Støtte for flere bibs per bilde, EXIF-metadata og zoom i gjennomgang

- OCR: ny read_all_bibs() returnerer alle unike startnumre (≥2 sifre) per bilde
- Ingest: oppretter én passering per bib (ikke bare beste), ingen bib → needs_review
- image_tagger.py: skriv/les bib-metadata som JSON i EXIF UserComment (piexif)
- Ingest + resolve: tagger bildefilen med bibs automatisk og ved manuell bekreftelse
- API: POST /api/passages/{id}/reanalyze — re-kjør OCR på eksisterende bilde
- API: POST /api/passages/{id}/resolve oppdaterer nå EXIF med bekreftet bib
- races: ny kolonne bib_filter_enabled (med automatisk migrering) + per-løp toggle
- ReviewPage: Re-analyser-knapp og klikk-for-zoom med scroll/drag

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

backend/ocr.py

@@ -64,33 +64,11 @@ def _bbox_area(bbox) -> float:
     return (max(xs) - min(xs)) * (max(ys) - min(ys))
 
 
-def _extract_bib_number(texts: list[tuple]) -> tuple[Optional[str], float, bool, float]:
+def read_all_bibs(image_path: Path) -> list["OcrResult"]:
     """
-    Finn beste siffersekvens blant OCR-treff.
-    Returnerer (sifre, konfidens, partial, proximity_score).
-    proximity_score = areal av bounding box i piksler² (større = nærmere kamera).
-    """
-    candidates = []
-    for (bbox, text, conf) in texts:
-        digits = re.sub(r"[^0-9]", "", text)
-        if digits:
-            candidates.append((digits, float(conf), _bbox_area(bbox)))
-
-    if not candidates:
-        return None, 0.0, False, 0.0
-
-    # Velg kandidat med høyest konfidens
-    best_digits, best_conf, best_area = max(candidates, key=lambda x: x[1])
-
-    partial = len(best_digits) < 2
-
-    return best_digits, best_conf, partial, best_area
-
-
-def read_bib(image_path: Path) -> OcrResult:
-    """
-    Les startnummer fra bildet.
-    Returnerer OcrResult. Aldri exception — fallback til konfidens 0 ved feil.
+    Les alle startnumre fra bildet.
+    Returnerer én OcrResult per unikt startnummer funnet (minst 2 sifre).
+    Tom liste hvis ingen funnet eller ved feil.
     """
     try:
         processed = _preprocess(image_path)
@@ -98,19 +76,59 @@ def read_bib(image_path: Path) -> OcrResult:
         results = reader.readtext(processed, detail=1, paragraph=False)
 
         raw_texts = [text for (_, text, _) in results]
-        digits, confidence, partial, proximity_score = _extract_bib_number(results)
 
-        return OcrResult(
-            digits=digits,
-            confidence=confidence,
-            partial=partial,
-            proximity_score=proximity_score,
-            raw_texts=raw_texts,
-        )
+        # Best konfidens + areal per unikt siffersekvens (minst 2 sifre)
+        best: dict[str, tuple[float, float]] = {}  # digits -> (conf, area)
+        for (bbox, text, conf) in results:
+            digits = re.sub(r"[^0-9]", "", text)
+            if len(digits) < 2:
+                continue
+            area = _bbox_area(bbox)
+            if digits not in best or float(conf) > best[digits][0]:
+                best[digits] = (float(conf), area)
+
+        return [
+            OcrResult(
+                digits=digits,
+                confidence=conf,
+                partial=False,
+                proximity_score=area,
+                raw_texts=raw_texts,
+            )
+            for digits, (conf, area) in best.items()
+        ]
     except Exception as e:
-        return OcrResult(
-            digits=None,
-            confidence=0.0,
-            partial=False,
-            raw_texts=[f"ERROR: {e}"],
-        )
+        return [OcrResult(digits=None, confidence=0.0, partial=False, raw_texts=[f"ERROR: {e}"])]
+
+
+def read_bib(image_path: Path) -> OcrResult:
+    """
+    Les beste startnummer fra bildet (bakoverkompatibel).
+    Returnerer OcrResult. Aldri exception — fallback til konfidens 0 ved feil.
+    """
+    bibs = read_all_bibs(image_path)
+    if not bibs or bibs[0].digits is None:
+        # Sjekk også enkle sifre (partial) for bakoverkompatibilitet
+        try:
+            processed = _preprocess(image_path)
+            reader = _get_reader()
+            results = reader.readtext(processed, detail=1, paragraph=False)
+            raw_texts = [text for (_, text, _) in results]
+            candidates = []
+            for (bbox, text, conf) in results:
+                digits = re.sub(r"[^0-9]", "", text)
+                if digits:
+                    candidates.append((digits, float(conf), _bbox_area(bbox)))
+            if candidates:
+                best_digits, best_conf, best_area = max(candidates, key=lambda x: x[1])
+                return OcrResult(
+                    digits=best_digits,
+                    confidence=best_conf,
+                    partial=len(best_digits) < 2,
+                    proximity_score=best_area,
+                    raw_texts=raw_texts,
+                )
+        except Exception:
+            pass
+        return OcrResult(digits=None, confidence=0.0, partial=False)
+    return max(bibs, key=lambda r: r.confidence)