大约一年前，我被分配任务从文件中提取和结构化数据，主要是包含在表格中的数据。我之前对计算机视觉没有了解，并且很难找到一个合适的“即插即用”的解决方案。当时可选的方案要么是基于最新神经网络（nn）的解决方案，这些解决方案庞大而繁琐，要么是基于opencv的较简单的解决方案，但不够一致。
立即学习“Python免费学习笔记（深入）”；
科威旅游管理系统源码
系统前端采用可视化布局，能自动适应不同尺寸屏幕，一起建站，不同设备使用，免去兼容性烦恼。系统提供列表、表格、地图三种列表显示方式，让用户以最快的速度找到所需行程，大幅提高效率。系统可设置推荐、优惠行程，可将相应行程高亮显示，对重点行程有效推广，可实现网站盈利。系统支持中文、英文，您还可以在后台添加新的语言，关键字单独列出，在后台即可快速翻译。
150 查看详情 
受现有OpenCV脚本的启发，我开发了一种简单而一致的方法来提取表格，并将其制作成一个开源的Python库：img2table
需要被重写的内容是：链接：https://github.com/xavctn/img2table
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
立即学习“Python免费学习笔记（深入）”；
我的库有什么作用？
立即学习“Python免费学习笔记（深入）”；
与深度学习解决方案相比，这个轻量级的包不需要训练和最小化参数化。它提供了以下功能：
立即学习“Python免费学习笔记（深入）”；
识别图像和PDF文件中的表格，包括在表格单元级别的边界框。通过支持OCR服务/工具（Tesseract、PaddleOCR、AWS Textract、Google Vision和Azure OCR目前支持）来提取表格内容。处理复杂的表格结构，如合并单元格。实现纠正图像的倾斜和旋转的方法。提取的表格以一个简单的对象形式返回，包括一个Pandas DataFrame表示。将提取的表格导出为Excel文件的选项，保留其原始结构。
如何使用它？
立即学习“Python免费学习笔记（深入）”；
可以使用pip来安装这个库，安装完成后就可以使用了
pip install img2table
在文档中识别表格只需调用一个函数：
从img2table.document导入Image类# 图像实例化img = Image(src="myimage.jpg")# 表格识别img_tables = img.extract_tables()# 表格识别结果img_tables[ExtractedTable(title=None, bbox=(10, 8, 745, 314),shape=(6, 3)), ExtractedTable(title=None, bbox=(936, 9, 1129, 111),shape=(2, 2))]
立即学习“Python免费学习笔记（深入）”；
立即学习“Python免费学习笔记（深入）”；
需要被改写的内容是：上述示例中使用的图像
如果我们想要提取表格的内容，就需要使用OCR工具。可以按照以下步骤来实现：
from img2table.document import PDFfrom img2table.ocr import TesseractOCR# Instantiation of the pdfpdf = PDF(src="mypdf.pdf")# Instantiation of the OCR, Tesseract, which requires prior installationocr = TesseractOCR(lang="eng")# Table identification and extractionpdf_tables = pdf.extract_tables(ocr=ocr)# We can also create an excel file with the tablespdf.to_xlsx('tables.xlsx',ocr=ocr)
立即学习“Python免费学习笔记（深入）”；
示例表格是从PDF文件中提取出来的样本
立即学习“Python免费学习笔记（深入）”；
最后，在简单的情况下，可以通过设置`borderless_tables`参数来执行“无边框”表格的提取。这允许检测那些单元格不需要完全被边框包围的表格。
无需更改原始意思，需要重写的内容是：“无边框”表格提取示例
立即学习“Python免费学习笔记（深入）”；
这是全部内容！事实上，仓库并不复杂，因为我们的目标是尽可能简化，避免引入其他可能带来复杂性的解决方案
立即学习“Python免费学习笔记（深入）”；
请访问项目的GitHub页面以获取更详细的文档和示例：https://github.com/xavctn/img2table
立即学习“Python免费学习笔记（深入）”；
底层实现
立即学习“Python免费学习笔记（深入）”；
所有图像处理都使用OpenCV和opencv-python库完成。然而，这仍然相当基础。
立即学习“Python免费学习笔记（深入）”；
算法的核心是Hough变换，它能够识别图像中的直线，使我们能够检测图像中的水平和垂直线条
需要重写的内容是：cv2.HoughLinesP(img, rho, theta, threshold, None, minLinLength, maxLineGap)
立即学习“Python免费学习笔记（深入）”；
在这之后，我们需要对线条进行一些处理，以便从中识别出单元格，并从单元格中进一步识别出表格
简化算法表示的实现方式
立即学习“Python免费学习笔记（深入）”；
大多数计算使用Polars进行，以实现良好的性能和速度。
立即学习“Python免费学习笔记（深入）”；
以上就是使用Python从图像中提取表格的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/954549.html
微信扫一扫 
支付宝扫一扫 
