Class Pix2TextOCR

modules/text/ocr/pix2text.py:58–252

Pix2Text OCR 客户端 专门用于识别数学公式，返回 LaTeX 格式。 使用示例： ocr = Pix2TextOCR() result = ocr.analyze_image("input.png") for block in result.blocks: if block.is_latex: print(f"公式: {block.text}")

class Pix2TextOCR:
    """
    Pix2Text OCR 客户端
    
    专门用于识别数学公式，返回 LaTeX 格式。
    
    使用示例：
        ocr = Pix2TextOCR()
        result = ocr.analyze_image("input.png")
        for block in result.blocks:
            if block.is_latex:
                print(f"公式: {block.text}")
    """
    
    def __init__(self, device: str = 'cuda', languages: tuple = ('en',)):
        """
        初始化 Pix2Text
        
        Args:
            device: 计算设备（cuda 使用 GPU3）
            languages: 文字语言（影响非公式部分的识别）
        """
        print(f"   Pix2Text 使用设备: {device}")
        
        # 降低 MFD 检测阈值，提高公式检测率
        self.p2t = Pix2Text.from_config(
            device=device,
            text_config={'device': device, 'languages': languages},
            formula_config={'device': device},
            # MFD 配置：降低置信度阈值
            mfd_config={
                'device': device,
                'conf_threshold': 0.15,  # 默认 0.25，降低以检测更多公式
                'iou_threshold': 0.45,   # 默认 0.45
            },
        )
    
    def analyze_image(self, image_path: str) -> Pix2TextResult:
        """
        分析图像
        
        Args:
            image_path: 图像文件路径
            
        Returns:
            Pix2TextResult: 识别结果（包含文字和公式）
        """
        image_path = Path(image_path)
        if not image_path.exists():
            raise FileNotFoundError(f"图像文件不存在: {image_path}")
        
        # 获取图像尺寸
        from PIL import Image
        with Image.open(image_path) as img:
            image_width, image_height = img.size
        
        # 识别（使用较低的 resized_shape 提高检测率）
        # result = self.p2t.recognize(str(image_path), resized_shape=1600, return_text=False)