Полгода назад я честно потратил вечер на попытку сфотографировать условие задачи по физике так, чтобы текст распознался хотя бы наполовину нормально. Получил на выходе кашу из символов, которую не разобрал бы ни один сервис распознавания текста с фото учебника. С тех пор я собрал список ошибок, которые сам совершал десятки раз, и понял, что почти все они лечатся без штатива и профессиональной камеры — просто нужно знать, куда смотреть.
Блики от лампы — главный враг глянцевой страницы
Учебники математики и физики часто печатают на глянцевой или полуглянцевой бумаге. Вечером я снимаю при свете настольной лампы, и на странице появляется яркое белое пятно — прямое отражение лампочки. Это пятно съедает часть текста, а иногда захватывает целую строку с условием. Программа распознавания на этом месте видит не буквы, а сплошную белую заливку, и просто пропускает фрагмент или лепит случайные символы.
Хуже того, блик двигается вместе с углом наклона листа. Я много раз пытался «подвинуть» страницу, чтобы убрать пятно, и в итоге искажал перспективу еще больше — то есть решал одну проблему, создавая другую. Проверить бликует страница или нет, просто: посмотрите на превью снимка перед тем, как отправлять фото на обработку. Если видите яркое размытое пятно поверх текста — переснимайте, распознавание такое место точно не осилит.
Съемка под углом искажает текст перспективой
Второй мой любимый косяк — держать телефон не строго сверху, а под наклоном, потому что так удобнее и быстрее. В результате страница на фото превращается в трапецию: строки внизу кадра шире, чем строки вверху, буквы у краев листа вытягиваются и наклоняются. Человеческий глаз это подсознательно достраивает, а алгоритм распознавания текста работает по строкам и границам символов — он воспринимает искаженную геометрию как искаженные буквы.
На практике это выглядит так: условие задачи, которое начинается ровно, к середине строки начинает «плыть», и программа путает цифры 3 и 8, теряет знаки минус, съедает индексы у переменных. Особенно плохо перспектива бьет по формулам и дробям — там расстояние между элементами критично, а искажение его меняет непредсказуемо.
Решение простое, хотя мне понадобилось несколько неудачных попыток, чтобы это усвоить: телефон должен быть параллелен странице, объектив смотрит строго вниз, а не под углом 20-30 градусов. Проще всего это проверить по рамке — если сетка камеры (у большинства телефонов её можно включить в настройках) показывает прямоугольник без перекосов, значит, угол правильный.
Обрезанное условие задачи по краю кадра
Это ошибка, за которую я особенно злюсь на себя, потому что она не про технику съемки, а про банальную невнимательность. Я фотографирую страницу учебника, вижу на экране красивую четкую картинку — и не замечаю, что последняя строчка условия срезана краем кадра. Особенно часто это случается с задачами, которые занимают весь разворот книги: правая часть текста уходит за корешок, левая обрезается краем экрана.
Распознавание в этом случае работает честно — оно просто не видит того, чего нет на фото. Программа выдает текст без последнего предложения условия, а вы понимаете это только когда пытаетесь решить задачу без ключевого числового значения, которое было в обрезанной строке. У меня так пропадало значение массы груза в задаче по механике — вся задача превращалась в ребус.
Совет здесь один: перед съемкой отступите на пару сантиметров, чтобы вокруг текста задачи оставались небольшие поля. Лучше сфотографировать чуть больше пустого пространства по краям страницы, чем срезать хотя бы одну строку условия. Проверяйте это на экране телефона перед тем, как нажать кнопку — увеличьте фото пальцами и убедитесь, что все строки условия целиком попали в кадр, от первой буквы до последней точки.
Мелкий или смазанный из-за движения текст
Четвертая ошибка касается тех случаев, когда я пытался сфотографировать сразу разворот из двух страниц, чтобы не делать два отдельных снимка. Текст на фото получался таким мелким, что даже сам с трудом читал его на экране телефона, не то что программа распознавания. Мелкий шрифт при недостаточном разрешении камеры превращается в размытые точки, и алгоритм не может отличить букву «б» от «в» или цифру «6» от «8».
Вторая причина смазанности — движение руки в момент съемки. Если снимаете на весу, без опоры, малейшее дрожание руки при недостаточном освещении заставляет камеру увеличивать время выдержки, и текст на фото получается с эффектом шлейфа, будто буквы поплыли. Это особенно заметно вечером или в комнате с одной лампой — камера компенсирует нехватку света более долгой выдержкой, а рука за это время успевает сдвинуться на доли миллиметра, которых достаточно, чтобы испортить резкость.
Что помогает: снимать одну страницу целиком, а не разворот, положить локти на стол или прижать телефон к какой-то опоре в момент нажатия кнопки, и не экономить время на том, чтобы сфотографировать задачу два раза, если первый снимок вышел нечетким. Проверить резкость легко — увеличьте фото на экране в месте самых мелких символов, например, в индексах переменных или в знаках после запятой. Если буквы там читаются четко даже при увеличении, снимок годится для распознавания.
Как я в итоге стал фотографировать домашнее задание для распознавания
После всех этих провалов у меня появился рабочий алгоритм, который экономит время и нервы. Снимаю днем при естественном свете от окна, без настольной лампы и без вспышки — дневной свет распределяется по странице равномерно и не создает точечных бликов, которые бывают от лампочки. Телефон держу строго над листом, параллельно странице, по возможности опираю локти на стол или кладу телефон на книгу так, чтобы объектив смотрел точно вниз.
Перед съемкой раскладываю тетрадь или учебник на столе так, чтобы вся задача — от условия до конца, если это несколько строк с рисунком или таблицей — полностью помещалась в кадр с небольшими полями по краям. Никакой части текста не должно уходить за границу экрана, даже если это последняя строчка с единицами измерения. Снимаю не разворот из двух страниц, а по одной странице за раз, если текст задачи занимает весь лист.
После съемки обязательно увеличиваю фото на экране телефона и проверяю мелкий текст — индексы, дробные черты, знаки после запятой. Если все читается четко, фото готово к обработке. Если хоть что-то смазано или бликует, переснимаю — это быстрее, чем потом разбираться, почему распознанный текст выдает бессмысленный набор символов вместо условия задачи.
Когда фото готово и текст распознан нормально, дальше можно двигаться к самому решению — и вот тут черновик структуры работы по своей теме можно быстро собрать в сервисе студентам.сайт, чтобы не начинать с чистого листа. Но это уже отдельная история, а базовая аккуратность в фотографировании условия задачи экономит время на самом первом шаге, до которого многие вообще не задумываются, что именно там теряется половина смысла задания.