[发明专利]一种计算机处理复杂表单的方法

权利要求书

1.一种计算机处理复杂表单的方法，其特征在于，执行如下步骤：

步骤1：对表单图像进行预处理；

步骤2：提取出所有表格单元格；

步骤3：分析单元格内信息键值对的逻辑关系，基于ABNF范式设计规则；

步骤4：根据步骤3中设计的规则使用词法分析器Lex和语法分析器Yacc构造编译器；

步骤5：使用设计的语言描述表格单元格，通过解析描述语言得到表格单元格内的逻辑结构；

步骤1包括如下步骤：

步骤1-1，去除表单图像中红色的印章：遍历表单图像中的所有像素点，如果像素点红色通道值大于200且蓝色通道和绿色通道值均小于200，则判定该像素点是印章像素点，令该像素点各通道值均为255；

步骤1-2，对表单进行倾斜校正：提取出表单图像中所有线段，如果线段的左右端点分别是其外接矩形的左上端点和右下端点，则判定该线段是顺时针偏转线段；如果线段的左右端点分别是其外接矩形的左下端点和右上端点，则判定该线段是逆时针偏转线段；筛选出顺时针偏转线段和逆时针偏转线段，组成顺时针偏转线段组和逆时针线段组，计算顺时针线段组中线段偏转正弦值之和，记为：Clockwise，计算逆时针线段组中线段偏转正弦值之和，记为：Counterclockwise，通过如下公式计算线段的正弦值tan：

tan＝height/width，

其中，height为线段外接矩形的长度，width为线段外接矩形的宽度；

如果Clockwise大于Counterclockwise则选用顺时针线段组，判定表单顺时针方向倾斜，否则选用逆时针线段组，判定表单逆时针方向倾斜；假设选用的线段组的正弦值之和为tan^sum，选用线段组中线段个数为m，计算倾斜角度的正弦值tan^average：

tan^average＝tan^sum/m，

计算倾斜角度α：

α＝tan^-1(tan^average)*180/π，

如果表单逆时针方向倾斜，定义变换矩阵如果表单顺时针方向倾斜，则定义变换矩阵根据变换矩阵对表单作仿射变换，校正表单；

步骤1-3，利用Unsharp Mask锐化算法对表单图像进行锐化；

步骤2包括如下步骤：通过图像形态学操作分别提取出水平线段图和竖直线段图，将水平线段图和竖直线段图转化为灰度图，对两个灰度图像中同一位置像素点进行与操作，通过与操作将两个灰度图像合并为表格图；

步骤3包括如下步骤：

步骤3-1，根据单元格内逻辑结构将单元格分类：单元格内信息键值对只存在一种逻辑关系为简单单元格，单元格内信息键值对存在两种或两种以上的逻辑关系为复杂单元格；

步骤3-2，根据单元格内信息键值对的结构分类：单元格内只存在一组信息键值对，键的几何位置在值的几何位置的上方为单一上下逻辑关系；单元格内只存在一组信息键值对，键的几何位置在值的几何位置的左边为单一左右逻辑关系；单元格内存在两组或两组以上信息键值对，键的几何位置均在值的几何位置的上方为多重上下逻辑关系；单元格内存在两组或两组以上信息键值对，键的几何位置均在值的几何位置的左边为多重左右逻辑关系；

步骤3-3，根据复杂单元格的组成分为三类：第一类，复杂单元格由两个简单单元格组成，两个简单单元格为左右分布或者上下分布；第二类，复杂单元格递归的由一个简单单元格和一个复杂单元格组成，简单单元格和复杂单元格为左右分布或者上下分布；第三类，复杂单元格递归的由两个复杂的单元格组成，两个复杂单元格为左右分布或者上下分布；

步骤3-4，设计键的形式，符合正则表达式key[{}，a-z]+的字符串认定为键；

其中，用方括号[和]括起来的成分表示可选的，+表示不定循环，表示方括号中可选字符能够循环1次或无穷次，a-z表示字符a到字符z之间的所有字符；

步骤3-5，设计值的形式，符合正则表达式value[{},a-z]+的字符串认定为键，其中，a-z表示字符a到字符z之间的所有字符；

步骤3-6，设计信息键值对的逻辑关系符号，->表示单一左右关系，＝>表示多重左右关系，+>表示单一上下关系，++>表示多重上下关系；

步骤3-7，设计复杂单元格中单元格分布符号，++表示两单元格左右分布，--表示两单元格上下分布；

步骤3-8，基于ABNF范式设计文法规则，规则包括定义单元格类型规则、定义简单单元格键值对逻辑关系规则，定义复杂单元格组成规则，定义键的规则，定义值的规则，定义键值对中逻辑关系规则，定义复杂单元格中单元格分布规则。