掃描前置處理與結構化 OCR

HPDFScanPreprocess 接受呼叫端自有的 Graphics.TBitmap，回傳私有的校正後影像與可逆幾何；HPDFScanOCRWorkflow 使用既有的 IHPDFOCREngine，回傳映射後的文字與語意版面

隨附的驗收設定檔涵蓋 Delphi 與 Windows 上的 FPC/Lazarus；Tesseract OSD 處理程序配接器使用 Windows API，不屬於原生 Linux headless document 設定檔的一部分

校正與證據

校正順序為呼叫端提供的透視四邊形、順時針方向旋轉，以及連續角度去斜，採雙線性反向取樣，來源區域之外以白色填滿

明確指定的方向支援順時針 0、90、180、270 度；自動判斷方向需要偵測器，證據不足或格式錯誤時會拒絕

HPDFScanOrientationTesseract 提供實際的 Windows Tesseract OSD 配接器，使用明確指定的執行檔與包含 osd.traineddata 的 tessdata 目錄；它以隱藏處理程序直接執行 --psm 0 -l osd --dpi 300，不經過 shell

原始方向邊界閾值預設為 15；LastOrientationScore 保留實際的 Tesseract 分數，正規化信心值為分數除以 15，並限制在 [0, 1]；這個正規化只是證據尺度，不是校準過的機率

自動去斜會取樣實際的深色像素，比較有界角度範圍內的逐列投影集中度；預設範圍是 ±10 度、以 0.25 度為步進，證據門檻為 0.2；證據不足時保留明確角度並記錄 DeskewAccepted = False

明確去斜接受 -180 到 180 度之間的任意連續角度；自動搜尋半徑最多 45 度，步進必須在 0.1 到 5 度之間

透視校正需要來源點陣內一個有限、凸、按左上、右上、右下、左下排序的四邊形，以及明確的目標尺寸；不提供自動四邊形偵測

清理與有限預算

預設行為會正規化各 tile 局部陰影、移除連續的深色邊緣列與行，並保留灰階輸出；可選用 3×3 中值降噪與二值輸出

清理會把邊緣像素洗白，但不改變座標原點；RemovedBorderPixels 回報受影響的像素數，整片空白的點陣則直接跳過 OCR

預設上限為每個維度 32768 像素、輸入與輸出各 16777216 像素、保守估算 512 MiB 的工作配置量、500000000 個工作單位與 20000 個去斜取樣；來源像素還必須能放進帶正負號整數索引

這個估算涵蓋自有的點陣複本、灰階陣列、輸出儲存、取樣與長條圖；不涵蓋呼叫端的來源點陣圖、作業系統圖形配置，或任意外部 OCR 引擎

Tesseract OSD 另外對像素與合併的 stdout/stderr 設上限，每 25 毫秒輪詢取消狀態與輸出大小，並在逾時、取消或輸出超量時終結子處理程序；逾時必須在 1 到 3600000 毫秒之間，輸出上限在 1024 到 1048576 bytes 之間

所有權與回溯

HPDFPreprocessScan 絕不修改來源點陣圖；成功時由呼叫端釋放 OutputBitmap，失敗時回傳 nil 與帶診斷證據的狀態

偵測器收到的是私有複本；取消為合作式，發生在列、候選角度、處理程序等待與文字處理等邊界；提供的 OCR 引擎必須遵守請求 token 以及自身的處理程序與輸出限制

工作流程在每次失敗後清空文字、語意版面與行四邊形；配接器維護可變的最後回報狀態，應序列使用

幾何與結構化 OCR

點陣座標採左上原點與像素中心；齊次矩陣作用於行向量 (X, Y, 1)，並除以第三個分量；轉換乘法 A × B 表示先套用 B

SourceToOutput 與 OutputToSource 保留完整的仿射或射影操作；使用公開輔助函式時，請分別映射輸入與輸出記錄

OCR 包裝層把校正後的點陣連同未旋轉的暫存 PDF 邊界交給引擎，驗證 UTF-16 與有限的文字矩形，丟棄信心不足或無法映射的文字，再把矩形、基線與四個角映射回原始點陣

PageQuad 與語意邊界會計算輸入 PDF 的頁面框、DPI，以及 0、90、180 或 270 度的頁面旋轉；閱讀順序在校正擺正後的框架中分析，然後才把幾何映射回去

字元區間由 OCR 文字框內插而得，屬近似值；行四邊形保留了軸對齊邊界無法表達的旋轉與透視

HPDFScanOCRLayoutToDOM 依分析順序建立自有的可編輯堆疊，偵測到的標題用標題節點，其餘行用文字節點

範例

Options := HPDFDefaultScanOCRWorkflowOptions;
Options.Preprocess.AutoOrientation := True;
Detector := HPDFCreateTesseractOrientationDetector(
  TesseractExecutable, OSDModelDirectory,
  HPDFDefaultTesseractOrientationOptions);
Adapter := HPDFCreateScanPreprocessingOCREngine(
  ExistingOCREngine, Options, Detector);
if Adapter.Recognize(Request, Words, Diagnostic) then
begin
  Report := Adapter.LastReport;
  DOM := HPDFScanOCRLayoutToDOM(Report);
  try
    // Consume the editable semantic output here
  finally
    DOM.Free;
  end;
end;

驗證

非 GUI 的 Delphi 測試套件檢查明確方向、±179.25 度內可逆的連續角度、真實 Tesseract 的 0/90/180/270 自動方向與空白拒判、真實五度自動歪斜校正、雜訊與陰影清理、透視四角、上限預算、取消、來源不可變性，以及在包含 37.5 度掃描在內的六種點陣變體上執行真實英文 OCR

實際 OCR 案例中每個獲接受的文字角點，都會透過逆轉換映射回去，並在校正後點陣的 1e-6 像素內比對；FPC smoke 套件另外執行真實去斜、取消、配置上限、180 度與空白 OSD，以及真實英文 OCR 版面

產生的公開標頭可在 C++Builder Win32 與 Win64x 下編譯，涵蓋受管 OCR 報告、預設介面參數、幾何轉換與 DOM 所有權

設定 HOTPDF_TESSERACT_EXE、OSD 模型用的 HOTPDF_TESSDATA，以及英文模型用的 HOTPDF_OCR_TESSDATA，即可啟用外部引擎驗證；缺少選填的執行期設定並不會建立真實 OCR 驗收