[发明专利]数据录入方法、装置、存储介质及电子设备

说明书

本公开涉及一种数据录入方法、装置、存储介质及电子设备。数据录入方法包括：获取初始图像，对初始图像进行预处理，得到修正图像；对所述修正图像进行分栏，得到多栏修正图像；对每栏修正图像进行目标类型检测，得到每栏修正图像包括的目标类型；对所述目标类型的图像区域进行版面定位和分割，得到所述目标类型的目标图像区域；对所述目标区域进行文本识别，并基于后处理规则和文本识别结果，得到每栏修正图像的结构化数据。通过本公开，可提高数据录入效率。

技术领域

本公开涉及数据处理领域，具体地，涉及一种数据处理录入方法、装置、存储介质及电子设备。

背景技术

试卷电子化是构建大型题库系统必不可少的一部分，只有完成了试卷电子化才可以实现后续的自动化组卷，拍照搜题，学情分析，知识点提取等相关工作。

在试卷电子化录入任务中，需要层次化的、有逻辑的解析出试题文本内容，并拆解出相应的要素，比如题号，题型，题干信息，作答信息，选项信息，图片表格等，并根据上述信息生成可解析的层次化结构化的数据。

在进行试卷版面分析的任务中，往往需要有一定逻辑顺序的给出试卷的解析结果，这里的逻辑顺序既包括视觉上从上到下从左到右的位置关系顺序，也包括试题从大层级到小层级的层次化顺序，总而言之就是符合人类阅读理解习惯的一种表达。

试卷文本通常采用图文混排的方式进行，既有单栏版面也有多栏版面，在进行逻辑化解析需要知道试卷中哪里是文本区域，哪里是图片区域，同时还需要根据版面分栏情况进行切分，只有精准的完成了这些工作后，才有可能实现符合层次逻辑，满足阅读顺序的真正意义上的试卷解析录入工作。

发明内容

本公开的目的是提供一种数据处理录入方法、装置、存储介质及电子设备。

为了实现上述目的，本公开提供一种数据录入方法，包括：

获取初始图像，对初始图像进行预处理，得到修正图像；

对所述修正图像进行分栏，得到多栏修正图像；

对每栏修正图像进行目标类型检测，得到每栏修正图像包括的目标类型；

对所述目标类型的图像区域进行版面定位和分割，得到所述目标类型的目标图像区域；

对所述目标区域进行文本识别，并基于后处理规则和文本识别结果，得到每栏修正图像的结构化数据。

可选地，所述对初始图像进行预处理，得到修正图像，包括：

确定所述初始图像的角点；

根据所述角点，对所述初始图像进行透视变换，得到矫正图像；

对所述矫正图像进行二值化处理，得到所述修正图像。

可选地，所述目标检测至少包括下述检测中的一种：

图表检测、文本行检测和公式检测。

可选地，所述对所述目标类型的图像区域进行版面处理，得到所述目标类型的目标图像区域，包括：

对所述目标类型的图像区域进行擦除，得到预设色彩的图像区域；

对所述预设色彩的图像区域进行腐蚀操作，之后对腐蚀操作后的图像进行分割，得到分割后的图像区块；

对所述分割后的图像区块按照所述目标类型进行合并，得到合并图像区块；

确定合并图像区块的图像区域，以及与合并区块对应的目标类型。

本公开还提供一种数据录入装置，包括：

修正模块，用于获取初始图像，对初始图像进行预处理，得到修正图像；