倾斜为什么毁掉断行
OCR 按水平线切行:它假设文字行是水平的。页面倾斜时,一行文字在图像里呈斜坡,切割线切过去,把一行的前半段和下一行的后半段拼成一行——断行错乱就是这么来的。
2 度以内的倾斜,多数 OCR 内部能自适应;超过 3-5 度,错乱率直线上升。扫歪的文档,肉眼觉得「就歪一点点」,机器已经在乱切了。
纠偏的三种姿势
自动纠偏:很多扫描 App、OCR 工具自带「自动纠偏/文档校正」,检测到歪斜自动转正——先翻翻你的工具里有没有这个开关,有就一开到底。
手动拉直:看图软件里用「旋转/任意角度」微调,参考线是页面上的文字行或表格线,转到水平为止。重新扫描:批量扫描时,扫描仪的自动进纸歪斜,重扫比纠偏更干净——扫描时把纸对齐挡板,从源头正。
拍照文档的特殊处理
手机拍的文档不是「歪」而是「透视变形」(近大远小):纠偏救不了透视,要「文档矫正/梯形校正」功能——把四个角点拖到纸张四角,软件拉成标准矩形。
拍的时候把手机举正、垂直俯拍,透视变形能小一大半。拍正的照片,矫正起来精度也高。
纠偏后的验收
纠偏完看一眼:页面边缘有没有被裁掉文字(纠偏要旋转裁剪,边缘字可能牺牲)、文字行是不是水平了。确认无误再 OCR,识别结果的断行立刻规整。
批量处理时,纠偏和识别放进同一流水线:支持批量纠偏的工具先整批纠偏,再整批识别,中间抽三页检查——流水线思维,让几百页的活也能稳。
批量扫描时的防歪操作
用平板扫描仪时,稿件贴住玻璃板左上角的直角基准边,先用手压平再合盖,盖子缓放,避免气流把纸带偏。自动进纸器两侧的导纸板要夹紧纸堆,留半毫米活动量,太松走纸必斜,太紧容易卡纸或双张进纸,两头都误事。纸堆进纸前先抖松对齐,在桌面上墩两下让四边齐整再放进去;带订书钉、回形针的稿子一定先拆,金属物进滚轮就是事故。受潮起皱的纸先压平晾透再扫,皱纸走纸必斜,还会在玻璃板上蹭出一层纸灰。
连续扫几十页时,每十页抽查一张看倾斜量。扫描仪滚轮磨久了会单边打滑,倾斜角会从 0.2 度慢慢爬到 1 度以上。发现苗头就清洁进纸滚轮:微湿的无纺布擦掉纸灰,晾干再继续,别硬撑到整批作废,返工比停机贵得多。清洁时顺便看看滚轮表面有没有发亮,发亮说明橡胶老化打滑,该换搓纸轮了,几十块钱的配件能救回整机的走纸精度。换件不复杂,照着说明书十分钟搞定,比送修省一周。
去复印店扫描最好自己盯着:让店员把原稿对齐玻璃板刻度线,分辨率定 300dpi,输出 PDF 或 TIFF。拿回文件先抽查首页和末页,末页歪斜常见于装订太厚的本子,压平后单独补扫那几页即可,千万别将错就错凑合用。厚本子扫描时让店员把盖子虚掩别压死,压死了书脊处的内容会被折弯变形,识别时那一条竖带全是乱码,补扫都救不回来。书口那侧也要压贴合玻璃板,浮起的书页扫出来一边清一边糊,等于白扫。
养成「先纠偏后归档」的习惯:每批扫描件在 2345看图王里快速翻一遍,歪的立刻旋转修正再保存,正的按「项目+日期」命名进文件夹。归档时端正,日后 OCR、打印、转发全都顺;一次歪着归档,以后每次用都要重新纠。翻页检查时重点看页边参照物,文字行和图框的水平线最诚实,倾斜 0.5 度以上肉眼就能察觉,别放大看字,看线最快。一批评完顺手记个数,这批歪了几张、歪向哪边,下次扫描就能提前针对性调整。
识别后断行乱串,十有八九是扫的时候就歪了,机器按水平线找文字行,纸斜三度行就切成斜的。批量扫描想不歪,从进纸环节管起:自动进纸器的两侧挡板一定要推到贴着纸边,留出缝隙纸就会斜着走;一沓纸先抖松对齐再放进去,受潮卷边的纸单独手送。扫描软件的设置里打开自动纠偏,英文界面叫 deskew,这个功能能把两三度以内的歪斜自动拉直,对老档案特别好用。平板扫描仪上单页扫,纸的一边贴紧玻璃板直边,盖上盖板压平。每扫完一批抽查几页,放大看文字行是否水平,发现连续歪斜就停下来重调挡板,别硬扫完一百页再返工。纠偏在扫描端做是顺水推舟,堆到识别端就是逆水行舟。