[发明专利]文本版心识别方法、电子设备及计算机存储介质

说明书

本发明公开了一种文本版心识别方法、电子设备及计算机存储介质，其方法包括：从文本中择取预设页数的页面，分为奇数页面组和偶数页面组；分别对每个页面的文字以行为单位进行识别，得到对应的矩形文本对象；针对奇数页面组和偶数页面组中的每一页面组，进行处理：对该页面组的页面进行完全重叠设置，以垂直于页面的方向为投影方向对该页面组进行投影处理，将在投影方向上具有相交区域的矩形文本对象进行合并处理；根据矩形文本对象的矩形位置数据、矩形尺寸数据和/或矩形文本对象的文字信息，对矩形文本对象进行过滤处理，得到该页面组的投影页面的有效矩形文本对象，确定该页面组的版心。本发明提供的方法，识别效率高。

技术领域

本发明涉及软件领域，具体涉及一种文本版心识别方法、电子设备及计 算机存储介质。

背景技术

随着网络和移动终端设备的发展，电子书与传统的纸质书相比，从阅读 方式、携带等各方面而言，都更加便利。因此，越来越多的用户选择阅读电 子书。电子书的文本有时会比较错乱，需要对其文本进行再排版等操作。在 执行这些操作时，首先需要获取文本的版心。版心即文本每个页面中主要内 容所在的区域，位于每个页面版面正中的位置，包括了页面中正文的部分。

现有技术在获取文本的版心时，一般采用如下方法：通过Photoshop等 图像处理工具对版心位置进行定位，但这种方法需要人工操作，其处理速度 慢且获取的版心准确度较低；还可以通过预设的模块对整个版心进行识别， 这种方法虽然较前一种方法速度稍快，但对整个版心识别的准确度较低，有 时还需要人工再进行调整。

因此，需要一种效率高且准确度高的文本版心识别方法。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分 地解决上述问题的文本版心识别方法、电子设备及计算机存储介质。

根据本发明的一个方面，提供了一种文本版心识别方法，其包括：

从文本中择取预设页数的页面，将预设页数的页面按照页码分为奇数页 面组和偶数页面组；

分别对奇数页面组和偶数页面组中每个页面的文字以行为单位进行识别， 得到每个页面中每行文字对应的矩形文本对象；

针对奇数页面组和偶数页面组中的每一页面组，进行如下处理：

对该页面组的页面进行完全重叠设置，以垂直于页面的方向为投影方向 对该页面组进行投影处理，将在投影方向上具有相交区域的矩形文本对象进 行合并处理，得到包含合并处理后的矩形文本对象的该页面组的投影页面；

根据该页面组的投影页面中矩形文本对象的矩形位置数据、矩形尺寸数 据和/或矩形文本对象的文字信息，对矩形文本对象进行过滤处理，得到该页 面组的投影页面的有效矩形文本对象；

根据该页面组的投影页面的有效矩形文本对象，确定该页面组的版心。

根据本发明的另一方面，提供了一种电子设备，包括：处理器、存储器、 通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通 信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器 执行以下操作：

从文本中择取预设页数的页面，将预设页数的页面按照页码分为奇数页 面组和偶数页面组；

分别对奇数页面组和偶数页面组中每个页面的文字以行为单位进行识别， 得到每个页面中每行文字对应的矩形文本对象；

针对奇数页面组和偶数页面组中的每一页面组，进行如下处理：

对该页面组的页面进行完全重叠设置，以垂直于页面的方向为投影方向 对该页面组进行投影处理，将在投影方向上具有相交区域的矩形文本对象进 行合并处理，得到包含合并处理后的矩形文本对象的该页面组的投影页面；