[发明专利]一种识别扫描图像中表格单元的方法及装置

权利要求书

1、一种识别扫描图像中表格单元的方法，其特征在于，包括如下步骤：

获取表格文档的扫描图像中的水平线段和垂直线段；

去除扫描图像中小于第一阈值的水平线段和垂直线段，所述第一阈值根据扫描图像中的最小字符高度和扫描图像的分辨率设定；

根据剩余的水平线段和垂直线段识别扫描图像中的表格单元。

2、如权利要求1所述的方法，其特征在于，在获取表格文档的扫描图像中的水平线段和垂直线段前，进一步包括：

获取扫描图像后，对扫描图像进行包括噪音去除操作、图像纠偏操作、图像二值化操作之一或者其组合的预处理操作。

3、如权利要求1所述的方法，其特征在于，所述第一阈值为根据线状型噪音线段长度和/或表格内部文字图像区域线段长度进行设定。

4、如权利要求1所述的方法，其特征在于，在获取剩余的水平线段和垂直线段的交点前，进一步包括：

合并线段有重叠的水平线段，和/或线段有重叠的垂直线段。

5、如权利要求1所述的方法，其特征在于，在获取剩余的水平线段和垂直线段的交点前，进一步包括：

合并线段间距小于第二阈值的水平线段，和/或线段间距小于第二阈值的垂直线段，所述第二阈值大于断裂表格线之间的距离。

6、如权利要求4或5所述的方法，其特征在于，获取剩余的水平线段和垂直线段的交点前，进一步包括：

去除扫描图像中小于第三阈值的水平线段和垂直线段，所述第三阈值小于最短的表格线的长度。

7、如权利要求1所述的方法，其特征在于，根据剩余的水平线段和垂直线段识别扫描图像中的表格单元，具体为：

获取剩余的水平线段和垂直线段的交点；

根据表示交点在周围四个方向上的水平线段与垂直线段的存在与否的第一位置关系，以及表示交点是否属于同一水平线段和/或垂直线段的第二位置关系，识别扫描图像中的表格单元。

8、如权利要求7所述的方法，其特征在于，根据第一位置关系及第二位置关系识别扫描图像中的表格单元，具体为：

确定一个交点；

确定与该交点相邻的交点，所述相邻的交点与该交点属于不同种类的第一位置关系，所述种类根据交点在周围四个方向上的水平线段与垂直线段的存在与否进行判断；

根据该交点及该交点相邻的交点识别出该交点的表格单元；

按所述确定该交点的表格单元的方式，根据第二位置关系确定该交点以外的其它交点的表格单元。

9、一种识别扫描图像中表格单元的装置，其特征在于，包括：

线段获取模块，用于获取表格文档的扫描图像中的水平线段和垂直线段；

第一线段去除模块，用于去除扫描图像中小于第一阈值的水平线段和垂直线段，所述第一阈值根据扫描图像中的最小字符高度和扫描图像的分辨率设定；

表格识别模块，用于根据剩余的水平线段和垂直线段识别扫描图像中的表格单元。

10、如权利要求9所述的装置，其特征在于，进一步包括：

预处理模块，用于获取扫描图像后，在获取表格文档的扫描图像中的水平线段和垂直线段前，对扫描图像进行包括噪音去除操作、图像纠偏操作、图像二值化操作之一或者其组合的预处理操作。

11、如权利要求9所述的装置，其特征在于，所述第一线段去除模块进一步用于根据线状型噪音线段长度和/或表格内部文字图像区域线段长度进行设定第一阈值。

12、如权利要求9所述的装置，其特征在于，进一步包括：

第一合并模块，用于在获取剩余的水平线段和垂直线段的交点前，合并线段有重叠的水平线段，和/或线段有重叠的垂直线段。

13、如权利要求9所述的装置，其特征在于，进一步包括：

第二合并模块，用于在获取剩余的水平线段和垂直线段的交点前，合并线段间距小于第二阈值的水平线段，和/或线段间距小于第二阈值的垂直线段，所述第二阈值大于断裂表格线之间的距离。