[发明专利]基于聚类分析的图纸文本读取方法及系统

说明书

本发明公开了基于聚类分析的图纸文本读取方法，包括以下步骤：S1：将图纸上的文本框根据其角度进行角度分类；S2：提取同一角度类型的文本框的坐标特征值；S3：对同一角度类型的文本框进行聚类分析，使得坐标特征值相似的文本框被聚到同一类中，并根据聚类结果对文本框进行排序；S4：将排序后的文本框根据该文本框的角度类型进行文字输出。本发明还公开了使用本发明方法的基于聚类分析的图纸文本读取系统。本发明基于聚类分析的图纸文本读取方法和系统，通过将文本框聚类，使得内容相近的文本框被聚到同一个类，然后输出文字，避免了连续的内容被解析到相隔非常远的地方，使得提取图纸文本并进行翻译更加方便。

技术领域

本发明涉及文字排版领域，具体涉及基于聚类分析的图纸文本读取方法及系统。

背景技术

随着国际合作日益加强，无论是中国公司还是外国公司，在国际工程与国际科研的立项及开展过程中，都需要通过图纸文件与对方进行交流。由于多次修改、手动排版等原因，图纸经常会出现本来应该是完整的一句话，被拆分为多个文本框手动放到了互相靠近的位置。而由于图纸文件自身的特性(文本框在文件中是依据写入时间依次往后写的)，所以图纸上看起来相邻的文本框在保存内容上并不一定相邻，有些甚至可能隔得非常远，这使得提取图纸文本时，连续的内容被解析到相隔非常远的地方，这就对提取图纸文本并进行翻译造成了巨大的困扰。

发明内容

本发明所要解决的技术问题是提取图纸文本时，连续的内容被解析到相隔非常远的地方，导致提取图纸文本并进行翻译不便，目的在于提供基于聚类分析的图纸文本读取方法及系统，解决上述问题。

本发明通过下述技术方案实现：

基于聚类分析的图纸文本读取方法，包括以下步骤：S1：将图纸上的文本框根据其角度进行角度分类；S2：提取同一角度类型的文本框的坐标特征值；S3：对同一角度类型的文本框进行聚类分析，使得坐标特征值相似的文本框被聚到同一类中，并根据聚类结果对文本框进行排序；S4：将排序后的文本框根据该文本框的角度类型进行文字输出。

由于多次修改、手动排版等原因，图纸经常会出现本来应该是完整的一句话，被拆分为多个文本框手动放到了互相靠近的位置。而由于图纸文件自身的特性(文本框在文件中是依据写入时间依次往后写的)，所以图纸上看起来相邻的文本框在保存内容上并不一定相邻，有些甚至可能隔得非常远，这使得提取图纸文本时，连续的内容被解析到相隔非常远的地方，这就对提取图纸文本并进行翻译造成了巨大的困扰。

本发明应用时，先对图纸上的文本框根据其角度进行角度分类，将文本框分入多个不同的角度类型，如cad图纸中常出现的：0°、90°、180°和270°；然后提取同一角度类型的文本框的坐标特征值，这种坐标特征值是标识每一个文本框独有位置的坐标值；再然后，对同一角度类型的文本框进行聚类分析，使得坐标特征值相似的文本框被聚到同一类中，并根据聚类结果对文本框进行排序；最后，将排序后的文本框根据该文本框的角度类型进行文字输出。以cad图纸为例：如文本框的角度为0°，则文字输出的顺序为从左到右；如文本框的角度为90°，则文字输出的顺序为从下到上；如文本框的角度为180°，则文字输出的顺序为从右到左；如文本框的角度为270°，则文字输出的顺序为从上到下。本发明通过将文本框聚类，使得内容相近的文本框被聚到同一个类，然后输出文字，避免了连续的内容被解析到相隔非常远的地方，使得提取图纸文本并进行翻译更加方便。

进一步的，所述坐标特征值采用文本框左上角的坐标值、左下角的坐标值、右上角的坐标值、右下角的坐标值或中心点的坐标值。

本发明应用时，坐标特征值采用文本框左上角的坐标值、左下角的坐标值、右上角的坐标值、右下角的坐标值或中心点的坐标值，由于坐标特征值是标识每一个文本框独有位置的坐标值，上述五种坐标值均可以表达该文本框的独有位置，有效提高了本发明聚类的准确性。