| """
|
| OCR 预提取模块
|
| - 增强实验阶段使用
|
| - 从图像中提取文字信息，拼入 Prompt 提升 TextVQA 性能
|
| - 默认 disabled，由 config.yaml 中 preprocess.ocr.enabled 控制
|
| """
|
|
|
| from typing import List, Optional
|
|
|
| from PIL import Image
|
|
|
|
|
|
|
| _reader: Optional[object] = None
|
|
|
|
|
| def _get_reader(lang_list: Optional[List[str]] = None):
|
| """延迟初始化 EasyOCR Reader（单例）"""
|
| global _reader
|
| if _reader is None:
|
| import easyocr
|
| if lang_list is None:
|
| lang_list = ["ch_sim", "en"]
|
| _reader = easyocr.Reader(lang_list, gpu=True)
|
| return _reader
|
|
|
|
|
| def extract_texts(
|
| image: Image.Image,
|
| lang_list: Optional[List[str]] = None,
|
| ) -> List[str]:
|
| """
|
| 从图像中提取文字行（OCR）
|
|
|
| Args:
|
| image: 输入图像 (PIL.Image, RGB)
|
| lang_list: 语言列表，默认 ["ch_sim", "en"]
|
|
|
| Returns:
|
| 检测到的文字列表，按从上到下、从左到右排列
|
| e.g. ["STOP", "停", "限速 60"]
|
| """
|
| reader = _get_reader(lang_list)
|
|
|
| import numpy as np
|
| img_array = np.array(image)
|
| results = reader.readtext(img_array, detail=0)
|
| return results
|
|
|
|
|
| def format_ocr_texts(texts: List[str], max_chars: int = 500) -> str:
|
| """
|
| 将 OCR 结果格式化为可拼入 Prompt 的字符串
|
|
|
| Args:
|
| texts: OCR 提取的文字列表
|
| max_chars: 最大字符数，超出则截断
|
|
|
| Returns:
|
| 格式化后的字符串，例如：
|
| "图像中检测到的文字：\n- STOP\n- 限速 60\n- 出口"
|
| """
|
| if not texts:
|
| return ""
|
|
|
| lines = ["图像中检测到的文字："]
|
| char_count = 0
|
| for t in texts:
|
| t = t.strip()
|
| if not t:
|
| continue
|
| line = f"- {t}"
|
| char_count += len(line) + 1
|
| if char_count > max_chars:
|
| lines.append("- ...（后续文字已截断）")
|
| break
|
| lines.append(line)
|
|
|
| return "\n".join(lines)
|
|
|
