[PYTHON] Gepunktete Linie als durchgezogene Linie mit Camelot verarbeiten (Huff-Konvertierung)

Einführung

camelot ist nicht gut in gepunkteten Linien und versagt oft. Als ich es nachgeschlagen habe, habe ich den folgenden Referenzartikel gefunden

Da Camelot mit opencv extrahiert wird, können Sie die gepunktete Linie anscheinend neu schreiben. Ich habe die gepunktete Linie mit Huff-Konvertierung extrahiert und mit der durchgezogenen Linie überschrieben, und es hat funktioniert.

Referenz

Die Verwendung von Python erleichtert das Analysieren von PDFs mit Text ... Ich hatte eine Zeit, in der ich so dachte

[Gepunktete Linie als durchgezogene Linie mit Camelot verarbeiten](https://needtec.sakura.ne.jp/wod07672/2020/05/03/camelot%e3%81%a7%e7%82%b9%e7%b7%9a % e3% 82% 92% e5% ae% 9f% e7% b7% 9a% e3% 81% a8% e3% 81% 97% e3% 81% a6% e5% 87% a6% e7% 90% 86% e3 % 81% 99% e3% 82% 8b /)

Ich werde das gepunktete PDF neben diesem Artikel verwenden

https://github.com/mima3/yakusyopdf/blob/master/20200502/%E5%85%B5%E5%BA%AB%E7%9C%8C.pdf

Huff-Konvertierung

Lineare Erkennung durch Huff-Konvertierung von OpenCV

Geradextraktion mit Huff-Konvertierung

PDF der Liste der Mitgliedsgeschäfte von Go To Eat in Chiba

Extrahieren Sie nur horizontale gerade Linien mit Huff-Konvertierung

Programm

import cv2
import numpy as np

import camelot

#Patch-Erstellung

def my_threshold(imagename, process_background=False, blocksize=15, c=-2):

    img = cv2.imread(imagename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    edges = cv2.Canny(gray, 50, 150, apertureSize=3)

    lines = cv2.HoughLinesP(
        edges, rho=1, theta=np.pi / 180, threshold=80, minLineLength=3000, maxLineGap=50
    )

    for line in lines:
        x1, y1, x2, y2 = line[0]
        #Y1 wenn horizontal==y2, x1 für vertikal==Filtern nach x2 wenn
        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 0), 1) 

    if process_background:
        threshold = cv2.adaptiveThreshold(
            gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, blocksize, c
        )
    else:
        threshold = cv2.adaptiveThreshold(
            np.invert(gray),
            255,
            cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
            cv2.THRESH_BINARY,
            blocksize,
            c,
        )
    return img, threshold

camelot.parsers.lattice.adaptive_threshold = my_threshold

tables = camelot.read_pdf("data.pdf", pages="all")

tables[0].df

Vor der Patch-Beschreibung

Da der gepunktete Linienteil nicht reagiert, ist er vertikal verbunden

Nach Patchbeschreibung