CN114445840B 表格文本的处理方法、装置、电子设备和可读介质 （京东科技控股股份有限公司）

本公开提供一种表格文本的处理方法、装线段集合；对线段集合中的子线段进行聚类处线条和线条间连接点确定表格的单元格内的文2将宽度比值大于预设宽度比值，且角度属于预设第一角度阈将高度比值大于预设高度比值，且角度属于预设第二角度阈对所述线段集合中的子线段进行聚类处理，以得到表格的第一根据所述第一方向线条、所述第二方向线条和所述线条间连接点若所述待处理图像的着色形式不是所述灰度，则将所述待处理根据所述第二间距对所述子线段进行聚类和合并，以得到表格的第一对聚类后的第一方向线段集合的子线段进行行方向上的首尾拼接根据所述第一方向长线段的间距对所述第一方向长线段进行列方向上的合3对聚类后的第二方向线段集合的子线段进行列方向上的首尾拼接根据所述第二方向长线段的间距对所述第二方向长线段进行行方向上的合根据所述第二间距对所述子线段进行聚类和合并，以得到表格的第一将所述第一方向线条和所述第二方向线条之间的交点确定为所述根据所述线条间连接点对所述第一方向线条和所述第二方向根据筛选后的第一方向线条、筛选后的第二方向线条和所述线条间根据所述第一方向线条、所述第二方向线条和所述线条间连接点将对所述单元格内的文本进行文本检测和文本行识根据所述文本检测的结果和所述文本行识别的结果确定所述单元格根据所述线条间连接点的位置坐标将所述文本内容写入对应的将宽度比值大于预设宽度比值，且角度属于预设第一角度阈将高度比值大于预设高度比值，且角度属于预设第二角度阈聚类模块，用于对所述线段集合中的子线段进行所述确定模块还用于，根据所述第一方向线条、所述第二方向线条和耦合到所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，45测)线段提取算法确定图像中的子线段前，还包括：检测待处理图像的着色形式是否为灰6被处理器执行时实现如上述任意一项的表格文789按照从上到下的顺序排列后，通过计算每左右两条相邻横线在x轴的第一方向间距是否小按照从左到右的顺序排列后，通过计算每上下两条相邻纵线在y轴的第二方向间距是否小[0075]在本公开的一种示例性实施例中，对所有横线线段按照通过计算每上下两条相邻横线在y轴的第二方向间距是否小于一定阈值的方式，判定多条[0076]在本公开的一种示例性实施例中，对所有纵线线段按照通过计算每左右两条相邻纵线在x轴的第一方向间距是否小于一定阈值的方式，判定多条[0077]如图5所示，根据第二间距对子线段进行聚类和合并，以得到表格的第一方向线[0080]步骤S506，根据第一方向长线段的间距对第一方向长线[0082]如图6所示，根据第二间距对子线段进行聚类和合并，以得到表格的第一方向线[0085]步骤S606，根据第二方向长线段的间距对第二方向长线[0087]如图7所示，根据第二间距对子线段进行聚类和合并，以得到表格的第一方向线的宽度w_i和高度h_i分别对应于文档图像的宽度W和高度H的比例，并分别记为w_ratio_i[0110]在本公开的一个实施例中，阈值判断的预设规则包括：若w_ratio_i大于设定阈[0111]在本公开的一个实施例中，阈值判断的预设规则包括：若h_ratio_i大于设定阈[0118](2)对各小集合Hgroup(i)中的所有线段按x轴坐标排序，这样做是为了将每组子检测的特点，可以对属于表格(1004或1008)中的横线做筛选，从而完成对表格(1004或1008)中横线线段的一次筛选，横线的各子集合之间的L2距离HL2_distance的计算如下公横线线段的起始点，Hgroup(i)end为子集合Hgroup(i)中第i条横线线段的终止点，Hgroup[0122]对第一纵线集合VL中的所有线段按x轴坐标排序，这样做是为了将第一纵线集合i条纵线线段的起始点，Vgroup(i)end为子集合Vgroup(i)中第i条纵线线段的终止点，Vgroup(j)start为子集合Vgroup(i)中第j条纵线线段的起始点，Vgroup(j)end为子集合[0136]在本公开的一个实施例中，得到经过二次筛选的第二横线集合HL9和第二纵线集位置信息，计算表格(1004或1008)最外围四角点1402的坐标位置定位，一个表格(1004或些线段信息计算得到各表格内所有的交点位置信息，进而提取出各表格最外围的四个角块或者单元的特征和功能可以进一步划分为由多个模块或者单组件(包括存储单元1620和处理单元1610[0180]存储单元1620还可以包括具有一组(至少一个)程序模块16205的程序/实用工具得该电子设备1600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制[0185]根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘[0189]可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网[0190]此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识