Предобработка изображений перед распознаванием документов

Зачем нужна предобработка изображений перед распознаванием

Предобработка изображений перед распознаванием — это набор операций, которые приводят входной кадр к виду, пригодному для стабильного извлечения текста и полей. На вход в банке или страховой компании попадает не аккуратный планшетный скан, а фотография с телефона клиента, копия после факса, страница из выписки со сложным фоном или пересъёмка договора под углом. Модель распознавания документов работает с тем изображением, которое ей дали, и качество исходного кадра определяет верхнюю границу точности сильнее, чем выбор самой модели. В продуктах ZoomApps предобработка вынесена в отдельную стадию именно поэтому: её проще контролировать, воспроизводить и настраивать под конкретный тип документа.

Ошибка на входе распространяется по всей цепочке. Смазанная цифра в ИИН превращается в неверный идентификатор клиента, перекошенная строка ломает привязку суммы к её назначению, а посторонний блик поверх печати заставляет систему додумывать символы. В финансовом секторе цена такой ошибки — не косметическая: неверно считанный БИН контрагента или сумма в тенге проходит дальше в учётную систему и всплывает уже на этапе сверки. Предобработка снимает предсказуемую часть этих дефектов до того, как изображение дойдёт до распознающей модели.

Геометрия кадра: выравнивание, обрезка, коррекция перспективы

Первое, что делает предобработка, — приводит документ к прямой ортогональной проекции. Наклон в несколько градусов, характерный для съёмки с рук, уже заметно снижает точность построчного разбора, а перспективные искажения при съёмке под углом дополнительно растягивают символы к краям листа. Алгоритмы определяют границы листа, отсекают фон стола или руку, поворачивают изображение так, чтобы строки шли горизонтально, и выпрямляют трапецию в прямоугольник. Для удостоверений, которые в KYC-сценариях чаще всего фотографируют телефоном, этот шаг критичен: поля на документе расположены плотно, и даже небольшой сдвиг сетки приводит к слипанию соседних значений.

Отдельная задача — устранение изгиба страницы. Многостраничные банковские выписки и сшитые договоры фотографируют раскрытыми, из-за чего текст у корешка уходит в тень и деформируется. Здесь помогает распрямление кривизны и локальное восстановление геометрии строк, после которого табличная разметка снова становится читаемой и колонки не смещаются друг относительно друга.

Тон, контраст, бинаризация и шумоподавление

После выравнивания геометрии изображение приводят к пригодному тоновому диапазону. Неравномерная подсветка, тени от телефона и разное качество печати означают, что единый порог яркости для всего листа не работает. Поэтому применяют адаптивную бинаризацию, которая вычисляет порог локально, для каждого участка отдельно, и вытягивает бледный текст там, где глобальный порог его бы потерял. Параллельно выравнивается контраст, чтобы серый оттиск матричного принтера или выцветшая копия давали чёткую границу между штрихом и фоном.

Шумоподавление убирает то, что модель иначе примет за символы: зерно от плохой камеры, артефакты сжатия, растр после факса, точечный мусор на скане. Тонкая часть работы — не повредить полезную графику. На счетах-фактурах синие и фиолетовые печати и штампы накладываются прямо на текст с суммами и реквизитами, и наивная чистка стирает цифры вместе с оттиском. Разделение слоёв по цвету и аккуратное подавление фона позволяют убрать печать, сохранив читаемым текст под ней.

Специфика казахстанских документов

Документы в Казахстане ставят перед предобработкой отдельные требования. В одном листе соседствуют казахский и русский текст, встречаются специфические буквы казахского алфавита, и подготовка изображения должна сохранять их различимыми, а не сглаживать диакритику вместе с шумом. Смешанные шрифты и печати госорганов добавляют вариативности, к которой конвейер нужно калибровать заранее, а не подгонять постфактум.

Практическую выгоду даёт то, что многие поля поддаются проверке. ИИН и БИН имеют контрольную цифру, суммы в тенге привязаны к формату и итогам, реквизиты сверяются со справочниками. Когда после предобработки распознанное значение проходит эти проверки, ошибку видно сразу, а не на этапе сверки в 1С. Чем чище изображение уходит в модель, тем реже срабатывают контрольные правила и тем меньше документов уходит на ручную дообработку оператором.

Предобработка внутри изолированного контура

Для банков и страховых компаний важно не только качество, но и то, где происходит обработка. Удостоверения, договоры и выписки содержат персональные данные, которые нельзя выносить за периметр организации. Поэтому вся предобработка выполняется в изолированном развёртывании: изображение не покидает контур клиента, не отправляется во внешние облачные сервисы и обрабатывается на инфраструктуре внутри периметра.

Такой подход задаёт и форму результата. На выходе конвейер отдаёт не просто очищенную картинку, а структурированный вывод с распознанными полями, готовый к загрузке в учётные системы. Предобработка при этом остаётся прозрачной и настраиваемой стадией, которую можно адаптировать под конкретный поток документов организации, не отправляя ни одного кадра наружу. Подробнее о сценариях и типах документов — в разделе распознавание документов.

Хотите увидеть распознавание на своих документах? Посмотрите что умеет ZoomApps или сразу напишите нам в WhatsApp — покажем на демо.