文档 ocr 排版分析更新

docs/develop/ocr.md

@@ -36,9 +36,7 @@
 
 通过分析，我们知道分栏的间距一般都会比句子空格大，或用线条或颜色分隔开。现在只考虑间距问题。
 
-我们让矩形沿着行文方向左右延伸，合并重合的区域，随着延伸扩散像素的增加，合并后区域的数量会有两个突变，一个是行内空格合并后的突变，另一个是跨栏合并后的突变，我们取第一个突变的值进行扩散合并即可正确地合并为行。
-
-其实在某个版本的优化中已经合并了，甚至不是排版处理阶段，但我没找到是哪个 commit，也可能是 v4 模型更新了。但行内处理在表格识别中仍有用。
+我们把矩形按行分类，y 相差不大（0.5 高度）且直接间距小于高度的合一起。
 
 ### 分栏
 
@@ -50,7 +48,7 @@
 
 有两种分段方式：通过空行和通过行首空格。
 
-空行分段同样可以使用上面的扩散合并算法，但经过分栏后，基本纵轴只有一个矩形，就不需要扩散了，直接统计间距频度，以下是一个真实数据：
+空行分段同样可以使用间距分析，直接统计间距频度，以下是一个真实数据：
 
 ```json
 {
@@ -70,7 +68,7 @@
 }
 ```
 
-我们注意到 5-7 的位置应该是我们需要分段的间距：大于等于 7 的间距都是段间距，其他是行间距。取导数绝对值最大的即可。我还去除负数间隔减少判断，并去掉最大频率的数来减少极端数据的影响。
+我们注意到 5-7 的位置应该是我们需要分段的间距：大于等于 7 的间距都是段间距，其他是行间距。取导数绝对值最大的即可。我还提升他们使其大于 0，并去掉最大频率的数来减少极端数据的影响。
 
 <!-- ### 表格 -->