拍摄质量如何影响识别结果：几个可量化的观察
识别效果差的时候，第一反应总是「模型不行」。但实际上大部分失败样本的问题在输入端——图拍得不好，再强的模型也救不回来。这篇记录我用同一张小票重复拍摄、控制变量做对比的观察方法和几个结论。
先说方法：怎么让对比有意义
随手拍几张对比没有意义，因为变量太多。我的做法是：
- 固定一张样本票据，用铅笔在某处做微小标记，保证每次拍的确实是同一张。
- 每次只改一个条件：只改光照、或只改角度、或只改距离。其他条件尽量保持一致。
- 记录字段级准确率而不是字符级。商户、日期、总金额、商品行数这四个字段各自对不对，比「整页字符准确率 96%」有用得多——后者高不代表关键字段没错。
- 每类条件至少三张，避免单次偶然。
这套方法土，但能定位问题。用字符准确率做指标经常会掩盖问题：整页三百个字错三个，准确率看着漂亮，但那三个字很可能正好在金额上。
观察一：光照不均比整体偏暗更致命
整体偏暗的图，做一次对比度拉伸基本能救回来，识别率下降有限。真正麻烦的是局部过曝：手机补光或者顶灯直射，小票某一侧变成一片白，那一片的文字信息物理上就没了，任何后处理都补不回来。
处理办法是不要用全局阈值二值化，改用局部自适应阈值（Sauvola 或局部均值），让每个小块自己算阈值。代价是纸面噪点会被放大，所以阈值之后通常还要做一次连通域过滤，把面积过小的噪点清掉。
观察二：透视畸变的代价比想象中高
斜着拍造成的梯形畸变，肉眼看着「还能读」，但 OCR 的检测框会明显变差。原因是训练数据里绝大多数文本是水平排列的，倾斜角度一大，检测的置信度就掉，漏检随之出现。
处理顺序很关键：先做透视矫正，再进识别。矫正靠检测票据的四个角点，做四点透视变换。这里有个细节：角点检测不需要很精确，误差几个像素对最终结果影响不大，但如果检测失败（比如票据边缘和桌面颜色接近），整个矫正就会变形，比不矫正更糟。所以我会加一个判断——检测到的四边形面积和内角明显异常时，直接放弃矫正，走原图。
观察三：热敏纸褪色是可以部分抢救的
放了一两年的热敏纸小票，字迹会发灰、对比度极低。这类图的处理顺序我试下来是这样：
- 先转灰度，做对比度拉伸（按分位数截断，不要用最大最小值，否则噪点会被拉爆）。
- 再做自适应阈值。如果拉伸后依然二值化失败，说明对比度低到阈值法无效，改用边缘增强。
- 实在救不回来就放弃——识别出错误内容比识别不出来更危险，因为后处理无法分辨哪个字段是错的。
预处理的目标不是让图片变好看，是让检测器能框出文字。所以评价预处理是否有效，应该看检测阶段的召回率有没有提升，而不是看人眼看着是否清晰。
几个与分辨率有关的经验值
- 小票上的字普遍很小，短边低于 1000 像素基本没法用，字会糊成一团。
- 但一味提高分辨率也没用。超过一定尺寸后，检测器反而因为尺度不匹配而漏检，通常需要缩放到模型训练时的尺度区间。
- 拍摄距离适中的判断标准：小票占画面宽度 70% 以上，且四个角都在画面内——缺角会导致透视矫正失败。
小结
做下来最大的体会是：预处理阶段每一个操作都会影响后面的环节，顺序错了效果会互相抵消。比如先二值化再矫正，二值化时产生的噪点会在矫正时被插值放大；先做锐化再降噪，锐化放大的噪点又会被降噪抹掉真实笔画。所以流程顺序要固定下来，一次只改一处，用字段级准确率验证，而不是凭感觉调。
← 返回首页