运行说明.txt

一、环境配置
1. 安装python3.6
2. pip3 install tensorflow
3. 用pip安装一下库
shapely==1.5.13
matplotlib==1.5.1
scipy==0.19.0
mahotas
opencv
pillow
keras
easydict

4. cd detect_reg/lanms运行makefile
   make clean
   Make
二、全流程模式（检索带表格图片---表格裁剪---单元格检测---表格识别）
运行: sh run_whole_final.sh
参数解析:
   --test_data_path为输入图像目录
   --checkpoint_path=checkpoint/detect为模型权值保存目录
   --output_chart_path 为表格检测的一级目录
        --output_chart_origin 为表格检测二级目录，存储判断为表格的原始图片，并保存相应json文件
        --output_chart_view   为表格检测二级目录，展示判断为表格的原始图片的表格提取效果
   --output_nochart_path  为非表格的图片存储目录
   --out_detect_path  为表格中文本检测的一级目录
         --out_detect_cut  储存图片中表格的截图以及相应的坐标数据json
         --out_detect_view 展示图片表格中文本检测效果
   --output_recog_path 为图片表格的识别效果(txt)

三、半流程模式（该模式处理的是裁剪完成的唯一表格图片，单元格检测---表格识别）
将需要处理的图片放入data_new
运行：
检测:  run_detect.sh
   参数: --test_data_path 输入目录
        --checkpoint_path 模型路径
        --output_dir      输出目录(json文件)
识别:  run_reg.sh
   参数: --test_data_path 输入目录
        --reg_data_path      输出目录
检测加识别: run_detect_reg.sh
4. 结果
    检测的结果: data_new/jsondata
    识别的结果: Result/reg.txt