[发明专利]基于图像处理与文字识别实现表格数字化处理方法及系统

说明书

本发明公开了基于图像处理与文字识别实现表格数字化处理方法及系统，该方法包括：获取待数字化处理的纸质表格模板图像，并将所述纸质表格模板图像转换为位图；根据所述位图，采用OCR文字识别法对所述位图进行文字识别，得到OCR识别结果；通过图像识别技术对所述位图中的表格分离提取出每个单元格；将所述OCR识别结果绑定至对应的单元格，得到标定模板文件，并将所述标定模板文件以自定义列表控件形式将表格进行回显；获取待数字化处理的纸质表格图像，根据所述标定模板文件，调用所述标定模板文件的布局格式和计算规则实现对所述纸质表格图像进行数字化转化以及识别，得到识别结果。本发明方法简单、流程大大简化，且处理效率高。

技术领域

本发明涉及图像处理与识别技术领域，具体涉及基于图像处理与文字识别实现表格数字化处理方法及系统。

背景技术

OCR文字识别（光学字符识别技术）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮模式确定其形状，然后通过字符识别方法将形状翻译成计算机文字的过程。通过OCR技术我们可以提取出表内所有文字信息，但是无法与具体单元格对应。表格作为一种有效的数据组织与展现方法被广泛应用，也成为各类文档中常见的页面对象。随着不同格式的文档数量急剧增长，如何高效的从文档中提取结构信息和文字内容，成为了一个函待解决的问题。当前市面上有着许多OCR文字识别产品，目前市面上始终缺乏一种有效的对纸质表格原件的数据自动分析处理和上传的手段。

发明内容

本发明目的在于提供基于图像处理与文字识别实现表格数字化处理方法及系统，通过图像处理技术，将纸质表格的单元格信息提取分离出来，结合OCR识别结果，使每个单元格格内信息独立，并且提供数据修改和上传功能，从而实现有效的对纸质表格原件的数据自动分析处理和上传。本发明方法简单、流程大大简化，且处理效率高。

本发明通过下述技术方案实现：

第一方面，本发明提供了基于图像处理与文字识别实现表格数字化处理方法，该方法包括：

获取待数字化处理的纸质表格模板图像，并将所述纸质表格模板图像转换为位图；

根据所述位图，通过OpenCV图像处理技术对所述位图中的表格分离提取出每个单元格；根据提取出的单元格信息，采用算法反算法，将所述单元格信息从位图中去除；同时采用Ocr文字识别技术对所述位图中的每个文字所占用的横向有效像素点点数、纵向有效像素点点数及像素点位置坐标进行计算提取，得到文字识别结果；所述文字识别结果为第一组bean结构数据，所述单元格信息为第二组bean结构数据；

将所述文字识别结果绑定至对应的单元格，得到标定模板文件，并将所述标定模板文件以自定义列表控件形式将表格进行回显；其中，回显的列表控件中每个单元格都可选取并编辑；

获取待数字化处理的纸质表格图像，根据所述标定模板文件，调用所述标定模板文件的布局格式和计算规则实现对所述纸质表格图像进行数字化转化以及识别，得到识别结果，并将识别结果上传至服务器。

工作原理是：基于通过OCR技术我们可以提取出表内所有文字信息，但是无法与具体单元格对应；针对当前市面上有着许多OCR文字识别产品，尤其对于一张表所需现场记录的回弹数据就有很多条，人工计算大量数据容易出现计算错误的现象。而目前市面上始终缺乏一种有效的对纸质表格原件的数据自动分析处理和上传的手段。因此，本发明设计了基于图像处理与文字识别实现表格数字化处理方法，通过图像处理技术，将纸质表格的单元格信息提取分离出来，结合OCR识别结果，使每个单元格格内信息独立，并且提供数据修改和上传功能，从而实现有效的对纸质表格原件的数据自动分析处理和上传。