[发明专利]基于图像中表格分析技术的表格鉴别和定位方法

权利要求书

1.基于图像中表格分析技术的表格鉴别和定位方法，其特征在于,包括以下步骤：

（1）将类似表格样本扫描成图像，提取图像中所有的包围框；

（2）设定包围框的最小长度阈值、最大长度阈值、最小宽度阈值和最大宽度阈值，设定面积比例最大阈值和面积比例最小阈值；

（3）从图像的所有的包围框中选取长度在包围框的最大长度阈值和最小长度阈值之间且宽度在包围框的最大宽度阈值和最小宽度阈值之间且面积最大的包围框；

（4）通过由步骤（3）得到的包围框对图像进行倾斜校正；

（5）提取已倾斜校正的图像中所有的外包围框，提取长度在包围框的最大长度阈值和最小长度阈值之间且宽度在包围框的最大宽度阈值和最小宽度阈值之间的所有的外包围框，并将提取的每一个外包围框均标注为疑似表格区域；

（6）对步骤(5)得到的疑似表格区域的内部进行找包围框操作，提取包围框的面积与自身的外接矩形面积的比例在面积比例最大阈值和面积比例最小阈值之间的所有的包围框；

（7）设定疑似表格区域内包含的水平线段数目的最小数目阈值和最大数目阈值，设定疑似表格区域内包含的垂直线段数目的最小数目阈值和最大数目阈值，通过霍夫变换检测直线的方法检测由步骤（6）得到的疑似表格区域中所有的包围框包含的水平线段数目和垂直线段数目，提取包含的水平线段数目在水平线段数目的最小数目阈值和最大数目阈值之间且包含的垂直线段数目在垂直线段数目的最小数目阈值和最大数目阈值之间的疑似表格区域并将提取的疑似表格区域标注为表格；

（8）根据依次寻找表格内每个包围框的方法对步骤（7）得到的表格进行表格定位。

2.根据权利要求1所述的基于图像中表格分析技术的表格鉴别和定位方法，其特征在于：所述从图像的所有的包围框中选取长度在包围框的最大长度阈值和最小长度阈值之间且宽度在包围框的最大宽度阈值和最小宽度阈值之间且面积最大的包围框，包括：

从图像的所有的包围框中选取面积最大的包围框，将面积最大的包围框的长度分别与包围框的最小长度阈值和最大长度阈值对比，将面积最大的包围框的宽度分别与包围框的最小宽度阈值和最大宽度阈值对比，若面积最大的包围框的长度小于包围框的最小长度阈值或者面积最大的包围框的宽度小于包围框的最小宽度阈值，则将此图像标注为非表格图像并剔除非表格图像，否则标注为待检测表格图像；

若待检测表格图像中面积最大的包围框的长度大于包围框的最大长度阈值或者面积最大的包围框的宽度大于包围框的最大宽度阈值，则选取面积次大的包围框，若面积次大的包围框的长度大于包围框的最大长度阈值或者面积次大的包围框的宽度大于包围框的最大宽度阈值，则选取面积第三大的包围框，直到选取一个符合长度在包围框的最大长度阈值和最小长度阈值之间且宽度在包围框的最大宽度阈值和最小宽度阈值之间的包围框。

3.根据权利要求2所述的基于图像中表格分析技术的表格鉴别和定位方法，其特征在于：所述通过由步骤（3）得到的包围框对图像进行倾斜校正，包括：

通过霍夫变换检测直线的方法检测由步骤（3）得到的包围框中的所有的线段，计算所有的线段与水平方向的夹角并选取最小的夹角，将最小的夹角作为待检测表格图像的旋转的角度，将待检测表格图像进行旋转，则完成对待检测表格图像的倾斜矫正。

4.根据权利要求1所述的基于图像中表格分析技术的表格鉴别和定位方法，其特征在于：所述根据依次寻找表格内每个包围框的方法对步骤（7）得到的表格进行表格定位，包括：

从步骤（7）得到的表格的左上顶点开始，依次寻找与表格的左上顶点的高度接近的包围框并根据包围框的前后位置进行排序；

第一行的包围框排序完成后，从第一行包围框底部的最高的顶点开始，依次寻找与最高的顶点的高度接近的包围框并依次排序；

第二行的包围框排序完成后，按照寻找第二行包围框的步骤依次寻找第三行包围框并依次排序，直到寻找到表格最底部的包围框，得到包围框排序好的表格；

根据排序好的表格内的包围框的排序方向以及包围框排序方向的坐标定位到具体表格位置，完成表格定位。