Vết cắt càng chặt thì càng tốt? Văn bản cạnh của OCR cũng cần chừa khoảng trống
Các ô trong bảng bị cắt rất chặt và không có khoảng trống bên cạnh văn bản nên hiệu quả nhận dạng có thể không tốt hơn. Quan trọng hơn, việc cắt xén và cắt xén sẽ thay đổi gốc tọa độ. Nếu những thay đổi này không được lưu, các khoảng lệch dường như ngẫu nhiên sẽ xuất hiện khi kết quả nhận dạng sau đó được đưa trở lại trang đầy đủ.
Nếu bạn muốn gửi bản quét hoặc ảnh chụp màn hình của các bảng vào OCR, đặc biệt là văn bản bên cạnh các ô, tiêu đề bảng và số lượng, bạn có thể gặp rắc rối bởi một câu hỏi: cắt xén càng chặt thì hiệu quả nhận dạng càng tốt?
Bài viết này được viết cho những người cần tự mình thực hiện quá trình tiền xử lý theo vùng. Các ô trong bảng bị cắt rất chặt và không có khoảng trống bên cạnh văn bản nên hiệu quả nhận dạng có thể không tốt hơn. Quan trọng hơn, việc cắt xén và cắt tỉa sẽ thay đổi gốc tọa độ. Nếu những thay đổi này không được lưu, các khoảng lệch dường như ngẫu nhiên sẽ xuất hiện khi kết quả nhận dạng được đưa trở lại toàn bộ trang.
Sau khi đọc, bạn có thể đánh giá cách để lại lề, cách ghi lại các thay đổi tọa độ và cách chấp nhận ranh giới cắt xén. Các ví dụ trong bài viết này sử dụng mẫu tổng hợp và mã chỉ được thử nghiệm trong môi trường biệt lập. Nó không thể hiện sự đảm bảo về tất cả các tệp thực hoặc hiệu ứng sản phẩm. Trước khi xử lý các văn bản quan trọng, quý khách vui lòng giữ lại bản chính và xem xét theo các mục được nghiệm thu trong văn bản.
Kết luận một câu
Cắt xén chặt chẽ không có nghĩa là tốt hơn: hãy chừa lề phù hợp cho văn bản, đồng thời ghi lại độ lệch của mỗi lần cắt và đệm để khung nhận dạng có thể quay lại chính xác toàn bộ trang.
| hoàn cảnh của bạn | Các phương pháp được đề xuất | lý do |
|---|---|---|
| Các ô trong bảng được cắt rất khít và viền văn bản | Điền vào các cạnh một cách thích hợp và xác minh độ rộng đường viền bằng mẫu của riêng bạn | Cắt xén chặt chẽ không nhất thiết cải thiện hiệu ứng nhận dạng và các giá trị pixel cố định không phổ biến. |
| Cần vẽ khung nhận dạng trở lại toàn trang | Lưu lại offset của mỗi lần cắt tỉa và cắt tỉa | Việc cắt xén và cắt xén sẽ thay đổi gốc tọa độ và độ lệch sẽ xảy ra nếu không được lưu. |
| Vùng cắt có thể cắt bỏ các nhãn như ký hiệu tiền tệ | Quy tắc cắt xén xem xét cả nhãn và đơn vị | OCR Ngay cả khi nhận dạng số chính xác, các lĩnh vực kinh doanh vẫn có thể chưa đầy đủ |
| Các quy trình bao gồm các phép biến đổi tỷ lệ, xoay hoặc phối cảnh | Lưu chuỗi chuyển đổi hoàn chỉnh | Bạn không thể cộng hoặc trừ số bằng cảm giác ở tọa độ cuối cùng |
Lề trắng là chiến lược đầu vào
ImageOps.expand của Pillow có thể thêm đường viền bên ngoài hình ảnh. Độ rộng đường viền phải được xác minh bằng mẫu của riêng bạn và giá trị pixel cố định không thể được coi là yêu cầu đối với tất cả các công cụ OCR. Bài viết này chỉ sử dụng những hình ảnh nhỏ để thể hiện các cạnh bổ sung và dịch phối hợp mà không đo lường độ chính xác nhận dạng.
Chỉ định nơi pixel di chuyển từ nơi này đến nơi khác
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)
Ví dụ này giả định rằng chỉ xảy ra việc cắt xén và viền có chiều rộng không đổi mà không có chuyển đổi tỷ lệ, xoay hoặc phối cảnh. Nếu quy trình của bạn chứa nhiều bước hơn, bạn cần lưu chuỗi chuyển đổi hoàn chỉnh thay vì chỉ cộng hoặc trừ một vài số vào tọa độ cuối cùng.
Làm thế nào để chấp nhận ranh giới cắt xén?
| Kiểm tra các mục | Phương pháp quan sát | Xử lý lỗi |
|---|---|---|
| Ký tự không bị cắt bỏ | Xem trang gốc để phóng to nó | Mở rộng vùng cắt |
| Văn bản không bị bao phủ bởi đường viền | So sánh pixel và kích thước | Đã sửa lỗi triển khai cạnh |
| Nguồn gốc được ghi chính xác | Lập bản đồ ngược bằng cách sử dụng các điểm góc đã biết | Kiểm tra thứ tự thực hiện |
| Một hộp nhận dạng xuất hiện trong khoảng trống | Kiểm tra xem có tiếng ồn không | Không được nhận dạng trực tiếp dưới dạng văn bản |
Đừng đánh đồng việc cắt vùng với việc hiểu nội dung
Ký hiệu tiền tệ bên cạnh số tiền có thể nằm ngoài vùng cắt. Ngay cả khi OCR xác định chính xác các con số thì các lĩnh vực kinh doanh vẫn chưa đầy đủ. Quy tắc cắt xén nên xem xét nhãn và đơn vị, không chỉ hình chữ nhật bao quanh các pixel màu đen của văn bản.
Đánh giá bản dịch bảo tồn ngữ cảnh
Khi sử dụng OmniDoc (cổng thông tin sản phẩm) để xử lý các tài liệu được quét, nếu bạn tự xử lý trước khu vực trước tiên, bạn nên giữ lại hình ảnh toàn trang và nguồn cắt. Người đánh giá không chỉ cần biết cách dịch một từ nhất định mà còn cần biết liệu nó thuộc về tiêu đề, chú thích cuối trang hay văn bản chính. Lề lề và tọa độ nguồn phù hợp là thông tin hữu ích để giảm sự mơ hồ.
Tham khảo: Hình ảnh gốiOps.expand
📊 So sánh cốt lõi
| Mục so sánh | Cắt để phù hợp | Giữ lề và đệm chúng |
|---|---|---|
| Mối quan hệ giữa văn bản và các cạnh | Hầu như không có khoảng trắng bên cạnh văn bản | Để lại khoảng trống xung quanh văn bản |
| Tác động đến hiệu suất nhận dạng | Cắt chặt không nhất thiết cải thiện hiệu quả nhận dạng | Cần xác minh bằng mẫu của riêng bạn |
| Yêu cầu ghi âm phối hợp | Phần bù cắt xén vẫn cần được ghi lại | Việc cắt xén và cắt tỉa cần phải được ghi lại cùng một lúc |
| Rủi ro chính | Ký tự hoặc nhãn có thể bị cắt bỏ | Đường viền có thể che mất văn bản, vì vậy bạn cần kiểm tra việc triển khai cạnh. |
🎯 Phương pháp nào phù hợp với bạn?
nếu bạn……
Nếu bạn muốn đưa kết quả nhận dạng trở lại toàn trang
Hãy đảm bảo lưu lại phần bù của mỗi lần cắt và cắt, đồng thời sử dụng các điểm góc đã biết để xác minh ánh xạ ngược.
Nếu văn bản ô trong bảng của bạn có viền
Đầu tiên hãy thử điền vào các cạnh, sau đó sử dụng độ phóng đại để kiểm tra xem các ký tự đã hoàn chỉnh chưa.
Nếu bạn đang làm việc với các lĩnh vực kinh doanh như số lượng, đơn vị, v.v.
Bao gồm các nhãn như ký hiệu tiền tệ và đơn vị vào phạm vi cắt xén. Đừng chỉ nhìn vào hình chữ nhật bao quanh các pixel văn bản.
Nếu đường dẫn của bạn có chuyển đổi tỷ lệ, xoay hoặc phối cảnh
Lưu chuỗi chuyển đổi hoàn chỉnh, không chỉ thực hiện chỉnh sửa ở tọa độ cuối cùng.
❓ Câu hỏi thường gặp (FAQ)
1. Việc để khoảng trống trong quá trình cắt xén có chắc chắn cải thiện hiệu quả nhận dạng không?
không chắc chắn. Các ô trong bảng được cắt xén chặt chẽ không nhất thiết có thể mang lại khả năng nhận dạng tốt hơn và độ rộng đường viền phải được xác minh thông qua các mẫu của riêng bạn.
2. Tại sao khung nhận dạng lại dịch chuyển sau khi cắt, xén?
Bởi vì việc cắt xén và điền cạnh sẽ thay đổi gốc tọa độ. Nếu những thay đổi này không được lưu, các khoảng lệch dường như ngẫu nhiên sẽ xuất hiện khi kết quả nhận dạng được đưa trở lại trang đầy đủ.
3. Có giá trị pixel bổ sung thống nhất không?
Không. Giá trị pixel cố định không thể được coi là yêu cầu đối với tất cả công cụ OCR. Nó phải dựa trên mẫu của riêng bạn.
4. Làm thế nào để kiểm tra xem ranh giới cắt xén có phù hợp hay không?
Bạn có thể phóng to trang gốc để xem các ký tự có bị cắt hay không, so sánh pixel và kích thước để kiểm tra xem đường viền có bao phủ văn bản hay không và sử dụng các điểm góc đã biết để ánh xạ lại nhằm xác minh bản ghi gốc.
5. Điều gì sẽ xảy ra nếu đường ống chứa tỷ lệ hoặc xoay?
Chuỗi chuyển đổi hoàn chỉnh cần được giữ nguyên thay vì chỉ cộng trừ các số bằng cảm nhận đến tọa độ cuối cùng.
📝 Tóm tắt
Phải để lại khoảng trống thích hợp cho ranh giới cắt xén và các thay đổi về tọa độ phải được giữ nguyên hoàn toàn. Cả hai đều không thể thiếu. Sau mỗi lần xử lý sẽ được xem xét theo các hạng mục nghiệm thu rồi bàn giao cho quy trình tiếp theo.
Thử ngay: Tải tài liệu lên để bắt đầu dịch, giữ nguyên bố cục ban đầu


