added pdf2pdf tool
[swftools.git] / lib / gocr / detect.c
1 /*
2 This is a Optical-Character-Recognition program
3 Copyright (C) 2000-2007 Joerg Schulenburg
4
5 This program is free software; you can redistribute it and/or
6 modify it under the terms of the GNU General Public License
7 as published by the Free Software Foundation; either version 2
8 of the License, or (at your option) any later version.
9
10 This program is distributed in the hope that it will be useful,
11 but WITHOUT ANY WARRANTY; without even the implied warranty of
12 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
13 GNU General Public License for more details.
14
15 You should have received a copy of the GNU General Public License
16 along with this program; if not, write to the Free Software
17 Foundation, Inc., 59 Temple Place - Suite 330, Boston, MA  02111-1307, USA.
18
19  check README for my email address
20 */
21
22 #include <stdlib.h>
23 #include <stdio.h>
24 #include <string.h>
25 #include <ctype.h>   // toupper, tolower
26 #include "pgm2asc.h"
27 #include "gocr.h"
28
29 // ----- detect lines ---------------
30 /* suggestion: Fourier transform and set line frequency where the
31    amplitude has a maximum (JS: slow and not smarty enough).
32
33    option: range for line numbers 1..1000 or similar 
34    todo: look for thickest line, and divide if thickness=2*mean_thickness 
35    Set these elements of the box structs:
36
37    m1 <-- top of upper case letters and (bdfhkl) (can differ)
38    m2 <-- top of letters  (acegmnopqrsuvwxyz)
39    m3 <-- baseline
40    m4 <-- bottom of hanging letters (gqpy)
41
42   performance can be improved by working with a temporary
43   list of boxes of the special text line
44
45   - Jun23,00 more robustness of m3 (test liebfrau1)
46   - Feb01,02 more robustness of m4 (test s46_084.pgm) 
47   - Dec03,12 fix problems with footnotes
48  ToDo:
49   - generate lists of boxes per line (faster access)
50   - use statistics
51   - for each box look at it neighbours and set box-m1..m4
52   - m[1..4].max .min if m4.min-m3.max<1 probability lower
53  */
54 int detect_lines1(pix * p, int x0, int y0, int dx, int dy)
55 {
56   int i, jj, j2, y, yy, my, mi, mc, i1, i2, i3, i4,
57       m1, m2, m3, m4, ma1, ma2, ma3, ma4, m3pre, m4pre;
58   struct box *box2, *box3;  /* box3 is for verbose / debugging */
59   struct tlines *lines = &JOB->res.lines;
60
61   /* ToDo: optional read line-data from external source??? */
62   if (lines->num == 0) { // initialize one dummy-line for pictures etc.
63       lines->m4[0] = 0;
64       lines->m3[0] = 0;
65       lines->m2[0] = 0;
66       lines->m1[0] = 0;
67       lines->x0[0] = p->x;  /* expand to left end during detection */
68       lines->x1[0] = 0;     /* expand to right end */
69       lines->pitch[0] = JOB->cfg.spc; /* default word pitch */
70       lines->mono[0]  = 0;            /* default spacing = prop */
71       lines->num++;
72   }
73   i = lines->num;
74   if (dy < 4)
75     return 0;  /* image is to low for latin chars */
76   my = jj = 0;
77   // get the mean height of all hollow chars
78   // (better than mean value of everything including bg-pattern or dust?)
79   for_each_data(&(JOB->res.boxlist)) {
80     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
81     if ( box2->c != PICTURE
82       && box2->num_frames>1 && box2->num_frames<3 /* 1 or 2 holes */
83       && box2->y0 >= y0 && box2->y1 <= y0 + dy
84       && box2->x0 >= x0 && box2->x1 <= x0 + dx 
85       && box2->frame_vol[0]>0
86       && box2->frame_vol[1]<0
87       ) {
88         jj++;
89         my += box2->y1 - box2->y0 + 1;
90     }
91   } end_for_each(&(JOB->res.boxlist));
92   if (jj==0) {
93     // get the mean height of all chars
94     for_each_data(&(JOB->res.boxlist)) {
95       box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
96       if ( box2->c != PICTURE
97         && box2->y1 - box2->y0 + 1 >= 4   /* 4x6 font */
98         && box2->y0 >= y0 && box2->y1 <= y0 + dy
99         && box2->x0 >= x0 && box2->x1 <= x0 + dx ) {
100           jj++;
101           my += box2->y1 - box2->y0 + 1;
102       }
103     } end_for_each(&(JOB->res.boxlist));
104   }
105   if (jj == 0)
106     return 0;  /* no chars detected */
107     
108     
109   /* ToDo: a better way could be to mark good boxes (of typical high a-zA-Z0-9)
110    *    first and handle only marked boxes for line scan, exclude ?!,.:;etc
111    *    but without setect the chars itself (using good statistics)
112    *    see adjust_text_lines()
113    */
114   my /= jj;          /* we only care about chars with high arround my */
115   if (JOB->cfg.verbose & 16)
116     fprintf(stderr,"\n# detect_lines1(%d %d %d %d) vvv&16 chars=%d my=%d\n#  ",
117       x0, y0, dx, dy, jj, my);
118   // "my" is the average over the whole image (bad, if different fontsizes)
119
120   if (my < 4)
121     return 0;       /* mean high is to small => error */
122
123   m4pre=m3pre=y0;   /* lower bond of upper line */
124   // better function for scanning line around a letter ???
125   // or define lines around known chars "eaTmM"
126   for (j2 = y = y0; y < y0 + dy; y++) {
127     // look for max. of upper and lower bound of next line
128     m1 = y0 + dy;
129     jj = 0;
130 #if 1
131     /* this is only for test runs */
132     if (JOB->cfg.verbose & 16)
133       fprintf(stderr,"searching new line %d\n#  ",i /* lines->num */);
134 #endif
135
136     box3 = NULL; /* mark the most upper box starting next line */
137     // find highest point of next line => store to m1-min (m1>=y)
138     // only objects greater 2/3*my and smaller 3*my are allowed
139     // a higher "!" at end of line can result in a to low m1
140     for_each_data(&(JOB->res.boxlist)) {
141       box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
142       if (box2->line>0 || box2->c == PICTURE) continue;
143       if (lines->dx)
144         yy = lines->dy * box2->x0 / (lines->dx); /* correct crooked lines */
145       else yy=0;
146       if (   box2->y0 >= y + yy && box2->y1 < y0 + dy   // lower than y
147           && box2->x0 >= x0     && box2->x1 < x0 + dx   // within box ?
148           && box2->c != PICTURE // no picture
149           && box2->num_boxes <= 1 // ignore 2 for "!?i" 3 for "&auml;"
150           && 3 * (box2->y1 - box2->y0) > 2 * my // not to small
151           &&     (box2->y1 - box2->y0) < 3 * my // not to big
152           &&     (box2->y1 - box2->y0) > 4)     // minimum absolute size
153        {
154           if (box2->y0 < m1 + yy) {
155             m1 = box2->y0 - yy;  /* highest upper boundary */
156             box3 = box2;
157           }
158           // fprintf(stderr,"\n %3d %3d %+3d %d m1= %3d",
159           //   box2->x0, box2->y0, box2->y1 - box2->y0 + 1, box2->num_boxes, m1);
160        }
161     } end_for_each(&(JOB->res.boxlist));
162     if (!box3 || m1 >= y0+dy) break; /* no further line found */
163     if (JOB->cfg.verbose & 16)
164       fprintf(stderr," most upper box at new line xy= %4d %4d %+4d %+4d\n#  ",
165        box3->x0, box3->y0, box3->x1-box3->x0, box3->y1-box3->y0);
166
167     // at the moment values depend from single chars, which can 
168     //    result in bad values (ex: 4x6 /\=)
169     // ToDo: 2) mean size of next line (store list of y0,y1)
170     // ToDo: 3) count num0[(y0-m1)*16/my], num1[(y1-m1)*16/my]
171     // ToDo: or down-top search horizontal nerarest neighbours
172     lines->x0[i] = x0 + dx - 1; /* expand during operation to left end */
173     lines->x1[i] = x0;          /* expand to the right end of line */
174     m4=m2=m1; mi=m1+my; m3=m1+2*my; jj=0;
175     // find limits for upper bound, base line and ground line
176     //    m2-max m3-min m4-max
177     for_each_data(&(JOB->res.boxlist)) {
178       box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
179       if (box2->line>0 || box2->c == PICTURE) continue;
180       if (   box2->y0 < y0 || box2->y1 >= y0 + dy
181           || box2->x0 < x0 || box2->x1 >= x0 + dx ) continue; // out of image
182       if (lines->dx) yy = lines->dy * box2->x0 / (lines->dx);
183       else yy=0;
184       /* check for ij-dots, used if chars of same high */
185       if ( box2->y0 >= y + yy
186         && box2->y0 >= y
187         && (box2->y1 - box2->y0) < my   
188         && box2->y1 < m1 + yy + my/4
189         && box2->y0 < mi + yy        ) {
190             mi = box2->y0 - yy;        /* highest upper boundary i-dot */
191       }
192       // fprintf(stderr,"\n check %3d %3d-%3d y=%d yy=%d m1=%d", box2->x0, box2->y0, box2->y1, y, yy, m1);
193       /* get m2-max m3-min m4-max */
194       if ( box2->y0 >= y + yy                   // lower than y
195         && 3 * (box2->y1 - box2->y0 + 1) > 2 * my  // right size ?
196         &&     (box2->y1 - box2->y0 + 1) < 3 * my  // font mix, size = 2.6*my
197         && (box2->y1 - box2->y0 + 1) > 3           // 4x6 lowercase=4
198         && box2->y0 >= m1                     // in m1 range?
199         && box2->y0 <= m1 + yy + 9 * my / 8   // my can be to small if mixed
200         // ToDo: we need a better (local?) algorithm for big headlines > 2*my
201         && box2->y1 <= m1 + yy + 3 * my
202         && box2->y1 >= m1 + yy + my / 2
203         // lines can differ in high, my may be to small (smaller headlines)
204         && box2->y0+box2->y1 <= 2*box3->y1
205          )
206       {
207           jj++;  // count chars for debugging purpose
208           if (box2->y0 > m2 + yy) {
209             m2 = box2->y0 - yy;  /* highest upper boundary */
210             if (JOB->cfg.verbose & 16)
211               fprintf(stderr," set m2= %d yy= %d\n#  ",m2, yy);
212           }
213           if (box2->y1 > m4 + yy && (my>6 || box2->y1 < m3+my)) {
214             m4 = box2->y1 - yy;  /* lowest lower boundary, small font lines can touch */
215           }
216           if (   box2->y1 < m3 + yy
217             && ( ( 2*box2->y1 > m2+  m4+yy && m2>m1)
218               || ( 4*box2->y1 > m1+3*m4+yy) ) )  // care for TeX: \(^1\)Footnote 2003
219           /* "'!?" could cause trouble here, therefore this lines */
220           /* ToDo: get_bw costs time, check pre and next */
221           if( get_bw(box2->x0,box2->x1,box2->y1+1   ,box2->y1+my/2,box2->p,JOB->cfg.cs,1) == 0
222            || get_bw(box2->x0,box2->x1,box2->y1+my/2,box2->y1+my/2,box2->p,JOB->cfg.cs,1) == 1
223            || num_cross(box2->x0,box2->x1,(box2->y0+box2->y1)/2,(box2->y0+box2->y1)/2,box2->p,JOB->cfg.cs)>2 )
224           {
225             m3 = box2->y1 - yy;  /* highest lower boundary */
226             // printf("\n# set1 m3 m=%3d %+2d %+2d %+2d",m1,m2-m1,m3-m1,m4-m1);
227             // out_x(box2);
228           }
229           if (box2->y0 + box2->y1 > 2*(m3 + yy)
230            && box2->y1 < m4 + yy - my/4 -1
231            && box2->y1 >= (m2 + m4)/2   // care for TeX: \(^1\)Footnote 2003
232            && m2 > m1 ) // be sure to not use ', m2 must be ok
233           {
234             m3 = box2->y1 - yy;  /* highest lower boundary */
235             // printf("\n# set2 m3 m=%3d %+2d %+2d %+2d",m1,m2-m1,m3-m1,m4-m1);
236             // out_x(box2);
237           }
238           if (box2->x1>lines->x1[i]) lines->x1[i] = box2->x1; /* right end */
239           if (box2->x0<lines->x0[i]) lines->x0[i] = box2->x0; /* left end */
240           // printf(" m=%3d %+2d %+2d %+2d yy=%3d\n",m1,m2-m1,m3-m1,m4-m1,yy);
241       }
242     } end_for_each(&(JOB->res.boxlist));
243
244 #if 1
245     /* this is only for test runs */
246     if (JOB->cfg.verbose & 16)
247       fprintf(stderr," step 1 y=%4d m= %4d %+3d %+3d %+3d"
248                      " my=%2d chars=%3d\n#  ",
249                      y, m1, m2-m1, m3-m1, m4-m1, my, jj);
250 #endif
251
252     if (m3 == m1)
253       break;
254 #if 1         /* make averages about the line  */
255     // same again better estimation
256     mc = (3 * m3 + m1) / 4;     /* lower center ? */
257     ma1 = ma2 = ma3 = ma4 = i1 = i2 = i3 = i4 = jj = 0;
258     for_each_data(&(JOB->res.boxlist)) {
259       box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
260       if (box2->line>0 || box2->c == PICTURE) continue;
261       if (lines->dx) yy = lines->dy * box2->x0 / (lines->dx); else yy=0;
262       if (box2->y0 >= y + yy && box2->y1 < y0 + dy      // lower than y
263           && box2->x0 >= x0 && box2->x1 < x0 + dx       // in box ?
264           && box2->c != PICTURE // no picture
265           && 2 * (box2->y1 - box2->y0) > my     // right size ?
266           && (box2->y1 - box2->y0) < 4 * my) {
267         if ( box2->y0 - yy >= m1-my/4
268           && box2->y0 - yy <= m2+my/4
269           && box2->y1 - yy >= m3-my/4
270           && box2->y1 - yy <= m4+my/4 ) { /* its within allowed range! */
271             // jj++; // not used
272             if (abs(box2->y0 - yy - m1) <= abs(box2->y0 - yy - m2))
273                  { i1++; ma1 += box2->y0 - yy; }
274             else { i2++; ma2 += box2->y0 - yy; }
275             if (abs(box2->y1 - yy - m3) < abs(box2->y1 - yy - m4))
276                  { i3++; ma3 += box2->y1 - yy; }
277             else { i4++; ma4 += box2->y1 - yy; }
278           if (box2->x1>lines->x1[i]) lines->x1[i] = box2->x1; /* right end */
279           if (box2->x0<lines->x0[i]) lines->x0[i] = box2->x0; /* left end */
280         }
281       }
282     } end_for_each(&(JOB->res.boxlist));
283
284     if (i1)  m1 = (ma1+i1/2) / i1; /* best rounded */
285     if (i2)  m2 = (ma2+i2/2) / i2;
286     if (i3)  m3 = (ma3+i3-1) / i3; /* round up */
287     if (i4)  m4 = (ma4+i4-1) / i4;
288     // printf("\n# .. set3 m3 m=%3d %+2d %+2d %+2d",m1,m2-m1,m3-m1,m4-m1);
289
290 #endif
291
292     /* expand right and left end of line */
293     for_each_data(&(JOB->res.boxlist)) {
294       box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
295       if (box2->line>0 || box2->c == PICTURE) continue;
296       if (lines->dx) yy = lines->dy * box2->x0 / (lines->dx); else yy=0;
297       if (   box2->y0 >= y0 && box2->y1 < y0 + dy
298           && box2->x0 >= x0 && box2->x1 < x0 + dx       // in box ?
299           && box2->c != PICTURE // no picture
300           && box2->y0 >= m1-1
301           && box2->y0 <= m4
302           && box2->y1 >= m1
303           && box2->y1 <= m4+1 ) { /* its within line */
304            if (box2->x1>lines->x1[i]) lines->x1[i] = box2->x1; /* right end */
305            if (box2->x0<lines->x0[i]) lines->x0[i] = box2->x0; /* left end */
306      }
307     } end_for_each(&(JOB->res.boxlist));
308
309 #if 1
310     /* this is only for test runs */
311     if (JOB->cfg.verbose & 16)
312       fprintf(stderr," step 2 y=%4d m= %4d %+3d %+3d %+3d\n#  ",
313         y,m1,m2-m1,m3-m1,m4-m1);
314 #endif
315
316     if (m4 == m1) {
317       if(m3+m4>2*y) y = (m4+m3)/2; /* lower end may overlap the next line */
318       continue;
319     }
320     jj=0;
321     lines->wt[i] = 100;
322     if (5 * (m2 - m1 +1) < m3 - m2 || (m2 - m1) < 2) jj|=1; /* same high */
323     if (5 * (m4 - m3 +1) < m3 - m2 || (m4 - m3) < 1) jj|=2; /* same base */
324     if (jj&1) lines->wt[i] = 75*lines->wt[i]/100;
325     if (jj&2) lines->wt[i] = 75*lines->wt[i]/100;
326     if (jj>0 && JOB->cfg.verbose) {
327       fprintf(stderr," trouble on line %d, wt*100= %d\n",i,lines->wt[i]);
328       fprintf(stderr,"#   m= %4d %+3d %+3d %+3d\n",m1,m2-m1,m3-m1,m4-m1);
329       fprintf(stderr,"#   i=  %3d %3d %3d %3d (counts)\n",i1,i2,i3,i4);
330       if (jj==3) fprintf(stderr,"#   all boxes of same high!\n#  ");
331       if (jj==1) fprintf(stderr,"#   all boxes of same upper bound!\n#  ");
332       if (jj==2) fprintf(stderr,"#   all boxes of same lower bound!\n#  ");
333      }
334     /* ToDo: check for dots ij,. to get the missing information */
335 #if 1
336     /* jj=3: ABCDEF123456 or mnmno or gqpy or lkhfdtb => we are in trouble */
337     if (jj==3 && (m4-m1)>my) { jj=0; m2=m1+my/8+1; m4=m3+my/8+1; } /* ABC123 */
338     /* using idots, may fail on "ABCDEFG&Auml;&Uuml;&Ouml;" */
339     if (jj==3 && mi>0 && mi<m1 && mi>m4pre) { jj=2; m1=mi; } /* use ij dots */
340     if (jj==1 && m2-(m3-m2)/4>m3pre ) {      /* expect: acegmnopqrsuvwxyz */
341       if (m1-m4pre<m4-m1)               /* fails for 0123ABCD+Q$ */
342         m1 = ( m2 + m4pre ) / 2 ;
343       else
344         m1 = ( m2 - (m3 - m2) / 4 );
345     }
346     if (jj==3)
347       m2 = m1 + (m3 - m1) / 4 + 1;      /* expect: 0123456789ABCDEF */
348     if ( (m2 - m1) < 2)
349       m2 = m1 + 2;                      /* font hight < 8 pixel ? */
350     if (jj&2)
351       m4 = m3 + (m4 - m1) / 4 + 1;      /* chars have same lower base */
352     if (jj>0 && JOB->cfg.verbose & 16) {
353       fprintf(stderr," m= %4d %+2d %+2d %+2d  my= %4d\n#  ",
354               m1, m2-m1, m3-m1, m4-m1, my);
355      }
356 #endif
357
358     
359     {                           // empty space between lines
360       lines->m4[i] = m4;
361       lines->m3[i] = m3;
362       lines->m2[i] = m2;
363       lines->m1[i] = m1;
364       lines->pitch[i] = JOB->cfg.spc; /* default word pitch */
365       lines->pitch[i] = 0;            /* default spacing */
366       if (JOB->cfg.verbose & 16)
367         fprintf(stderr, " m= %4d %+3d %+3d %+3d w= %d (line=%d)\n#  ",
368                 m1, m2 - m1, m3 - m1, m4 - m1, lines->wt[i], i);
369       if (i < MAXlines && m4 - m1 > 4)
370         i++;
371       if (i >= MAXlines) {
372         fprintf(stderr, "Warning: lines>MAXlines\n");
373         break;
374       }
375     }
376     if (m3+m4>2*y) y = (m3+m4)/2;  /* lower end may overlap the next line */
377     if (m3>m3pre) m3pre = m3; else m3=y0; /* set for next-line scan */
378     if (m4>m4pre) m4pre = m4; else m4=y0; /* set for next-line scan */
379   }
380   lines->num = i;
381   if (JOB->cfg.verbose)
382     fprintf(stderr, " num_lines= %d", lines->num-1);
383   return 0;
384 }
385
386 // ----- layout analyzis of dx*dy region at x0,y0 -----
387 // ----- detect lines via recursive division (new version) ---------------
388 //   what about text in frames???
389 //  ToDo: change to bottom-top analyse or/and take rotation into account
390 int detect_lines2(pix *p,int x0,int y0,int dx,int dy,int r){
391     int i,x2,y2,x3,y3,x4,y4,x5,y5,y6,mx,my,x30,x31,y30,y31;
392     struct box *box2,*box3;
393     // shrink box
394     if(dx<=0 || dy<=0) return 0;
395     if(y0+dy<  p->y/128 && y0==0) return 0;       /* looks like dust */
396     if(y0>p->y-p->y/128 && y0+dy==p->y) return 0; /* looks like dust */
397     
398     if(r>1000){ return -1;} // something is wrong
399     if(JOB->cfg.verbose)fprintf(stderr,"\n# r=%2d ",r);
400
401     mx=my=i=0; // mean thickness
402     // remove border, shrink size
403     x2=x0+dx-1;  // min x
404     y2=y0+dy-1;  // min y
405     x3=x0;      // max x
406     y3=y0;      // max y
407     for_each_data(&(JOB->res.boxlist)) {
408       box3 = (struct box *)list_get_current(&(JOB->res.boxlist));
409       if(box3->y0>=y0  && box3->y1<y0+dy &&
410          box3->x0>=x0  && box3->x1<x0+dx)
411       {
412         if( box3->x1 > x3 ) x3=box3->x1; // max x
413         if( box3->x0 < x2 ) x2=box3->x0; // min x
414         if( box3->y1 > y3 ) y3=box3->y1; // max y
415         if( box3->y0 < y2 ) y2=box3->y0; // min y
416         if(box3->c!=PICTURE)
417         if( box3->y1 - box3->y0 > 4 )
418         {
419           i++;
420           mx+=box3->x1-box3->x0+1; // mean x
421           my+=box3->y1-box3->y0+1; // mean y
422         }
423       }
424     } end_for_each(&(JOB->res.boxlist));
425     x0=x2; dx=x3-x2+1;
426     y0=y2; dy=y3-y2+1;
427
428     if(i==0 || dx<=0 || dy<=0) return 0;
429     mx/=i;my/=i;
430     // better look for widest h/v-gap, ToDo: vertical lines?
431     if(r<8){ // max. depth
432
433       // detect widest horizontal gap
434       y2=y3=y4=y5=y6=0;
435       x2=x3=x4=x5=y5=0;// min. 3 lines
436       // position and thickness of gap, y6=num_gaps, nbox^2 ops
437       for_each_data(&(JOB->res.boxlist)) { // not very efficient, sorry
438         box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
439         if( box2->c!=PICTURE ) /* ToDo: not sure, that this is a good idea */
440         if( box2->y0>=y0  && box2->y1<y0+dy
441          && box2->x0>=x0  && box2->x1<x0+dx
442          && box2->y1-box2->y0>my/2 ){ // no pictures & dust???
443
444           y4=y0+dy-1;  // nearest vert. box
445           x4=x0+dx-1;
446           // ToDo: rotate back box2->x1,y1 to x21,y21
447           // look for nearest lowest (y4) and right (x4) neighbour
448           //   of every box (box2)
449           for_each_data(&(JOB->res.boxlist)) {
450             box3 = (struct box *)list_get_current(&(JOB->res.boxlist));
451             if(box3!=box2)
452             if(box3->y0>=y0  && box3->y1<y0+dy)
453             if(box3->x0>=x0  && box3->x1<x0+dx)
454             if(box3->c!=PICTURE) /* ToDo: not sure, that this is a good idea */
455             if(box3->y1-box3->y0>my/2 ){
456               // ToDo: here we need the rotation around box2
457               x30=box3->x0;
458               x31=box3->x1;
459               y30=box3->y0;
460               y31=box3->y1;
461               // get min. distances to lower and to right direction
462               if( y31 > box2->y1  &&  y30 < y4 ) y4=y30-1;
463               if( x31 > box2->x1  &&  x30 < x4 ) x4=x30-1;
464             }
465           } end_for_each(&(JOB->res.boxlist));
466           // set the witdht and position of largest hor./vert. gap
467           // largest gap:          width           position
468           if( y4-box2->y1 > y3 ) { y3=y4-box2->y1; y2=(y4+box2->y1)/2; }
469           if( x4-box2->x1 > x3 ) { x3=x4-box2->x1; x2=(x4+box2->x1)/2; }
470         }
471       } end_for_each(&(JOB->res.boxlist)); 
472       // fprintf(stderr,"\n widest y-gap= %4d %4d",y2,y3);
473       // fprintf(stderr,"\n widest x-gap= %4d %4d",x2,x3);
474
475       i=0; // i=1 at x, i=2 at y
476       // this is the critical point
477       // is this a good decision or not???
478       if(x3>0 || y3>0){
479         if(x3>mx && x3>2*y3 && (dy>5*x3 || (x3>10*y3 && y3>0))) i=1; else
480         if(dx>5*y3 && y3>my) i=2;
481       }
482
483       // compare with largest box???
484       for_each_data(&(JOB->res.boxlist)) { // not very efficient, sorry
485         box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
486         if( box2->c == PICTURE )
487         if( box2->y0>=y0  && box2->y1<y0+dy
488          && box2->x0>=x0  && box2->x1<x0+dx )
489         { // hline ???
490           // largest gap:                  width position
491           if( box2->x1-box2->x0+4 > dx && box2->y1+4<y0+dy ) { y3=1; y2=box2->y1+1; i=2; break; }
492           if( box2->x1-box2->x0+4 > dx && box2->y0-4>y0    ) { y3=1; y2=box2->y0-1; i=2; break; }
493           if( box2->y1-box2->y0+4 > dy && box2->x1+4<x0+dx ) { x3=1; x2=box2->x1+1; i=1; break; }
494           if( box2->y1-box2->y0+4 > dy && box2->x0-4>x0    ) { x3=1; x2=box2->x0-1; i=1; break; }
495         }
496       } end_for_each(&(JOB->res.boxlist)); 
497       if(JOB->cfg.verbose)fprintf(stderr," i=%d",i);
498
499       if(JOB->cfg.verbose && i) fprintf(stderr," divide at %s x=%4d y=%4d dx=%4d dy=%4d",
500         ((i)?( (i==1)?"x":"y" ):"?"),x2,y2,x3,y3);
501       // divide horizontally if v-gap is thicker than h-gap
502       // and length is larger 5*width
503       if(i==1){        detect_lines2(p,x0,y0,x2-x0+1,dy,r+1);
504                 return detect_lines2(p,x2,y0,x0+dx-x2+1,dy,r+1); }
505       // divide vertically
506       if(i==2){        detect_lines2(p,x0,y0,dx,y2-y0+1,r+1);
507                 return detect_lines2(p,x0,y2,dx,y0+dy-y2+1,r+1);  
508       }
509     }
510
511
512     if(JOB->cfg.verbose) if(dx<5 || dy<7)fprintf(stderr," empty box");
513     if(dx<5 || dy<7) return 0; // do not care about dust
514     if(JOB->cfg.verbose)fprintf(stderr, " box detected at %4d %4d %4d %4d",x0,y0,dx,dy);
515     if(JOB->tmp.ppo.p){
516         for(i=0;i<dx;i++)put(&JOB->tmp.ppo,x0+i   ,y0     ,255,16);
517         for(i=0;i<dx;i++)put(&JOB->tmp.ppo,x0+i   ,y0+dy-1,255,16);
518         for(i=0;i<dy;i++)put(&JOB->tmp.ppo,x0     ,y0+i   ,255,16);
519         for(i=0;i<dy;i++)put(&JOB->tmp.ppo,x0+dx-1,y0+i   ,255,16);
520         // writebmp("out10.bmp",p2,JOB->cfg.verbose); // colored should be better
521     }
522     return detect_lines1(p,x0-0*1,y0-0*2,dx+0*2,dy+0*3);
523
524 /*
525     struct tlines *lines = &JOB->res.lines;
526     i=lines->num; lines->num++;
527     lines->m1[i]=y0;          lines->m2[i]=y0+5*dy/16;
528     lines->m3[i]=y0+12*dy/16; lines->m4[i]=y0+dy-1;
529     lines->x0[i]=x0;          lines->x1[i]=x0+dx-1;
530     if(JOB->cfg.verbose)fprintf(stderr," - line= %d",lines->num);
531     return 0;
532  */
533 }
534
535 /* ToDo: herons algorithm for square root x=(x+y/x)/2 is more efficient
536  *       than interval subdivision (?) (germ.: Intervallschachtelung)
537  *       without using matlib
538  *  see http://www.math.vt.edu/people/brown/doc/sqrts.pdf
539  */
540 int my_sqrt(int x){
541   int y0=0,y1=x,ym;
542   for (;y0<y1-1;){
543     ym=(y0+y1)/2;
544     if (ym*ym<x) y0=ym; else y1=ym;
545   }
546   return y0;
547 }
548
549 /*
550 ** Detect rotation angle (one for whole image)
551 ** old: longest text-line and determining the angle of this line.
552  *
553  * search right nearest neighbour of each box and average vectors
554  * to get the text orientation,
555  * upside down decision is not made here (I dont know how to do it)
556  *  ToDo: set job->res.lines.{dx,dy}
557  * pass 1: get mean vector to nearest char
558  * pass 2: get mean vector to nearest char without outriders to pass 1
559  * extimate direction as (dx,dy,num)[pass]
560  * ToDo: estimate an error, boxes only work fine for zero-rotation
561  *       for 45 degree use vectors, not boxes to get base line
562  */
563 #define INorm 1024   /* integer unit 1.0 */
564 int detect_rotation_angle(job_t *job){
565   struct box *box2, *box3,
566         *box_nn;  /* nearest neighbour box */
567   int x2, y2, x3, y3, dist, mindist, pass,
568       rx=0, ry=0, re=0,  // final result
569       /* to avoid 2nd run, wie store pairs in 2 different categories */
570       nn[4]={0,0,0,0}, /* num_pairs used for estimation [(pass-1)%2,pass%2] */ 
571       dx[4]={0,0,0,0}, /* x-component of rotation vector per pass */
572       dy[4]={0,0,0,0}, /* y-component of rotation vector per pass */ 
573       er[4]={INorm/4,0,0,0}; /* mean angle deviation to pass-1 (radius^2) */
574       // de;         /* ToDo: absolute maximum error (dx^2+dy^2) */ 
575       // ToDo: next pass: go to bigger distances and reduce max error
576       // error is diff between passes? or diff of bottoms and top borders (?)
577
578   rx=1024; ry=0;  // default
579   for (pass=0;pass<4;pass++) {
580     for_each_data(&(job->res.boxlist)) {
581       box2 = (struct box *)list_get_current(&(job->res.boxlist));
582       if (box2->c==PICTURE) continue;
583       /* subfunction probability of char */
584       // i?
585       // if  (box2->x1 - box2->x0 < 3) continue; /* smallest font is 4x6 */
586       if  (box2->y1 - box2->y0 < 4) continue;
587       /* set maximum possible distance */
588       box_nn=box2; // initial box to compare with
589
590       // ToDo: clustering or majority
591       // the algorithm is far from being perfect, pitfalls are likely
592       // but its better than the old algorithm, ToDo: database-rotated-images
593       mindist = job->src.p.x * job->src.p.x + job->src.p.y * job->src.p.y;
594       /* get middle point of the box */
595       x2 = (box2->x0 + box2->x1)/2;
596       y2 = (box2->y0 + box2->y1)/2;
597       re=0;
598       /* search for nearest neighbour box_nn[pass+1] of box_nn[pass] */
599       for_each_data(&(job->res.boxlist)) {
600         box3 = (struct box *)list_get_current(&(job->res.boxlist));
601         /* try to select only potential neighbouring chars */
602         /* select out all senseless combinations */ 
603         if (box3->c==PICTURE || box3==box2) continue;
604         x3 = (box3->x0 + box3->x1)/2;
605         y3 = (box3->y0 + box3->y1)/2; /* get middle point of the box */
606         if (x3<x2) continue; /* simplify by going right only */
607         // through-away deviation of angles if > pass-1?
608         // scalprod max in direction, cross prod min in direction
609         //  a,b (vectors): <a,b>^2/(|a|*|b|)^2 = 0(90deg)..0.5(45deg).. 1(0deg)
610         //   * 1024 ??
611         if (pass>0) {  // new variant = scalar product
612           // danger of int overflow, ToDo: use int fraction
613           re =(int) ((1.*(x3-x2)*dx[pass-1]+(y3-y2)*dy[pass-1])
614               *(1.*(x3-x2)*dx[pass-1]+(y3-y2)*dy[pass-1])*INorm
615               /(1.*((x3-x2)*(x3-x2)+(y3-y2)*(y3-y2))
616                *(1.*dx[pass-1]*dx[pass-1]+dy[pass-1]*dy[pass-1])));
617           if (INorm-re>er[pass-1]) continue; // hits mean deviation
618         }
619         /* neighbours should have same order of size (?) */
620         if (3*(box3->y1-box3->y0+4) < 2*(box2->y1-box2->y0+1)) continue;
621         if (2*(box3->y1-box3->y0+1) > 3*(box2->y1-box2->y0+4)) continue;
622         if (2*(box3->x1-box3->x0+1) > 5*(box2->x1-box2->x0+4)) continue;
623         if (5*(box3->x1-box3->x0+4) < 2*(box2->x1-box2->x0+1)) continue;
624         /* should be in right range, Idea: center3 outside box2? noholes */
625         if ((x3<box2->x1-1) && (x3>box2->x0+1)
626          && (y3<box2->y1-1) && (y3>box2->y0+1)) continue;
627         // if chars are of different size, connect careful 
628         if (  abs(x3-x2) > 2*(box2->x1 - box2->x0 + box3->x1 - box3 ->x0 + 2)) continue;
629         if (  abs(y3-y2) >   (box2->x1 - box2->x0 + box3->x1 - box3 ->x0 + 2)) continue;
630         dist = (y3-y2)*(y3-y2) + (x3-x2)*(x3-x2);
631         // make distances in pass-1 directions shorter or continue if not in pass-1 range?
632         if (dist<9) continue; /* minimum distance^2 is 3^2 */
633         if (dist<mindist) { mindist=dist; box_nn=box3;}
634         // fprintf(stderr,"x y %d %d  %d %d dist %d min %d\n",
635         //         x2,y2,x3,y3,dist,mindist);
636       } end_for_each(&(job->res.boxlist));
637       
638       if (box_nn==box2) continue; /* has no neighbour, next box */
639       
640       box3=box_nn; dist=mindist;
641       x3 = (box3->x0 + box3->x1)/2;
642       y3 = (box3->y0 + box3->y1)/2; /* get middle point of the box */
643       // dist = my_sqrt(1024*((x3-x2)*(x3-x2)+(y3-y2)*(y3-y2)));
644       // compare with first box
645       x2 = (box2->x0 + box2->x1)/2;
646       y2 = (box2->y0 + box2->y1)/2;
647       // if the high of neighbouring boxes differ, use min diff (y0,y1)
648       if (pass>0 && 16*abs(dy[pass-1]) < dx[pass-1]) // dont work for strong rot.
649       if (abs(box2->y1-box2->y0-box3->y1+box3->y0)>(box2->y1-box2->y0)/8) {
650         // ad eh ck ...
651         if (abs(box2->y1-box3->y1)<abs(y3-y2)) { y2=box2->y1; y3=box3->y1; }
652         // ag ep qu ...
653         if (abs(box2->y0-box3->y0)<abs(y3-y2)) { y2=box2->y0; y3=box3->y0; }
654       }
655       if (abs(x3-x2)<4) continue;
656       dx[pass]+=(x3-x2)*1024; /* normalized before averaging */
657       dy[pass]+=(y3-y2)*1024; /* 1024 is for the precision */
658       nn[pass]++;
659       if (pass>0) { // set error = mean deviation from pass -1
660         re = INorm-(int)((1.*(x3-x2)*dx[pass-1]+(y3-y2)*dy[pass-1])
661                     *(1.*(x3-x2)*dx[pass-1]+(y3-y2)*dy[pass-1])*INorm
662                     /((1.*(x3-x2)*(x3-x2)+(y3-y2)*(y3-y2))
663                      *(1.*dx[pass-1]*dx[pass-1]+dy[pass-1]*dy[pass-1]))
664                     );
665         er[pass]+=re;
666       }
667 #if 0
668       if(JOB->cfg.verbose)
669         fprintf(stderr,"# next nb (x,y,dx,dy,re) %6d %6d %5d %5d %5d pass %d\n",
670                 x2, y2, x3-x2, y3-y2, re, pass+1);
671 #endif      
672     } end_for_each(&(job->res.boxlist));
673     if (!nn[pass]) break;
674     if (nn[pass]) {
675       /* meanvalues */
676       rx=dx[pass]/=nn[pass];
677       ry=dy[pass]/=nn[pass];
678       if (pass>0) er[pass]/=nn[pass];
679     }
680     if(JOB->cfg.verbose)
681       fprintf(stderr,"# rotation angle (x,y,maxr,num)"
682                      " %6d %6d %6d %4d pass %d\n",
683               rx, ry, er[pass], nn[pass], pass+1);
684   }
685   if (abs(ry*100)>abs(rx*50))
686     fprintf(stderr,"<!-- gocr will fail, strong rotation angle detected -->\n");
687   /* ToDo: normalize to 2^10 bit (square fits to 32 it) */
688   JOB->res.lines.dx=rx;
689   JOB->res.lines.dy=ry;
690   return 0;
691 }
692
693 /* ----- detect lines --------------- */
694 int detect_text_lines(pix * pp, int mo) {
695
696   if (JOB->cfg.verbose)
697     fprintf(stderr, "# detect.c detect_text_lines (vvv=16 for more info) ");
698   if (mo & 4){
699     if (JOB->cfg.verbose) fprintf(stderr, "# zoning\n# ... ");
700     detect_lines2(pp, 0, 0, pp->x, pp->y, 0);   // later replaced by better algo
701   } else 
702     detect_lines1(pp, 0, 0, pp->x, pp->y);      // old algo
703
704   if(JOB->cfg.verbose) fprintf(stderr,"\n");
705   return 0;
706 }
707
708
709 /* ----- adjust lines --------------- */
710 // rotation angle? JOB->res.lines.dy, .x0  removed later
711 // this is for cases, where m1..m4 is not very sure detected before 
712 //  chars are recognized
713 int adjust_text_lines(pix * pp, int mo) {
714   struct box *box2;
715   int *m, /* summ m1..m4, num_chars for m1..m4, min m1..m4, max. m1..m4 */
716       l, i, dy, dx, diff=0, y0, y1;
717
718   if ((l=JOB->res.lines.num)<2) return 0;  // ???
719   if (JOB->cfg.verbose)
720     fprintf(stderr, "# adjust text lines ");
721   m=(int *)malloc(l*16*sizeof(int));
722   if (!m) { fprintf(stderr," malloc failed\n"); return 0;}
723   for (i=0;i<16*l;i++) m[i]=0; /* initialize */
724   dy=JOB->res.lines.dy;  /* tan(alpha) of skewing */
725   dx=JOB->res.lines.dx;  /* old: width of image */
726   // js: later skewing is replaced by one transformation of vectorized image 
727
728   if (dx)
729   for_each_data(&(JOB->res.boxlist)) {
730     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
731     if (box2->line<=0) continue;
732     if (box2->num_ac<1) continue;
733     if (box2->wac[0]<95) continue;
734     if (box2->m2==0 || box2->y1<box2->m2) continue; // char outside line
735     if (box2->m3==4 || box2->y0>box2->m3) continue; // char outside line
736     y0=box2->y0-((box2->x1)*dy/dx); /* corrected by page skewing */
737     y1=box2->y1-((box2->x1)*dy/dx);
738     if (strchr("aemnr",(char)box2->tac[0])) {  // cC vV sS oO ... is unsure!
739       m[box2->line*16+1]+=y0; m[box2->line*16+5]++; // num m2
740       m[box2->line*16+2]+=y1; m[box2->line*16+6]++; // num m3
741       if (m[box2->line*16+ 9]>y0) m[box2->line*16+ 9]=y0; /* min m2 */
742       if (m[box2->line*16+13]<y0) m[box2->line*16+13]=y0; /* max m2 */
743       if (m[box2->line*16+10]>y1) m[box2->line*16+10]=y1; /* min m3 */
744       if (m[box2->line*16+14]<y1) m[box2->line*16+14]=y1; /* max m3 */
745     }
746     if (strchr("bdhklABDEFGHIKLMNRT123456789",(char)box2->tac[0])) {
747       m[box2->line*16+0]+=y0; m[box2->line*16+4]++; // num m1
748       m[box2->line*16+2]+=y1; m[box2->line*16+6]++; // num m3
749       if (m[box2->line*16+ 8]>y0) m[box2->line*16+ 8]=y0; /* min m1 */
750       if (m[box2->line*16+12]<y0) m[box2->line*16+12]=y0; /* max m1 */
751       if (m[box2->line*16+10]>y1) m[box2->line*16+10]=y1; /* min m3 */
752       if (m[box2->line*16+14]<y1) m[box2->line*16+14]=y1; /* max m3 */
753     }
754     if (strchr("gq",(char)box2->tac[0])) {
755       m[box2->line*16+1]+=y0; m[box2->line*16+5]++; // num m2
756       m[box2->line*16+3]+=y1; m[box2->line*16+7]++; // num m4
757       if (m[box2->line*16+ 9]>y0) m[box2->line*16+ 9]=y0; /* min m2 */
758       if (m[box2->line*16+13]<y0) m[box2->line*16+13]=y0; /* max m2 */
759       if (m[box2->line*16+11]>y1) m[box2->line*16+11]=y1; /* min m4 */
760       if (m[box2->line*16+15]<y1) m[box2->line*16+15]=y1; /* max m4 */
761     }
762   } end_for_each(&(JOB->res.boxlist));
763   
764   for (i=1;i<l;i++) {
765     diff=0; // show diff per line
766     if (m[i*16+4]) diff+=abs(JOB->res.lines.m1[i]-m[i*16+0]/m[i*16+4]);
767     if (m[i*16+5]) diff+=abs(JOB->res.lines.m2[i]-m[i*16+1]/m[i*16+5]);
768     if (m[i*16+6]) diff+=abs(JOB->res.lines.m3[i]-m[i*16+2]/m[i*16+6]);
769     if (m[i*16+7]) diff+=abs(JOB->res.lines.m4[i]-m[i*16+3]/m[i*16+7]);
770     /* recalculate sureness, empirically */
771     if (m[i*16+4]*m[i*16+5]*m[i*16+6]*m[i*16+7] > 0)
772       JOB->res.lines.wt[i]=(JOB->res.lines.wt[i]+100)/2;
773     else 
774       JOB->res.lines.wt[i]=(JOB->res.lines.wt[i]*90)/100;
775     // set mean values of sure detected bounds (rounded precisely)
776     if ( m[i*16+4]) JOB->res.lines.m1[i]=(m[i*16+0]+m[i*16+4]/2)/m[i*16+4];
777     if ( m[i*16+5]) JOB->res.lines.m2[i]=(m[i*16+1]+m[i*16+5]/2)/m[i*16+5];
778     if ( m[i*16+6]) JOB->res.lines.m3[i]=(m[i*16+2]+m[i*16+6]/2)/m[i*16+6];
779     if ( m[i*16+7]) JOB->res.lines.m4[i]=(m[i*16+3]+m[i*16+7]/2)/m[i*16+7];
780     // care about very small fonts
781     if (JOB->res.lines.m2[i]-JOB->res.lines.m1[i]<=1 && m[i*16+5]==0 && m[i*16+4])
782         JOB->res.lines.m2[i]=JOB->res.lines.m1[i]+2;
783     if (JOB->res.lines.m2[i]-JOB->res.lines.m1[i]<=1 && m[i*16+4]==0 && m[i*16+5])
784         JOB->res.lines.m1[i]=JOB->res.lines.m2[i]-2;
785     if (JOB->res.lines.m4[i]-JOB->res.lines.m3[i]<=1 && m[i*16+7]==0 && m[i*16+6])
786         JOB->res.lines.m4[i]=JOB->res.lines.m3[i]+2;
787     if (JOB->res.lines.m4[i]-JOB->res.lines.m3[i]<=1 && m[i*16+6]==0 && m[i*16+7])
788         JOB->res.lines.m3[i]=JOB->res.lines.m4[i]-2;
789     if ( m[i*16+7]<1 &&
790         JOB->res.lines.m4[i]
791       <=JOB->res.lines.m3[i]+(JOB->res.lines.m3[i]-JOB->res.lines.m2[i])/4 )
792         JOB->res.lines.m4[i]=
793         JOB->res.lines.m3[i]+(JOB->res.lines.m3[i]-JOB->res.lines.m2[i])/4;
794     if ( m[i*16+7]<1 && m[i*16+12+2]>0 &&   // m4 < max.m3+..
795         JOB->res.lines.m4[i] < 2*m[i*16+12+2]-JOB->res.lines.m3[i]+2 )
796         JOB->res.lines.m4[i] = 2*m[i*16+12+2]-JOB->res.lines.m3[i]+2;
797     if (JOB->res.lines.m4[i]<=JOB->res.lines.m3[i])
798         JOB->res.lines.m4[i]= JOB->res.lines.m3[i]+1; /* 4x6 */
799                    
800     if (JOB->cfg.verbose & 17)
801       fprintf(stderr, "\n#  line= %3d m= %4d %+3d %+3d %+3d "
802                          " n= %2d %2d %2d %2d  w= %3d diff= %d",
803         i, JOB->res.lines.m1[i],
804            JOB->res.lines.m2[i] - JOB->res.lines.m1[i],
805            JOB->res.lines.m3[i] - JOB->res.lines.m1[i],
806            JOB->res.lines.m4[i] - JOB->res.lines.m1[i],
807            m[i*16+4],m[i*16+5],m[i*16+6],m[i*16+7],
808            JOB->res.lines.wt[i], diff);
809   }
810   diff=0; // count adjusted chars
811 #if 1
812   if (dx)
813   for_each_data(&(JOB->res.boxlist)) {
814     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
815     if (box2->line<=0) continue;
816     /* check if box was on the wrong line, ToDo: search a better line */
817     if (2*box2->y0<2*JOB->res.lines.m1[box2->line]
818                     -JOB->res.lines.m4[box2->line]
819                     +JOB->res.lines.m1[box2->line]) box2->line=0;
820     if (2*box2->y1>2*JOB->res.lines.m4[box2->line]
821                     +JOB->res.lines.m4[box2->line]
822                     -JOB->res.lines.m1[box2->line]) box2->line=0;
823     /* do adjustments */
824     if (box2->num_ac>0
825      && box2->num_ac > 31 && box2->tac[0] < 127 /* islower(>256) may SIGSEGV */
826      && strchr("cCoOpPsSuUvVwWxXyYzZ",(char)box2->tac[0])) { // no_wchar
827       if (box2->y0-((box2->x1)*dy/dx)
828        < (JOB->res.lines.m1[box2->line]+JOB->res.lines.m2[box2->line])/2
829       && islower(box2->tac[0])
830       ) { setac(box2,toupper((char)box2->tac[0]),(box2->wac[0]+101)/2); diff++; }
831       if (box2->y0-((box2->x1)*dy/dx)
832        > (JOB->res.lines.m1[box2->line]+JOB->res.lines.m2[box2->line]+1)/2
833       && isupper(box2->tac[0])
834       ){ setac(box2,tolower((char)box2->tac[0]),(box2->wac[0]+101)/2); diff++; }
835     }
836     box2->m1=JOB->res.lines.m1[box2->line]+((box2->x1)*dy/dx);
837     box2->m2=JOB->res.lines.m2[box2->line]+((box2->x1)*dy/dx);
838     box2->m3=JOB->res.lines.m3[box2->line]+((box2->x1)*dy/dx);
839     box2->m4=JOB->res.lines.m4[box2->line]+((box2->x1)*dy/dx);
840   } end_for_each(&(JOB->res.boxlist));
841 #endif
842
843   free(m);
844   if(JOB->cfg.verbose) fprintf(stderr,"\n#  changed_chars= %d\n",diff);
845   return(diff);
846 }
847
848 /* ---- measure mean character
849  * recalculate mean width and high after changes in boxlist
850  * ToDo: only within a Range?
851  */
852 int calc_average() {
853   int i = 0, x0, y0, x1, y1;
854   struct box *box4;
855
856   JOB->res.numC = 0;
857   JOB->res.sumY = 0;
858   JOB->res.sumX = 0;
859   for_each_data(&(JOB->res.boxlist)) {
860     box4 = (struct box *)list_get_current(&(JOB->res.boxlist));
861     if( box4->c != PICTURE ){
862       x0 = box4->x0;    x1 = box4->x1;
863       y0 = box4->y0;    y1 = box4->y1;
864       i++;
865       if (JOB->res.avX * JOB->res.avY > 0) {
866         if (x1 - x0 + 1 > 4 * JOB->res.avX
867          && y1 - y0 + 1 > 4 * JOB->res.avY) continue; /* small picture */
868         if (4 * (y1 - y0 + 1) < JOB->res.avY || y1 - y0 < 2) 
869           continue;     // dots .,-_ etc.
870       }
871       if (x1 - x0 + 1 < 4 
872        && y1 - y0 + 1 < 6 ) continue; /* dots etc */
873       JOB->res.sumX += x1 - x0 + 1;
874       JOB->res.sumY += y1 - y0 + 1;
875       JOB->res.numC++;
876     }
877   } end_for_each(&(JOB->res.boxlist));
878   if ( JOB->res.numC ) {                /* avoid div 0 */
879     JOB->res.avY = (JOB->res.sumY+JOB->res.numC/2) / JOB->res.numC;
880     JOB->res.avX = (JOB->res.sumX+JOB->res.numC/2) / JOB->res.numC;
881   }
882   if (JOB->cfg.verbose){
883     fprintf(stderr, "# averages: mXmY= %d %d nC= %d n= %d\n",
884             JOB->res.avX, JOB->res.avY, JOB->res.numC, i);
885   }
886   return 0;
887 }
888
889
890 /* ---- analyse boxes, find pictures and mark (do this first!!!)
891  */
892 int detect_pictures(job_t *job) {
893   int i = 0, x0, y0, x1, y1, num_h;
894   struct box *box2, *box4;
895
896   if ( job->res.numC == 0 ) {
897     if (job->cfg.verbose) fprintf(stderr,
898       "# detect.C L%d Warning: numC=0\n", __LINE__);
899    return -1;
900   }
901   /* ToDo: set Y to uppercase mean value? */
902   job->res.avY = (job->res.sumY+job->res.numC/2) / job->res.numC;
903   job->res.avX = (job->res.sumX+job->res.numC/2) / job->res.numC;
904   /* ToDo: two highest volumes? crosses, on extreme volume + on border */
905   if (job->cfg.verbose)
906     fprintf(stderr, "# detect.C L%d pictures, frames, mXmY= %d %d ... ",
907             __LINE__, job->res.avX, job->res.avY);
908   for_each_data(&(job->res.boxlist)) {
909     box2 = (struct box *)list_get_current(&(job->res.boxlist));
910     if (box2->c == PICTURE) continue;
911     x0 = box2->x0;    x1 = box2->x1;
912     y0 = box2->y0;    y1 = box2->y1;
913
914     /* pictures could be of unusual size */ 
915     if (x1 - x0 + 1 > 4 * job->res.avX || y1 - y0 + 1 > 4 * job->res.avY) {
916       /* count objects on same baseline which could be chars */
917       /* else: big headlines could be misinterpreted as pictures */
918       num_h=0;
919       for_each_data(&(job->res.boxlist)) {
920         box4 = (struct box *)list_get_current(&(job->res.boxlist));
921         if (box4->c == PICTURE) continue;
922         if (box4->y1-box4->y0 > 2*(y1-y0)) continue;
923         if (2*(box4->y1-box4->y0) < y1-y0) continue;
924         if (box4->y0 > y0 + (y1-y0+1)/2
925          || box4->y0 < y0 - (y1-y0+1)/2
926          || box4->y1 > y1 + (y1-y0+1)/2
927          || box4->y1 < y1 - (y1-y0+1)/2)  continue;
928         // ToDo: continue if numcross() only 1, example: |||IIIll|||
929         num_h++;
930       } end_for_each(&(job->res.boxlist));
931       if (num_h>4) continue;
932       box2->c = PICTURE;
933       i++;
934     }
935     /* ToDo: pictures could have low contrast=Sum((pixel(p,x,y)-160)^2) */
936   } end_for_each(&(job->res.boxlist));
937   // start second iteration
938   if (job->cfg.verbose) {
939     fprintf(stderr, " %d - boxes %d\n", i, job->res.numC-i);
940   }
941   calc_average();
942   return 0;
943 }