/tableOCR

识别图像中的表格+OCR识别

Primary LanguagePython

简介

extract_table 项目用于，识别图像中的表格，保存表格图像到指定文件夹，并提取表格的每一条横线，纵线坐标到数据库

近期更新

20240308 第一版本 妇女节礼物

下一期 更新目标：无表格框线的表格内容识别

特性

  • 表格信息存入数据库，方便统计

  • 去除表格框线，提高识别率

  • 文本识别通过轮廓获取每一行的开始和结束位置，一行一行识别提高了准确率，和排序正确性

  • paddle ocr识别做了优化：

    • 通过padding,resize图像 等方法解决长文本识别为空问题
    • 通过比较坐标纠正了重复识别字符的问题
    • 通过切割单个数字所在图像+特殊参数设置提高单个数字识别率

快速开始

安装paddle paddle, paddle ocr ,opencv 3.4.1

创建 gray_z_info 表保存表格信息

创建保存图像信息的表格 gray_z_info

创建mysql表：

CREATE TABLE gray_z_info ( 省份 text, 原始路径 text, 原始文件夹 varchar(255) DEFAULT NULL, 保存表格图像路径 text, 图像高度 bigint(20) DEFAULT NULL, 图像宽度 bigint(20) DEFAULT NULL, 时间 text, 坐标 text, 列数 int(11) DEFAULT NULL, 行数 int(11) DEFAULT NULL, 行最大高度 int(11) DEFAULT NULL, 行最小高度 int(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

base_utils.py 包填入数据库账号密码 执行示例文件： python test.py

如果你想识别自己的图像中的表格 修改main.py中的一系列常数 修改tools.params.py的ROW_HEIGHT 每一行文本高度的常数

👀 效果展示

原表格图像：

img

提取到表格图像：

img

OCR识别结果： img

愿景

让你的工作或生活有点儿副产品