# image_process

**Repository Path**: test_0009/image_process

## Basic Information

- **Project Name**: image_process
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-09
- **Last Updated**: 2026-01-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 图片表格OCR识别与结构化提取系统

高精度图片表格OCR识别服务，支持将图片中的表格自动识别并转换为结构化的JSON数据。

## ✨ 功能特性

- 🎯 **高精度识别**: 基于 PaddleOCR + PPStructure，针对中文场景深度优化
- 📊 **多格式支持**: 支持有边框表格和无边框表格识别
- 🔄 **智能重试**: 低置信度结果自动进行二次识别
- 📈 **准确率监控**: 提供详细的置信度分布统计
- 🚀 **高性能**: 支持批量处理，模型预加载

## 📋 系统要求

- Python 3.11+
- macOS / Linux / Windows

## 🛠️ 快速开始

### 1. 安装依赖

```bash
# 使用 uv (推荐)
uv pip install -e .

# 或使用 pip
pip install -e .
```

### 2. 启动服务

```bash
# 开发模式
uvicorn app.main:app --reload --host 0.0.0.0 --port 9001

# 或直接运行
python -m app.main
```

### 3. 访问文档

- Swagger UI: <http://localhost:9001/docs>
- ReDoc: <http://localhost:9001/redoc>

## 📖 API 使用

### 单图上传

```bash
curl -X POST "http://localhost:9001/api/v1/img/upload" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@table.png"
```

### 响应示例

```json
{
    "code": 0,
    "message": "success",
    "data": {
        "columns": [
            {"name": "名次", "index": 0},
            {"name": "单位", "index": 1},
            {"name": "姓名", "index": 2}
        ],
        "table": [
            {"0": "1", "1": "河北", "2": "李明旭"},
            {"0": "2", "1": "四川", "2": "张伟哲"}
        ],
        "row_count": 2,
        "column_count": 3,
        "confidence": 0.9523,
        "accuracy_metrics": {
            "total_cells": 6,
            "average_confidence": 0.9523,
            "confidence_distribution": {
                "high": 0.83,
                "medium": 0.17,
                "low": 0.0
            }
        },
        "process_time_ms": 1234
    }
}
```

### 批量上传

```bash
curl -X POST "http://localhost:9001/api/v1/batch/upload" \
  -H "Content-Type: multipart/form-data" \
  -F "files=@table1.png" \
  -F "files=@table2.png"
```

## 📁 项目结构

```text
image_process/
├── app/
│   ├── __init__.py
│   ├── main.py                 # FastAPI应用入口
│   ├── config.py               # 配置管理
│   ├── api/
│   │   └── v1/
│   │       └── image_router.py # 图片处理路由
│   ├── business/
│   │   ├── image_processor.py  # 图像预处理
│   │   ├── table_extractor.py  # 表格提取
│   │   └── ocr_engine.py       # OCR引擎封装
│   ├── models/
│   │   └── response.py         # 响应模型
│   └── utils/
│       └── logger.py           # 日志配置
├── tests/
│   └── test_api.py             # API测试
├── docs/
│   └── TECHNICAL_DESIGN.md     # 技术设计文档
├── pyproject.toml
└── README.md
```

## ⚙️ 配置说明

支持通过环境变量配置：

| 变量名 | 默认值 | 说明 |
|--------|--------|------|
| `OCR_USE_GPU` | `false` | 是否使用GPU加速 |
| `OCR_LANG` | `ch` | OCR语言（ch/en） |
| `CONFIDENCE_THRESHOLD` | `0.85` | 置信度阈值 |
| `MAX_FILE_SIZE` | `20971520` | 最大文件大小(bytes) |
| `ENABLE_RETRY` | `true` | 是否启用低置信度重试 |

## 🧪 运行测试

```bash
# 安装开发依赖
uv pip install -e ".[dev]"

# 运行测试
pytest tests/ -v
```

## 📄 技术文档

详细技术设计请参阅 [TECHNICAL_DESIGN.md](docs/TECHNICAL_DESIGN.md)

## 📜 许可证

MIT License

## 使用脚本

### 构建镜像

docker-compose build

### 启动服务

docker-compose up -d

### 停止服务

docker-compose

### 查看日志

docker-compose logs -f