[发明专利]一种基于图像统计学的复杂表格交点聚类提取方法

说明书

本发明公开了一种基于图像统计学的复杂表格交点聚类提取方法。其采用的方法步骤为1：待分割表格图像预处理阶段：将多分辨率的图像数据进行压缩灰度化，使用OTSU进行二值化图像，为后续直线拟合阶段鉴定基础；2：横向直线方程拟合阶段：通过横向投影直方图统计，结合统计学计量得到横向长直线方程；3：纵向直线方程拟合阶段：通过纵向投影直方图统计，结合统计学计量得到纵向长直线方程；4：单元格分割处理阶段：通过直线方程的横纵交叉确定横纵坐标，实现单元格的分割并进行非文字区域的剔除。该方法经过实际测试具备较强的鲁棒性和自适应性，提高了表格交点检测准确率，在输入纵向有效聚类数目的前提下，交点检测率可达100％，具有一定的创新可拓展性和实际可行性。

技术领域：

本发明涉及图像处理领域，特别是一种基于图像统计学的复杂表格交点聚类提取方法。

背景技术：

随着图像处理技术和光学字符识别(OCR)技术的不断发展，表格信息自动化处理成为目前很多组织机构构建信息化系统的关键所在。

大量文本表格信息的数字化，对于表格信息录入研究至关重要；研究如何将纸质表格数字化，以及复杂多种表格(纵向直线不连续)的数字化，具有指导性意义。当下因大量纸质表格均为人工录入，部分表格数字化仅仅局限于正常表格，复杂数字化依旧存在大量问题；均存在工作量大、繁琐、准确率低、鲁棒性差等问题；其中最为关键的是表格单元格的分割，涉及表格交点检测问题，现有方法针对正常表格交点检测效果较佳，针对复杂多样的表格交点检测存在不稳定，准确率低等问题。

发明内容：

本发明提供为解决解决传统表格交点提取算法鲁棒性差、自适应能力弱、检测不确定性的问题，提供一种基于图像统计学的复杂表格交点聚类提取方法，可提高了表格交叉点检测准确率。

为解决现有技术存在问题，本发明的技术方案是:1、一种基于图像统计学的复杂表格交点聚类提取方法，其特征在于：包括如下步骤：

步骤1：待分割表格图像预处理阶段：将多分辨率的图像数据进行压缩灰度化，使用OTSU进行二值化图像，为后续直线拟合阶段鉴定基础；

步骤2：横向直线方程拟合阶段：通过横向投影直方图统计，结合统计学计量得到横向长直线方程；

步骤3：纵向直线方程拟合阶段：通过纵向投影直方图统计，结合统计学计量得到纵向长直线方程；

步骤4：单元格分割处理阶段：通过直线方程的横纵交叉确定横纵坐标，实现单元格的分割并进行非文字区域的剔除。

所述步骤1的具体步骤为：

步骤101：多分辨率的图像压缩灰度化，检查是否为灰度图，如果不是，转化为灰度图；

步骤102：腐蚀处理，使得黑色区域变大；

步骤103：OTSU二值化处理。

所述步骤2的具体步骤为：

步骤201：通过形态学进行横向线段的预提取并通过霍夫检测进行重构直线，得到小短线段的起始终止坐标；

步骤202：对重构直线进行横向直方图投影统计，得到Y方向上像素区域集中分布图及Y坐标集合，对集中分布图进行波峰阈值预分类提取，得到符合条件的局部区域分布及横向坐标区域分布；

步骤203：对预提取横向坐标集合进行顺序排序，根据同一聚类中相邻坐标差值及区间极差偏移量较小，进行各聚类的筛选处理，并进行聚类结果的均值处理，输出横向坐标的聚类数量及区间均值坐标，即可得到横向长直线的直线方程。

步骤3的具体步骤为：

步骤301：通过形态学尽可能多的预提取纵向线段，使用霍夫检测进行竖线线段的重构处理，得到小短线段的起始终止坐标；