OcrTableTool

OcrTableTool 是面向 Windows 平板和桌面设备的图片转表格工具。它支持导入图片、摄像头拍照和单指框选表格，识别结果可在界面中修改，并导出为 CSV 或 XLSX。

下载 Windows 版本

项目本身使用 OCR 和表格结构识别模型。展示重点是 Qt/C++ 桌面交互、Python 识别后端、进程通信与数据导出。

维护时以明确需求、审查代码改动和可复现验证为准；具体测试及尚未验证的部分见下方说明。

主要功能

• 读取 PNG、JPG、BMP、TIFF 和 WebP 图片。
• 使用摄像头拍照识别，支持平板单指或鼠标框选目标表格。
• 校正旋转和透视，恢复行列、单元格及合并关系。
• 在结果表中修改单元格或添加数据。
• 导出 UTF-8 BOM CSV 和带基础排版的 XLSX。
• 根据设备可用内存调整识别批量；单次任务结束后退出后端进程。

工作方式

图片或摄像头照片
    -> Qt Widgets：拍照、框选、预览、编辑
    -> QProcess + JSONL
    -> Python / OpenVINO：文字识别和表格结构恢复
    -> cells + spans
    -> CSV / XLSX

Qt 与识别后端通过本机进程通信。界面、拍照和 CSV 由 Qt 侧处理；图像校正、文字识别、表格结构和 XLSX 由后端处理。

识别结果的核心字段包括：

• rows、columns：表格行列数；
• cells[row][column].text：单元格文字；
• cells[row][column].confidence：识别置信度；
• spans：合并单元格位置和跨度；
• memory_mode：本次任务使用的内存模式。

完整协议见 BACKEND_API_V1.md。

开发环境

• Windows 11 x64
• Qt 5.9.6 MSVC 2015 x64
• Python 3.11
• OpenVINO CPU

构建与运行

首次准备后端：

.\scripts\setup_backend.ps1

该命令会创建 .venv 并准备模型文件。模型文件不提交到仓库。

用 Qt Creator 打开 ocr-table-tool.pro，选择 Qt 5.9.6 MSVC 2015 x64 Kit 构建；也可以运行：

.\scripts\build_msvc2015.ps1
.\scripts\run_tool.ps1

Qt 接口

Qt 接口位于 interface-sdk/qt，示例位于 interface-sdk/example。

• captureAndRecognize()：拍照并识别；
• setTableRegion()：设置归一化框选区域；
• clearTableRegion()：恢复整图识别；
• setCellText()、appendRow()：修改识别结果；
• exportLastCsv()：导出当前数据。

调用说明见 CAMERA_OCR_INTERFACE.md。

验证

当前源码在 Windows 11 x64 环境完成以下回归检查：

检查项	结果
Python 后端单元测试	930 通过，3 跳过
UI 与接口源码契约	41 通过
Qt 核心测试	13 通过
Qt 接口测试	10 通过

运行 Python 测试：

$env:PYTHONPATH = (Resolve-Path .\backend).Path
.\.venv\Scripts\python.exe -m unittest discover -s backend\tests -p "test_*.py"
.\.venv\Scripts\python.exe -m unittest tests.test_ui_contract tests.test_interface_sdk_contract

使用边界

• 识别效果取决于图片清晰度、拍摄角度、反光和表格密度，复杂图片可能需要人工复核。
• CSV 不保存字体、边框和列宽，需要保留基础排版时使用 XLSX。
• 后端为本机单进程串行接口；多个任务应排队，或使用相互隔离的进程和输出目录。

许可证

项目源码采用 MIT 许可证，第三方组件说明见 THIRD_PARTY_NOTICES.md。