深圳响应式网站开发,网站验证码插件,物流网络货运平台,中方元建设工程 网站AI文档识别技术之表格识别(一) 文章目录 文章目录 AI文档识别技术之表格识别(一)1. 表格识别原理介绍1.1 表格类型分类1.2 识别原理 2. 整体识别流程2.1 流程图2.2 图像处理部分大致流程 3. 将表格转换为html与json格式输出3.1 html格式3.2 json格式3.3 表格识别实例 前言 此文…AI文档识别技术之表格识别(一) 文章目录 文章目录 AI文档识别技术之表格识别(一)1. 表格识别原理介绍1.1 表格类型分类1.2 识别原理 2. 整体识别流程2.1 流程图2.2 图像处理部分大致流程 3. 将表格转换为html与json格式输出3.1 html格式3.2 json格式3.3 表格识别实例 前言 此文章主要介绍DocumentAI表格识别的V1版本通过DocumentAI表格识别实现表格检测并实现表格还原结构 表格检测检测表格在图片中所处的区域表格还原结构通过表格图片还原表格的结构信息主要包括行数列数合并单元格数 目前DocumentAI表格识别已实现V2版本大幅提升标准表格的识别准确率具体信息会在下一篇blog中再具体说明 1. 表格识别原理介绍
1.1 表格类型分类
在现实生活中表格大小、种类与样式复杂多样例如表格中存在不同的背景填充不同的行列合并方法不同的内容文本类型等并且现有文档既包括现代的、电子的文档也有历史的、扫描的手写文档它们的文档样式、所处光照环境以及纹理等都有比较大的差异表格识别一直是文档识别领域的研究难点。
DocumentAI表格识别将表格分为两类一种为标准表格另一种为非标准表格
标准表格表格边框完整表格内线完整且清晰无需人为再添加表格线条做表格内容分割 标准表格图片
非标准表格缺少表格边框或者表格内线表格线条不清晰需要人为添加表格线条分割表格内容例如下面的表格就缺少很多的横线与竖线 非标准图片
1.2 识别原理
DocumentAI通过结合AI与传统算法实现表格识别主要用到的AI能力与算法有
AI版面分析能力通过AI版面分析检测表格在图片内所处的区域AIOCR能力通过OCR实现识别表格内容算法图像处理算法通过结合图像处理算法辅助获取表格结构信息
通过以上的AI与算法再结合一些表格识别算法即可实现通用表格识别同时支持识别标准表格与非标准表格
2. 整体识别流程
2.1 流程图 2.2 图像处理部分大致流程
图像处理的大致流程为
对输入的表格图片进行预处理通过形态学算法过滤非线条信息检测线条与block得到表格的基础信息
3. 将表格转换为html与json格式输出
3.1 html格式
通过输出表格的html格式更方便用户的结果可视化与调试
3.2 json格式
通过json格式更方便的在各语言之间传输表格数据
3.3 表格识别实例 原图 html展示结果
{
“type”: “table_with_line”, //表格类型
“angle”: 0, //表格倾斜角度
“width”: 572, //表格宽度
“height”: 93, //表格高度
“rows”: 3, //表格行数
“cols”: 3, //表格列数
“position”: [111, 266, 683, 266, 683, 359, 111, 359], //表格位置
“height_of_rows”: [32, 30, 31], //表格每一行的高度
“width_of_cols”: [190, 190, 191], //表格每一列的宽度
“table_cells”: [ //表格内所有单元格的信息
{
“start_row”: 1, //单元格所在开始行号
“end_row”: 1, //单元格所在结束行号
“start_col”: 1, //单元格所在开始列号
“end_col”: 1, //单元格所在结束列号
“text”: “”, //单元格文本内容
“position”: [0, 0, 190, 0, 190, 32, 0, 32], //单元格位置
“lines”: [] //单元格文本行信息
},
…, // 其余单元格
{
“start_row”: 3,
“end_row”: 3,
“start_col”: 3,
“end_col”: 3,
“text”: “23%”,
“position”: [380, 62, 571, 62, 571, 93, 380, 93],
“lines”: [
{
“text”: “23%”,
“score”: 1,
“position”: [458, 70, 491, 70, 491, 93, 458, 93]
}
]
}
]
}
表格json结果
