[发明专利]图像中文本区域的位置确定方法、装置、设备及存储介质

说明书

本发明公开一种图像中文本区域的位置确定方法、装置、设备及存储介质。所述图像中文本区域的位置确定方法包括：获取待识别图像，所述待识别图像包含文本；对所述待识别图像进行文本定位，获得多个文本区域及各文本区域四个角的坐标信息；以及分别对各文本区域执行位置确定操作，包括：根据选定的基准文本区域的上、下两条边的延长线所构成的区域，确定与所述基准文本区域同属一行的文本区域；根据各行中的各文本区域同一方位的角的横坐标，分别确定各行中的各文本区域的列信息；及根据各行中的各文本区域同一方位的角的纵坐标的平均值，分别确定各文本区域的行信息。

技术领域

本发明涉及文本图像识别领域，具体而言，涉及一种图像中文本区域的位置确定方法、装置、设备及存储介质。

背景技术

文本内容识别是OCR(Optical Character Recognition，光学字符识别)数据结构化输出最终文本格式的图像中文字的关键环节，而确定文本内容的行列位置又是文本内容识别的基础。因此，精准、有效的文本内容行列位置是OCR技术输出精确结果的必要条件。精确计算文本行列位置的方法不仅能够辅助OCR技术更加精确地输出待识别的文本内容，还可在服务于诸如保险业务场景中各种单据或卡证的解析时，大幅减少需要人工录入的工作量，节省大量的人力、物力及财力，从而降低成本投入，优化资源配置。

对于具有固定统一的制式且排版格式相同的文本图像，现有的确定文本内容行列位置的方法是通过匹配固定模板、基于固定坐标以确定每一项待识别文本内容。

然而，对于没有固定统一的制式、排版格式不一或者图像周围存在外界文字干扰的文本图像，OCR技术的使用面临着极大的困难。更复杂的是，在自然场景下，对文本图像人为拍摄而成的照片不可避免地存在某些程度的倾斜透视。例如在拍摄票据时，票据可能存在旋转或者纸面凸凹不平，即便校正后也难以保证其完全水平及平整。因此，在上述几种情况下进行文本内容行列位置的确定，目前还没有具体有效的解决方案。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种图像中文本区域的位置确定方法、装置、电子设备及计算机可读存储介质。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种图像中文本区域的位置确定方法，包括：获取待识别图像，所述待识别图像包含文本；对所述待识别图像进行文本定位，获得多个文本区域及各文本区域四个角的坐标信息；以及分别对各文本区域执行位置确定操作，包括：根据选定的基准文本区域的上、下两条边的延长线所构成的区域，确定与所述基准文本区域同属一行的文本区域；根据各行中的各文本区域同一方位的角的横坐标，分别确定各行中的各文本区域的列信息；及根据各行中的各文本区域同一方位的角的纵坐标的平均值，分别确定各文本区域的行信息。

根据本发明的一实施方式，根据选定的基准文本区域的上、下两条边的延长线所构成的区域，确定与所述基准文本区域同属一行的文本区域包括：步骤a)根据各文本区域的左上角的横坐标，确定所述基准文本区域为最左端的文本区域；步骤b)根据由所述基准文本区域的上、下两条边确定的直线方程，确定所述基准文本区域的上、下两条边构成的区域；步骤c)将与所述区域有重叠的文本区域确定为与所述基准文本区域同属一行的文本区域；步骤d)如果存在至少一个与所述基准文本区域同属一行的已确定文本区域，则选择所述至少一个已确定文本区域中未被确定为基准文本区域过的最左端的文本区域为新的基准文本区域，重复执行上述步骤a)～c)。

根据本发明的一实施方式，根据各行中的各文本区域同一方位的角的横坐标，分别确定各行中的各文本区域的列信息包括：根据各行中的各文本区域左上角的横坐标的大小，分别对各行中的各文本区域进行排序；以及根据排序结果，分别确定各行中的各文本区域的列信息。