从 TIFF 中提取或裁剪图像

Question

我需要从 TIFF 文件中提取/裁剪中间的标识 (BEAVER)，如下所示： http: //i41.tinypic.com/2i7rbie.jpg

然后我需要自动化该过程，以便可以重复大约 900 万次...

我的猜测是我必须使用一些 OCR 软件。但是这样的软件是否有可能“裁剪从该点以下开始并在该点以上结束的任何内容”？

想法？

Answer 1

通常 OCR 软件仅从图像中提取文本并将其转换为某种特定于文本的格式。它不做作物。但是，您可以使用 OCR 技术来完成您的任务。我建议如下：

• OCR 整个页面
• 获取已识别文本的坐标
• 将您的魔法规则应用于已识别的文本以定位要裁剪的区域：例如“应用程序填充”和“声明”句子之间的所有内容。
• 从图像中剪切该区域并将其导出到您想要的位置。

真正的挑战在于您想要处理的文本量。在定义“智能规则”时，您必须非常小心，以确保它们不会提供误报，并始终将可疑图像发送到单独的队列，您稍后将手动检查和更新您的规则。

一般来说，它可能看起来像这样：

• 获取前 10 个图像，定义徽标检测规则，测试并查看是否一切正常
• 然后运行下 10 个图像，查看哪些处理错误，哪些未处理，更新规则，重新处理这些10 确保现在一切正常
• 在相同大小的新批次上重新运行它，直到它开始正常工作。
• 然后将批量大小从 10 增加到 100，并继续处理这些批量，直到一切再次开始顺利进行。
• 然后继续以这种方式完善您的规则并增加批量大小。在某个时间点，您将达到生产速度。

您很可能会遇到一些奇怪的图像，这些图像要么与现有规则相矛盾，要么就是错误的。您并不总是需要更新规则来适应它。可能你的 900 万张收藏中只有几十张这样的图像。最好将它们留在异常队列中以进行手动处理，并且不要冒着魔法规则稳定性的风险。