2 Commits

Author	SHA1	Message	Date
BreakPilot Dev	945b955b54	feat(ocr): Word-based image deskew for Ground Truth pipeline ... Begradigt schiefe Scans vor der OCR-Extraktion anhand der linksbuendigen Wortanfaenge der Vokabelspalte. Tesseract liefert achsenparallele Boxen, die bei ~2-3 Grad Schraege in Nachbarzeilen bluten — der Deskew behebt das. - Neue Funktion deskew_image_by_word_alignment() in cv_vocab_pipeline.py - Deskew-Integration im extract-with-boxes Endpoint (vor OCR) - Neuer GET Endpoint /deskewed-image/{page} fuer begradigtes Seitenbild - Frontend: GroundTruthPanel wechselt nach Extraktion auf deskewed Image - ~1s Overhead durch schnellen Tesseract-Pass auf halbiertem Bild Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-02-10 12:14:44 +01:00
BreakPilot Dev	fa958d31f6	feat(ocr): Add CV Document Reconstruction Pipeline for vocabulary extraction ... New OCR method using classical Computer Vision: high-res rendering (432 DPI), deskew, dewarp, binarization, projection-profile layout analysis, multi-pass Tesseract OCR with region-specific PSM, and Y-coordinate line alignment. Includes bugfix for convert_pdf_to_image call (line 869) and 39 unit tests. Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-02-09 23:52:35 +01:00