Einleitung
Aspose.OMR FOSS für die öffentliche API von Python (omr.api) ist bewusst klein: OmrEngine, TemplateProcessor, ImageCollection und das FormValidationLogic enum. Dieser Beitrag untersucht, was jedes einzelne tut und wie sie in einem generate → recognize → export-Workflow verbunden sind.
Die Bibliothek wird als import omr importiert, ist unter der MIT-Lizenz veröffentlicht und hängt nur von numpy, opencv-python und Pillow ab.
Was enthalten ist
OmrEngine — eine zustandslose Fabrik
OmrEngine hält keinen Zustand zwischen Aufrufen. Generate(source, settings) akzeptiert entweder eine Markup-DSL-Textquelle oder einen code-first TemplateConfig-Baum und gibt ein GenerationResult zurück — das Seitenbild/ die Seitenbilder plus eine .omr Template JSON, die den Standort jedes Elements beschreibt. GetTemplateProcessor(templateSource, validationLogic) lädt eine zuvor gespeicherte .omr-Datei (oder einen In-Memory-Deskriptor) und gibt ein TemplateProcessor zurück, das daran gebunden ist.
from omr.api import OmrEngine, FormValidationLogic
engine = OmrEngine()
gen = engine.Generate("final-exam.txt")
gen.Save("out", "final-exam")
processor = engine.GetTemplateProcessor("out/final-exam.omr", FormValidationLogic.Ignore)
GenerationResult und MemoryGenerationResult
GenerationResult stellt ErrorCode, ErrorMessage, Template (den .omr Deskriptor als JSON-String), TemplateImage und — für mehrseitige Vorlagen — MultipageTemplateImages bereit. Save(folder, name) schreibt das Bild und den Deskriptor auf die Festplatte; SaveAsPdf() ist in dieser Version nicht implementiert und löst NotImplementedError aus. MemoryGenerationResult verpackt dieselben Daten stattdessen als In-Memory-Streams: GetImages() gibt eine Liste von In-Memory-Bild-Streams zurück, und GetOmr(encoding) gibt den Deskriptor als Stream zurück — nützlich, wenn ein Aufrufer das Dateisystem überhaupt nicht berühren möchte.
TemplateProcessor — Erkennen von Scans
TemplateProcessor.Recognize(source, recognitionThreshold) liest ein gescanntes Bild gegen die Vorlage, aus der es erstellt wurde, und gibt ein RecognitionResult zurück. RecognizeFolder(folderPath, recognitionThreshold) führt dieselbe Erkennung über jedes Bild in einem Ordner in einem Aufruf aus und liefert eine Ergebnisliste — praktisch für die Stapelverarbeitung einer Reihe von Scans. Recalculate(result, recognitionThreshold) bewertet ein bereits erkanntes Ergebnis mit einem anderen Schwellenwert neu, ohne das Quellbild erneut zu lesen.
RecognitionResult — Lesen der Antworten
Jedes Element in RecognitionResult.OmrElements implementiert IOmrElement und stellt GetAnswer() und GetCsv() pro Element bereit, zusammen mit QuestionName. Auf Ergebnis-Ebene exportieren GetCsv(encoding), GetJson(encoding) und GetXml(encoding) das gesamte Ergebnis, jeweils mit einer passenden ...AsStream-Variante, die ein BytesIO anstelle eines einfachen Strings zurückgibt.
ImageCollection — Einbetten von Bildern in Markup
ImageCollection ist eine nur-anhängbare, case-sensitive Karte von einem Namen zu rohen Bildbytes. Add(name, image) registriert ein Bild, Contains(name) prüft, ob ein Name bereits registriert ist, und as_dict() gibt die zugrunde liegende Karte zurück. Markup kann dann ein registriertes Bild per Name (?image=<name>) anstelle eines Dateisystempfads referenzieren — nützlich, wenn die Bildbytes aus einer anderen Quelle als der Festplatte stammen, z. B. einem Web-Upload.
Schnellstart
git clone https://github.com/aspose-omr-foss/Aspose.OMR-FOSS-for-Python.git
cd Aspose.OMR-FOSS-for-Python
pip install -e .from omr.api import OmrEngine, FormValidationLogic
engine = OmrEngine()
gen = engine.Generate("final-exam.txt") # or a code-first TemplateConfig
gen.Save("out", "final-exam") # -> out/final-exam.png + out/final-exam.omr
processor = engine.GetTemplateProcessor("out/final-exam.omr", FormValidationLogic.Ignore)
result = processor.Recognize("scan.png") # -100 = auto-calibrated threshold
print(result.GetCsv()) # also GetJson() / GetXml()
Open Source & Lizenzierung
Aspose.OMR FOSS für Python ist unter MIT-Lizenz und wird auf GitHub gehostet. Kommerzielle Nutzung ist unter denselben Bedingungen wie bei jedem MIT-lizenzierten Projekt erlaubt. Für Unternehmensfunktionen und Produktionssupport siehe Aspose.OMR — Enterprise Product Family.