[发明专利]一种从表格图像中抽取结构化信息的方法

说明书

本发明属于计算机图像处理技术领域，具体的说是一种从表格图像中抽取结构化信息的方法，包括以下步骤：第一步：定制表格模板；第二步：对表格图像进行仿射变换；第三步：匹配表头的位置；第四步：识别表格图像内容；本发明方法设计合理，通过为不同类型表格定制模板后，可先自动将表格图像进行仿射变换以适应表格模板的大小，然后由表格模板图层自动调整位置寻找表格图像中表头位置，进而使用光学文字识别技术识别所有文字内容并自动填入结构化数据表格中，可有效节约人力资源，提高效率，避免出错，有效满足使用需要。

技术领域

本发明属于计算机图像处理技术领域，具体的说是一种从表格图像中抽取结构化信息的方法。

背景技术

在常见的商品供应链中，为了方便管理，商品销售商需要将商品的销售信息上报至信息管理系统中，为了佐证上报的信息，还要求销售商上报相应的销售单据图片(图1)和对应的结构化信息表(图2)。

现有技术因为缺乏从图像中提取结构化信息的方法，一方面销售商工作人员需要手工在信息系统中填报销售信息，另一方面监管人员需要根据销售商提供的结构化信息和销售单据图片来验证销售数据可否正确可靠。不仅效率低下。耗费大量人力资源，且容易出错，无法有效满足使用需要。

为此，本发明提供一种从表格图像中抽取结构化信息的方法。

发明内容

为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题。

本发明解决其技术问题所采用的技术方案是：本发明所述的一种从表格图像中抽取结构化信息的方法，包括以下步骤：

第一步：定制表格模板：将表格图像中需要做文字识别的区域进行标记，生成对应该表格的表格模板；

第二步：对表格图像进行仿射变换：将采集的表格图像仿射变换为适配第一步生成的表格模板；

第三步：匹配表头的位置：将第一步生成的表格模板与第二步仿射变换后的表格图像中的表头位置进行匹配；

第四步：识别表格图像内容：匹配好表头位置后，第三步中表格模板其它相对位置也与第二步仿射变换后的表格图像中对应位置匹配，对这些位置的图像内容进行光学文字识别，并将包括表头位置在内的识别结果填入结构化数据表格中。

优选的，所述的第一步中，表格图像中需要做文字识别的区域在表格模板中标记为红框，表格模板仅包含红框的位置信息。

优选的，所述的第二步中，具体是将表格图像旋转为正置，并放大或缩小到适配第一步生成的表格模板的尺寸。

优选的，所述的第三步中，具体是将第二步仿射变换后的表格图像作为第一图层，将第一步生成的表格模板作为第二图层，将第二图层覆盖第一图层，对第二图层最上方红框内对应的第一图层部分通过光学识别设备进行光学文字识别，同时通过刷辊配合气缸对待识别的表格纸张进行抚平，提高光学识别精度，如果识别结果与第一步中表格图像中表头名称相同，则表示已找到表头位置，如果识别结果不同，则滑动第二图层尝试新的位置并再次进行光学文字识别，直到识别结果与表头名称相同，即找到正确的表头匹配位置。

优选的，所述的第四步中，具体是对第二图层所有红框内对应的第一图层中对应的图像内容做光学文字识别。