ocr_read_trials — SYMBOL `ocr` op

• Datenarten: table → table

• Aufruf: import fullseye as fs; fs.ledger.ocr_read_trials(text, factor, levels, *, model, font=None, char_height_px=24.0, trials=20, render=None, capture=None, level_jitter=0.0, refine=False, seed=0) (die Implementierung direkt: import symbolpod; symbolpod.ocr_read_trials(text, factor, levels, *, model, font=None, char_height_px=24.0, trials=20, render=None, capture=None, level_jitter=0.0, refine=False, seed=0); aus dem Register: opssymbol.get("ocr_read_trials"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Nimmt eine gedruckte Zeichenkette auf jeder Degradationsstufe trials-mal auf, liest sie per OCR und liefert eine Zeile je Versuch (table).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

Legibility trials for classical OCR: render text with the built-in font (ocrclassic.ocr_render_text; font defaults to the model's font), apply the capture chain (symrender.capture_degrade, sensor 20000 e / 10 e / 8 bit by default) with the swept factor (OCR_FACTORS), and read the line with ocrclassic.ocr_read_line. Each trial draws a fresh sub-pixel offset of the line and a sensor-noise seed. Outcomes per capture: hit = the whole string read exactly, misread = at least one character read as a *different* character (substituted or inserted, per ocrclassic.ocr_score) — the dangerous case, never folded into the read rate —, noread = otherwise (rejects ? or missing characters only). The table has the same columns as symbol_read_trials (plus rejected_chars / substituted_chars) so symbol_read_pod fits it. refine and level_jitter work as in symbol_read_trials.

空の入力(text == "" / levels が 3 未満)は ValueError。拒否(ValueError): 未知の factor、trials < 1、水準の重複・非有限、字種の外の文字、render / capture に掃引中の因子と同じ鍵、level_jitter が [0, 0.5] の外、OCR の模型でない model。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie symbol_reading

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_symbol_lot_ocr — py -3.11 examples/poc_symbol_lot_ocr.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

render_symbol · symbol_read_trials · symbol_read_pod · ocr_classify · ocr_read_line

Gleiche Kategorie (`ocr`)

ocr_font · ocr_render_text · ocr_segment_line · ocr_features · ocr_train · ocr_classify · ocr_read_line · ocr_score

*Provenance: symbolpod.py — SYMBOL Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

ocr_read_trials — SYMBOL ocr op