一、问题定义
在真实业务中，版式固定但字段位置可变，通用 OCR 引擎无法稳定输出结构化信息。因此需要一种“模板驱动”的方法：在图像坐标系内对字段做一次几何定位，随后把识别结果按坐标与规则绑定，终返回业务系统可直接消费的 JSON 或表结构。
二、坐标系与锚点设计
图像坐标系
以左上角为原点，X 轴向右，Y 轴向下，单位像素。
锚点（Anchor）
在每个模板中选取 2~4 个不易变形的视觉特征（如 logo、表格线交点、公章外缘）作为锚点。通过求取锚点在当前图中的实际坐标，可解出模板到图像的仿射变换矩阵 M。
M 的计算公式：
[x′, y′, 1]ᵀ = M · [x, y, 1]ᵀ
其中 M 为 3×3 矩阵，通过小二乘法求解。
三、字段 ROI 的生成
模板阶段
在标准空白表单上，用可视化工具框选字段区域，记录 ROI 的相对坐标（锚点归一化坐标）。
运行阶段
对输入图像执行锚点检测 → 计算 M → 用 M 把相对坐标映射为像素坐标 → 获得每个字段的外接矩形。
四、双阈值分割策略
几何阈值
若锚点匹配误差 > ε（经验值 3~5 像素），则直接触发模板失效报警，避免错误解析。
置信度阈值
对识别结果使用字符级置信度，低于阈值的字段标红回传人工复核。
五、规则引擎
正则校验
字段通过预定义正则表达式即时校验，如统一社会信用代码 18 位数字+字母。
跨字段逻辑
利用轻量级脚本引擎（Lua/Java[script]）实现“金额 = 单价 × 数量”等跨字段规则；计算失败即回退人工。
六、模板生命周期
版本化
每个模板以 Git-like 版本号管理，支持灰度发布。
热更新
新增字段或移动坐标可在 30 秒内下发到端侧，无需重启服务。
七、性能与精度
单张 A4 表单解析耗时 < 300 ms（CPU 单核）。
字段召回率 ≥ 99.2%，率 ≥ 99.6%。
模板配置平均耗时 5 分钟。
八、小结
自定义模板的核心是把“人工版式理解”翻译成“坐标+规则”的机器语言。通过锚点几何校正、双阈值过滤、可扩展规则引擎及版本化运维，系统能在版式变动时以成本完成再适配，实现高可靠、低维护的结构化输出。