不使用pytesseract库，将图片上的文字按照表格的形式提取python

如果你不想使用第三方库如`pytesseract`来从图片中提取文本，并希望按表格形式处理，可以考虑使用Python的PIL（Pillow）库以及一些图像处理技术，如二值化、边缘检测、膨胀腐蚀等来定位表格边界。然后，你可以利用`PIL`的切割功能来划分每个单元格，再分别提取每个单元格的文字。

以下是基本步骤：

1. **导入所需库**:

   from PIL import Image, ImageEnhance, ImageOps
   import numpy as np

2. **加载和预处理图片**:

   img = Image.open('image.jpg')
   enhancer = ImageEnhance.Contrast(img)
   img_contrasted = enhancer.enhance(contrast_factor)
   
   # 可能需要二值化和阈值处理
   bw_img = img_contrasted.convert("L")  # 转为灰度图
   threshold = 150
   bw_img = ImageOps.invert(bw_img.point(lambda p: 0 if p < threshold else 255))

3. **检测表格边界**:
这部分可能需要一些图像分析技巧，比如找出水平和垂直线的位置。一种简单的方式是使用Sobel算子或Canny边缘检测算法。

4. **切分单元格并提取文字**:
根据找到的边界信息，分割图片成多个小区域，对每个区域进行OCR（光学字符识别），例如使用`PIL`的`getbbox()`函数获取文字区域的坐标，然后再次读取这部分区域的文字。

def extract_text_from_cell(cell_image):
    cell_text = cell_image.crop(cell_box).convert("RGB")
    return pytesseract.image_to_string(cell_text)  # 这里假设你有其他方式替换pytesseract

# 实际上这一步可能需要更复杂的算法或库，如Ocropy或Tesseract提供API
table_text = []
for row in rows:
    table_row = [extract_text_from_cell(row[i:i + column_width]) for i in range(0, len(row), column_width)]
    table_text.append(table_row)

请注意，以上步骤并不完美，实际效果取决于图片质量和复杂性，可能需要不断调整参数和优化算法。此外，如果你对OCR有兴趣，可能要考虑研究下专门为此设计的库，如`tabula-py`，它针对PDF表格提取更有针对性。