62 lines
2.7 KiB
Python
62 lines
2.7 KiB
Python
import cv2
|
|
import numpy as np
|
|
from typing import Optional
|
|
|
|
class DocumentImageProcessor:
|
|
"""
|
|
Saját fejlesztésű képtisztító pipeline OCR-hez.
|
|
A nyers (mobillal fotózott) képekből kontrasztos, fekete-fehér, zajmentes változatot készít,
|
|
amelyet az AI már közel 100%-os pontossággal tud olvasni.
|
|
"""
|
|
|
|
@staticmethod
|
|
def process_for_ocr(image_bytes: bytes) -> Optional[bytes]:
|
|
try:
|
|
# 1. Kép betöltése a memóriából (FastAPI UploadFile bytes-ból)
|
|
# A képet nem mentjük a lemezre, villámgyorsan a RAM-ban dolgozzuk fel.
|
|
nparr = np.frombuffer(image_bytes, np.uint8)
|
|
img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
|
|
|
|
if img is None:
|
|
raise ValueError("A képet nem sikerült dekódolni.")
|
|
|
|
# 2. Szürkeárnyalatossá alakítás (A színek csak zavarják a szövegfelismerést)
|
|
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
|
|
|
|
# 3. Kép átméretezése (Felskálázás)
|
|
# Az AI és az OCR motorok a minimum 300 DPI körüli képeket szeretik.
|
|
height, width = gray.shape
|
|
if width < 1000 or height < 1000:
|
|
gray = cv2.resize(gray, None, fx=2.0, fy=2.0, interpolation=cv2.INTER_CUBIC)
|
|
|
|
# 4. Kontraszt növelése (CLAHE - Contrast Limited Adaptive Histogram Equalization)
|
|
# Ez eltünteti a vaku okozta becsillanásokat és kiemeli a halvány betűket.
|
|
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
|
|
contrast = clahe.apply(gray)
|
|
|
|
# 5. Enyhe homályosítás (Denoising / Noise Reduction)
|
|
# Eltünteti a papír textúráját (pl. a forgalmi engedély vízjelét vagy a blokk gyűrődéseit).
|
|
blur = cv2.GaussianBlur(contrast, (5, 5), 0)
|
|
|
|
# 6. Adaptív Küszöbérték (Binarization)
|
|
# Minden pixel környezetét külön vizsgálja. Ez küszöböli ki azt, amikor a fotó egyik
|
|
# sarka sötét (pl. árnyékot vet a telefon), a másik meg világos.
|
|
thresh = cv2.adaptiveThreshold(
|
|
blur,
|
|
255,
|
|
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
|
|
cv2.THRESH_BINARY,
|
|
11, # Blokk méret (páratlan szám)
|
|
2 # Konstans levonás
|
|
)
|
|
|
|
# 7. Visszakódolás bájt formátumba (PNG), hogy átadhassuk az AI-nak
|
|
success, encoded_image = cv2.imencode('.png', thresh)
|
|
if not success:
|
|
raise ValueError("Nem sikerült a feldolgozott képet PNG-be kódolni.")
|
|
|
|
return encoded_image.tobytes()
|
|
|
|
except Exception as e:
|
|
print(f"Hiba a képfeldolgozás során: {str(e)}")
|
|
return None |