[发明专利]表格信息的识别方法及装置、电子设备

说明书

本申请实施例提供一种表格信息的识别方法及装置、电子设备。所述方法包括：利用文字识别算法，识别表格图像中所有的表单元格；基于所述表单元格的位置信息，生成表格布局矩阵；将所述表格布局矩阵映射到所述表格图像中，获取每个表单元格映射在所述表格图像后圈定的子图像；利用光学字符识别算法，识别每个子图像中的文字信息。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种表格信息的识别方法及装置、电子设备。

背景技术

随着节能环保理念的不断深入人心，纸质文档逐步被电子文档所取代。而针对已有的纸质文档也逐步通过一些技术手段转变为电子文档。例如，通过扫描设备扫描纸质文档，以生成图片类型的电子文档。

由于图片类型的电子文档无法接入现有的数据库，因此还需要通过图像识别技术从图片中提取有效的数据，然后将提取的数据存储到数据库中。

然而，图片类型的电子文档，尤其是图片类型的表格文档(以下称为表格图像)存在不能被有效识别表格信息的问题。

因此，需要提供一种准确率高的表格信息识别方案。

发明内容

本说明书实施例提供的一种表格信息的识别方法及装置、电子设备：

根据本说明书实施例的第一方面，提供一种表格信息的识别方法，所述方法包括：

利用文字识别算法，识别表格图像中所有的表单元格；

基于所述表单元格的位置信息，生成表格布局矩阵；

将所述表格布局矩阵映射到所述表格图像中，获取每个表单元格映射在所述表格图像后圈定的子图像；

利用光学字符识别算法，识别每个子图像中的文字信息。

根据本说明书实施例的第二方面，提供一种表格信息的识别装置，所述装置包括：

结构识别单元，利用文字识别算法，识别表格图像中所有的表单元格；

矩阵生成单元，基于所述表单元格的位置信息，生成表格布局矩阵；

图像获取单元，将所述表格布局矩阵映射到所述表格图像中，获取每个表单元格映射在所述表格图像后圈定的子图像；

文字识别单元，利用光学字符识别算法，识别每个子图像中的文字信息。

根据本说明书实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为上述任一项表格信息的识别方法。

本说明书实施例提供了一种表格信息的识别的方案，通过将原本用于文字检测的文字识别算法，来识别表格图像中的表单元格；并将基于表单元格的表格布局矩阵映射到表格图像，以获取每个表单元格圈定的子图像；最后利用计算量较小的光学字符识别技术，识别每个子图像中的文字信息。如此，利用表单元格具有独立的特征，通过截取每个表单元格独立的子图像分别进行识别；不仅能够克服相邻表单元格之间的相互影响，提高表格信息的识别准确性；而且相对于直接对表格图像进行整体文字信息识别，总的计算量反而更少。

附图说明

图1是本说明书一实施例提供的表格信息的识别方法的流程图；

图2a是本说明书一实施例提供的表格图像的示意图；

图2b是本说明书一实施例提供的二值图像的示意图；

图2c是本说明书一实施例提供的去除文字内容的二值图像的示意图；