چرا خواندن صفحه خمیده سخت است
صفحه کتاب باز هیچوقت صاف نیست. کاغذ با انحنایی از عطف فاصله میگیرد، متن به سمت عطف فشرده میشود و نور بهطور نایکنواخت روی آن میافتد. عکس همه اینها را با دقت ثبت میکند — و مشکل دقیقاً همین است. آنچه میخواهید عکسی خوب از صفحهای خمیده نیست، بلکه صفحهای صاف است، و هر قدر هم برش بزنید، به آن نمیرسید.
راهحل معمول، سختافزار است. اسکنرهای تخت مشکل را با فشردن صفحه زیر شیشه حل میکنند و اسکنرهای کتابی که از بالا تصویر میگیرند، با گهوارهای V شکل. هر دو جواب میدهند و هر دو یعنی باید کتاب را پیش دستگاه ببرید.
مدل دقیقاً چه چیزی را اصلاح میکند
vFlat شکل سهبعدی صفحه را از روی تنها یک عکس تخمین میزند و سپس آن را روی سطحی تخت باز میکند. سه چیز همزمان اصلاح میشود:
- خود انحنا، تا سطرهایی که به سمت عطف خم شدهاند صاف شوند.
- پرسپکتیو، تا صفحه به شکل مستطیل دیده شود نه ذوزنقه.
- نور نایکنواخت، تا حاشیه سایهدار کنار عطف به روشنایی حاشیه بیرونی برسد.
انجام همزمان این سه کار اهمیت دارد. اصلاح پرسپکتیو بدون اصلاح انحنا، متن را همچنان خمیده باقی میگذارد؛ صاف کردن بدون اصلاح نور، نواری خاکستری در وسط هر صفحه به جا میگذارد.
کجا بهترین نتیجه را میدهد
کتابهای قطور بیشترین سود را میبرند، چون بیشترین انحنا را دارند. کتابهای جلدنرمی که از وسط باز نگه داشته شدهاند، کتابهای جلدسختی که صاف باز نمیمانند و نتهای موسیقی روی پایه نت، همگی بهطور محسوسی بهتر از یک عکس معمولی درمیآیند.
کاغذ بسیار براق زیر نور تند تنها موردی است که هنوز کمی دقت در آن کمک میکند: انعکاس نور اطلاعاتی را از بین میبرد که مدل نمیتواند بازسازی کند، پس نور پخششده نتیجه تمیزتری میدهد.
چه اهمیتی برای OCR دارد
صاف کردن فقط جنبه ظاهری ندارد. تشخیص متن روی صفحهای که انحنایش گرفته شده بهمراتب دقیقتر است، چون شکل حروف در طول سطر یکسان میماند و به سمت عطف فشرده نمیشود.
در عمل، این همان تفاوت میان اسکنی است که میتوانید در آن جستوجو کنید و اسکنی که فقط میتوانید به آن نگاه کنید.
روی کتاب بعدی که باز میکنید امتحانش کنید
دوربین را رو به دو صفحه روبهروی کتاب بگیرید، بگذارید اسکن خودکار عکس را بگیرد و نتیجه را با عکسی که اپلیکیشن دوربینتان میگرفت مقایسه کنید. کل این قابلیت در همین تفاوت خلاصه میشود.
