[发明专利]一种基于图像处理的药方信息提取方法

权利要求书

1.一种基于图像处理的药方信息提取方法，其特征在于，包括如下步骤：

S101、图像预处理：针对电子处方来源判断是否需要图像预处理，先对图像截取，把多余的背景去掉，然后使用投射变化原理矫正图片倾斜；

S201、霍夫直线检测：将图像中的细长直线进行消除，以防因此影响图像分列；

S301、图像像素分割：依据药方单上面的文字特征，并依据像素间隔，把图像进行分行与分列；

S401、ROI图像截取与ocr文字识别：利用分割好的行与列区域坐标，通过ROI截取出相应的图片块，并记录图片块位置，然后使用python开源的pytesseract模块对分割的相应图片块做文字识别，识别出来的文字会对应图片块中的位置；

S501、python正则化匹配信息提取：利用re模块实现对字符串的信息匹配，把图像块中识别出来的文字设置成字符串，并把药方中的关键信息按照需求提取出来；

S601、写入表格：将提取出来的模块按需求写进预先规定的表格保存到本地。

2.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述电子处方为药店上传的处方图片、患者上传的处方图片、医院通过接口推送的处方数据。

3.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述步骤S201中的霍夫直线检测设置有直线宽度及长度的阈值，当数据超过阈值时，则认定为不是文字，将其视为直线进行删除。

4.根据权利要求3所述的一种基于图像处理的药方信息提取方法，其特征在于，长度的低阀值为宽度的四分之一，间隔阀值为20个像素。

5.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述步骤S301中对二值化后的图片沿着图像的高对像素行进行扫描，记录当前行像素值为0的像素点个数，若像素点由无到有，则当前行可记为行首，由有到无，则当前行记为行末，由记录到的行首行末的位置，可从原图中截取相应的行；

对截取到的行图像，沿其宽方向进行像素点扫描，同样记录当前列像素值为0的像素点个数，若像素点由无到有，则当前行可记为文字列首，由有到无，则记当前列为文字列末，若是文字列末与下一文字列首间隔较小，在设置的阈值以内，则将其视为药单上的词组，如果超过阀值，则设为不同列，信息为不同内容的关键信息，以此来实现分行和分列。

6.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述步骤S501中提取的信息由部分信息及其他信息构成；其中，

所述部分信息通过匹配相应的名称和名称后面的“：”号，在“：”后面的信息，即为所需填入表格的相应信息；

所述其他信息为针对药方单的共性，在主要医药信息上一行会有“Rp”符号，结束会有“以下空白”几个字。

7.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述部分信息为姓名、性别、年龄、住址、处方编号、病历号、日期、医师，所述其他信息为药物名称、药物规格、用量、用法。

8.根据权利要求1所述的一种基于图像处理的药方信息提取方法，其特征在于，所述步骤S501利用正则化匹配“Rp”和“以下空白”，然后把中间的行认为是所需药物名称，药物规格，用量，用法部分信息，在每种药物名称前面有阿拉伯数字跟“.”，以此来标明第几个药物，药物规格跟药物名称在同一行，由于间隔比较大，分列时候分为不同列，同理，用量跟药物规格也同行不同列，用法另取一行，依据此特性，利用正则化匹配每一行的阿拉伯数字跟“.”，然后把相应顺序列归为药物名称，药物规格，用量，再下一行使用正则化匹配“用法：”，然后把这一行的所有内容归为用法这一属性，以匹配到“Rp”的下一次行开始，重复对每一行的信息进行提取生成相应字典，匹配到“以下空白”结束。