本白皮书我们将为您展示如何设置一个主表单模板,然后从填充的发票中提取数据。

简介

毫无疑问,图像技术如表单识别和OCR已经彻底改变了我们做生意的方式,节省了无数的人力,同时降低了任务的错误率。然而,使用这些技术的前提是:数据必须在每个文档的相同位置出现。在自动化系统中大范围处理非结构化的表单和扫描文档如发票、账单和标签非常困难。

然而,LEADTOOLS Version 19和先进的发票识别和处理SDK技术发布后,一切都不再是问题!它能够处理包含列表数据的复杂非结构化半结构化的文档,甚至每列每行的高度不一样,或表格横跨了多个页面都可以。本白皮书我们将为您展示如何设置一个主表单模板,然后从填充的发票中提取数据。

设置主表单模板

第一个要求是创建一个模板,定义了多个值的位置以及数据类型。它需要是一个空白或修订版本。一些字段可能包含静态位置如客户编号、发票号、地址等,但是由于表格区域,主模板和填充发票的大小不同,发票或其他非结构化表单类型中的表格会严重破坏识别的精度。

clip_image002

表1:主表单模板和填充发票

LEADTOOLS使用表格字段类型克服了这个障碍。要实现一个表格字段,只需简单定义要识别的列标题和表格数据,不用管明细行、每个单元格的高度或页面的数量。传统的固定位置字段可以在表格下共存(如发票总数),基于它与整个表格的比例可以发现它。

clip_image004

图2:LEADTOOLS主表单编辑器正在编辑一个除了传统的静态字段还有表单字段的主表单

识别和处理一个填好的发票

设置主表单模板后,你就可以开始识别(如分类)和处理填好的文档了。LEADTOOLS先进的表单识别算法会首先确定填充文档的匹配表单类别。在存储库中,没有限制主表单模板的数量,因此可以为企业中的所有文档和发票创建一个单独的自动解决方案。无论分辨率为多少,AutoFormsEngine会完成对齐、调整、分类和处理表单的所有工作。最重要的是,设置AutoFormsEngine快速简单,只需要找到主表单模板,然后将它传递给填好的发票图像。

// 基于文件夹路径设置主表单模板库
DiskMasterFormsRepository workingRepository = new DiskMasterFormsRepository(rasterCodecs, 
   repositoryPath);
// 使用Ocr识别管理器。其他的选项包括默认和条码
AutoFormsRecognitionManager managers = AutoFormsRecognitionManager.Ocr;
// 创建表单引擎
AutoFormsEngine autoEngine = new AutoFormsEngine(workingRepository, ocrEngines[0], barcodeEngine,
   managers, 30, 80, _menuItemRecognizeFirstPageOnly.Checked);
autoEngine.UseThreadPool = true;
// 创建我们想要确认/识别/分类的填充表单
FilledForm form = new FilledForm();
form.FileName = Path.GetFileName(imagePath);
form.Name = Path.GetFileNameWithoutExtension(imagePath);
form.Image = rasterCodecs.Load(imagePath, 0, CodecsLoadByteOrder.Bgr, 1, 1);
// 在填充表单上运行识别和处理
AutoFormsRunResult result = autoEngine.Run(form.Image, MyPageRequestCallback, form, null);
if (result != null && !canceled)
{
   // 获取主表单(识别/分类)
   MasterForm master = new MasterForm();
   master.Properties = result.RecognitionResult.Properties;
   form.Master = master;
   // Populate our form with the recognition and processing results and alignment information
   form.Result = result.RecognitionResult.Result;
   form.Alignment = result.RecognitionResult.Alignments;
   //现在我们已经成功识别和处理了表单
}

在成功分类表单后,我们可以解析结果,从模板定义的字段中提取数据。

// 创建一个DataGridView 控件显示表单数据
DataGridView _tableResults;
_tableResults = new DataGridView();
TableFormField tableField = form.ProcessingPages[pageIndex][fieldIndex] as TableFormField;
if (tableField.Result.Status == FormFieldStatus.Success)
{
   // 添加列
   foreach (TableColumn column in tableField.Columns)
      _tableResults.Columns.Add(column.OcrField.Name, column.OcrField.Name);
   // 添加数据,然后先循环行,然后循环行中的每个字段(单元格)
   TableFormFieldResult results = tableField.Result as TableFormFieldResult;
   for (int i = 0; i < results.Rows.Count; i++)
   {
      TableFormRow row = results.Rows[i];
      _tableResults.Rows.Add();
      for (int j = 0; j < row.Fields.Count; j++)
      {
         // 获取字段中的文本!
         OcrFormField ocrField = row.Fields[j];
         TextFormFieldResult txtResults = ocrField.Result as TextFormFieldResult;
         _tableResults.Rows[i].Cells[j].Value = txtResults.Text;
      }
   }
}

每个字段包含大量的信息,包括识别的数据、置信度信息、字体特征、边界矩形等。就像你从图表3中看到的一样,整个表格作为一个字段识别,然后进一步分解为每一个单元格。LEADTOOLS灵活准确的处理方法能够检测和解释单元格高度的不同,正确的定义每个单元格的边界,使用OCR文字识别提取数据和详细的字符信息。

clip_image006

图3:显示表单识别和处理结果

想要了解更多?点击这里查看LEADTOOLS识别和处理SDK的详细介绍。

总结

识别和处理非结构化表单如发票账单中的数据是LEADTOOLS可以处理的诸多问题中的一个。先进的发票识别和处理SDK让创建自动会计、账单和表单解决方案变为可能。此外,LEADTOOLS提供了丰富的文档清理功能集合,包括抗扭斜、移除线、去除杂点、去除孔等,过滤掉噪声后识别。LEADTOOLS提供了光栅、文档、医学和多媒体图像的综合工具包。

获取支持

关于其他产品的更多信息,请访问我们的官方网站

欢迎下载免费的全功能评估版SDK,全功能试用版中有这个例子的全部源代码。

同时欢迎您使用评估版期间的免费技术支持