https://blog.csdn.net/zane3/article/details/84656550
一、简介
实现简单的横竖表格图片的识别，提取表格并生成对应的Word文档
二、架构与部署
1.本项目为B/S架构
2.显示页面采用Python的web框架Django搭建页面，负责传入单张的表格图片
3.服务提供使用OpenCV与深度学习神经网络作为表格图片的处理技术
4.运行环境为Ubuntu
5。深度学习神经网络使用TensorFlow框架
三、具体内容
1.成果显示
2.前端页面
利用JS脚本进行图片选择后的预览
3.表格提取
① OpenCV函数对图片灰度处理即二值化处理，腐蚀和膨胀后得到表格线
② 由获得的表格线得到单元格交点坐标，按坐标对表格图片进行分割，分割成多个单元格图片
https://blog.csdn.net/yomo127/article/details/52045146?utm_source=blogxgwz1
文本的定位与识别使用了：CTPN + DenseNet + CTC神经网络
4.CTPN实现图片文字的定位
CTPN做图片文本的检测定位文本框：①首先，使用VGG16作为base net提取特征，得到conv5_3的特征作为feature map，大小是W×H×C。②其次，在这个feature map上做滑窗，窗口大小是3×3。也就是每个窗口都能得到一个长度为3×3×C的特征向量。这个特征向量将用来预测和10个anchor之间的偏移距离，也就是说每一个窗口中心都会预测出10个text propsoal。③接着，将上一步得到的特征输入到一个双向的LSTM中，得到长度为W×256的输出，然后接一个512的全连接层，准备输出。④输出层部分主要有三个输出。2k个vertical coordinate，因为一个anchor用的是中心位置的高（y坐标）和矩形框的高度两个值表示的，所以一个用2k个输出。（注意这里输出的是相对anchor的偏移）。2k个score，因为预测了k个text proposal，所以有2k个分数，text和non-text各有一个分数。k个side-refinement，这部分主要是用来精修文本行的两个端点的，表示的是每个proposal的水平平移量。⑤这是会得到密集预测的text proposal，所以会使用一个标准的非极大值抑制算法来滤除多余的box。⑥最后使用基于图的文本行构造算法，将得到的一个一个的文本段合并成文本行。
归纳成一句话就是：卷积神经网络（CNN）VGG16做特征提取，循环神经网络(RNN)BLSTM获得一个有关所有输出文字概率的概率数组
CTPN论文地址：https://arxiv.org/abs/1609.03605
CTPN论文阅读理解文章：http://slade-ruan.me/2017/10/22/text-detection-ctpn/
5.DenseNet+CTC做文本部分的识别
6.补充思路
我们还利用OpenCV将图片文字进行分割，按照单字识别方法去识别文本，但是处理效果并不好，主要原因在于单字分割的不准确性。
参考文章：https://www.cnblogs.com/skyfsm/p/8443107.html
四、相关项目地址
https://github.com/YCG09/chinese_ocr
https://github.com/senlinuc/caffe_ocr
注：以上两个项目地址均为文本识别项目地址，与本篇文章相关的源代码暂时并未给出
---------------------
作者：执2017
来源：CSDN
原文：https://blog.csdn.net/zane3/article/details/84656550
版权声明：本文为博主原创文章，转载请附上博文链接！