o2o-infinith-demo/supporters/scripts/ocr/vision_ocr.swift

// macOS Vision 프레임워크(VNRecognizeTextRequest)로 이미지 글자를 읽는 단일 파일 도구.
// tesseract·pyobjc 가 없는 환경에서 결정론적 OCR 을 쓰기 위한 것. 유료 API 를 쓰지 않는다.
//
//   swiftc -O -o vision_ocr vision_ocr.swift            (ocr_evidence.mjs 가 소스가 바뀌면 다시 빌드한다)
//   ./vision_ocr [--min-width 400] [--langs ko-KR,en-US] [--tile-height 2000] [--upscale-below 1400] <image> [<image> ...]
//
// 세로로 긴 이미지(의료진 소개 794x12240 같은 스크롤 이미지)는 Vision 이 통째로 축소해 한 줄도 못 읽는다.
// --tile-height 픽셀 단위 띠로 잘라(겹침 10%) 띠마다 인식하고, 겹침 구간의 줄은 한 번만 남긴다.
// 폭이 --upscale-below 미만이면 2배로 키워 인식한다(작은 글자 대응). box 좌표는 원본 기준 0~1 정규화.
//
// 출력: 이미지 한 장에 JSON 한 줄(stdout)
//   {"path":"...","width":W,"height":H,"lines":[{"text":"...","confidence":0.93,"box":[x,y,w,h]}],"engine":"apple-vision"}
//   폭이 --min-width 미만이면 {"path":"...","width":W,"height":H,"skipped":"narrow"}. 읽기 실패는 {"path":"...","error":"..."}.
// 줄 순서는 위에서 아래, 같은 줄 안에서는 왼쪽에서 오른쪽(Vision 의 정규화 좌표 y 는 아래가 0 이라 뒤집는다).
// 글자는 Vision 이 준 것만 내보낸다. 후처리(병합·교정)는 하지 않는다. 그것은 호출 측(ocr_evidence.mjs) 몫이다.
import Foundation
import Vision
import ImageIO
import CoreGraphics

var minWidth = 0
var tileHeight = 2000
var upscaleBelow = 1400
var langs = ["ko-KR", "en-US"]
var paths: [String] = []
var it = CommandLine.arguments.dropFirst().makeIterator()
while let a = it.next() {
    switch a {
    case "--min-width": if let v = it.next(), let n = Int(v) { minWidth = n }
    case "--langs": if let v = it.next() { langs = v.split(separator: ",").map { String($0) } }
    case "--tile-height": if let v = it.next(), let n = Int(v) { tileHeight = max(n, 400) }
    case "--upscale-below": if let v = it.next(), let n = Int(v) { upscaleBelow = n }
    default: paths.append(a)
    }
}
if paths.isEmpty {
    FileHandle.standardError.write("사용법: vision_ocr [--min-width N] [--langs ko-KR,en-US] <image> ...\n".data(using: .utf8)!)
    exit(2)
}

func jsonLine(_ obj: [String: Any]) {
    if let d = try? JSONSerialization.data(withJSONObject: obj, options: [.withoutEscapingSlashes]), let s = String(data: d, encoding: .utf8) {
        print(s)
        fflush(stdout)
    }
}

func loadImage(_ path: String) -> CGImage? {
    let url = URL(fileURLWithPath: path)
    guard let src = CGImageSourceCreateWithURL(url as CFURL, nil) else { return nil }
    return CGImageSourceCreateImageAtIndex(src, 0, nil)
}

struct Line { var text: String; var confidence: Double; var x: Double; var y: Double; var w: Double; var h: Double } // 픽셀 좌표(원본 기준)

// 이미지 한 장(또는 띠 하나)을 인식해 원본 픽셀 좌표의 줄 목록으로. scale 은 확대 배율
func recognize(_ img: CGImage, offsetY: Int, scale: Int) throws -> [Line] {
    var target = img
    if scale > 1 {
        let w = img.width * scale, h = img.height * scale
        if let ctx = CGContext(data: nil, width: w, height: h, bitsPerComponent: 8, bytesPerRow: 0, space: CGColorSpaceCreateDeviceRGB(), bitmapInfo: CGImageAlphaInfo.noneSkipLast.rawValue) {
            ctx.interpolationQuality = .high
            ctx.draw(img, in: CGRect(x: 0, y: 0, width: w, height: h))
            if let up = ctx.makeImage() { target = up }
        }
    }
    let request = VNRecognizeTextRequest()
    request.recognitionLevel = .accurate
    request.recognitionLanguages = langs
    request.usesLanguageCorrection = true
    let handler = VNImageRequestHandler(cgImage: target, options: [:])
    try handler.perform([request])
    let obs = (request.results ?? []) as [VNRecognizedTextObservation]
    let W = Double(img.width), H = Double(img.height)
    var out: [Line] = []
    for o in obs {
        guard let top = o.topCandidates(1).first else { continue }
        let bb = o.boundingBox // 정규화, 원점 왼쪽 아래
        out.append(Line(text: top.string, confidence: Double(top.confidence), x: bb.minX * W, y: (1 - bb.maxY) * H + Double(offsetY), w: bb.width * W, h: bb.height * H))
    }
    return out
}

for path in paths {
    guard let img = loadImage(path) else { jsonLine(["path": path, "error": "이미지를 열 수 없음"]); continue }
    let w = img.width, h = img.height
    if w < minWidth { jsonLine(["path": path, "width": w, "height": h, "skipped": "narrow"]); continue }
    let scale = w < upscaleBelow ? 2 : 1
    var lines: [Line] = []
    var tiles = 0
    do {
        if h <= tileHeight {
            lines = try recognize(img, offsetY: 0, scale: scale); tiles = 1
        } else {
            let overlap = tileHeight / 10
            var top = 0
            while top < h {
                let th = min(tileHeight, h - top)
                guard let tile = img.cropping(to: CGRect(x: 0, y: top, width: w, height: th)) else { break }
                let got = try recognize(tile, offsetY: top, scale: scale)
                // 겹침 구간은 한가운데서 나눠 앞 띠는 그 앞까지, 뒷 띠는 그 뒤부터 받는다(같은 줄이 두 띠에 들어가지 않게).
                // 띠 가장자리에 걸려 반만 읽힌 줄은 중심이 경계 밖이라 버려지고, 다른 띠에서 온전히 읽힌 것만 남는다. 첫 띠는 처음부터, 마지막 띠는 끝까지
                let isLast = top + th >= h
                let lo = top == 0 ? -1.0 : Double(top + overlap / 2)
                let hi = isLast ? Double.infinity : Double(top + th - overlap / 2)
                for l in got { let cy = l.y + l.h / 2; if cy >= lo && cy < hi { lines.append(l) } }
                tiles += 1
                if top + th >= h { break }
                top += tileHeight - overlap
            }
        }
    } catch {
        jsonLine(["path": path, "width": w, "height": h, "error": "인식 실패: \(error.localizedDescription)"]); continue
    }
    // 위→아래, 같은 줄 안에서는 왼→오른쪽
    lines.sort { a, b in
        let ay = a.y + a.h / 2, by = b.y + b.h / 2
        if abs(ay - by) > max(a.h, b.h) * 0.6 { return ay < by }
        return a.x < b.x
    }
    let W = Double(w), H = Double(h)
    let r3 = { (v: Double) -> Double in (v * 1000).rounded() / 1000 }
    let out: [[String: Any]] = lines.map { l in [
        "text": l.text,
        "confidence": r3(l.confidence),
        "box": [r3(l.x / W), r3(l.y / H), r3(l.w / W), r3(l.h / H)],
    ] }
    jsonLine(["path": path, "width": w, "height": h, "tiles": tiles, "scale": scale, "lines": out, "engine": "apple-vision"])
}