[发明专利]结合阈值和投影法的图、表、文混排版面分析系统及方法

权利要求书

1.结合阈值和投影法的图、表、文混排版面分析方法，其特征在于：包括如下步骤：

S1、将按阈值Tg将校正后的灰度图像R’转变为二值图像；

S2、将二值图像中每个前景区域，分为文字区域、图区域和表区域；

S3、将表分图解析成表格；

S3.1、定位横线；

S3.2、定位纵线；

S3.3、解析成表格；

S3.4、去除表上粘连的文字；

S4、将每个表格分割成行/列：

S5、检测整幅图像的页面布局是否正确；

S6、对列/行排序决定下一步处理的先后次序，先列后行；

S7、对表格的每个列/行，先列后行，只处理单纯的列/行，依次分割成字；

S8、按字处理复合的列/行，依次分割成字。

2.如权利要求1所述的结合阈值和投影法的图、表、文混排版面分析方法，其特征在于：所述步骤S1包括如下步骤：

S1.1、统计任务中前景像素对整幅图像像素的占比范围(Rt1-Rt2)；

S1.2、生成整幅图像的灰度直方统计图，图中，横轴为灰度值，纵轴为相应灰度值下的像素数；

S1.3、计算前景占比为Rt1、Rt2时灰度直方统计图中的对应灰度值Hr1、Hr2；

S1.4、在对应灰度值范围Hr1-Hr2内选择将图像二分成前景、背景后类间方差最大、类内方差最小的阈值Tg，将图像二分成前景、背景。

3.如权利要求1所述的结合阈值和投影法的图、表、文混排版面分析方法，其特征在于：所述步骤S2包括如下步骤：

S2.1、扫描图像，定位到容易与文字区分开的图形，构成图形图像graphicImage；

S2.2、统计任务中文字大小范围(Ht1-Ht2)和长宽比范围(Zt1-Zt2)；

S2.3、将大小超过文字最大值的前景区域放入图表数组textsbwArrary，并将全部的图表格构成一张表分图tableImage；

S2.4、将长宽比不在文字经验范围(Zt1-Zt2)的前景区域放入非文字数组bitsbwArray；

S2.5、将大小和长宽比都在文字经验范围内的前景区域放入文字数组textsbwArrary，统计文字的最大、最小和平均高度、宽度、高宽比；

S2.6、将文字区域和非文字区域构成一张文分图；

二值图像bwImage＝文分图textImage+表分图tableImage+图形图像graphicImage。