ocr_platform/docs/ocr_tools/universal_doc_parser/有线表格识别技术文档.md

有线表格识别技术文档

本文档详细说明 UNET 有线表格识别模块的技术实现细节，适用于开发人员进行二次开发和问题排查。

概述

有线表格识别模块位于 models/adapters/wired_table/，提供基于深度学习的表格线检测、网格恢复和文本填充功能。与 VLM 方法相比，UNET 方法更适合处理规则的有线表格，具有更高的精度和更快的处理速度。

模块架构

wired_table/ ├── init.py # 模块初始化 ├── debug_utils.py # 调试工具（可视化输出） ├── ocr_formatter.py # OCR 格式转换 ├── skew_detection.py # 倾斜检测与矫正 ⭐ ├── grid_recovery.py # 网格恢复（表格线 → 单元格）⭐ ├── text_filling.py # 文本填充（OCR → 单元格）⭐ ├── html_generator.py # HTML 生成 └── visualization.py # 可视化工具

主入口：models/adapters/mineru_wired_table.py - MinerUWiredTableRecognizer

---

核心流程

完整处理流程

graph TB
    A[输入：表格图片 + OCR框] --> B[1. OCR预处理<br/>ocr_formatter.py]
    B --> C[2. UNET线检测<br/>MinerU模型]
    C --> D{启用倾斜矫正?}
    
    D -->|是| E[3. 倾斜检测<br/>skew_detection.py]
    D -->|否| G
    
    E --> F[4. 图片与坐标矫正<br/>cv2.warpAffine]
    F --> G[5. 网格恢复<br/>grid_recovery.py]
    
    G --> H[6. 文本填充<br/>text_filling.py]
    H --> I[7. HTML生成<br/>html_generator.py]
    
    I --> J[8. 坐标逆转换<br/>回到原图坐标系]
    J --> K{识别成功?}
    
    K -->|是| L[返回HTML + 坐标]
    K -->|否| M[Fallback到VLM]
    
    style E fill:#e1f5ff
    style F fill:#e1f5ff
    style G fill:#fff4e1
    style H fill:#fff4e1