[发明专利]一种高准确率的表格OCR识别方法及系统

说明书

本申请涉及一种上述高准确率的表格OCR识别方法及系统，包括获取待识别图片，并将所述待识别图片转换为待处理灰度图；对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；根据所述水平矩阵和所述垂直矩阵生成交点矩阵；获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；将所述识别后数据转换为JSON格式数据。本发明利用OpenCV库中的图像处理函数，结合OCR文字识别技术，对文档表格进行识别和处理，进一步实现提高表格OCR识别的准确率，提升OCR识别效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种高准确率的表格OCR识别方法及系统。

背景技术

随着信息化无纸化办公的普及，很多纸质化的文档需要录入系统，但是由于全球各地区发展不平衡，落后地区还是有大量的使用纸质文档，文档中有很多重要的数据需要提取出来录入信息化系统进行分析和存储，而目前文档中的表格识别仅仅是提取文字进行堆砌，放到文档中后则文不对题，完全无法阅读和使用，因此便衍生出了OCR识别技术。

目前，OCR识别技术的准确率是技术人员所倾向解决的问题，如申请号为CN201911184085.2的发明专利中，公开了一种OCR识别准确率的计算方法、装置、设备以及存储介质，通过获取OCR识别结果中的文字信息，将OCR识别结果中的文字信息与原始文本中的正确文字信息进行逐行匹配，根据匹配结果统计OCR识别结果中的文字信息中每行匹配失败的文字数量，根据正确文字信息的每行文字总数量与匹配失败的文字数量计算OCR识别结果中的文字信息中每行文字的OCR识别准确率；根据每行文字的OCR识别准确率计算所有行文字的OCR识别准确率。

虽然，上述技术方案提高了测试的效率，但是目前的OCR识别技术仍然存在准确率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高表格OCR识别准确率的高准确率的表格OCR识别方法及系统。

本发明技术方案如下：

一种高准确率的表格OCR识别方法，所述方法包括：

步骤S100：获取待识别图片，并将所述待识别图片转换为待处理灰度图；

步骤S200：对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；

步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；

步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；

步骤S500：根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；

步骤S600：将所述识别后数据转换为JSON格式数据；或，将所述识别后数据按照与所述矩形小图片对应于所述待识别图片中的原始位置进行摆放。

具体而言，步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓，具体包括：

步骤S410：在所述交点矩阵中查找以获取矩形轮廓；

步骤S420：计算所有的所述矩形轮廓的轮廓面积，每个轮廓面积均包括面积大小和轮廓点数；

步骤S430：基于所述面积大小和所述轮廓点数，按照预设的第一筛选规则对所述矩形轮廓进行筛选，筛选后获取合法矩形轮廓。

具体而言，步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；具体包括：

步骤S310：对水平矩阵进行腐蚀和膨胀操作，生成去噪后水平矩阵；