[发明专利]一种通用表格图像的表格提取方法

说明书

本发明属于办公自动化领域，公开了一种通用表格图像的表格提取方法，包括如下步骤：S1、对通用表格图像中进行预处理；S2、使用形态学操作将预处理后图像中的文字进行过滤；S3、对过滤处理后图像进行重构操作；S4、进行表格重绘，实现表格提取；本发明解决了现有技术存在的表格提取的速度慢，精确度不高的问题。

技术领域

本发明属于办公自动化领域，具体涉及一种通用表格图像的表格提取方法。

背景技术

表格，又称为表，即是一种可视化交流模式，又是一种组织整理数据的手段。人们在通讯交流、科学研究以及数据分析活动当中广泛采用着形形色色的表格。各种表格常常会出现在印刷介质、手写记录、计算机软件、建筑装饰、交通标志等许许多多地方。随着上下文的不同，用来确切描述表格的惯例和术语也会有所变化。此外，在种类、结构、灵活性、标注法、表达方法以及使用方面，不同的表格之间也炯然各异。在各种书籍和技术文章当中，表格通常放在带有编号和标题的浮动区域内，以此区别于文章的正文部分。

表格作为一种高度精炼、集中的信息表达形式，在各个行业都得到广泛地应用。随着计算机的普及和企业信息化程度提高，利用计算机进行制作表格日渐兴起。在实际应用中，由于行业和应用领域的不同，表格的内容和格式差别很大，很难用几种特定的表格样式满足各种应用需求，并且人们已经越来越多的使用电子文档以取代纸质文档，例如，用户可以用智能手机拍摄纸质文档的图像，然后将图像发送给别人以完成信息的传递，但是，以拍摄或扫描得到的电子文档都是以图片格式进行存储的。

综上所述，表格的多样性以及以图片格式进行存储的表格图像导致表格难以提取。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种快速、准确的通用表格图像的表格提取方法，从表格图像中进行表格的提取，提高了办公自动化中文档管理效率，解决了现有技术存在的表格提取的速度慢，精确度不高的问题。

本发明所采用的技术方案为：

一种通用表格图像的表格提取方法，包括如下步骤：

S1：对通用表格图像中进行预处理；

S2：使用形态学操作将预处理后图像中的文字进行过滤；

S3：对过滤处理后图像进行重构操作，包括如下步骤：

S3-1：进行开运算图像重构，包括如下步骤：

A-1：将输入的过滤处理后图像即开运算图像初始化为原始标记图像；

A-2：创建第二结构元素；

A-3：根据原始标记图像和第二结构元素进行重构操作，其计算公式为：

式中，h_k+1为当前标记图像；h_k为上一代标记图像；k为迭代参数；B为第二结构元素；为膨胀操作函数；g为掩模图像；∩为交集；

A-4：判断当前标记图像和上一代标记图像是否相同，若是则实现重构，输出得到的当前标记图像，否则更新迭代参数，并返回步骤A-3；

S3-2：提取获得的标记图像的线条特征坐标，包括如下步骤：

B-1：将二值化图像采用二维数据进行表示；

B-2：将二维数组的第一个元素作为投影原点，将其他元素进行水平和垂直方向的投影，并得到对应投影方向的累加值；

B-3：遍历累加值，筛选出所有符合条件的特征坐标，即特征坐标对应的累加值大于两投影方向坐标横线之间的最小距离；

B-4：对特征坐标进行进一步分析，当有一个以上符合条件的特征坐标时，提取其中间值；