ImageParser Syntax

Der ImageParser ist ein Modul von CodX PostOffice um die Verarbeitung von Bildern zu steuern. Ein XML-Konfigurationsfile gibt an, wie das Bild verarbeitet werden soll.

Die XML-Datei besteht aus Regeln (ParserRule) mit Bildelementen (Element) und Auswertungs-Kriterien (Criteria).

Beispiel ImageParser Konfigurationsfile

<ImageParser Name="Parser 1" Timeout="1000" Reference="SN-AZD, FE" Remark="Das ist eine Bemerkung">
  <ParserRule Name="Rolle 1" Rotate="0, 30, 60, 90" Origin="top_left" Trim="Bottom, Right" FirstPage="1" LastPage="3">
    <Element Name="Element 1" x="100 px" y="200 px" h="50 mm" w="40 mm" Type="Text" Rotate="0, 90, 180, 270" ValidValue="[a-z]+" Prerequisite="Mandatory" SBB-CF="Alternativcode"></Element>
    <Element Name="Element 2" x="200 px" y="400 px" h="50 mm" w="40 mm" Type="Barcode" BarcodeType="All" Rotate="0" PreProcess="BRectS" InvalidValue="(?<Invalid>[^[0-9a-zA-Z()-/\s\öäüéàèÖÄÜ])"></Element>
    <Element Name="Element 3" x="300 px" y="500 px" h="50 mm" w="40 mm" Type="UPOC" Rotate="0" ValidValue="[0-9]+"></Element>
    <Element Name="PostAdr1" Type="PostalAddress" ValidValue="[AdrLevel_City]"></Element>
    <Criteria Name="Criteria 1" Operation="AND" ElementName="Element 1" RegEx="[a-z]+"></Criteria>
    <Criteria Name="Criteria 2" Operation="AND" ElementName="Element 2" RegEx="[0-9]+"></Criteria>
    <Criteria Name="Criteria 3" Operation="OR"  ElementName="Element 3" RegEx="04[0-9]+"></Criteria>
    <Criteria Name="Criteria 3" Operation="AND" ElementName="PostAdr1" RegEx="[AdrLevel_City]"></Criteria>
  </ParserRule>
  <ParserRule Name="Rolle 2" Rotate="0, -30, -60, -90" Origin="top_left" Trim="Top">
    <Element Name="Element 1" x="100 px" y="200 px" h="50 mm" w="40 mm" Type="Text" Rotate="0, 90, 180, 270" ValidValue="[a-z]+"></Element>
    <Element Name="Element 2" x="200 px" y="400 px" h="50 mm" w="40 mm" Type="Barcode" Rotate="0" ValidValue="[a-z]+"></Element>
    <Element Name="Element 3" x="300 px" y="500 px" h="50 mm" w="40 mm" Type="UPOC" Rotate="0" ValidValue="[0-9]+"></Element>
    <
Criteria Name="Criteria 1" Operation="AND" ElementName="Element 1" RegEx="[a-z]+"></Criteria>
    <Criteria Name="Criteria 2" Operation="AND" ElementName="Element 2" RegEx="[0-9]+"></Criteria>
    <Criteria Name="Criteria 3" Operation="OR"  ElementName="Element 3" RegEx="04[0-9]+"></Criteria>
  </
ParserRule>
</
ImageParser>

Tags

Das XML-Konfigurationsfile ist wie folgt aufgebaut:

ImageParser

Enthält 1 oder mehrere Tags von 'ParserRule'.

Attribut Beschreibung
Name Name des ImageParsers
Timeout Maximale Verarbeitungszeit in Millisekunden. Wenn das Timeout erreicht ist, wird die Verarbeitung abgebrochen und kein Resultat zurückgegeben.Dieses Attribut ist optional, der Standardwert beträgt 1000 ms und der maximal erlaubte Timeout 99999 ms. Wenn der Timeout 0 oder kleiner 0 ist, wird der Timeout auf Standardwert gesetzt, wenn er grösser als der erlaubte Maximalwert ist wird er auf den Maximalwert zurückgesetzt.
Reference Referenz zum Modul/Funktion, welches diesen ImageParser einsetzt.
Wird ein ImageParser in mehreren Modulen eingesetzt, so werden die Modulnamen mit Komma getrennt aufgeführt.
Folgende Werte sind möglich:
  • R-SCAN
    CxLetterScan im Modus 'R-Scan'
    CxLetterScan im Modus 'Wartung'
    Modul R-Scan
  • SCANNER
    CxLetterScan im Modus 'Scanner'
  • CAPTURE
    CxLetterScan im Modus 'Capture'
  • SORT
    CxLetterScan im Modus 'Sort'
  • DIGITAL
    Digitalisierung
Remark Bemerkung zum ImageParser. Dieses Attribut ist optional

 

ParserRule

Enthält 1 oder mehrere Tags von 'Element' und 'Criteria'

Attribut Beschreibung
Name Name der ParserRule
Rotate Liste der Winkel, mit welchen der Wert gelesen werden soll. Die Winkel werden mit Komma getrennt.
Die Winkel steigen im Uhrzeigersinn von 0 bis 360° auf.
ACHTUNG: Jeder zusätzliche Winkel vervielfacht die Verarbeitungszeit zusätzlich!
Origin Ursprung des Bildes. Alle Koordinaten beziehen sich auf diesen Ursprung.
Mögliche Werte:
- top_left
- top_right
- bottom_left (default)
- bottom_right
Dieses Attribut ist optional.
Trim Optional. Ist dieses Attribut definiert so wird der entsprechende Teil des Bildes abgeschnitten, welcher deutlich dunkler als der Rest des Bildes ist.
Mögliche Werte sind eine Kombination folgender Werte, getrennt duch Komma:
- Top
- Bottom
- Left
- Right
FirstPage Dieses Attribut wird nur verwendet, wenn mehrere Dokumente zur gleichen Zeit verarbeitet werden, z.B. in der Digitalisierung.
Ab dieser Seite wird diese ParserRule angewandt. Ist die zu verarbeitende Seite kleiner, wird die ParserRule ignoriert.
LastPage Dieses Attribut wird nur verwendet, wenn mehrere Dokumente zur gleichen Zeit verarbeitet werden, z.B. in der Digitalisierung.
Bis zu dieser Seite wird diese ParserRule angewant. Ist die zu verarbeitende Seite grösser, wird die ParserRule ignoriert.

 

Element

Beschreibt das zu parsende Element.

Attribut Beschreibung
Name Name des Elements, muss zwingend vorhanden sein!
Die CxLetterScan erfordert zwingend je nach Modus (Use-Case) bestimmte Elemente. Siehe Online-Help des entsprechenden Modus.
Type Typ des Elements; optional, Standardwert: Text.
Folgende Typen sind möglich:
- Text: Der Ausschnitt des Elements wird mit OCR analysiert und der erkannte Text ausgegeben.
- Barcode: Der Ausschnitt des Elements wird auf einen Barcode untersucht
- UPOC: Der Ausschnitt des Elements wird auf einen Barcode untersucht und geprüft, ob es sich um einen gültigen UPOC handelt (Typ, Mandant, ID, Checksumme).
- PostalAddress: Der Ausschnitt des Elements wird mit OCR und dem Adress-Tokenizer analysiert und die erkannte Adresse ausgegeben. Siehe auch Postalische Adressen.
x X-Koordinate der oberen, linken Ecke des Elements.
Die Koordinate bezieht sich auf den Ursprung des Bildes.
Optional kann eine Einheit angegeben werden, Default = px (Pixel).
Folgende Einheiten sind möglich:
- px: Pixel (default)
- %: Prozent, bezogen auf das ganze Bild
- mm: Millimenter (nur, wenn Auflösung bekannt)
y Y-Koordinate der oberen, linken Ecke des Elements.
Die Koordinate bezieht sich auf den Ursprung des Bildes.
Optional kann eine Einheit angegeben werden, Default = px (Pixel).
Folgende Einheiten sind möglich:
- px: Pixel (default)
- %: Prozent, bezogen auf das ganze Bild
- mm: Millimenter (nur, wenn Auflösung bekannt).
h Höhe des Elements.
Optional kann eine Einheit angegeben werden, Default = px (Pixel).
Folgende Einheiten sind möglich:
- px: Pixel (default)
- %: Prozent, bezogen auf das ganze Bild
- mm: Millimenter (nur, wenn Auflösung bekannt).
w Breite des Elements.
Optional kann eine Einheit angegeben werden, Default = px (Pixel).
Folgende Einheiten sind möglich:
- px: Pixel (default)
- %: Prozent, bezogen auf das ganze Bild
- mm: Millimenter (nur, wenn Auflösung bekannt).
BarcodeType Typ des Barcodes. Nur relevant beim Typ 'Barcode'. Es können mehrere Barcode-Typen angegeben werden. Diese werden mit Komma getrennt angegeben.
Folgende Barcode-Typen sind möglich:
- All (oder keine Angabe): Es wird nach allen untenstehenden Barcode-Typen gesucht.
- All1D: Es wird nach allen 1D Barcode-Typen gesucht
- All2D: Es wird nach allen 2D Barcode-Typen gesucht
- AustralianPostCode
- Aztec
- Circular2of5
- Codabar
- CodablockF
- Code128
- Code16K
- Code39
- Code39Extended
- Code39Mod43
- Code39Mod43Extended
- Code93
- DataMatrix
- EAN13
- EAN2
- EAN5
- EAN8
- GS1
- GS1DataBarExpanded
- GS1DataBarExpandedStacked
- GS1DataBarLimited
- GS1DataBarStacked
- GS1DataBarOmnidirectional
- GTIN12 (UPC-A mit 12 Symbolen)
- GTIN13 (EAN-13)
- GTIN14 (I2of5 mit 14 digits)
- GTIN8 (EAN-8)
- IntelligentMail
- Interleaved2of5
- ITF14 (I2of5 mit 14 digits)
- MaxiCode
- MICR
- MicroPDF
- MSI
- PatchCode
- PDF417
- Pharmacode
- PostNet
- PZN
- QRCode
- RoyalMail
- RoyalMailKIX
- TriopticCode39
- UPCA
- UPCE
- UPU
Dieses Attribut ist optional, der Standardwert ist 'All'.
Rotate Optional, Default = 0 (0°).
Winkel in Grad [°], um den das Element gedreht werden muss, damit es horizontal von links nach rechst lesbar ist.
Die Winkel werden mit Komma getrennt erfasst.
Die Winkel steigen im Uhrzeigersinn von 0 bis 360° auf.
Negative Angaben sind erlaubt, diese werden automatisch in den entsprechenden positiven Winkel umgerechent, z.B- -20° = + 340°.
Die Drehung des Elements erfolgt nach der Drehung des Vollbildes (siehe Attribut Rotate von Tag ParserRule) und nach dem Ausschneiden des Elements gemäss den Attributen y,x,h, w.
ACHTUNG: Jeder zusätzliche Winkel vervielfacht die Verarbeitungszeit zusätzlich!
Um fehlerhafte Lesungen von Barcode- und insbesondere UPOC-Elementen zu vermeiden ist es wichtig, dass die möglichen Winkel korrekt definiert sind.
Die intern verwendete Barcode OCR-Engine unterstützt folgende diskreten Drehwinkel: 0°, 11°, 22°, 45°, 90°, 135°, 158°, 169°, 180°, 191°, 202°, 225°, 270°, 315°, 338°, 349°. Die angegebenen Winkel werden auf den entsprechend nächstliegenden dieser Winkel auf/abgerundet.
Zusätzliche Winkelangaben sind dann zwingend notwendig, wenn die Verdrehung grösser ist als der Arcustangens (tan-1) des Verhältnisses von Strichhöhe zu Barcodelänge.
Bsp: Strichhöhe = 10 mm, Gesamtlänge = 50 mm. Damit: Arctan(10/50)=11,3°. Also: Wenn der Barcode um mehr als 11° verdreht sein kann muss der Wert 11 als Drehwinkel hinzugefügt werden.
PreProcess Optional, Vorverarbeitung des Bildes für Barcode OCR-Lesung, ist nur für den Type Barcode verfügbar! Standardwert: <leer> (keine Vorverarbeitung)
Folgende Vorverarbeitungen sind möglich:
- BRectS: Ausschneiden von kleinen genutzten Bereichen und einzelne Verarbeitung. Verbessert die Lesung von Barcodes und DataMatrix. Lange Verarbeitungsdauer.
- BRectM: Ausschneiden von mittleren genutzten Bereichen und einzelne Verarbeitung. Verbessert die Lesung von Barcodes und DataMatrix. Mittlere Verarbeitungsdauer.
- BRectL: Ausschneiden von grossen genutzten Bereichen und einzelne Verarbeitung. Verbessert die Lesung von Barcodes und DataMatrix. Kurze Verarbeitungsdauer.
ValidValue RegEx-Ausdruck, welcher einen gültigen Wert des Elements definiert. Das Element hat nur dann einen gültigen Wert, wenn dieser gemäss dem RegEx-Ausdruck geprüft wurde. Ansonsten ist der Wert des Elements leer.
Nicht zu verwechseln mit 'RegEx' vom Kriterium.
Ist das Attribut 'ValidValue' nicht angegeben oder leer, so gelten folgende Default-Werte:
- Text: [0-9,a-z,A-Z]+
- Barcode: [0-9,a-z,A-Z]+
- UPOC: [0-9]+
InvalidValue RegEx-Ausdruck, welcher alle ungültigen Werte eines Elements definiert. Das Element darf keinen dieser ungültigen Werte enthalten, in diesem Fall ist das Element gültig. Wenn dieses Element erfasst ist, hat dieses Vorrang vor dem Element "ValidValue".
Ist das Attribut 'InvalidValue' nicht angegeben oder leer, so bleibt der Default-Wert leer und die Regel für 'ValidValue' ist aktiv.
OCRMinConfidence Optional, Default = 0, nur für die Typen Text und PostalAddress verfügbar.
Das Attribut definiert, welche minimale Qualität (Confidence) der von der OCR-Erkennung erkannte Text für die weitere Verarbeitung mindestens haben muss.
Bereich: 0% .. 100%
Gut erkannte Texte haben eine Confidence >= 50%, schlechte  < 30%.
Prerequisite Dieses Attribut kommt nur bei der Digitalisierung zur Anwendung. Es definiert, ob der Wert dieses Elementes zwingend vorhanden sein muss, um die Digitalisierung abzuschliessen. Wenn das Element nicht gefunden wird, muss zwingend eine manuelle Nachbearbeitung oder Erfassung erfolgen.
Folgende Werte sind möglich:
- Optional
- Mandatory
- None
SBB-CF Dieses Attribut kommt nur bei der Digitalisierung zur Anwendung. Es definiert, in welchen Sendungs-Custfield der ermittelte Wert des aktuellen Elementes gespeichert werden soll.

 

Criteria

Beschreibt die Kriterien die erfüllt sein müssen, dass diese ParserRule zum Tragen kommt. Falls die Kriterien nicht erfüllt sind, wird die nächste ParserRule verarbeitet.
Dies darf nicht mit 'ValidValue' des Elements verwechselt werden!

Attribut Beschreibung
Name Name des Kriteriums
Operation Gibt an, wie das Kriterium logisch verknüpft wird.
Mögliche Werte: 'AND', 'OR'
ElementName Name des Elements, welches geprüft werden soll.
RegEx RegEx-Ausdruck, welcher erfüllt sein muss.
Elemente vomn Typ PostalAddress unterstüzten KEINE Criterias, die Gültigkeit wird aufgrund interner Reglen bestimmt!

 

Postalische Adressen

Elemente vom Type PostalAddress werden wie folgt verarbeitet:
Die Attribute x, y, h, w sind optional. Wenn diese nicht angegeben sind (oder alle 0 sind) so wird das gesamte Bild auf Textblöcke untersucht.
Wenn die Attribute x, y, h, w definiert sind so wird nur der definierte Auschnitt verwendet (analog wie bei Element-Type "Text").
Die gefundenen Textblöcke werden nach bestimmten Kriterien sortiert und mit OCR und dem SortTree analysiert.
Die erste/beste erkannte Adresse wird ausgegeben.
Wenn als ValidValue KEIN Wert definiert ist so werden alle detektierten Adressblöcke als String zurückgegeben, es erfolt KEINE Analyse mit dem SortTree!

Spezifische Attribute für Element Type "PostalAddress"

Folgende Attribute können spezifisch für Elemente vom Type "PostalAddress" definiert werden:

Attribut Beschreibung
ValidValue Folgende Pseudo-Regex (Default: <leer>) werden unterstützt:
- <leer> (Default)
- [AdrLevel_Country]
- [AdrLevel_City]
- [AdrLevel_Street]
- [AdrLevel_House]
- [AdrLevel_Name]
CutLength Optional, Default = 0 (keine Ausschlusszone).
Definiert eine "Ausschlusszone" in [mm] für automatisch gefundene Textblöcke (x,y,h,w = 0) auf beiden langen Seiten des Bildes. Detektierte Textblöcke, die diese Zone überlappen, werden ignoriert.
CutWidth Optional, Default = 0 (keine Ausschlusszone).
Definiert eine "Ausschlusszone" in [mm] für automatisch gefundene Textblöcke (x,y,h,w = 0) auf beiden kurzen Seiten des Bildes. Detektierte Textblöcke, die diese Zone überlappen, werden ignoriert.
ValidateAddress Optional, Wertebereich: 0/1, Default: 0
Definiert wie die gefundenen Adressen gemäss ValidValue geprüft werden.
0: Die Prüfung erfolgt durch Zerlegung via Tokenizer und Test auf nicht leer (bis auf den durch ValidValue definierten Level)
1: Die Prüfung erfolgt gegenüber den Gebietsdaten der Bezirksverwaltung. Die Adresse muss bis mindenstes dem durch ValidValue vorgegebenen Level gültig sein.

Funktionsweise

Der ImageParser funktioniert wie folgt:

  • Das Bild wird mit dem entsprechenden Gerät (OCR-Station, Dokumentenscanner, CxLetterScan usw.) aufgenommen.

  • Der ImageParser lädt die entsprechende XML-Konfigurationsdatei und liest diese aus.

  • Das Bild wird gemäss der ersten ParserRule zerlegt. Dabei werden die entsprechenden Elemente ausgeschnitten und entsprechend verarbeitet (z.B. OCR, Barcode-Lesung usw.).

  • Anhand der gelesenen Daten werden die Kriterien ausgewertet. Enthalten einzelne Elemente Rotationen, so werden diese der Reihe nach verarbeitet, bis das Kriterium erfüllt ist oder keine weiteren Rotationen vorhanden sind.

  • Sind alle Kriterien ausgewertet wird geprüft, ob alle gemäss den Operationen gültig sind. Ist dies der Falls, so wird die Verarbeitung abgebrochen und die gelesenen Werte zurückgegeben. Enthält die ParserRule Rotationen, so werden die obenstehenden Schritte für jede Rotation durchgeführt, bis alle Kriterien erfüllt sind oder keine Rotationen mehr vorhanden sind.

  • Erfüllt keine Variante die definirten Kriteren, so wird das Bild analog mit der zweiten ParserRule verarbeitet.

  • Es können praktisch beliebig viele ParserRule definiert sein. Diese werden gemäss Reihenfolge der XML-Konfigurationsdatei verarbeitet bis alle Kriterien einer ParserRule erfüllt sind.

  • Erfüllt keine ParserRule die definierten Kriterien oder wird das Timeout erreicht, so wird die Verarbeitung abgebrochen und leere Werte zurückgegeben. Der nachfolgende Verarbeitungsschritt definiert das weitere Verfahren im Prozess.

Reihenfolge der Element Verarbeitung

Die Reihenfolge bei der Verarbeitung der Elemente ist wie folgt:

  1. Alle Elemente, welche Bestandteil von Kriterien sind (von allen ParserRules, in der Reihenfolge der ParserRules im XML)

  2. Alle Text-Elemente von allen ParserRules in der Reihenfolge der ParserRules im XML

  3. Restliche Elemente aller ParserRules in der Reihenfolge der ParserRules im XML

Tipps für optimale Performance

  • Anzahl zu verarbeitende Varianten möglichst gering halten!

  • Nur die zwingend notwendigen Rotationen pro Parser-Rule (Attribut ParserRule.Rotate) definieren

  • Reihenfolge der Rotationen aufsteigend nach Wahrscheinlichkeit erfassen (Attribut ParserRule.Rotate)

  • Wenn nicht alle Elemente einer Parser-Rule eine Rotation benötigen dann Rotation auf Element (Attribut Element.Rotate) verwenden, anstatt Rotation auf Parser-Rule

  • Nur die wirklich benötigeten Criterias definieren

  • Text-Elemente: Position/Fläche des Element nicht grösser als notwendig definieren

  • Barcode/UPOC-Elemente: Position/Fläche des Element nicht grösser als notwendig definieren, Attribute BarcodeType und PreProcess angeben

  • Postalische Adressen (Element Type = "PostalAddress"): Attribute "CutLength" und "CutWidth" verwenden, möglichst hoher Wert, damit werden unnötige Textblöcke vermieden

Siehe auch:



CodX Software CodX Software AG
Sinserstrasse 47
6330 Cham
Switzerland
Support
http://support.codx.ch
CxSpickel