[發明專利]文本版心識別方法、電子設備及計算機存儲介質

有效

• 申請號: 201710334158.6
• 申請日: 2017-05-12
• 公開（公告）號: CN107169486B
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 張恒;孫上斌
• 申請（專利權）人: 掌閱科技股份有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 宋菲;劉云貴

本發明公開了一種文本版心識別方法、電子設備及計算機存儲介質，其方法包括：從文本中擇取預設頁數的頁面，分為奇數頁面組和偶數頁面組；分別對每個頁面的文字以行為單位進行識別，得到對應的矩形文本對象；針對奇數頁面組和偶數頁面組中的每一頁面組，進行處理：對該頁面組的頁面進行完全重疊設置，以垂直于頁面的方向為投影方向對該頁面組進行投影處理，將在投影方向上具有相交區域的矩形文本對象進行合并處理；根據矩形文本對象的矩形位置數據、矩形尺寸數據和/或矩形文本對象的文字信息，對矩形文本對象進行過濾處理，得到該頁面組的投影頁面的有效矩形文本對象，確定該頁面組的版心。本發明提供的方法，識別效率高。

技術領域

本發明涉及軟件領域，具體涉及一種文本版心識別方法、電子設備及計 算機存儲介質。

背景技術

隨著網絡和移動終端設備的發展，電子書與傳統的紙質書相比，從閱讀 方式、攜帶等各方面而言，都更加便利。因此，越來越多的用戶選擇閱讀電 子書。電子書的文本有時會比較錯亂，需要對其文本進行再排版等操作。在 執行這些操作時，首先需要獲取文本的版心。版心即文本每個頁面中主要內 容所在的區域，位于每個頁面版面正中的位置，包括了頁面中正文的部分。

現有技術在獲取文本的版心時，一般采用如下方法：通過Photoshop等 圖像處理工具對版心位置進行定位，但這種方法需要人工操作，其處理速度 慢且獲取的版心準確度較低；還可以通過預設的模塊對整個版心進行識別， 這種方法雖然較前一種方法速度稍快，但對整個版心識別的準確度較低，有 時還需要人工再進行調整。

因此，需要一種效率高且準確度高的文本版心識別方法。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分 地解決上述問題的文本版心識別方法、電子設備及計算機存儲介質。

根據本發明的一個方面，提供了一種文本版心識別方法，其包括：

從文本中擇取預設頁數的頁面，將預設頁數的頁面按照頁碼分為奇數頁 面組和偶數頁面組；

分別對奇數頁面組和偶數頁面組中每個頁面的文字以行為單位進行識別， 得到每個頁面中每行文字對應的矩形文本對象；

針對奇數頁面組和偶數頁面組中的每一頁面組，進行如下處理：

對該頁面組的頁面進行完全重疊設置，以垂直于頁面的方向為投影方向 對該頁面組進行投影處理，將在投影方向上具有相交區域的矩形文本對象進 行合并處理，得到包含合并處理后的矩形文本對象的該頁面組的投影頁面；

根據該頁面組的投影頁面中矩形文本對象的矩形位置數據、矩形尺寸數 據和/或矩形文本對象的文字信息，對矩形文本對象進行過濾處理，得到該頁 面組的投影頁面的有效矩形文本對象；

根據該頁面組的投影頁面的有效矩形文本對象，確定該頁面組的版心。

根據本發明的另一方面，提供了一種電子設備，包括：處理器、存儲器、 通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通 信總線完成相互間的通信；

所述存儲器用于存放至少一可執行指令，所述可執行指令使所述處理器 執行以下操作：

從文本中擇取預設頁數的頁面，將預設頁數的頁面按照頁碼分為奇數頁 面組和偶數頁面組；

分別對奇數頁面組和偶數頁面組中每個頁面的文字以行為單位進行識別， 得到每個頁面中每行文字對應的矩形文本對象；

針對奇數頁面組和偶數頁面組中的每一頁面組，進行如下處理：

對該頁面組的頁面進行完全重疊設置，以垂直于頁面的方向為投影方向 對該頁面組進行投影處理，將在投影方向上具有相交區域的矩形文本對象進 行合并處理，得到包含合并處理后的矩形文本對象的該頁面組的投影頁面；