[發明專利]用于對網頁圖片進行字符切分的方法及裝置

有效

• 申請號: 201010521691.1
• 申請日: 2010-10-21
• 公開（公告）號: CN101984426A
• 公開（公告）日: 2011-03-09
• 發明（設計）人: 梁捷;周志明
• 申請（專利權）人: 優視科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 林錦輝

1.一種對網頁圖片進行字符切分的方法，包括：

對所獲取的網頁圖片中的像素進行逐行掃描，以行為單位將該網頁圖片劃分為由連續空白像素行組成的第一空白區域和由連續內容像素行組成的第一內容區域；

從所獲取的網頁圖片中切分出所劃分出的第一內容區域；

針對每個所切分出的第一內容區域的像素進行逐列掃描，以列為單位將該第一內容區域劃分為由連續空白像素列組成的第二空白區域和由連續內容像素列組成的第二內容區域；以及

根據各個第二空白區域的像素坐標，將第二內容區域與第二空白區域切分開，以將切分出的各個第二內容區域作為各個第一內容區域中的各個單個字符。

2.如權利要求1所述的方法，其中，從所獲取的網頁圖片中切分出所劃分出的第一內容區域的步驟還包括：

根據所劃分出的各個第一內容區域的高度和小說圖片文字行的高度特征，判斷該第一內容區域是否是小說圖片；以及

在該第一內容區域是小說圖片時，以與該第一內容區域相鄰的兩個空白區域的中心為界，從所獲取的網頁圖片中切分出所有被判斷為是小說圖片的第一內容區域。

3.如權利要求2所述的方法，其中，判斷第一內容區域是否是小說圖片的步驟還包括：

計算該第一內容區域的高度平均值；以及

在所計算出的第一內容區域的高度平均值落在第一閾值范圍時，判斷該第一內容區域是小說圖片。

4.如權利要求3所述的方法，其中，判斷第一內容區域是否是小說圖片的步驟還包括：

計算該第一內容區域的高度標準差，

只有在該第一內容區域的高度平均值落在第一閾值范圍內且該第一內容區域的高度標準差與高度平均值的比值不超過第二閾值時，才判斷該第一內容區域是小說圖片。

5.如權利要求1所述的方法，其中，根據各個第二空白區域的像素坐標，將所述第二內容區域與所述第二空白區域分割開的步驟還包括：

根據所劃分出的各個第二空白區域的像素坐標，確定第二內容區域的最大寬度；

利用所確定出的第二內容區域的最大寬度和各個第二空白區域的端坐標，確定第二內容區域的字符切分點；以及

利用所確定出的第二內容區域的各個字符切分點，將所述第二內容區域與所述第二空白區域分割開，以將切分出的各個第二內容區域作為被判斷為小說圖片的各個第一內容區域中的各個單個字符。

6.如權利要求1所述的方法，其中，在對所獲取的網頁圖片中的像素進行逐行掃描或逐列掃描時，所述方法還包括：

根據所掃描到的網頁圖片中的像素灰度值，對所述網頁圖片進行防水印處理。

7.如權利要求1-6中任何一個所述的方法，其中，所述方法是利用移動終端的瀏覽器來實現的。

8.一種對網頁圖片進行字符切分的裝置，包括：

第一劃分單元，用于對所獲取的網頁圖片的像素進行逐行掃描，以行為單位將該網頁圖片劃分為由連續空白像素行組成的第一空白區域和由連續內容像素行組成的第一內容區域；

第一切分單元，用于從所獲取的網頁圖片中切分出所劃分出的第一內容區域；

第二劃分單元，用于針對每個所切分出的第一內容區域的像素進行逐列掃描，以列為單位將該第一內容區域劃分為由連續空白像素列組成的第二空白區域和由連續內容像素列組成的第二內容區域；以及

第二切分單元，用于根據各個第二空白區域的像素坐標，將第二內容區域與第二空白區域切分開，以將切分出的各個第二內容區域作為各個第一內容區域中的各個單個字符。

9.如權利要求8所述的裝置，其中，所述第一切分單元還包括：

第一判斷單元，用于根據所劃分出的各個第一內容區域的高度和小說圖片文字行的高度特征，判斷該第一內容區域是否是小說圖片；以及

第一分割單元，用于在該第一內容區域是小說圖片時，以與該第一內容區域相鄰的兩個空白區域的中心為界，從所獲取的網頁圖片中切分出所有被判斷為是小說圖片的第一內容區域。

10.如權利要求9所述的裝置，其中，所述第一切分單元還包括：

計算單元，用于計算該第一內容區域的高度平均值，

在所計算出的第一內容區域的高度平均值落在第一閾值范圍內時，所述第一判斷單元判斷該第一內容區域是小說圖片。