Update app.py

app.py

@@ -12,7 +12,7 @@ def ocr_with_boxes(image):
     img = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
     
     # --- Preprocessing เพื่อให้ OCR อ่านโลโก้แม่นขึ้น ---
-    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # เป็น grayscale
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # grayscale
     gray = cv2.adaptiveThreshold(
         gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
         cv2.THRESH_BINARY, 11, 2
@@ -22,40 +22,52 @@ def ocr_with_boxes(image):
     gray = cv2.erode(gray, kernel, iterations=1)
 
     # --- Tesseract config ---
-    # oem 3 = LSTM neural net, psm 6 = assume a block of text
-    # whitelist สำหรับตัวอักษรอังกฤษ + ตัวเลข
     custom_config = r'-l tha+eng --oem 3 --psm 6 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789'
 
     # OCR with bounding boxes
     data = pytesseract.image_to_data(gray, config=custom_config, output_type=Output.DICT)
-    
     totalBox = len(data['text'])
     lines = defaultdict(list)
 
+    # จัดเรียงข้อความเป็นบรรทัด
     for i in range(totalBox):
         if int(data['conf'][i]) > 0:
             text = data['text'][i].strip()
             if text != "":
                 line_id = (data['block_num'][i], data['par_num'][i], data['line_num'][i])
-                lines[line_id] += [text]
+                lines[line_id].append(i)  # เก็บ index แทน text
+
+    # วาดกรอบรวมทุกคำในบรรทัด + margin
+    margin = 5  # เพิ่มให้กรอบไม่เล็กเกินไป
+    for line_id, indices in lines.items():
+        xs = [data['left'][i] for i in indices]
+        ys = [data['top'][i] for i in indices]
+        ws = [data['width'][i] for i in indices]
+        hs = [data['height'][i] for i in indices]
+
+        x, y = min(xs), min(ys)
+        w, h = max([xs[i]+ws[i] for i in range(len(xs))]) - x, max([ys[i]+hs[i] for i in range(len(ys))]) - y
 
-                # วาดกรอบ
-                x, y, w, h = data['left'][i], data['top'][i], data['width'][i], data['height'][i]
-                cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
-                cv2.putText(img, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,
-                            0.7, (0, 0, 255), 2, cv2.LINE_AA)
+        cv2.rectangle(img, (x-margin, y-margin), (x + w+margin, y + h+margin), (0, 255, 0), 2)
 
-    # รวมข้อความให้เป็นบรรทัด
-    extracted_texts = [" ".join(words) for _, words in sorted(lines.items())]
+        # วางข้อความทั้งหมดในบรรทัดบนกรอบ
+        text_line = " ".join([data['text'][i] for i in indices])
+        cv2.putText(img, text_line, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,
+                    0.7, (0, 0, 255), 2, cv2.LINE_AA)
+
+    # รวมข้อความทั้งหมด
+    extracted_texts = []
+    for indices in lines.values():
+        extracted_texts.append(" ".join([data['text'][i] for i in indices]))
     final_text = "\n".join(extracted_texts)
 
-    # 🔧 แก้เว้นวรรคภาษาไทย
+    # แก้เว้นวรรคภาษาไทย
     final_text = re.sub(r'([\u0E00-\u0E7F])\s+([\u0E00-\u0E7F])', r'\1\2', final_text)
 
     # แปลงกลับเป็น PIL
     img_out = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
     img_pil = Image.fromarray(img_out)
-    
+
     return img_pil, final_text
 
 # Gradio UI
@@ -63,8 +75,8 @@ demo = gr.Interface(
     fn=ocr_with_boxes,
     inputs=gr.Image(type="pil", label="อัปโหลดภาพ"),
     outputs=[gr.Image(label="ผลลัพธ์พร้อมกรอบข้อความ"), gr.Textbox(label="ข้อความ OCR")],
-    title="OCR ไทย + อังกฤษ (Tesseract + Logo Fix)",
-    description="อัปโหลดภาพ ระบบจะ OCR ไทย+อังกฤษ วาดกรอบ และแก้เว้นวรรคภาษาไทยอัตโนมัติ พร้อมปรับให้โลโก้ภาษาอังกฤษอ่านแม่นขึ้น"
+    title="OCR ไทย + อังกฤษ (Tesseract + Line-based Bounding Box)",
+    description="OCR ไทย+อังกฤษ วาดกรอบรวมบรรทัด แก้เว้นวรรคไทย และครอบโลโก้ได้แม่นขึ้น"
 )
 
 if __name__ == "__main__":