文档旋转角度求解

小艾同学 ... 大约 2 分钟

# 文档旋转角度求解

# 模型

普通方差模型
tf 加速
多进程加速

# 问题

rotate

# 假设/前提条件/约束

白底黑字，也并非就要白底，因为会被二值化，只要能分开就可以
横/竖文字排版
可以有一些图表等其他的内容

# 基于方差的方法

方差用来度量离散程度，聚集程度这个最优的角度会使得方差最大，也即差距最大

暴力求解

设旋转角度为 $\theta$ ，在一定角度范围 $\Theta$ 内 $[-20,20]$ 取 $n$ 个角度，遍历每个角度，对每个角度求方差 $var$ ，取最大方差对应的角度即可

\theta^{*} = arg max_{\theta \in \Theta} Var_{\theta}

rotateList = np.linspace(rotateMin,rotateMax,nRotate)
maxVar = 0
bestRotate = 0
for itemRotate in rotateList:

    # 旋转
    itemImgBin = imgBin.rotate(itemRotate,expand=1,fillcolor=255)

    # 计算该旋转角度下的图像得分
    itemImgBinData = np.array(itemImgBin) # 白 True 黑 False
    r,c = itemImgBinData.shape
    rowCount = c - itemImgBinData.sum(axis=1) # 行
    colCount = r - itemImgBinData.sum(axis=0) # 列

    # 方差
    rowVar = np.var(rowCount)
    colVar = np.var(colCount)
    var = rowVar + colVar
    if var > maxVar:
        maxVar = var
        bestRotate = itemRotate

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

1、rotate 0.025s；

2、read+rotate 0.25s；

3、遍历 for 会导致耗费很长时间， $n=40$ 个在1s。

# tf 并行

可以对角度空间 $\Theta$ 内的所有角度同时并行的求方差，得到方差向量，然后从方向向量中取到最大方差即可。

原始的图像旋转 rotate 是在一个图片上进行的，一次只能旋转一个角度，这里需要对 $n$ 个原始图像旋转 $n$ 个角度，张量旋转，tf就是numpy在张量上的扩展

import tensorflow as tf 
import tensorflow_addons as tfa

angles = tf.linspace(rotateMin, rotateMax, nRotate)*np.pi/180 # (n,) tf.float64
angles = tf.cast(angles,dtype=tf.float32) # tf.float32

images = np.array([imgBinData]*len(angles)) # n h w c 

# 旋转
rotateImages = tfa.image.rotate(
    images,
    angles,
    interpolation="nearest", 
    fill_mode="constant",
    fill_value=1 # "fill_value is not supported and is always 0 for TensorFlow < 2.4.0."
) # (n,h w c) float64

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

$n=40$ 个并行，在40核16G的机器上是 1-1.5s

# 多进程并行

tf 只是利用了多核，但性能还是不太够。直接使用 python 开多进程并行，使用多进程求解

$n=40$ 个并行，在40核16G的机器上是 0.5s

单张是 0.28（算读取）

单张是 0.028（不算读取）

这里是求 $n=40$ ，理论上将，在资源足够的时候，这种多进程求解时间是与 $n$ 无关的。

但随着 $n$ 的增加，求解时间是会边长的

$n=20$ 在 0.1s
$n=30$ 在 0.2-0.3s
$n=40$ 在 0.5s 左右