Fix: OCR-Schwellwert nach Otsu statt fester Schwellwert nach Kontrastspreizung

Ein einzelnes Reflexpixel (Normalfall bei glaenzenden Metalletiketten)
dominierte bisher Minimum/Maximum der Kontrastspreizung und drueckte
Schrift und Untergrund gemeinsam unter den festen Schwellwert 128 - die
Schrift verschwand. Der Schwellwert wird jetzt per Otsu-Verfahren aus dem
Helligkeits-Histogramm des Bildes selbst bestimmt und bleibt dadurch gegen
einzelne Ausreisser unempfindlich. Ausserdem: fehlendes Kleinbuchstaben-x
in der Tesseract-Zeichenliste ergaenzt (Bestueckungsangabe "4DRx4").

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

src/ocr.js

@@ -17,9 +17,64 @@ let workerPromise = null;
 let available = true;
 
 /**
- * Graustufen, Kontrastspreizung, globaler Schwellwert.
+ * Bestimmt den Otsu-Schwellwert aus einem Histogramm der 256 Helligkeits-
- * Glaenzende Metalletiketten liefern flaue, kontrastarme Bilder; ohne diese
+ * stufen. Otsu sucht den Schwellwert, der die Pixel in zwei Gruppen teilt
- * Aufbereitung liest Tesseract dort kaum etwas Brauchbares.
+ * (dunkler / heller) und dabei die Streuung innerhalb jeder Gruppe minimiert
+ * bzw. die Streuung zwischen den Gruppen maximiert - beides ist aequivalent
+ * und wird hier ueber die Zwischen-Klassen-Varianz berechnet.
+ * Da der Schwellwert aus der gesamten Verteilung stammt, verschiebt ein
+ * einzelnes Ausreisserpixel (z. B. ein Lichtreflex) das Histogramm kaum und
+ * damit auch den Schwellwert kaum - anders als eine Min/Max-Spreizung, die
+ * von genau diesem einen Pixel dominiert wird.
+ * @param {Uint32Array | number[]} histogram 256 Eintraege, einer je Helligkeitsstufe
+ * @param {number} totalPixels Anzahl der Pixel, aus denen das Histogramm stammt
+ * @returns {number} Schwellwert (0-255): Helligkeit darunter wird schwarz, ab hier weiss
+ */
+function otsuThreshold(histogram, totalPixels) {
+  if (totalPixels === 0) return 128;
+
+  let sumAll = 0;
+  for (let level = 0; level < 256; level += 1) {
+    sumAll += level * histogram[level];
+  }
+
+  let sumBackground = 0;
+  let weightBackground = 0;
+  let bestVariance = -1;
+  let bestThreshold = 128;
+
+  for (let level = 0; level < 256; level += 1) {
+    weightBackground += histogram[level];
+    if (weightBackground === 0) continue;
+
+    const weightForeground = totalPixels - weightBackground;
+    if (weightForeground === 0) break;
+
+    sumBackground += level * histogram[level];
+
+    const meanBackground = sumBackground / weightBackground;
+    const meanForeground = (sumAll - sumBackground) / weightForeground;
+    const meanDiff = meanBackground - meanForeground;
+    const betweenClassVariance = weightBackground * weightForeground * meanDiff * meanDiff;
+
+    if (betweenClassVariance > bestVariance) {
+      bestVariance = betweenClassVariance;
+      bestThreshold = level + 1;
+    }
+  }
+
+  return bestThreshold;
+}
+
+/**
+ * Graustufen, Otsu-Schwellwert.
+ * Glaenzende Metalletiketten liefern flaue, kontrastarme Bilder mit
+ * Lichtreflexen als Normalfall; ohne diese Aufbereitung liest Tesseract dort
+ * kaum etwas Brauchbares. Der Schwellwert wird aus der Helligkeitsverteilung
+ * des Bildes selbst bestimmt (Otsu), statt aus einer Kontrastspreizung
+ * zwischen dunkelstem und hellstem Pixel - ein einzelner Reflex kann so
+ * nicht mehr Schrift und Untergrund gemeinsam auf dieselbe Seite eines
+ * festen Schwellwerts ziehen.
  * Rein rechnend - erzeugt kein Canvas, fasst kein DOM an und ist damit
  * ohne Browser testbar.
  * @param {{width: number, height: number, data: Uint8ClampedArray}} imageData
@@ -28,26 +83,18 @@ let available = true;
 export function preprocess(imageData) {
   const { width, height, data } = imageData;
   const gray = new Uint8ClampedArray(width * height);
+  const histogram = new Uint32Array(256);
 
-  let min = 255;
-  let max = 0;
   for (let i = 0, p = 0; i < data.length; i += 4, p += 1) {
     const value = Math.round(0.299 * data[i] + 0.587 * data[i + 1] + 0.114 * data[i + 2]);
     gray[p] = value;
-    if (value < min) min = value;
+    histogram[value] += 1;
-    if (value > max) max = value;
   }
 
-  // Math.max(1, ...) verhindert eine Division durch null, wenn alle Pixel
+  const threshold = otsuThreshold(histogram, gray.length);
-  // gleich hell sind (max === min, z. B. ein leeres oder ueberbelichtetes
-  // Bild). Das Ergebnis wird dann komplett schwarz - ein kontrastloses Foto
-  // enthaelt ohnehin keinen lesbaren Text.
-  const range = Math.max(1, max - min);
-  const threshold = 128;
   const out = new Uint8ClampedArray(data.length);
   for (let p = 0; p < gray.length; p += 1) {
-    const stretched = ((gray[p] - min) * 255) / range;
+    const value = gray[p] >= threshold ? 255 : 0;
-    const value = stretched >= threshold ? 255 : 0;
     const i = p * 4;
     out[i] = value;
     out[i + 1] = value;
@@ -71,7 +118,7 @@ function getWorker() {
       .then(async (worker) => {
         await worker.setParameters({
           // Etiketten enthalten nur Grossbuchstaben, Ziffern und wenige Sonderzeichen.
-          tessedit_char_whitelist: 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789-/. ',
+          tessedit_char_whitelist: 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789-/. x',
         });
         return worker;
       })

test/ocr-preprocess.test.js

@@ -36,3 +36,45 @@ test('preprocess laesst Breite und Hoehe unveraendert', () => {
   assert.equal(result.width, 3);
   assert.equal(result.height, 1);
 });
+
+test('preprocess trennt Schrift vom Untergrund trotz einzelnem Reflexpixel', () => {
+  // Untergrund 60, Schrift 80, dazu ein einzelnes Reflexpixel 255.
+  // Ein fester Schwellwert nach Kontrastspreizung reisst hier ab: das eine
+  // Reflexpixel dominiert Minimum/Maximum und drueckt Untergrund und Schrift
+  // gemeinsam unter den Schwellwert - die Schrift verschwindet.
+  //
+  // Untergrund und Schrift stehen hier zu gleichen Teilen im Bild (je 200
+  // Pixel), so wie auf einem echten Foto Untergrund- und Schriftflaechen
+  // die grosse Masse der Pixel stellen und ein einzelner Reflex nur ein
+  // einzelnes Pixel unter vielen ist. Bei einem Miniaturbild mit nur ein-
+  // oder zweistelliger Pixelzahl waere der Reflex dagegen ein spuerbarer
+  // Bruchteil des gesamten Histogramms; dann kann selbst Otsu ihn nicht
+  // von echten Bildmerkmalen unterscheiden. Das ist keine Schwaeche des
+  // Verfahrens, sondern der Grund, warum die Aussage "ein einzelnes Pixel
+  // verschiebt das Histogramm kaum" erst bei realistischer Pixelzahl gilt.
+  const background = new Array(200).fill(60);
+  const text = new Array(200).fill(80);
+  const reflex = [255];
+  const result = preprocess(image([...background, ...text, ...reflex]));
+
+  assert.equal(result.data[0], 0, 'Untergrund bleibt schwarz');
+  assert.equal(result.data[199 * 4], 0, 'letztes Untergrundpixel bleibt schwarz');
+  assert.equal(result.data[200 * 4], 255, 'erstes Schriftpixel wird weiss');
+  assert.equal(result.data[399 * 4], 255, 'letztes Schriftpixel wird weiss');
+});
+
+test('preprocess liefert bei einem Bild ohne Pixel kein NaN und wirft nicht', () => {
+  const result = preprocess(image([]));
+  assert.equal(result.width, 0);
+  assert.equal(result.height, 1);
+  assert.equal(result.data.length, 0);
+});
+
+test('preprocess wirft nicht, wenn alle Pixel dieselbe Helligkeit haben', () => {
+  const result = preprocess(image([128, 128, 128, 128]));
+  for (let i = 0; i < result.data.length; i += 4) {
+    const value = result.data[i];
+    assert.ok(value === 0 || value === 255, `Pixel ${i / 4} ist ${value}`);
+    assert.ok(!Number.isNaN(value));
+  }
+});