tài liệu quan trọng.

Tôi phải làm gì nếu hộp OCR không khớp với tài liệu nguồn? Một câu kết luận

Trước tiên, hãy kiểm tra trình tự tiền xử lý, ghi lại phép biến đổi tọa độ của từng bước, sau đó thực hiện ánh xạ ngược theo thứ tự ngược lại.

Sử dụng phép biến đổi rõ ràng thay vì đoán offset

Giả sử một điểm trên biểu đồ, trước tiên hãy trừ điểm gốc cắt, sau đó nhân với tỷ lệ chia tỷ lệ, sau đó cộng cạnh bổ sung. Quá trình ngược lại là trước tiên trừ cạnh bổ sung, sau đó chia theo tỷ lệ và cuối cùng cộng nó trở lại gốc cắt.

• Chuyển tiếp: Trừ điểm gốc cắt xén → nhân với tỷ lệ chia tỷ lệ → thêm các cạnh bổ sung
• Đảo ngược: Trừ cạnh bổ sung → Xóa tỷ lệ → Thêm lại điểm gốc cắt xén

Nếu tỷ lệ ngang và dọc khác nhau thì phải lưu riêng. Điều này cũng nhắc nhở chúng ta rằng việc kéo dài hình ảnh theo ý muốn sẽ làm thay đổi hình dạng của văn bản.

Để bài kiểm tra khứ hồi bao gồm các tọa độ không nguyên

from math import isclose

origin = (100.0, 40.0)
scale = (2.0, 1.5)
padding = (8.0, 12.0)

def forward(point):
    return tuple((point[i] - origin[i]) * scale[i] + padding[i]
                 for i in range(2))

def inverse(point):
    if any(s <= 0 for s in scale):
        raise ValueError("positive scale required")
    return tuple((point[i] - padding[i]) / scale[i] + origin[i]
                 for i in range(2))

for point in [(100, 40), (125.5, 62.25), (200, 90)]:
    restored = inverse(forward(point))
    assert all(isclose(a, b) for a, b in zip(point, restored))
assert forward((100, 40)) == padding
assert inverse((58, 42)) == (125.0, 60.0)

Ví dụ này chỉ xác minh các phép tính hình học và không thực hiện OCR. Việc lấy mẫu lại hình ảnh bao gồm các quy ước làm tròn và trung tâm pixel, đồng thời ánh xạ đường viền thực yêu cầu tọa độ liên tục thống nhất hoặc ngữ nghĩa ranh giới pixel.

Không làm tròn tọa độ dấu phẩy động quá sớm và xử lý theo quy tắc rõ ràng khi vẽ.

Ô không phải lúc nào cũng chỉ có hai điểm

Các phép biến đổi khác nhau cần lưu thông tin khác nhau và các biện pháp phòng ngừa khi ánh xạ cũng khác nhau:

Xác minh và Hiển thị Liên kết bằng Neo thủ công

Đánh dấu các điểm góc đã biết trên một số mẫu đã mất độ nhạy và kiểm tra xem hình ảnh gốc có khớp sau khi tiền xử lý hay không. Nếu bạn vượt qua bài kiểm tra đơn vị toán học, chỉ một số lỗi tính toán có thể được loại bỏ; Xoay trang, phóng to hiển thị và hệ tọa độ PDF vẫn có thể tạo ra các sai lệch mới.

Đánh dấu song ngữ yêu cầu vị trí đáng tin cậy

Khi thiết lập công cụ hiệu đính quanh bản dịch của OmniDoc (Mục sản phẩm), nếu vị trí nguồn cần được hiển thị, liên kết tọa độ phải được chấp nhận cùng với liên kết nội dung. Chọn sai dòng khiến bản dịch đúng trở nên không đáng tin cậy. Việc lưu trữ hồ sơ chuyển đổi dễ hơn so với việc trả lương tạm thời ở giai đoạn đầu.

Để biết chi tiết về giao diện ánh xạ điểm ảnh, tham khảo Giao diện kích thước và biến đổi hình ảnh gối.

📊 So sánh cốt lõi

So sánh các phương pháp xác minh:

So sánh các phương pháp xử lý tọa độ:

🎯 Phương pháp nào phù hợp với bạn?

Nếu bạn ......

• Nhận diện hộp cho căn chỉnh cục bộ hoặc dịch chuyển toàn trang: trước tiên kiểm tra thứ tự cắt, thu nhỏ và cắt tỉa, sau đó đảo ngược bản đồ theo thứ tự ngược lại.
• Xử lý tọa độ không phải số nguyên: trước tiên kiểm tra công thức bằng kiểm tra vượt, tạm thời không làm tròn lên, rồi hợp nhất các quy tắc khi vẽ.
• Thực hiện tô sáng song ngữ hoặc vị trí nguồn: Kiểm tra cả liên kết tọa độ và liên kết nội dung cùng nhau, đồng thời lưu giữ các bản ghi chuyển đổi.
• Bao gồm xoay hoặc chỉnh phối cảnh: Không chỉ lưu hình chữ nhật hai điểm; chuyển sang ánh xạ bốn góc hoặc lưu phép biến đổi âm tiết.

❓ Câu hỏi thường gặp (FAQ)

1. Bạn có cần thay engine nhận diện trước không?

Không cần nghi ngờ động cơ trước. Bạn nên kiểm tra thứ tự tiền xử lý trước, vì việc cắt tỉa, tỉ lệ và làm trắng đều sẽ thay đổi tọa độ.

2. Việc vượt qua bài kiểm tra đơn vị toán có đảm bảo ánh xạ đúng không?

Không. Nó chỉ loại trừ một số lỗi tính toán; xoay trang, tỷ lệ hiển thị và hệ tọa độ PDF vẫn có thể tạo ra các sai lệch mới.

3. Tại sao không nên làm tròn tọa độ quá sớm?

Lấy mẫu lại hình ảnh bao gồm các trung tâm điểm ảnh và quy ước làm tròn. Tọa độ số thực nên được bảo toàn trước, sau đó xử lý theo các quy tắc rõ ràng trong quá trình bốc thăm.

4. Điều gì xảy ra khi một hình ảnh bị kéo giãn?

Nếu tỷ lệ khung hình khác nhau, chúng nên được lưu trữ riêng biệt. Việc kéo giãn tùy ý làm thay đổi hình dạng của văn bản và ảnh hưởng đến sự tương ứng giữa hộp nhận dạng và nội dung tài liệu.

📝 Tóm tắt

Sự lệch khung hộp OCR thường xuất phát từ liên kết tiền xử lý chứ không phải do kết quả nhận dạng. Mỗi bước chuyển đổi phải được ghi lại rõ ràng, và cả kiểm tra khứ hồi lẫn điểm neo thủ công đều có thể được sử dụng để chấp nhận chung nhằm đảm bảo các vị trí được đánh dấu là đáng tin cậy.

Trải nghiệm ngay: Tải lên tài liệu của bạn để bắt đầu dịch, giữ nguyên định dạng gốc