识别柱状图、折线图中的数据是数据分析和图表解析中的一个重要任务。以下是几种常见的方法，从手动到自动化，适用于不同的场景和需求：
01 手动识别
如果图表较为简单，可以通过手动测量和估算来获取数据。
02 使用图表解析工具
一些专业的图表解析工具可以自动提取图表中的数据，这些工具通常基于图像识别和机器学习技术。
03 使用编程方法
如果需要批量处理图表数据，可以使用编程语言（如Python）结合图像处理库（如OpenCV）和机器学习库（如TensorFlow或PyTorch）来实现自动化提取。
04 使用深度学习方法
对于更复杂的图表（如带有噪声或不规则形状的图表），可以使用深度学习模型来提取数据。
▶在众多工具和方法中，要想高效地识别柱状图、折线图中的数据，推荐使用TextIn文档解析工具，能够使图表中的数据识别更加事半功倍。
TextIn文档解析功能迎来重大更新——图表解析功能正式上线，并已开启内测。该功能能够智能识别图表属性Chart，并以Excel格式精准输出，助力大模型深入理解图表的结构、趋势和数据逻辑，从而大幅提升数据分析效率。
目前，该功能已支持多种常见图表类型，包括饼图、折线图、柱状图、雷达图和散点图等。
从金融研究报告、市场分析材料到学术论文，柱状图、折线图和散点图等图表常被用来记录和直观展示数据。然而，当我们尝试将PDF或JPG、PNG格式的图表逆向拆解并转换为Excel等可编辑的数据格式时，往往会遇到困难。
以金融行业为例，机构通常需要解析上市公司的年报和各类研究报告中的数据，这些文件主要以PDF和图片格式存在，尤其是一些加密的PDF文件，批量处理更是困难。相比于纯文本，表格和图表中蕴含了更多重要数据，准确提取这些数据对于后续的研究分析至关重要。
在医学、工程等领域也常常面临类似问题。许多研究依赖于上世纪50至80年代的文献，这些在电子化时代之前的历史论文常常存在数据缺失，关键图表往往只有低分辨率的扫描件。传统方法需要实验室研究生手动记录数据或用尺子测量图表像素，且无法保证准确性。
图表解析功能正是为了解决这些难题而设计的。
目前，能够将非矢量格式的图表转换为结构化数据的工具相对较少，并且存在相当大的局限性。虽然WebPlotDigitizer、Tesseract OCR等工具可以辅助图表识别，但大多数需要手动操作，且精度有限；使用Python库则要求用户具备一定的编程能力。此外，这些方法通常只能处理基本的图表识别，无法支持像堆叠柱状图这样的复杂图表。
如果用户希望在本地部署像ChartOCR这样的深度学习模型，不仅需要具备一定的工程开发能力，还需要有足够的计算资源支持。对于非专业用户或仅需少量图表解析的场景来说，这种方式的成本显然过高。
为了让更多用户能够轻松使用图表解析功能，TextIn文档解析推出了新的服务。用户可以通过在线配置参数的方式直接调用该功能，完成对全文的图表解析，无需对图表样本进行预先分割或其他复杂的预处理。接下来，我们来看几个实际的应用案例。
图1
图2
对于有数值标注的图表，TextIn文档解析可以直接输出准确表格，将其转化为结构化数据，方便后续的数据入库、分析或输入大模型进行处理。
图3
图4
即使面对没有明确数值的复杂图表，TextIn接口也能通过精确测量提供预估数值。在只有扫描件或图片文件的情况下，它能够帮助用户挖掘更多有效数据信息，从而更好地完成分析和预测工作。
近期，大模型凭借其卓越的性能和推理能力，吸引了众多企业的关注。许多企业通过调用API或在本地部署模型，利用大模型来提升业务和办公效率。在上文提到的场景中，精准的图表解析与强大的推理能力相结合，能够实现更高效、更优质的AI应用。
以图2中的图表为例，该图表展示了全球工业机器人的销售额。我们向大模型上传了相关文件，并提出了问题。图5展示了直接上传PDF文件后模型的回答，而图6则是上传经过TextIn解析后的Markdown文件所获得的答复。
图5
图6
可以看到，未经过解析的柱状图对大模型的理解造成了干扰，经过图表转化后，模型给出了准确、优质的答案。
大模型的迅速迭代发展正在改变传统的行业模式，文档解析等大模型加速器与之相辅相成，创造了更多应用可能性。
,
