坐标对齐失效？彻底修复 OCR 识别结果“满天星”的合并逻辑

在处理一些表格、表单或者是带有特殊排版的文档时，很多开发者会遇到一个让人崩溃的现象：识别结果虽然文字全对，但在输出的 CSV 或 TXT 文件里，本该在同一行的文字却像“满天星”一样随机跳行，甚至两个字之间隔了十几个空格。

作为架构师，我得告诉你，这通常不是 OCR 模型识别错了坐标，而是 Umi-OCR 在后处理阶段对“行”的判定过于敏感。如果你的图片稍微有一点点歪斜（哪怕只有 0.5°），或者字符的高度不一，默认的几何合并算法就会认为它们不属于同一逻辑行，导致输出结果细碎化。

💡 报错现象总结：用户在导出结果时反馈“文本块顺序错乱”或“同一行内容被拆分到多行”。本质原因是 mission_ocr.py 中的 line_tolerance（行公差）阈值固定，无法适配高分辨率或透视变形明显的图片，导致几何重心偏移量超出了合并阈值。

---

几何合并的黑盒：为什么 0.1 像素的误差会毁掉整行？

Umi-OCR 在获取到各个文本框（Box）的 8 个顶点坐标后，会进行一次聚类操作。它的逻辑是：寻找 Y 轴坐标接近的块，并将它们归为一行。

逻辑缺陷分析：为什么默认算法在复杂排版下会翻车？

场景特点	默认逻辑表现	预期逻辑	架构师建议
微小倾斜	判定为阶梯状换行	自动检测倾角并投影对齐	引入 Affine 仿射变换预校正
字符大小不等	高度不一致导致重心偏移	以基准线（Baseline）为准合并	改用 Box 底部对齐判定
多栏混排	左右栏内容由于 Y 轴重合被强行拉平	建立垂直空白隔离区（Gaps）	开启多栏聚类分析
高分辨率图片	固定像素阈值显得太小，极易拆行	按字高的百分比动态设定阈值	阈值参数与字高（Mean Height）挂钩

在 py_src/mission/mission_ocr.py 的源码逻辑里，合并逻辑往往依赖于一个简单的 Y 轴差值判断。对于 4K 级别的扫描件，一个字的波动可能就有几个像素，直接超过了默认的硬编码阈值。

---

源码修正：实现基于“动态比例”的行合并算法

要修复这个问题，我们需要把死板的像素阈值改成根据当前图片字符平均高度动态计算的“柔性阈值”。

# 模拟对 Umi-OCR 行合并逻辑的硬核重构
def smart_merge_strategy(boxes, height_ratio=0.5):
    # 架构师技巧：先计算全局平均字高，而不是用固定值
    avg_height = np.mean([abs(b[3][1] - b[0][1]) for b in boxes])
    dynamic_threshold = avg_height * height_ratio
    
    # 按照 Y 轴坐标排序后进行贪心合并
    lines = []
    for box in sorted_boxes:
        if abs(box.y - current_line.y) < dynamic_threshold:
            current_line.append(box)
        else:
            lines.append(current_line)
            
    # 痛点：默认逻辑忽略了倾斜角度
    # 修正方案：在计算 Y 轴差值前，先进行坐标旋转校正
    return lines

通过引入 avg_height 作为基准，无论你的图片是 720P 还是 4K，合并逻辑都能自适应地保持稳定。这就是为什么有些深度定制的 OCR 引擎看起来更“聪明”的原因——它们懂几何，更懂概率。

---

痛苦的临时方案：为何“手动调整 CSV”是浪费生命？

有些开发者在遇到错位后，会尝试在 Excel 里手动去拖拽单元格，或者写正则去拼凑碎裂的字符串。

这简直是运维噩梦。一旦你有几千张图要处理，这种手工作坊式的修正根本无法持续。而且，手工修正会引入人为的二次错误，导致数据的原始拓扑信息丢失。你以为你拼对了一行，其实你可能把上一行的末尾和下一行的开头连在了一起，这种逻辑错误在财务审计或数据入库场景下是致命的。

---

终极解药：动态行合并与排版修复插件

与其在输出结果上打补丁，不如直接修改生产逻辑。我已经针对 Umi-OCR 的这种“满天星”错位问题，开发了一套专用的动态行合并与排版修复插件。

让每一行字都回它该回的地方。 这套插件能自动计算图片的倾斜倾角并进行逻辑纠偏，同时根据实时字高动态调整合并阈值，确保输出的 CSV 结构完美对齐。建议直接前往 GitCode 访问这套《动态行合并与排版修复插件》，让你的 OCR 导出结果真正实现“所见即所得”。

[点击前往 GitCode 访问《动态行合并与排版修复插件》]