LC$hdetC$C$n rakentamaan tC$mC$ moottori! TehdC$C$n heti tC$ysin itsenC$inen
ja testattava Python-skripti, joka suorittaa putken askeleet 1 (Reunat), 2
(OCR/Ikoni) ja 4 (AST-MD -generointi).
JC$tetC$C$n hiiren Sweeper-vaihe (Pass 3) vielC$ tC$stC$ ensimmC$isestC$
testistC$ pois, jotta skripti voi rauhassa analysoida ruudun liikuttamatta
hiirtC$si, mutta visuaalinen AST-MD saadaan heti ulos.
1. Asenna vaatimukset
Tarvitsemme jC$rjestelmC$C$si OpenCV:n konenC$kC6C$ varten ja Tesseract-OCR:n
tekstiC$ varten. Koska olet Debianissa, Tesseract pitC$C$ asentaa
jC$rjestelmC$n kautta:
sudo apt update
sudo apt install tesseract-ocr tesseract-ocr-fin tesseract-ocr-eng
pip install opencv-python pytesseract numpy Pillow

2. AST-Compiler Skripti (ast_compiler.py)
TC$mC$ skripti nappaa kuvan joko koko ruudusta tai hiiren ympC$riltC$
(kC$ytC$mme aiemmin toimivaksi todettua Pillow:ta VNC-yhteensopivuuden
vuoksi). Se tekee OpenCV:llC$ Canny Edge + Dilation -kC$sittelyn. Dilaatio
(laajennus) on tC$rkeC$, jotta irralliset kirjaimet sulautuvat yhdeksi
laatikoksi ennen OCR:C$C$.
Tallenna tC$mC$ nimellC$ ast_compiler.py ja aja se:

            


MitC$ tC$ssC$ tapahtuu ja miten testaat sen:
Avaa WhatsApp web ruudulle (tai mikC$ tahansa muu kC$yttC6liittymC$).
Aja skripti: python3 ast_compiler.py
Skripti ottaa kuvan, tekee OpenCV:llC$ reunanetsinnC$n ja "sulattaa" reunat
(Dilation) kiinni toisiinsa yhtenC$isiksi laatikoiksi.
Se ajaa jokaisen laatikon Tesseract-OCR:n lC$pi.
Se tulostaa pC$C$tteelle kauniin, hierarkkisen Markdown-puun kaikista ruudulla
olevista elementeistC$ koordinaatteineen.
PystyykC6 tC$mC$ kC$C$ntC$jC$ tuottamaan sellaista Markdownia, jota voisimme
syC6ttC$C$ suoraan orkestraattorin ja kielimallin analysoitavaksi?