[发明专利]一种表格提取方法、装置、电子设备及存储介质

说明书

本公开提供了一种表格提取方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及自动识别技术。具体实现方案为：对表格图片进行光学字符识别，得到表格图片的光学字符识别结果；其中，光学字符识别结果包括：表格图片中的至少一个文字块的内容以及该至少一个文字块中各个文字块的坐标；基于表格图片的光学字符识别结果，对表格图片进行结构化处理，得到表格图片的结构化处理结果；基于表格图片的结构化处理结果，提取出表格图片中的表格。本公开可以在扭曲或者歪斜的图片中提取出表格，无需获取原始图像，同时还可以提升表格结构化的效果。

技术领域

本公开涉及人工智能技术领域，进一步涉及自动识别技术，尤其是一种表格提取方法、装置、电子设备及存储介质。

背景技术

在对表格图片进行光学字符识别(Optical Character Recognition，简称OCR)时，经常会面临一个影响表格提取的因素，就是因拍照角度导致的图片扭曲或者歪斜。拍照件和扫描件的不同就在于，扫描件的结果基本上是一个方方正正的图像，而拍照件尤其是现在常用手机拍照，因为位置和角度的关系，导致表格图片难以是一个方方正正的表格，经常会出现梯形样式的表格，这样普通的歪斜难以进行矫正，即使进行旋转，因本身就是梯形表格，单纯的旋转是没有用的。

在对这种因拍照角度导致其中表格行列坐标无法对齐的图片进行处理时，相关技术大部分都是需要先对表格图片进行矫正，然后再对校正后的表格图片中的表格进行行列对齐。但是对表格图片进行矫正需要先获取到原始图像，然而在某些业务场景下可能无法获取到原始图像信息，因此无法对表格图片进行矫正，从而无法在表格图片中提取出表格。

发明内容

本公开提供了一种表格提取方法、装置、电子设备以及存储介质。

第一方面，本公开提供了一种表格提取方法，所述方法包括：

对表格图片进行光学字符识别，得到所述表格图片的光学字符识别结果；其中，所述光学字符识别结果包括：所述表格图片中的至少一个文字块的内容以及所述至少一个文字块中各个文字块的坐标；

基于所述表格图片的光学字符识别结果，对所述表格图片进行结构化处理，得到所述表格图片的结构化处理结果；

基于所述表格图片的结构化处理结果，提取出所述表格图片中的表格。

第二方面，本公开提供了一种表格提取装置，所述装置包括：识别模块、结构化处理模块和提取模块；其中，

所述识别模块，用于对表格图片进行光学字符识别，得到所述表格图片的光学字符识别结果；其中，所述光学字符识别结果包括：所述表格图片中的至少一个文字块的内容以及所述至少一个文字块中各个文字块的坐标；

所述结构化处理模块，用于基于所述表格图片的光学字符识别结果，对所述表格图片进行结构化处理，得到所述表格图片的结构化处理结果；

所述提取模块，用于基于所述表格图片的结构化处理结果，提取出所述表格图片中的表格。

第三方面，本公开实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本公开任意实施例所述的表格提取方法。

第四方面，本公开实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开任意实施例所述的表格提取方法。

第五方面，提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时实现本公开任意实施例所述的表格提取方法。