Files
ssw c303c315e5 rocr: rusto-rs 源码入库(上游 v0.2.5 基线 57609fc + 本地补丁)
- 源码 316 文件收编为 rusto-rs/ 文件夹,随本仓库管理
- 移除内部 .git(补丁已存档 docs/rusto-rs-metal-patch-20260912.patch,上游可随时 re-clone)
- target/ 与 docs/.yarn 缓存不入库;本地改动:ROCR_* 环境变量调优 + Metal 链接修复 + 预处理测试脚本
2026-09-12 17:30:04 +08:00

8.0 KiB
Raw Permalink Blame History

title, description, navigation, seo
title description navigation seo
OcrRunOptions Referensi lengkap opsi keluaran lokal, batas ukuran gambar, detektor DBNet, dan pascapemrosesan.
icon
i-ph-faders
title description
OcrRunOptions - Referensi API RustO! Referensi lengkap opsi keluaran lokal, batas ukuran gambar, detektor DBNet, dan pascapemrosesan.

OcrRunOptions (DetectTextOptions pada React Native) mengonfigurasi parameter runtime untuk setiap eksekusi OCR individual. Opsi ini berlaku untuk satu pemanggilan detectText tanpa mengubah sesi model yang telah diinisialisasi.

flowchart TD
    A["initialize(config)<br/>Membuat Sesi Mesin yang Siap Digunakan Berulang Kali"] --> B["Panggilan 1: detectText(source, options_A)<br/>Menggabungkan options_A dengan Nilai Default Mesin"]
    B --> C["Panggilan 2: detectText(source, options_B)<br/>Reset Bersih &amp; Menggabungkan options_B"]
    C --> D["Panggilan 3: detectText(source, default_options)<br/>Berjalan Bersih Menggunakan Default Mesin"]

Skema Wire JSON Kanonikal

{
  "output": "lines",
  "lineYThreshold": 0.5,
  "wordXThreshold": 0.4,
  "textScore": 0.5,
  "classification": false,
  "orientation": false,
  "minHeight": 32,
  "maxSideLen": 1600,
  "minSideLen": 64,
  "widthHeightRatio": -1,
  "detection": {
    "limitSideLen": 960,
    "limitType": "max",
    "mean": [0.485, 0.456, 0.406],
    "std": [0.229, 0.224, 0.225]
  },
  "postprocess": {
    "threshold": 0.3,
    "boxThreshold": 0.6,
    "maxCandidates": 1000,
    "unclipRatio": 2.0,
    "useDilation": true
  }
}

Spesifikasi Parameter

1. Kontrol Mode Keluaran & Pengelompokan

Opsi Tipe Nilai Default Rentang Nilai Valid Deskripsi
output string / enum lines lines, words, spatial Memilih baris terstruktur, per kata, atau tata letak spasial.
lineYThreshold float 0.5 >= 0.0 Pengali toleransi vertikal untuk mengelompokkan kotak menjadi baris.
wordXThreshold float 0.4 >= 0.0 Pengali lebar karakter untuk perataan kolom dan jarak antar kata.
textScore float Preset Mesin (0.5) 0.0 .. 1.0 Batas minimum skor kepercayaan pengenalan teks.
classification boolean false true, false Mengevaluasi pengklasifikasi baris teks 180° (perlu model CLS).
orientation boolean false true, false Mengevaluasi pengklasifikasi orientasi halaman penuh (perlu model Orient).

2. Batas & Penskalaan Gambar

Opsi Tipe Nilai Default Rentang Nilai Valid Deskripsi
minSideLen float 64.0 > 0.0 Batas panjang sisi minimum gambar saat diskalakan.
maxSideLen float 1600.0 minSideLen <= maxSideLen Batas panjang sisi maksimum gambar (mencegah OOM pada foto 48MP).
minHeight float 32.0 > 0.0 Tinggi vertikal minimum untuk bantalan morfologi (padding).
widthHeightRatio float -1.0 > 0.0 atau -1.0 Rasio aspek bantalan pengenalan. -1 mempertahankan rasio asli.

3. Penyetelan Masukan Detektor (detection)

Opsi Tipe Nilai Default Rentang Nilai Valid Deskripsi
limitSideLen integer Preset (736 / 960) 1 .. 32767 Target dimensi penskalaan masukan untuk detektor DBNet.
limitType string Preset (min / max) min, max min: perbesar sisi terpendek. max: batasi sisi terpanjang.
mean float[3] [0.485, 0.456, 0.406] 3 angka berhingga Nilai rata-rata (mean) normalisasi kanal warna RGB.
std float[3] [0.229, 0.224, 0.225] 3 angka bukan nol Standar deviasi (std) normalisasi kanal warna RGB.

4. Pascapemrosesan Detektor (postprocess)

Opsi Tipe Nilai Default Rentang Nilai Valid Deskripsi
threshold float Preset (0.3) 0.0 .. 1.0 Ambang probabilitas binarisasi piksel.
boxThreshold float Preset (0.6 / 0.5) 0.0 .. 1.0 Ambang batas skor kepercayaan rata-rata poligon kandidat teks.
maxCandidates integer 1000 >= 1 Jumlah maksimum kontur poligon yang dipertahankan.
unclipRatio float Preset (2.0 / 1.5) > 0.0 Rasio ekspansi poligon Vatti untuk menangkap seluruh goresan huruf.
useDilation boolean Preset (true / false) true, false Menerapkan dilatasi morfologi 2×2 untuk teks redup/putus.

Contoh di Berbagai Bahasa

Pada Rust

use rusto::{DetectionRunOptions, OcrRunOptions, OutputGranularity, PostprocessRunOptions};

let options = OcrRunOptions {
    output: OutputGranularity::Words,
    text_score: Some(0.55),
    line_y_threshold: Some(0.5),
    word_x_threshold: Some(0.4),
    max_side_len: Some(1600.0),
    detection: Some(DetectionRunOptions {
        limit_side_len: Some(960),
        limit_type: Some("max".into()),
        ..Default::default()
    }),
    postprocess: Some(PostprocessRunOptions {
        use_dilation: Some(true),
        unclip_ratio: Some(2.0),
        ..Default::default()
    }),
    ..Default::default()
};

Pada .NET / C#

using RustODotnet;

var options = new OcrRunOptions
{
    Output = OutputGranularity.Words,
    TextScore = 0.55f,
    LineYThreshold = 0.5f,
    WordXThreshold = 0.4f,
    MaxSideLen = 1600f,
    Detection = new DetectionRunOptions
    {
        LimitSideLen = 960,
        LimitType = "max"
    },
    Postprocess = new PostprocessRunOptions
    {
        UseDilation = true,
        UnclipRatio = 2.0f
    }
};

Pada Swift (iOS)

import RustO

let options = OcrRunOptions(
    output: .words,
    lineYThreshold: 0.5,
    wordXThreshold: 0.4,
    textScore: 0.55,
    maxSideLen: 1600,
    detection: DetectionRunOptions(limitSideLen: 960, limitType: "max"),
    postprocess: PostprocessRunOptions(useDilation: true, unclipRatio: 2.0)
)

Pada Kotlin (Android)

import com.byrizki.rusto.*

val options = OcrRunOptions(
    output = OutputGranularity.WORDS,
    lineYThreshold = 0.5f,
    wordXThreshold = 0.4f,
    textScore = 0.55f,
    maxSideLen = 1600f,
    detection = DetectionRunOptions(limitSideLen: 960, limitType = "max"),
    postprocess = PostprocessRunOptions(useDilation = true, unclipRatio = 2.0f)
)

Pada React Native

import { DetectTextOptions } from 'react-native-rusto';

const options: DetectTextOptions = {
  output: 'words',
  lineYThreshold: 0.5,
  wordXThreshold: 0.4,
  textScore: 0.55,
  maxSideLen: 1600,
  detection: {
    limitSideLen: 960,
    limitType: 'max',
  },
  postprocess: {
    useDilation: true,
    unclipRatio: 2.0,
  },
};