np-dms/lcbp3
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

690530:1448 ADR-030-231-ocr-sandbox-two-step-flow #05.3 [skip ci]

Browse Source
This commit is contained in:
admin
2026-05-30 14:48:53 +07:00
parent 10024a66c3
commit 9404596012
1 changed files with 5 additions and 9 deletions
Download Patch File Download Diff File Expand all files Collapse all files
specs/04-Infrastructure-OPS/04-00-docker-compose/Desk-5439/ocr-sidecar/app.py
+5 -9
View File
@@ -36,8 +36,8 @@ OCR_LANG = os.getenv("OCR_LANG", "tha+eng") # Tesseract language code (tha+eng
# PSM 3 = Fully automatic page segmentation (เหมาะกับเอกสารที่มี layout หลายส่วน เช่น วันที่/เลขที่) # PSM 3 = Fully automatic page segmentation (เหมาะกับเอกสารที่มี layout หลายส่วน เช่น วันที่/เลขที่)
# OEM 1 = LSTM only (ดีกว่า legacy engine) # OEM 1 = LSTM only (ดีกว่า legacy engine)
TESSERACT_CONFIG = f"--psm 3 --oem 1" TESSERACT_CONFIG = f"--psm 3 --oem 1"
# Crop margin: ตัด header/footer (บน 10%, ล่าง 10%) # Crop margin: ตัด header/footer (บน 5%, ล่าง 2%)
CROP_TOP_RATIO = 0.10 CROP_TOP_RATIO = 0.05
CROP_BOTTOM_RATIO = 0.02 CROP_BOTTOM_RATIO = 0.02
logger.info(f"Tesseract OCR Sidecar initialized (lang={OCR_LANG}, config={TESSERACT_CONFIG})") logger.info(f"Tesseract OCR Sidecar initialized (lang={OCR_LANG}, config={TESSERACT_CONFIG})")
@@ -62,16 +62,12 @@ def preprocess_image(pil_image: Image.Image) -> Image.Image:
# แปลงเป็น grayscale # แปลงเป็น grayscale
gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY) gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
# Denoise ด้วย median blur # Denoise ด้วย median blur (เบางๆ เพื่อลบ noise แต่ไม่ทำลายตัวอักษร)
denoised = cv2.medianBlur(gray, 3) denoised = cv2.medianBlur(gray, 3)
# Adaptive threshold เพื่อแยก background จาก text # ใช้ grayscale เท่านั้น (ไม่ใช้ adaptive threshold เพราะทำให้ตัวอักษรเสียรูป)
thresh = cv2.adaptiveThreshold(
denoised, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2
)
# แปลงกลับเป็น PIL Image # แปลงกลับเป็น PIL Image
return Image.fromarray(thresh) return Image.fromarray(denoised)
class OcrRequest(BaseModel): class OcrRequest(BaseModel):