[发明专利]基于轮廓提取的表格识别方法和装置、设备及存储介质

说明书

本发明公开了一种基于轮廓提取的表格识别方法、装置、设备及存储介质，该基于轮廓提取的表格识别方法包括：对输入的图像进行轮廓提取；根据提取的轮廓判断所述图像是否倾斜，如果所述图像倾斜则对所述图像进行纠偏；从所述图像中提取单元格；合并所提取的所有单元格形成初始表格图；对所述初始表格图进行修复；从所述图像中二次提取单元格；合并二次提取的所有单元格以形成最终表格图。该基于轮廓提取的表格识别方法、装置、设备及存储介质可以适用于各种类型的基于轮廓提取的表格识别，并且速度较快。

技术领域

本发明总体地涉及图像识别技术领域，特别是涉及基于轮廓提取的表格识别方法和装置、设备及存储介质。

背景技术

随着数字化的发展，大量纸质化文档都需要生成数字化存储，而OCR识别是解决这一问题的有效方法，但传统的OCR对于表格内容的识别，得到的文本结果往往无法确定上下文的关系，也无法建立结构化数据。

目前的表格识别方法通常都是首先对图片灰度化再做二值化，然后分别对二值化图片做横向和纵向做腐蚀，以去除多余的文本内容，并分别得到横向和纵向的表格线图，然后把横向和纵向表格线图合并膨胀，即可得到完整的表格图。这种方法对于没有倾斜角度及前背景清晰的文本表格图片，有很好的提取效果。然而实际应用中的扫描图片常常会倾斜，而且图片清晰度前背景跨度等都不好，使用这种方法通常得不到理想的效果，有存在以下问题：一、前背景灰度有交叉时，二值化通常会留下部分背景，并且部分前景也被清除。二、如果图片倾斜则腐蚀处理时会导致表格线被腐蚀掉。三、扫描的图片清晰度及噪点会影响表格线，比如断线等，如果不做修复提取表格时会漏掉部分单元格。

存在对能够更准确的、适用性广的表格提取的技术的需要。

发明内容

鉴于上述情况，提出了本发明，可以适用于各种类型的基于轮廓提取的表格识别方法。

根据本发明的一个方面，提供了一种基于轮廓提取的表格识别方法，其包括：

对输入的图像进行轮廓提取；

根据提取的轮廓判断所述图像是否倾斜，如果所述图像倾斜则对所述图像进行纠偏；

从所述图像中提取单元格；

合并所提取的所有单元格形成初始表格图；

对所述初始表格图进行修复；

从所述图像中二次提取单元格；

合并二次提取的所有单元格以形成最终表格图。

在本发明一个实施例中，该方法还包括：

对所述图像进行预处理。

在本发明一个实施例中，所述预处理包括：

对所述图像进行灰度化；

对灰度化的所述图像进行降噪处理。

在本发明一个实施例中，对图像进行轮廓提取包括：提取所述图像中所有目标的轮廓，同时进行二值化处理。

在本发明一个实施例中，根据提取的轮廓判断所述图像是否倾斜包括：

统计从所述图像中提取的所有矩形轮廓的角度，并根据所有矩形轮廓的角度确定所述图像中表格的角度；

根据所述图像中表格的角度对所述图像进行纠偏。

在本发明一个实施例中，对所述初始表格图进行修复包括：。

判断表格线之间的间断的大小是否小于设定阈值；

如果表格线之间的间断的小于设定阈值，则连接该间断以形成修复的表格线。

在本发明一个实施例中，该方法还包括：