[发明专利]版面数据合成方法、设备及存储介质

权利要求书

1.一种版面数据合成方法，其特征在于，包括：

将获取的纯文本图像进行自适应二值化处理，得到纯文本二值化图像；

基于所述纯文本二值化图像，获取所述纯文本图像中文字区域的像素坐标和像素值；

对所述纯文本二值化图像进行行列分割处理，得到文本行的坐标、文本分栏的数量以及所述文本分栏的坐标；

基于所述文本行的坐标、文本分栏的数量、所述文本分栏的坐标以及包含至少一个插入数据的插入数据库，确定至少一个待插入数据以及各所述待插入数据的坐标；

基于背景数据库中目标背景图像、所述文字区域的像素坐标和像素值以及至少一个待插入数据和各所述待插入数据的坐标，合成版面数据，所述版面数据具有标签，所述标签用于指示所述版面数据对应图像中每个像素的像素类别。

2.根据权利要求1所述的方法，其特征在于，所述基于所述文本行的坐标、文本分栏的数量、所述文本分栏的坐标以及包含至少一个插入数据的插入数据库，确定至少一个待插入数据以及各所述待插入数据的坐标，包括：

确定所述文本分栏的数量至少为1时，针对每个文本分栏，根据所述文本分栏的坐标以及各所述文本行的坐标，确定所述文本分栏中所包括文本行的文本属性信息，其中所述文本属性信息包括：所述文本分栏中所包括文本行的行数以及所述文本分栏中所包括文本行的行宽度值和行高度值；

确定待插入数据的预设数量，选取所述插入数据库中一个插入数据作为当前待插入数据；

根据所述当前待插入数据的宽高属性值及所述文本属性信息，确定所述当前待插入数据的坐标；

返回执行新的当前待插入数据的选定操作，直至被选定的所述插入数据的数量与所述预设数量相等。

3.根据权利要求2所述的方法，其特征在于，所述根据所述当前待插入数据的宽高属性值及所述文本属性信息，确定所述当前待插入数据的坐标，包括：

按照预设比例将所述宽高属性值中的宽度值以及所述宽高属性值中高度值缩放，所述预设比例为所述宽高属性值中的宽度值与所述文本属性信息内所包括文本行的行宽度值的比值；

根据所述文本属性信息内所包括文本行的行高度值，确定所述当前待插入数据的占行数；

获取所述当前待插入数据所对应的文本分栏已占行数，所述文本分栏已占行数是基于上一待插入数据的占行数以及目标起始行确定；

如果预备占行数小于或等于所述文本属性信息内所包括文本行的行数,则确定所述当前待插入数据的目标起始行，所述目标起始行大于所述文本分栏已占行数，基于所述当前待插入数据的占行数、所述目标起始行以及所述文本分栏中所包括文本行的行宽度值，确定所述当前待插入数据的坐标，所述预备占行数为所述当前待插入数据的占行数与所述文本分栏已占行数之和。

4.根据权利要求1-3任一所述的方法，其特征在于，所述插入数据包括图像数据和/或表格数据。

5.根据权利要求4所述的方法，其特征在于，当所述待插入数据为所述表格数据时，所述方法还包括：

将所述表格数据进行自适应二值化处理，得到表格文本二值化图像；

基于所述表格文本二值化图像，获取所述表格数据中文字区域的像素坐标和像素值，以及所述表格数据中表格线区域的像素坐标和像素值。

6.根据权利要求1-4任一所述的方法，其特征在于，对所述纯文本二值化图像进行行列分割处理，得到文本行的坐标、文本分栏的数量以及所述文本分栏的坐标，包括：

对所述纯文本二值化图像按照预设尺度进行膨胀处理，并进行腐蚀处理得到所述文本行；

将所述文本行进行轮廓检测处理，确定所述文本行的坐标；

将所述文本行进行垂直方向投影处理，得到统计图；

将所述统计图进行轮廓检测处理，确定所述文本栏的数量以及所述文本栏的坐标。

7.根据权利要求6所述的方法，其特征在于，所述文本行的数量大于1时，在所述将所述统计图进行轮廓检测处理，确定所述文本栏的数量以及所述文本栏的坐标之前，所述方法还包括：

确定所述统计图的平均值；

基于所述平均值更新所述统计图，得到更新后的统计图。