AIStoryBoard/nodejs/ocr-config-examples.js

/**
 * OnnxOCR配置参数使用示例
 * 
 * 这个文件展示了如何在 ocr-dialog-block-reg.js 中配置 OnnxOCR 的所有参数
 */

import { startOcrDialogBlockReg, createOcrConfig, getPresetConfig } from './ocr-dialog-block-reg.js';

// ============================================================================
// 使用方式1: 使用预设配置
// ============================================================================

async function usePresetConfig() {
  const imagePath = "your_image.png";
  const textBlocksJsonPath = "output/text_blocks.json";
  const textRegionImagePath = "output/text_region.png";
  
  // 获取高精度预设配置
  const config = getPresetConfig('high_precision');
  
  const result = await startOcrDialogBlockReg(
    imagePath, 
    textBlocksJsonPath, 
    textRegionImagePath, 
    config
  );
}

// ============================================================================
// 使用方式2: 创建自定义配置
// ============================================================================

async function useCustomConfig() {
  const imagePath = "your_image.png";
  const textBlocksJsonPath = "output/text_blocks.json";
  const textRegionImagePath = "output/text_region.png";
  
  // 创建自定义配置
  const config = createOcrConfig({
    // 检测参数（影响能检测到多少文字区域）
    det_db_thresh: 0.15,          // 检测阈值：0.1-0.5，越小检测越敏感
    det_db_box_thresh: 0.45,      // 框置信度：0.3-0.8，越小检测更多框
    det_limit_side_len: 1536,     # 处理尺寸：640/960/1280/1536，越大精度越高
    
    // 识别参数（影响文字识别准确度）
    drop_score: 0.25,             // 识别阈值：0.2-0.6，越小保留更多结果
    use_angle_cls: true,          // 角度分类器：true提高倾斜文字识别
    
    // 高级参数
    det_db_unclip_ratio: 1.6,     // 框扩展比例：1.2-2.0
    det_box_type: "quad",         // 检测框类型：quad/poly
    use_dilation: false,          // 膨胀操作：true可能提高小文字检测
    det_db_score_mode: "fast"     // 计算模式：fast/slow
  });
  
  const result = await startOcrDialogBlockReg(
    imagePath, 
    textBlocksJsonPath, 
    textRegionImagePath, 
    config
  );
}

// ============================================================================
// 使用方式3: 直接传入配置对象
// ============================================================================

async function useDirectConfig() {
  const imagePath = "your_image.png";
  const textBlocksJsonPath = "output/text_blocks.json";
  const textRegionImagePath = "output/text_region.png";
  
  // 直接传入配置对象
  const result = await startOcrDialogBlockReg(
    imagePath, 
    textBlocksJsonPath, 
    textRegionImagePath,
    {
      det_db_thresh: 0.2,
      det_db_box_thresh: 0.5,
      det_limit_side_len: 1280,
      drop_score: 0.3,
      use_angle_cls: true
    }
  );
}

// ============================================================================
// 预设配置说明
// ============================================================================

/*
可用的预设配置：

1. 'balanced' (平衡配置) - 默认
   - 速度和精度平衡
   - 适合大多数场景

2. 'high_precision' (高精度配置)
   - 识别更准确，检测更多区域
   - 速度较慢，适合要求高精度的场景

3. 'fast' (快速配置)  
   - 速度优先，精度稍低
   - 适合实时处理或大批量处理
*/

// ============================================================================
// 参数详细说明
// ============================================================================

/*
主要参数说明：

📍 检测相关参数：
- det_db_thresh: 文字检测阈值 (0.1-0.5)
  * 越小 = 检测越敏感，能找到更多文字区域
  * 越大 = 检测越严格，只保留明显的文字区域
  
- det_db_box_thresh: 文字框置信度阈值 (0.3-0.8)
  * 越小 = 保留更多候选框
  * 越大 = 只保留高置信度的框

- det_limit_side_len: 图片处理尺寸 (640/960/1280/1536)
  * 越大 = 精度越高，但速度越慢
  * 越小 = 速度越快，但可能漏检小文字

📝 识别相关参数：
- drop_score: 识别置信度阈值 (0.2-0.6)
  * 越小 = 保留更多识别结果（包括不确定的）
  * 越大 = 只保留高置信度的识别结果

- use_angle_cls: 角度分类器 (true/false)
  * true = 能更好识别倾斜、旋转的文字
  * false = 速度更快，但对倾斜文字效果差

🔧 高级参数：
- det_db_unclip_ratio: 文字框扩展比例 (1.2-2.0)
  * 控制检测框相对于实际文字的大小
  * 越大 = 框越大，能包含更多边缘文字

- rec_image_shape: 识别图片尺寸 ("3, 48, 320")
  * 固定值，不建议修改（模型限制）

- det_box_type: 检测框类型 ("quad"/"poly")
  * quad = 四边形框（推荐）
  * poly = 多边形框（更精确但复杂）
*/

export {
  usePresetConfig,
  useCustomConfig,
  useDirectConfig
};