[发明专利]排版方式识别方法和装置

说明书

技术领域

本发明涉及计算机信息处理领域，尤其涉及一种排版方式识别方法和装置。

背景技术

版式文档的页面可以包含一个或多个文字块，每个文字块包含一个或多个原始块，如图1所示，页面中的一段文字被划分为一个文字块，该文字块中的每个矩形包围的文字为一个原始块。

目前可以采用横排、竖排等排版方式对文字块中的原始块进行排版，对于每种排版方式，又具有不同的排版方向，例如，横排包括从左到右和从右到左的排版方向，竖排也包括从左到右和从右到左的排版方向。

在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：

如何自动识别版式文档页面中文字块的排版方式及排版方向，目前还没有具体的实现方案。

发明内容

本发明实施例提供一种排版方式识别方法和装置，用于解决如何自动识别版式文档页面中文字块的排版方式的问题。

一种排版方式识别方法，该方法包括：

提取版式文档页面中文字块内的原始块；

根据提取到的各原始块的序号将提取到的原始块进行排序；

计算排序后每两个相邻原始块的水平基线差值和垂直基线差值；

确定计算得到的水平基线差值中出现次数最多的水平基线差值以及计算得到的垂直基线差值中出现次数最多的垂直基线差值；

根据确定的出现次数最多的水平基线差值和出现次数最多的垂直基线差值，确定所述文字块内原始块的排版方式。

一种排版方式识别装置，该装置包括：

原始块提取单元，用于提取版式文档页面中文字块内的原始块；

原始块排序单元，用于根据提取到的各原始块的序号将提取到的原始块进行排序；

基线差值计算单元，用于计算排序后每两个相邻原始块的水平基线差值和垂直基线差值；

基线差值确定单元，用于确定计算得到的水平基线差值中出现次数最多的水平基线差值以及计算得到的垂直基线差值中出现次数最多的垂直基线差值；

排版方式确定单元，用于根据确定的出现次数最多的水平基线差值和出现次数最多的垂直基线差值，确定所述文字块内原始块的排版方式。

本发明中，提取版式文档页面中文字块内的原始块后，根据提取到的各原始块的序号将提取到的原始块进行排序，计算排序后每两个相邻原始块的水平基线差值和垂直基线差值，确定计算得到的水平基线差值中出现次数最多的水平基线差值以及计算得到的垂直基线差值中出现次数最多的垂直基线差值，并根据确定的出现次数最多的水平基线差值和出现次数最多的垂直基线差值，确定所述文字块内原始块的排版方式。可见，采用本发明能够自动识别版式文档页面中文字块的排版方式，达到本发明的发明目的。

附图说明

图1为现有技术中的原始块划分示意图；

图2为本发明实施例提供的方法流程示意图；

图3A-3D为本发明实施例中的排版方式示意图；

图3E为本发明实施例中的原始块边界示意图；

图4为本发明实施例提供的装置结构示意图。

具体实施方式

为了能够实现自动识别版式文档页面中文字块的排版方式，本发明实施例提供一种排版方式识别方法，本方法中，将版式文档页面中文字块内的原始块根据原始块的序号进行排序后，计算排序后每两个相邻原始块的水平基线差值和垂直基线差值，并根据出现次数最多的水平基线差值以及出现次数最多的垂直基线差值，确定文字块内原始块的排版方式。

参见图2，本发明实施例提供的排版方式识别方法，具体包括以下步骤：

步骤10：提取版式文档页面中文字块内的原始块；

步骤11：根据提取到的各原始块的序号将提取到的原始块进行排序；

步骤12：计算排序后每两个相邻原始块的水平基线差值和垂直基线差值；

步骤13：确定计算得到的水平基线差值中出现次数最多的水平基线差值以及计算得到的垂直基线差值中出现次数最多的垂直基线差值；

步骤14：根据确定的出现次数最多的水平基线差值和出现次数最多的垂直基线差值，确定所述文字块内原始块的排版方式。

步骤11中，原始块的序号是版式文档制作者在制作版式文档时为每个原始块设置的序号，该序号标明了版式文档中的原始块的输出顺序。在根据各原始块的序号将原始块进行排序时，若版式文档制作者为原始块设置的序号依次增大，则可以按照序号从小到大的顺序将各原始块进行排序；若版式文档制作者为原始块设置的序号依次减小，则可以按照序号从大到小的顺序将各原始块进行排序。