[发明专利]一种将纸质文件转换为电子文件的方法

说明书

本发明涉及一种将纸质文件转换为电子文件的方法。该方法包括：步骤1：用扫描仪将纸质文件扫描为电子图片文件，所述纸质文件为记载在纸张上的文件；步骤2：按块对电子图片文件所包含的非空白部分进行切分，使非空白部分被切分为若干个块；其中，块为行和列中的一种；步骤3：将每个块切分为一个以上的字符图片；步骤4：确定块之间的位置关系以及属于同一块的字符图片之间的位置关系；步骤5：将属于同一块的所有字符图片按照相互之间的位置关系排列为一个新块；步骤6：将所有新块按照块之间的位置关系排列，得到电子文件。本发明能同时提高转换效率以及电子文件与纸质文件内容的相符程度。

技术领域

本发明涉及将纸质文件转换为电子文件的技术领域，特别是涉及一种将纸质文件转换为电子文件的方法。

背景技术

平板电脑、电纸书等技术的出现，使得阅读对象逐渐从纸质文件转换为电子文件，而目前纸质文件浩如烟海，这就需要有将纸质文件转换为电子文件的技术与之相适应来满足读者的阅读需求。

常见的将纸质文件转换为电子文件的技术为OCR(Opt ical Character Recognition，光学字符识别)技术，其具体过程为：将纸质文件扫描为电子图片文件；将该电子图片文件切分为多个字符图片，每个字符图片仅包括一个字符；逐个识别每个字符图片中的字符，这其中包括纠错和联想功能以减少错误率；将字符的识别结果按顺序输出，从而得到最终的电子文件。

OCR技术的核心是对字符图片逐个识别，其判断依据是字符图片的轮廓。由于轮廓相似的字符有很多，因而识别的正确率不高，最终得到的电子文件也就不会太准确。而为了提高识别正确率，OCR技术要花费大量的时间来进行字符识别、查找可疑字符、纠错等处理，因而OCR技术的效率也较低。

发明内容

本发明所要解决的技术问题是提供一种将纸质文件转换为电子文件的方法，能同时提高转换效率以及电子文件与纸质文件内容的相符程度。

本发明解决上述技术问题的技术方案如下：一种将纸质文件转换为电子文件的方法，该方法包括：

步骤1：用扫描仪将所述纸质文件扫描为电子图片文件，所述纸质文件为记载在纸张上的文件；

步骤2：按块对所述电子图片文件所包含的非空白部分进行切分，使所述非空白部分被切分为若干个所述块；其中，所述块为行和列中的一种；切分原则为:如果所述非空白部分的内容是文字，则所述块为所述文字的每一行或每一列的电子图片；如果所述非空白部分的内容是带边框的表格，则所述块为该表格的电子图片；如果所述非空白部分的内容是不带边框的表格，则所述块为该表格的每一行或每一列的电子图片；如果所述非空白部分的内容是图片,则所述块为该图片的电子图片；

步骤3：将每个所述块切分为一个以上的字符图片；

步骤4：确定所述块之间的位置关系以及属于同一块的所述字符图片之间的位置关系；

步骤5：将属于同一块的所有字符图片按照相互之间的位置关系排列为一个新块；

步骤6：将所有所述新块按照所述块之间的位置关系排列，得到所述电子文件。

本发明的有益效果是：本发明中，将纸质文件扫描为电子图片文件，按块对电子图片文件的非空白部分进行切分得到若干个块，然后将块切分为字符图片之后，本发明根据字符图片之间的位置关系将字符图片重新排列为一个新块，根据块之间的位置关系将得到的新块排列为电子文件。因此，本发明无需进行现有的OCR技术中的字符识别、查找可疑字符、纠错、联想等处理，只需利用切分电子图片文件得到的字符图片即可实现转换任务，这大大提高了转换效率，同时，由于本发明利用切分得到的字符图片重新排布得到电子文件，不会引入识别错误，也就大大提高了电子文件与纸质文件内容的相符程度，字符正确率基本可达到100％。

在上述技术方案的基础上，本发明还可以做如下改进：