[发明专利]手写表格的检测与识别方法及装置

说明书

本申请涉及一种手写表格的检测与识别方法及装置，手写表格的检测与识别方法包括获取表格图像，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。本申请对获取的表格图像质量要求低，简单易操作，并且通过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，在文字与表格框出现粘连时仍能有效识别且识别准确性高。

技术领域

本申请属于人工智能技术领域，具体涉及一种手写表格的检测与识别方法及装置。

背景技术

随着计算机技术、网络技术和大容量存储技术的不断发展，人们通常需要利用计算机完成纸质信息向数字化信息的转换与识别。纸质文档向电子文档的转换过程主要包括：利用移动终端或扫描仪等设备完成文档图像的采集，并将文档的文字信息识别出来后存储到计算机中的过程。而在传统的转换识别技术中，人们通常运用光学原理的方式来完成从目标图像到文字信息转换的处理过程，例如OCR(Optical Character Recognition，光学字符识别)技术，可以从图片中自动提取文本信息，但是对于表格文件中的表格结构却不能够复原，需要用户手动还原成表格形式。相关技术采用传统图像处理的方式提取表格，如采用投影法检测手写表格，投影法主要使用水平投影和竖直投影的信息来寻找表格的直线的位置，该方法容易受到图像表格的变形和字符粘连表格线的影响，识别准确性较低，对手写图像要求质量高，不利于操作。

发明内容

为至少在一定程度上克服相关技术采用传统图像处理的方式提取表格，如采用投影法检测手写表格，容易受到图像表格的变形和字符粘连表格线的影响，识别准确性较低，对手写图像要求质量高，不利于操作的问题，本申请提供一种手写表格的检测与识别方法及装置。

第一方面，本申请提供一种手写表格的检测与识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，还包括：