# 给女儿做了个作业打印助手，顺便榨了榨小鸡

Source: https://blog.ferstar.org/posts/homework-print-prep/





女儿上了小学，三天两头就有作业资料发到群里，打印作业成了家里的日常。

资料的质量有时实在堪忧。PDF、截图、手机照片混着来，纸拍歪了，横的竖的夹在一起，旁边还带着各种水印。直接打印字小费眼，留白倒占了大半；想整理一下，又得裁边、转方向、擦水印。作业还没开始做，老父亲先当起了修图工。

这也不怪老师。你不能要求人家发个作业，还特意买个扫描软件会员去水印，也没人给报销。

既然最后都是我来打印，那就自己解决。

## 从拍照到 A4 打印

于是有了[作业打印助手](https://dazuoye.ferstar.org)。把 PDF 或照片扔进去，自动拉平、清掉杂物、摆正，再排到 A4 纸上。看一眼预览，没问题就下载打印；自动处理不准，也能手动拖四个角、转方向、圈掉多余内容。

要求不高：别让我每次打印都手动折腾一遍就行。

![作业处理前后对比](/images/posts/homework-print-prep/comparison.webp)

```mermaid
flowchart LR
    A["PDF / 照片"] --> B["透视拉平<br/>抠出纸面"]
    B --> C["擦除角标<br/>水印清理"]
    C --> D["OCR 摆正<br/>四向打分"]
    D --> E["裁切排版<br/>铺满 A4"]
    E --> F["全文方向统一"]
    F --> G["打印预览 / 下载"]
```

## 榨干 2 核小机器

本机跑得还行，放到垃圾小鸡上，速度就下来了。一份作业好几页，每页都要找边界、去角标、判断方向，再做打印排版，叠起来就是一段不太愉快的等待。

我也想过偷懒：要不要把计算扔到 Cloudflare 的容器服务上去？页处理本身是纯函数，看起来挺适合弹性容器。但拉了分支一算账就劝退了：scale-to-zero 唤醒要等十几秒冷启动，家长打印作业等不起；要是为了免冷启动让它常驻，内存费每个月得好几十刀。给女儿打印作业把免费小鸡换成付费账单，方向属实反了。

既然算力有限，那就老老实实做减法。翻了翻耗时，问题并不全在 OCR。图像处理里一些不起眼的步骤，也在一遍遍扫整张大图；还有些计算，前面已经做过，后面换个环节又做了一次。

```mermaid
flowchart TD
    subgraph G1["图像检测金字塔"]
        A1["1/4 缩略图快速预检"] -->|干净页面| A2["直接跳过后续角标检测"]
        A1 -->|发现杂物| A3["1/2 降采样定位连通域"]
        A3 --> A4["映射回原图局部擦除"]
    end

    subgraph G2["倾角与文字特征复用"]
        B1["墨迹掩码只算一次"] --> B2["细分角度只旋转掩码打分<br/>不再反复提取"]
    end

    subgraph G3["OCR 换小模型、降精度"]
        C1["完整文字识别模型"] -.->|只判方向，用不着| C2["PP-OCRv6 tiny<br/>内嵌 Rust worker"]
        C2 --> C3["MNN 低精度模式<br/>ARMv8.2+ 走 fp16 内核"]
        C3 --> C4["重标 180°/90° 翻转置信门槛<br/>防倒字乱码抢高分"]
    end
```

### 先把两个核都用上

小鸡有两个 vCPU，OCR 原来单线程跑，一个核跑满 100%，另一个在旁边看热闹。把线程数和文字区域的并行识别调到适合机器的配置。不过小机器上线程不是越多越好，抢资源反而变慢，设成 2 刚好。

### 少扫几遍大图

找边上的小广告，没必要拿原图每个像素都算一遍；干净页面，也不必完整跑完角标检测。先用 1/4 尺寸的小图做一次便宜的灰度预检，没东西就直接跳过；有杂物再降采样定位，最后把坐标映射回原图擦除。找内容边界也是一样，先降采样拿粗框，没必要反复折腾高分辨率大图。

为了在正负几度内试出最佳角度，原来每次旋转都重新提取一次文字区域。把这份墨迹掩码在基准尺寸上先算好，后面几十个细分角度只做简单的矩阵旋转打分，把重复提取的开销省掉了。

### 模型换小，判据重标

这里 OCR 主要是为了判断文字朝向，没必要按完整的文字录入任务来选模型。换成了轻量的 PP-OCRv6 tiny，内嵌在 Rust worker 里由 MNN 跑。MNN 再开低精度模式（`OCR_PRECISION=low`），ARMv8.2 以上的 CPU 会走 fp16 内核，这台 ARM 小鸡正好支持。模型换小、精度降下来，置信度的分布也跟着变了，正反向的判据得重新标定，尤其要把门槛拉高：倒着的文字认成一堆乱码，分数反而更高，这种事不能发生。

### 干过的活别再干

整份作业如果多数票已经定好了横版或竖版，就不给每页重复跑整套 OCR；导出时已有能用的页面图，就直接嵌入，不重新走一遍解码转换。每页处理完保留一份无损缓存，调边距、去局部的操作直接复用中间图，别让人改个设置又从头等一遍。

算力抠出来了，还得防被打崩。2 核的机器，几个大 PDF 一起灌进来就够它受的。所以在服务入口加了个严格 FIFO 的准入队列：同时最多跑 2 个任务，最多排 4 个，满了直接返回 429，告诉前端 15 秒后再试；排队太久的也会超时退出，不让请求一直挂着。

页面上点赞点踩的反馈，顺手落到了本地 SQLite。没表态的页面 1 天就清理，点踩的留 30 天，正好攒成回测算法用的样本。

这样一点点抠下来，垃圾小鸡上普通页面基本能压到三四秒一页——刚上线那会儿，同样一页要十几秒。当然，遇到特别复杂的拍照图耗时会更长一些。

没升配，只是看清时间花在哪，哪些活可以少做，哪些根本不该重复做。

## 守住题目的完整性

打印作业这件事，速度排在题目完整后面。水印没擦干净还能凑合；把拼音声调、算式里的细线或者页角的题目一起擦了，就属于帮倒忙。

所以每轮优化还得看前后对比，检查旋转、透视、阴影、浅色细笔画这些情况。小图检测省下的时间，不能拿丢内容来换。自动判断拿不准，就保留原图，让我手动改。

纸白增强也默认关了。纸面提亮是好看些，但要是把题目里的细线、浅色印刷或者拼音声调给冲淡了，好看有什么用。真遇到灰纸、阴影明显的照片，再打开看看效果。

四角调整同样得听人的：我都手动框好纸张了，后面就别再自作聪明裁一遍。工具应该少给我添活。

现在打印前扫一眼预览就行，不用再一份份手工收拾。女儿负责做作业，老父亲负责让那几张纸看着舒服点。至于小鸡，顺手榨了榨，图个乐子。