Swift 中使用.accurate精度的文本识别出现倒置读取（0606识别为9090）问题

问题根因 #

0606被识别为9090的异常，核心原因是送入Vision框架的图片未做方向校正：
Vision框架默认以「原点在左上角、无旋转」的图片为识别基准，但UIImage自带的方向元数据经常和实际像素方向不一致——你直接取image.cgImage传给识别器时，框架拿到的是带180度旋转的像素数据，就会把倒立的文本做正向识别。这种方向错位刚好匹配你遇到的识别结果：正向的0606整体倒置180度后，数字6会变为9，同时阅读顺序完全反转，最终被识别为9090。.accurate模式下框架对这类方向偏差的容错能力反而比.fast模式更差，不会自动帮你修正方向错位的问题。

具体修改步骤 #

• 第一步：给UIImage增加方向校正能力，把所有方向的图片统一转为up方向的标准像素图
  加入扩展方法实现方向归一化：

  extension UIImage {
      func normalizedCGImage() -> CGImage? {
          guard imageOrientation != .up else { return cgImage }
          
          var transform = CGAffineTransform.identity
          switch imageOrientation {
          case .down, .downMirrored:
              transform = transform.translatedBy(x: size.width, y: size.height).rotated(by: .pi)
          case .left, .leftMirrored:
              transform = transform.translatedBy(x: size.width, y: 0).rotated(by: .pi/2)
          case .right, .rightMirrored:
              transform = transform.translatedBy(x: 0, y: size.height).rotated(by: -.pi/2)
          default: break
          }
          
          guard let sourceCGImage = cgImage, let colorSpace = sourceCGImage.colorSpace else { return nil }
          let context = CGContext(
              data: nil,
              width: Int(size.width),
              height: Int(size.height),
              bitsPerComponent: sourceCGImage.bitsPerComponent,
              bytesPerRow: 0,
              space: colorSpace,
              bitmapInfo: sourceCGImage.bitmapInfo.rawValue
          )
          context?.concatenate(transform)
          
          let drawRect: CGRect
          switch imageOrientation {
          case .left, .leftMirrored, .right, .rightMirrored:
              drawRect = CGRect(x: 0, y: 0, width: size.height, height: size.width)
          default:
              drawRect = CGRect(x: 0, y: 0, width: size.width, height: size.height)
          }
          context?.draw(sourceCGImage, in: drawRect)
          return context?.makeImage()
      }
  }
  

• 第二步：替换原代码里直接取cgImage的逻辑
  原代码中直接传入image.cgImage的部分，换成调用校正方法得到的标准化图片：

  DispatchQueue.global(qos: .userInitiated).async {
      // 替换原来的 guard let img = image.cgImage ...
      guard let normalizedImage = image.normalizedCGImage() else { fatalError("Missing valid image to scan") }
      let handler = VNImageRequestHandler(cgImage: normalizedImage, options: [:])
      try? handler.perform([request])
  }
  

• 第三步：补充识别请求的必要配置，减少识别偏差
  在设置识别精度的位置追加配置，避免框架做不必要的结果篡改：

  request.recognitionLevel = .accurate
  request.usesLanguageCorrection = false // 识别编码/数字场景下关闭语言校正，避免框架自动修改数字结果
  

额外代码优化点 #

• 你原代码中在识别闭包外定义textString变量的逻辑存在问题：识别闭包是异步回调，多个识别结果会覆盖同一个外部变量，要把textString的初始化移到识别回调内部，按观察结果的实际坐标顺序拼接，不要靠循环顺序直接覆盖赋值
• 如果是从相机采集的识别场景，要同步确认相机输出帧的方向和当前设备方向匹配，不要把横置、倒置的帧直接送入识别流程

内容的提问来源于stack exchange，提问作者Omar Rayyan