一、問題定義
在真實業務中，版式固定但字段位置可變，通用 OCR 引擎無法穩定輸出結構化信息。因此需要一種“模板驅動”的方法：在圖像坐標系內對字段做一次幾何定位，隨后把識別結果按坐標與規則綁定，終返回業務系統可直接消費的 JSON 或表結構。
二、坐標系與錨點設計
圖像坐標系
以左上角為原點，X 軸向右，Y 軸向下，單位像素。
錨點（Anchor）
在每個模板中選取 2~4 個不易變形的視覺特征（如 logo、表格線交點、公章外緣）作為錨點。通過求取錨點在當前圖中的實際坐標，可解出模板到圖像的仿射變換矩陣 M。
M 的計算公式：
[x′, y′, 1]? = M · [x, y, 1]?
其中 M 為 3×3 矩陣，通過小二乘法求解。
三、字段 ROI 的生成
模板階段
在標準空白表單上，用可視化工具框選字段區域，記錄 ROI 的相對坐標（錨點歸一化坐標）。
運行階段
對輸入圖像執行錨點檢測 → 計算 M → 用 M 把相對坐標映射為像素坐標 → 獲得每個字段的外接矩形。
四、雙閾值分割策略
幾何閾值
若錨點匹配誤差 > ε（經驗值 3~5 像素），則直接觸發模板失效報警，避免錯誤解析。
置信度閾值
對識別結果使用字符級置信度，低于閾值的字段標紅回傳人工復核。
五、規則引擎
正則校驗
字段通過預定義正則表達式即時校驗，如統一社會信用代碼 18 位數字+字母。
跨字段邏輯
利用輕量級腳本引擎（Lua/Java[script]）實現“金額 = 單價 × 數量”等跨字段規則；計算失敗即回退人工。
六、模板生命周期
版本化
每個模板以 Git-like 版本號管理，支持灰度發布。
熱更新
新增字段或移動坐標可在 30 秒內下發到端側，無需重啟服務。
七、性能與精度
單張 A4 表單解析耗時 < 300 ms（CPU 單核）。
字段召回率 ≥ 99.2%，率 ≥ 99.6%。
模板配置平均耗時 5 分鐘。
八、小結
自定義模板的核心是把“人工版式理解”翻譯成“坐標+規則”的機器語言。通過錨點幾何校正、雙閾值過濾、可擴展規則引擎及版本化運維，系統能在版式變動時以成本完成再適配，實現高可靠、低維護的結構化輸出。