标题检测框可以减少 OCR 输入范围，但缩放和坐标还原错误会让裁剪漏字。
本文使用合成文档图、YOLO 标注格式与 OpenCV 3.4。文档标题与印章定位先是数据定义问题，再是模型问题。框代表什么、哪些情况不标以及如何处理多页，都会改变训练目标和评估含义。
1. 从现象推到机制
检测器输入可能经过缩放与补边，输出需还原到原图坐标，再按边界约定裁剪。OCR（光学字符识别）给出文本及其不确定性，不应把模型类别 title 直接当作标题内容。
图中的四个节点分别表示原图输入、模型坐标、逆向裁剪、文字结果。顺着实线检查输入如何变成输出，再沿虚线核对反馈条件。图示表达的是本文讨论的关系，不是实测曲线或现场截图。
2. 最小实现与输入条件
保存原图尺寸、缩放比例和补边偏移，用合成标尺图验证坐标链。裁剪略扩边时仍需限制图像边界，避免负坐标。
1
2
3
4
original -> resize / pad -> detector
box -> inverse transform -> original coordinates
crop -> OCR -> text with review status
store source page and processing versions
先建立少量人工可复核的合成样本，保留原图、标注和处理版本。按文档来源或模板拆分集合，禁止同一原件的不同裁剪分别进入训练与测试形成泄漏。
3. 用对照区分原因
下表列出需要主动改变的条件。预期行为来自机制分析，复现时还需记录运行环境和原始输出，不能将预期当作已经测得的结果。
| 改变的条件 | 需要验证的行为 |
|---|---|
| 输入做过等比例补边 | 还原时必须扣除偏移 |
| 标题框贴近图像边缘 | 裁剪需要限制有效边界 |
| OCR 返回空文本 | 不能仍显示识别成功 |
对照 1：输入做过等比例补边
还原时必须扣除偏移。观察时记录缩放与补边的真实参数。把这个条件与基准情形分开，有助于判断变化来自哪一层；若得到相反结果，应先核对前提，再修改实现。
对照 2：标题框贴近图像边缘
裁剪需要限制有效边界。观察时记录最终像素范围。把这个条件与基准情形分开，有助于判断变化来自哪一层；若得到相反结果，应先核对前提，再修改实现。
对照 3：OCR 返回空文本
不能仍显示识别成功。观察时记录定位成功与转录结果分开。把这个条件与基准情形分开，有助于判断变化来自哪一层；若得到相反结果，应先核对前提，再修改实现。
4. 适用条件与取舍
检测与 OCR 错误会串联，评估应分别测量再看端到端任务。只报告检测召回率，无法说明标题文本提取是否可用。
一次正常运行只覆盖了这组输入。继续扩展前，应把上面的异常对照保留下来，尤其关注“OCR 返回空文本”这一分支。后续方案若改变了图中任意一处依赖，原来的判断就要重新验证，不能仅凭界面相似或返回值相同沿用结论。
