[发明专利]文本处理方法、文本处理系统、设备及介质

说明书

文本处理方法、文本处理系统、设备及介质，所述文本处理方法包括：对于包含排版文本的图像，识别所述图像中的连通域单元；基于所述连通域单元的位置信息，生成对应的连通域掩膜图；建立所述连通域单元与所述连通域掩膜图的映射关系，所述连通域单元对应所述连通域掩膜图中至少一个掩膜单元；基于所述映射关系，将所述连通域单元中识别出的文字添加至对应的掩膜单元中，得到第一文本数据。采用上述方案，可以提高文本的可读性。

技术领域

本说明书实施例涉及计算机视觉技术领域，尤其涉及一种文本处理方法、文本处理系统、设备及介质。

背景技术

目前，计算机视觉技术已经被广泛应用，通常采用光学字符识别(OpticalCharacter Recognition，OCR)技术进行图像识别。OCR技术能很好地识别出图像中无排版的纯文本。

但是，对于识别图像中经过排版设计的排版文本时，OCR技术经常会忽略其中的排版，从而使得识别出的文本中存在文字重复、缺失和错位等排序问题，识别出的文本可读性差。此时只能进行人工校准和调整，增加时间和成本，效率低下。

因此，现有的OCR技术无法精确、完整地处理图像中的排版文本。

发明内容

有鉴于此，本说明书实施例提供一种文本处理方法、文本处理系统、设备及介质，可以提高文本的可读性。

本说明书实施例提供了一种文本处理方法，包括：对于包含排版文本的图像，识别所述图像中的连通域单元；基于所述连通域单元的位置信息，生成对应的连通域掩膜图；建立所述连通域单元与所述连通域掩膜图的映射关系，所述连通域单元对应所述连通域掩膜图中至少一个掩膜单元；基于所述映射关系，将所述连通域单元中识别出的文字添加至对应的掩膜单元中，得到第一文本数据。

可选地，所述建立所述连通域单元与所述连通域掩膜图的映射关系，包括：识别所述连通域掩膜图中的掩膜单元，并对所述连通域单元与所述掩膜单元进行匹配，基于匹配的结果建立所述连通域单元与所述连通域掩膜图的映射关系。

可选地，所述对所述连通域单元与所述掩膜单元进行匹配，包括：匹配所述连通域单元与所述掩膜单元之间的位置信息。

可选地，在得到所述第一文本数据后，还包括：当所述连通域单元对应多个掩膜单元时，将所述多个掩膜单元对应的文字进行合并，得到第二文本数据。

可选地，所述识别所述图像中的连通域单元，包括：识别所述图像中的图像轮廓，得到对应的第一轮廓图像；计算所述第一轮廓图像中的连通域的面积，并删除小于预设面积阈值的连通域，得到第二轮廓图像；检测所述第二轮廓图像中的最小外接轮廓，并根据所述最小外接轮廓进行分割，得到所述图像中的连通域单元。

可选地，所述识别所述图像中的图像轮廓，得到对应的第一轮廓图像，包括：将所述图像进行二值化处理，得到对应的二值化图像；将所述二值化图像分别进行横向开运算处理和纵向开运算处理，得到对应的横向轮廓图像和纵向轮廓图像；将所述横向轮廓图像和所述纵向轮廓图像进行合并，得到对应的合并图像；将所述合并图像进行闭运算处理，得到所述第一轮廓图像。

可选地，在所述检测所述第二轮廓图像的最小外接轮廓之前，还包括：对所述第二轮廓图像进行多边拟合处理。

本说明书实施例还提供了一种文本处理系统，包括：连通域单元识别模块，适于对于包含排版文本的图像，识别所述图像中的连通域单元；连通域掩膜图生成模块，适于根据所述连通域单元的位置信息，生成对应的连通域掩膜图；映射关系建立模块，适于建立所述连通域单元与所述连通域掩膜图的映射关系，所述连通域单元对应所述连通域掩膜图中至少一个掩膜单元；文字添加模块，适于根据所述映射关系，将所述连通域单元中识别出的文字添加至对应的掩膜单元中，得到第一文本数据。