[发明专利]一种扫描版文档重排版的方法

权利要求书

1.一种扫描版文档重排版的方法，其特征在于，包括以下步骤：

A、将扫描版文档生成图像，转化为二值图；

B、对二值图进行游程平滑，并对游程平滑处理后的二值图求取连通域，把同值的且连通的一块区域的外接矩形的位置记录下来，作为初始块位置信息；

C、将初始块进行水平合并，得出文字的行信息和图片位置，再将水平合并后的块进行垂直合并，得出文字段落位置；

D、根据获得的图片位置和文字段落位置，确定文档段落区域；

E、计算每个文档段落区域的宽高之比r，计算显示屏幕的宽高之比R；

F、如果一个文档段落区域的宽高之比满足以下公式：

r∈[R-d1，R+d2]，其中d1和d2为预设的正的常数，则不处理所述文档段落区域，如果不满足，则将所述文档段落区域拆分成不少于2个的满足所述公式的文档段落区域；

G、确定所有文档段落区域的阅读顺序，并按照顺序将获得的文档段落区域放大或缩小至需要显示的尺寸，提供逐屏阅读。

2.根据权利要求1所述的一种扫描版文档重排版的方法，其特征在于，步骤A中，采用全局自适应阈值方式将生成的图像转化为二值图。

3.根据权利要求1所述的一种扫描版文档重排版的方法，其特征在于，步骤F中，将所述文档段落区域拆分成不少于2个的满足所述公式的文档段落区域时，拆分的分割线在空白区域。

4.根据权利要求1所述的一种扫描版文档重排版的方法，其特征在于，步骤F中，将所述文档段落区域拆分成不少于2个的满足所述公式的文档段落区域时，采用将所述文档段落区域进行等分的方式。

5.根据权利要求1所述的一种扫描版文档重排版的方法，其特征在于，步骤G中确定所有文档段落区域的阅读顺序进一步包括以下步骤：

G1、设步骤D中获得的文档段落区域的数量为n，整个文档用集合表示为S={B1，B2，…，Bn}，其中Bn表示第n个文档段落区域，设（Xi，Yi）表示文档段落区域Bi的左上顶点的坐标，其中i=1，2，…，n；

G2、对整个文档S中元素进行调整，使调整后的S={B1，B2，…，Bn}满足以下条件：

对于Bi和Bj，并且i<j，若Yi∈[Yj-a1，Yj+a2]，其中a1和a2为正的常数，则满足Xi≤Xj，否则需满足Yi≤Yj；

G3、若步骤F中文档段落区域Bi被拆分为S’={P1，P2，…，Pk}，按照步骤G2的要求去调整S’中元素的位置，得到调整后的S’={P1，P2，…，Pk}，其中Pk表示调整后的第k个文档段落区域，k为正整数；

G4、对于每个被拆分的文档段落区域Bi，将采用步骤G3得到的调整后的S’中的元素全部加入到S中Bi所在的位置，并将Bi从S中删除，得到新的集合S” = {Q1，Q2，…，Qm}，其中Qm表示调整后的第m个文档段落区域，m为正整数；

G5、采用Q1，Q2，…，Qm的顺序确定阅读文档段落区域的顺序。