有线表格恢复的算法是不是有问题啊？怎么改善？

[nissansz]

有线表格恢复的算法是不是有问题啊？怎么改善？

[qqeip]

这种还是先cls转好角度再处理

[nissansz]

原图是这样的，识别前已经校正倾斜了。表格恢复的算法能改吗？怎么改？

[SWHL]

这个是后处理的问题，需要去看后处理源码，排查。

[nissansz]

有的表有时会在角落残缺，识别不到表格线，不知道怎么推理出正确表格结构。
PaddleStructure模型好像可以自动加上

[qqeip]

你可以直接用rapid_table 试试

合单单号：BD23050100013 客户名种：上海松江万达店		一铭食品（上海）销售单 合单时间：2023-05-0121:3337 南地地址：上海市松江区广鼠林路658弄172、173号（万 送产场金街） 联系人：许系验 手机号码：13471660339路线：
订单新注：
序号 百	商品编码	品牌	商品名称	商品规格	数量	单位	单价	州
	2000109	安井	2.5kg*4散装水晶包	2.5kg	1	袋	33	33
2	2000115	安井	2.5kg*4散装脆骨啵破肠	2.5kg	1	袋	43.5	43.5
3	2000243	蓝新	上汤百叶包	2.5kg	$	包	38	38
4	2000229	立圆	立圆北极翅	2.5kg	丰	包	65	65
5	2000198	升隆	鱼子福袋	2.5kg		袋	160	160
6	2000157	升隆	玉米香肠	1.5kg	2		23	46
1	2000319	源香	烤鱼棒	2.5kg	牛	包	45	45
8	2000251	源香	嘉庚亲亲肠	2.5kg 2.2kg*5	千 十	包 箱	40 48	48
9 10	2000282	浩野	魔芋丝结	3.75kg	十	箱	70	70
2000315		仁鸿	豆皮王中王 酿香大红肠	0.85kg	丰	根	28	28 23

[nissansz]

是的，rapidtable有时结果好，有时差，不知道怎么通过代码判断，哪个结果好，该用哪个方法。
RapidTable有时连很清晰的表格线都识别有问题

[nissansz]

有没有哪里有这些前处理的完整代码？
特别是文字行变形校正之类
https://medium.com/@Gekko_lab/make-your-ocr-results-more-accurate-part-ii-preprocessing-3d212ae16191

[nissansz]

还有就是，有没有什么办法修补表格线，让tablestructure能更好地识别出正确结构。

[qqeip]

pytorch里都有完整的代码
https://learnopencv.com/trocr-getting-started-with-transformer-based-ocr/

[qqeip]

# Augmentations.
train_transforms = transforms.Compose([
transforms.ColorJitter(brightness=.5, hue=.3),
transforms.GaussianBlur(kernel_size=(5, 9), sigma=(0.1, 5)),
])

class CustomOCRDataset(Dataset):
def init(self, root_dir, df, processor,dicts, max_target_length=128):
self.root_dir = root_dir
self.df = df
self.processor = processor
self.dicts = dicts
self.max_target_length = max_target_length

def __len__(self):
    return len(self.df)

def __getitem__(self, idx):
    # The image file name.
    file_name = self.df['file_name'][idx]
    # The text (label).
    text = self.df['text'][idx]
    # Read the image, apply augmentations, and get the transformed pixels.
    image = Image.open(self.root_dir + file_name).convert('RGB')
    **image = train_transforms(image)**
    pixel_values = self.processor(image, return_tensors='pt').pixel_values
    # Pass the text through the tokenizer and get the labels,
    # i.e. tokenized labels.
    labels = self.processor.tokenizer(
        text,
        padding='max_length',
        max_length=self.max_target_length
    ).input_ids
    # We are using -100 as the padding token.
    labels = [label if label != self.processor.tokenizer.pad_token_id else -100 for label in labels]
    encoding = {"pixel_values": pixel_values.squeeze(), "labels": torch.tensor(labels)}
    return encoding

[nissansz]

这是什么代码？