[发明专利]一种文本定位方法及装置

说明书

本申请提供了一种文本定位方法及装置，涉及计算机领域，所述方法包括：获取待转换文本的目标文本图像；通过预设的文本行检测算法，确定所述目标文本图像包含的文本行图像、以及所述文本行图像对应的第一坐标信息，所述第一坐标信息为所述文本行图像对应的目标显示区域的坐标信息；通过预设的段落合并规则、所述文本行图像对应的第一坐标信息，对所述文本行图像进行合并，得到文本段图像、以及所述文本段图像对应的第二坐标信息。采用本申请，能够提高文本定位的准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种文本定位方法及装置。

背景技术

随着无纸化办公的推行，用户需要通过电子设备将图像中的文本信息转换为计算机字符，以便进行编辑，例如，用户可以对纸质文本进行拍摄，得到文本的图像，再通过电子设备将文本的图像转换为目标格式的电子文件。目标格式包括word(文本)、PDF(PortableDocument Format，便携式文本格式)、ppt(PowerPoint，演示文稿)等，本发明不做限定。

电子设备基于光学字符识别技术，将文本的图像包含的文本信息转换为计算机字符的处理过程可以分为：文本区域检测和版面分析与还原两步。在文本区域检测中，电子设备可以识别出文本的图像包含的文字、插图图像、以及表格；在版面分析与还原中，电子设备可以分析文本的版面所包含的插图图像、文字、以及表格之间的相对位置，以使文本对应的电子文件具有相同的版面布局。

常见的文本定位方法采用连通域的方式识别文本区域，容易受到图像噪声、墨点、以及水印的影响，导致检测的文本区域不准确，影响基于文本区域进行版面分析还原得到电子文件的转换准确率。因此，常见的文本定位方法的准确率低。

发明内容

本申请实施例的目的在于提供一种文本定位方法及装置，以提高文本定位的准确率。具体技术方案如下：

第一方面，提供了一种文本定位方法，所述方法包括：

获取待转换文本的目标文本图像；

通过预设的文本行检测算法，确定所述目标文本图像包含的文本行图像、以及所述文本行图像对应的第一坐标信息，所述第一坐标信息为所述文本行图像对应的目标显示区域的坐标信息；

通过预设的段落合并规则、所述文本行图像对应的第一坐标信息，对所述文本行图像进行合并，得到文本段图像、以及所述文本段图像对应的第二坐标信息。

可选的，所述获取待转换文本的目标文本图像包括：

获取待转换文本的初始文本图像；

通过所述初始文本图像的图像数据，判断所述初始文本图像是否包含插入对象的信息；

若包含所述插入对象的信息，则确定所述初始文本图像包含的插入对象对应的第三坐标信息、以及去除所述插入对象的目标文本图像；

若不包含所述插入对象的信息，则将所述初始文本图像作为目标文本图像。

可选的，所述得到文本段图像、以及所述文本段图像对应的第二坐标信息之后，还包括：

若包含所述插入对象的信息，则基于所述第二坐标信息和所述第三坐标信息，将预先存储的所述文本段图像包含的各字符和所述插入对象进行存储，得到结构化存储的信息；

若不包含所述插入对象的信息，则基于所述第二坐标信息，将预先存储的所述文本段图像包含的各字符进行存储，得到结构化存储的信息。

可选的，所述通过预设的段落合并规则、所述文本行图像对应的第一坐标信息，对所述文本行图像进行合并，得到文本段图像、以及所述文本段图像对应的第二坐标信息包括：