如何在图像中找到类似表格的结构
我有不同类型的发票文件，我想在每个发票文件中找到表格。在这个表中的位置不是固定的。所以我去做图像处理。首先我试图把我的发票转换成图像，然后我找到了基于表格边框的轮廓，最后我可以捕捉到表格的位置。用于下面代码中使用的任务。
with Image(page) as page_image:
page_image.alpha_channel = False #eliminates transperancy
img_buffer=np.asarray(bytearray(page_image.make_blob()), dtype=np.uint8)
img = cv2.imdecode(img_buffer, cv2.IMREAD_UNCHANGED)
ret, thresh = cv2.threshold(img, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
margin=[]
for contour in contours:
# get rectangle bounding contour
[x, y, w, h] = cv2.boundingRect(contour)
# Don't plot small false positives that aren't text
if (w >thresh1 and h> thresh2):
margin.append([x, y, x + w, y + h])
#data cleanup on margin to extract required position values.在此代码thresh1中，thresh2将根据该文件进行更新。
因此，使用这段代码，我可以成功地读取图像中表格的位置，使用这个位置，我将处理我的invoice文件。例如
样本1：
样本2：
样本3：
输出：
样本1：
样本2：
样本3：
但是，现在我有了一种新的格式，它没有任何边框，但它是一个表。如何解决这个问题？因为我的整个操作只依赖于表的边框。但现在我没有桌子边框了。我怎样才能做到这一点？我不知道如何摆脱这个问题。我的问题是，有没有办法根据表格的结构找到职位？
例如，我的问题输入如下所示：
我想找出它的立场如下：
我怎么才能解决这个问题？给我一个解决这个问题的主意真是太好了。
提前谢谢。
回答 4
Stack Overflow用户
发布于 2018-08-08 22:21:27
瓦伊巴夫是对的。您可以尝试使用不同的形态转换将像素提取或分组成不同的形状、线条等。例如，方法可以如下：
- 从扩展开始，将文本转换为实点。
- 然后应用findContours函数作为下一步，查找文本边框。
- 在有文本包围框之后，可以应用一些启发式算法将文本框按其坐标聚类成组。通过这种方式，您可以找到一组文本区域，它们对齐成行和列。
- 然后，您可以将x和y坐标排序和/或对组进行某些分析，以确定分组文本框是否可以形成表。
我写了一个小样本来说明这个想法。我希望代码是不言自明的。我也在那里发表了一些评论。
import os
import cv2
import imutils
# This only works if there's only one table on a page
# Important parameters:
# - morph_size
# - min_text_height_limit
# - max_text_height_limit
# - cell_threshold
# - min_columns
def pre_process_image(img, save_in_file, morph_size=(8, 8)):
# get rid of the color
pre = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Otsu threshold
pre = cv2.threshold(pre, 250, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
# dilate the text to make it solid spot
cpy = pre.copy()
struct = cv2.getStructuringElement(cv2.MORPH_RECT, morph_size)
cpy = cv2.dilate(~cpy, struct, anchor=(-1, -1), iterations=1)
pre = ~cpy
if save_in_file is not None:
cv2.imwrite(save_in_file, pre)
return pre
def find_text_boxes(pre, min_text_height_limit=6, max_text_height_limit=40):
# Looking for the text spots contours
# OpenCV 3
# img, contours, hierarchy = cv2.findContours(pre, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# OpenCV 4
contours, hierarchy = cv2.findContours(pre, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# Getting the texts bounding boxes based on the text size assumptions
boxes = []
for contour in contours:
box = cv2.boundingRect(contour)
h = box[3]
if min_text_height_limit < h < max_text_height_limit:
boxes.append(box)
return boxes
def find_table_in_boxes(boxes, cell_threshold=10, min_columns=2):
rows = {}
cols = {}
# Clustering the bounding boxes by their positions
for box in boxes:
(x, y, w, h) = box
col_key = x // cell_threshold
row_key = y // cell_threshold
cols[row_key] = [box] if col_key not in cols else cols[col_key] + [box]
rows[row_key] = [box] if row_key not in rows else rows[row_key] + [box]
# Filtering out the clusters having less than 2 cols
table_cells = list(filter(lambda r: len(r) >= min_columns, rows.values()))
# Sorting the row cells by x coord
table_cells = [list(sorted(tb)) for tb in table_cells]
# Sorting rows by the y coord
table_cells = list(sorted(table_cells, key=lambda r: r[0][1]))
return table_cells
def build_lines(table_cells):
if table_cells is None or len(table_cells) <= 0:
return [], []
max_last_col_width_row = max(table_cells, key=lambda b: b[-1][2])
max_x = max_last_col_width_row[-1][0] + max_last_col_width_row[-1][2]
max_last_row_height_box = max(table_cells[-1], key=lambda b: b[3])
max_y = max_last_row_height_box[1] + max_last_row_height_box[3]
hor_lines = []
ver_lines = []
for box in table_cells:
x = box[0][0]
y = box[0][1]
hor_lines.append((x, y, max_x, y))
for box in table_cells[0]:
x = box[0]
y = box[1]
ver_lines.append((x, y, x, max_y))
(x, y, w, h) = table_cells[0][-1]
ver_lines.append((max_x, y, max_x, max_y))
(x, y, w, h) = table_cells[0][0]
hor_lines.append((x, max_y, max_x, max_y))
return hor_lines, ver_lines
if __name__ == "__main__":
in_file = os.path.join("data", "page.jpg")
pre_file = os.path.join("data", "pre.png")
out_file = os.path.join("data", "out.png")
img = cv2.imread(os.path.join(in_file))
pre_processed = pre_process_image(img, pre_file)
text_boxes = find_text_boxes(pre_processed)
cells = find_table_in_boxes(text_boxes)
hor_lines, ver_lines = build_lines(cells)
# Visualize the result
vis = img.copy()
# for box in text_boxes:
# (x, y, w, h) = box
# cv2.rectangle(vis, (x, y), (x + w - 2, y + h - 2), (0, 255, 0), 1)
for line in hor_lines:
[x1, y1, x2, y2] = line
cv2.line(vis, (x1, y1), (x2, y2), (0, 0, 255), 1)
for line in ver_lines:
[x1, y1, x2, y2] = line
cv2.line(vis, (x1, y1), (x2, y2), (0, 0, 255), 1)
cv2.imwrite(out_file, vis)我得到了以下输出：
当然，为了使该算法更加健壮，并适用于各种不同的输入图像，必须对其进行相应的调整。
更新：更新了有关findContours的OpenCV API更改的代码。如果您安装了较早版本的OpenCV -使用相应的调用。Related post。
Stack Overflow用户
发布于 2018-06-13 06:23:05
您可以尝试应用一些形态转换(例如膨胀、侵蚀或高斯模糊)作为findContours函数之前的预处理步骤。
例如
blur = cv2.GaussianBlur(g, (3, 3), 0)
ret, thresh1 = cv2.threshold(blur, 150, 255, cv2.THRESH_BINARY)
bitwise = cv2.bitwise_not(thresh1)
erosion = cv2.erode(bitwise, np.ones((1, 1) ,np.uint8), iterations=5)
dilation = cv2.dilate(erosion, np.ones((3, 3) ,np.uint8), iterations=5)最后一个参数，迭代显示将要发生的扩张/侵蚀的程度(在您的例子中，在文本上)。拥有一个小的值将导致小的独立轮廓，甚至在一个字母表内，而大的值将使许多附近的元素结合在一起。您需要找到理想的值，以便只有您的图像块得到。
请注意，我以150作为阈值参数，因为我一直在努力从不同背景的图像中提取文本，这样效果更好。您可以选择继续使用您所取的值，因为它是黑白图像。
Stack Overflow用户
发布于 2020-05-10 18:12:34
文档图像中有许多类型的表，有太多的变化和布局。无论您编写了多少条规则，都会出现一个规则将失败的表。这些类型的问题都是用基于ML(机器学习)的解决方案来解决的。您可以在github上找到许多预实现的代码，以解决使用ML或DL (深度学习)检测图像中的表的问题。
下面是我的代码以及深入学习模型，该模型可以检测各种类型的表以及表中的结构单元格：https://github.com/DevashishPrasad/CascadeTabNet
该方法目前(2020年5月10日)在各种公共数据集的准确性方面达到了最先进的水平。
https://stackoverflow.com/questions/50829874
复制相似问题
腾讯云开发者
