[发明专利]手写表格的检测与识别方法及装置

权利要求书

1.一种手写表格的检测与识别方法，其特征在于，包括：

获取表格图像；

在表格图像中获取白色连通域信息；

根据白色连通域信息确定多个白色连通域的外接矩形框；

统计各个外接矩形框的面积大小及数量，根据所述各个外接矩形框的面积大小及数量筛选出单元格内容的连通域；

根据单元格内容的连通域检测识别表格结构；

所述根据单元格内容的连通域检测识别表格结构包括：

根据单元格内容的连通域确定每个单元格内容的连通域的最小外接矩形框；

获取单元格内容的连通域的最小外接矩形框的尺寸和位置；

根据每个单元格内容的连通域的最小外接矩形框尺寸和位置按照预设顺序对单元格进行排序以检测识别表格结构；

还包括：

根据单元格内容的连通域的最小外接矩形框获取单元格内文本内容；

根据文本内容利用连通域分析法获取每个单元格对应的文本块；

所述根据单元格内容的连通域的最小外接矩形框获取单元格内文本内容，包括：

获取单元格内容的连通域的最小外接矩形框的中心点；

以所述中心点为对称中心点对单元格内容的连通域的最小外接矩形框中白色点进行对称操作以去除文字部分与表格线的粘连；

再次对表格图像进行连通域分析，保留最大的黑色连通域以获取整个表格线；

将单元格内容的连通域减去整个表格线以获取每个单元格内文本内容区域；

对每个单元格内文本内容区域使用连通域分析法获取每个单元格对应的文本块。

2.根据权利要求1所述的手写表格的检测与识别方法，其特征在于，所述获取表格图像包括：

获取手写表格所在的混合文档图像；

对所述混合文档图像进行图像预处理得到表格图像；所述图像预处理包括倾斜矫正、去阴影和降噪。

3.根据权利要求1所述的手写表格的检测与识别方法，其特征在于，所述获取单元格内容的连通域的最小外接矩形框的尺寸和位置，包括：

获取每个单元格内容的连通域的最小外接矩形框的左上角顶点的坐标及最小外接矩形框的长和宽；

根据单元格内容的连通域的最小外接矩形框的左上角顶点的坐标确定每个单元格内容的连通域的最小外接矩形框的位置；

根据单元格内容的连通域的最小外接矩形框的长和宽确定单元格内容的连通域的最小外接矩形框的尺寸。

4.根据权利要求3所述的手写表格的检测与识别方法，其特征在于，还包括：

根据单元格内容的连通域的最小外接矩形框的尺寸和位置补全表格图像中所有单元格边框。

5.根据权利要求1所述的手写表格的检测与识别方法，其特征在于，还包括：

设置缩减比例；

以所述中心点为对称中心点对单元格内容的连通域的最小外接矩形框中白色点进行对称处理，包括：

对单元格内容的连通域的最小外接矩形框中白色点按照缩减比例进行缩减后，以所述中心点为对称中心点进行对称操作，去除文字部分与表格线的粘连。

6.一种写表格的检测与识别装置，其特征在于，包括：

第一获取模块，用于获取表格图像；

第二获取模块，用于在表格图像中获取白色连通域信息；

确定模块，用于根据白色连通域信息确定多个白色连通域的外接矩形框；

筛选模块，用于统计各个外接矩形框的面积大小及数量，根据所述各个外接矩形框的面积大小及数量筛选出单元格内容的连通域；

识别模块，用于根据单元格内容的连通域检测识别表格结构；

所述根据单元格内容的连通域检测识别表格结构包括：

根据单元格内容的连通域确定每个单元格内容的连通域的最小外接矩形框；

获取单元格内容的连通域的最小外接矩形框的尺寸和位置；

根据每个单元格内容的连通域的最小外接矩形框尺寸和位置按照预设顺序对单元格进行排序以检测识别表格结构；

识别模块，还用于识别单元格中的文本块，包括：

根据单元格内容的连通域的最小外接矩形框获取单元格内文本内容；

根据文本内容利用连通域分析法获取每个单元格对应的文本块；

所述根据单元格内容的连通域的最小外接矩形框获取单元格内文本内容，包括：

获取单元格内容的连通域的最小外接矩形框的中心点；

以所述中心点为对称中心点对单元格内容的连通域的最小外接矩形框中白色点进行对称操作以去除文字部分与表格线的粘连；

再次对表格图像进行连通域分析，保留最大的黑色连通域以获取整个表格线；

将单元格内容的连通域减去整个表格线以获取每个单元格内文本内容区域；

对每个单元格内文本内容区域使用连通域分析法获取每个单元格对应的文本块。