PythonOpencv圖片識別表格：線條信息計(jì)算（投影算法）

PythonOpencv圖?識別表格：線條信息計(jì)算（投影算法）PythonOpencv圖?識別表格：線條信息計(jì)算（投影算法）通過OpenCV算法識別出圖?中的框線后，?臨?個(gè)問題：線條變換為絕對?平和垂直線條并?絕對的?平或垂直，需要變換為絕對的?平線或垂直線。簡單的算法是可以選擇線條的起點(diǎn)或終點(diǎn)作為坐標(biāo)，但最好是可以選擇線條的中?的坐標(biāo)。這?設(shè)計(jì)了?種軸?投影法，通過線條在垂直軸上的投影得到中?點(diǎn)的坐標(biāo)。以橫線條為例，將線條的cv矩陣傳?，計(jì)算在數(shù)據(jù)i軸上的投影，得到中?的i位置，即為絕對?平線的y軸坐標(biāo)。這??定要注意數(shù)據(jù)矩陣中的i、j分別對應(yīng)著cv坐標(biāo)軸的y和x。通過投影算法，可以得到線條垂直坐標(biāo)軸的軸?，同理，將線條在j軸上進(jìn)?投影就可以得到線條的絕對?平或垂直的長度。仔細(xì)分析后我們會發(fā)現(xiàn)，在i軸上進(jìn)?投影算法能得到絕對橫線的寬度，在j軸上投影可以得到絕對橫線的長度。那我們是否需要寫?個(gè)i軸投影算法和?個(gè)j軸投影算法呢？其實(shí)投影原理都?樣，只是投影的軸不同。如果將橫線轉(zhuǎn)置，向i軸投影，是不是就得到了絕對橫線的長度呢？這樣我們就可以?同?套投影算法了。如果是豎線怎么辦呢？豎線剛好相反，向j軸投影得到寬度，向i軸投影得到長度。如何?同?套線段信息計(jì)算代碼呢？沒錯(cuò)，將豎線轉(zhuǎn)置后就變成橫線了，算法?致了！完成了以上思路的梳理，我們就可以寫出對應(yīng)的投影算法了。線條的斷裂另?個(gè)問題是線條的斷裂，由于?擾因素導(dǎo)致?根線條中間出現(xiàn)了斷裂，為了應(yīng)對這種問題，我們在投影計(jì)算時(shí)?持了break，即允許在投影截?上出現(xiàn)?個(gè)像素的斷裂。線條被分割為多條線段不是所有的表格框線都是?直連續(xù)的，看下?這個(gè)例?，紅框中的表格框線被兩個(gè)合并單元格分割成了三段。在線條信息計(jì)算時(shí)，需要精確的計(jì)算出每條線段起?坐標(biāo)信息。為什么呢？這是因?yàn)樯院笪覀冞M(jìn)?單元格重建算法的時(shí)候，需要知道表格中每?個(gè)橫縱交叉點(diǎn)的完整情況，來決定每個(gè)單元格到底有???列。這個(gè)問題在表格結(jié)構(gòu)分析算法會詳細(xì)談到的。完整算法根據(jù)以上的分析，我們寫出了下?完整的算法，實(shí)現(xiàn)了線條的投影計(jì)算、寬度計(jì)算、長度計(jì)算、線條中的線段信息的計(jì)算，?持了?擾造成的斷裂等情況。'''計(jì)算線條的完整信息，包括線條的軸?位置、線條起?pos、內(nèi)部線段的信息原理：通過坐標(biāo)軸投影算法，獲取垂直于該坐標(biāo)軸的線段在該軸上的中?位置前提：輸?的lines_matrix必須是i,j?維數(shù)組，且i為要投影的坐標(biāo)軸（相當(dāng)于cv圖像的y軸，若要投影x軸請先轉(zhuǎn)置后傳?）輸?：lines_matrix-線段的?值變反矩陣；max_break-最??持線段中間出現(xiàn)的斷裂（像素?cái)?shù)量）輸出：線段信息listline_info={'axis':0,#線條軸?'wide':0,#線條粗細(xì)'len':0,#線條總長度（線段長度之和）'segment':[],#線條內(nèi)部的線段信息[[線段長度,線段start,線段end],...]?持?根線條被分割為多條線段（中間跨域?個(gè)或多個(gè)合并單元格）'segment':[],#線條內(nèi)部的線段信息[[線段長度,線段start,線段end],...]?持?根線條被分割為多條線段（中間跨域?個(gè)或多個(gè)合并單元格）}輸??例：lines_matrixi0------------------------->ji1------------------------->ji2------------------------->ji3------------------------->j'''defcalc_line_info(lines_matrix,max_break,debug=False):#計(jì)算i軸每個(gè)位置的投影是否有像素值project_i=[any(x)forxinlines_matrix]#對每個(gè)i對應(yīng)的list進(jìn)?any操作，求出i軸上該位置是否出現(xiàn)像素點(diǎn)#取出有像素值的i軸pospos_i=[ifori,xinenumerate(project_i)ifx==True]#異常檢測：若只檢測到?條線或沒有線則返回空iflen(pos_i)<=1:return[]#將連續(xù)的pos分組（?持連續(xù)pos出現(xiàn)10個(gè)像素的斷裂）pos_group_i=[]temp_group=[pos_i[0]]#第?個(gè)pos默認(rèn)滿?要求，放?臨時(shí)結(jié)果中#可調(diào)參數(shù)線段斷層截?像素點(diǎn)foriinrange(1,len(pos_i)):#從第?個(gè)pos開始計(jì)算ifpos_i[i]-pos_i[i-1]<=5:#連續(xù)像素計(jì)為?組，?持截?斷層temp_group.append(pos_i[i])else:pos_group_i.append(temp_group)#上?組結(jié)束，放?結(jié)果中temp_group=[pos_i[i]]#新?組第?個(gè)pos默認(rèn)滿?要求，放?臨時(shí)結(jié)果中#最后?組pos放?結(jié)果中pos_group_i.append(temp_group)'''線條信息數(shù)據(jù)結(jié)構(gòu)'''line_info={'axis':0,#線條軸?'wide':0,#線條粗細(xì)'len':0,#線條總長度（線段長度之和）'segment':[],#線條內(nèi)部的線段信息[[線段長度,線段start,線段end],...]?持?根線條被分割為多條線段（中間跨域?個(gè)或多個(gè)合并單元格）}lines_info=[]for(i,poses)inenumerate(pos_group_i):info=line_info.copy()info['axis']=int(np.median(poses))info['wide']=poses[-1]-poses[0]+1'''計(jì)算圖像中線段的長度（即在j軸像素點(diǎn)的個(gè)數(shù)）注意有可能?條線段被分割成了多個(gè)分段（中間出現(xiàn)了合并單元格），因此該算法需要返回線段長度同時(shí)要?持?擾造成的線段中間出現(xiàn)的斷裂list[]'''#獲取該條線所在的矩陣并轉(zhuǎn)置area=np.transpose(lines_matrix[poses[0]:poses[-1]+1])#取得每個(gè)投影點(diǎn)的像素情況mask=[str(any(x)+0)forxinarea]#any(x)+0可以將TrueFalse轉(zhuǎn)為10#將mask中連續(xù)的1分割出來，每段連續(xù)的1即為?條線段s=''.join(mask).split('0')segs=[[i,len(v)]for(i,v)inenumerate(s)iflen(v)>0]（#調(diào)整每條線段在原始list中正確的中的i只是s數(shù)組中的位置，并?mask中的位置）possegsforiinrange(1,len(segs)):#每條線段的pos=segs中的i+之前線段的總長度segs[i][0]=segs[i][0]+sum([x[1]-1for(j,x)inenumerate(segs)ifj<i])segments=[segs[0]]#初始化為第?條線段#10若有多條線段，進(jìn)?智能線段分析：因?擾造成的像素內(nèi)的斷裂?動連在?起MAX_LEN_BREAK=max_break#最??持線段斷裂長度iflen(segs)>1:#從第?條線段開始判斷與上?條線段之間是斷裂還是間隔foriinrange(1,len(segs)):delta=segs[i][0]-segs[i-1][0]-segs[i-1][1]ifdelta<MAX_LEN_BREAK:#?于斷裂長度，應(yīng)連接線段segments[-1]=[segments[-1][0],segs[i][0]-segments[-1][0]+segs[i][1]]else:#為間隔，是不同的線段segments.append(segs[i])#[線段數(shù)據(jù)重組為：線段長度,線段start,線段end]segments=[[x[1],x[0],x[0]+x[1]]forxinsegments]info['segment']=segmentsinfo['len']=s