[發明專利]一種基于OCR文字識別技術的PPT復現方法

有效

• 申請號: 202010040969.7
• 申請日: 2020-01-15
• 公開（公告）號: CN111275048B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 吳振東;李銳;金長新
• 申請（專利權）人: 山東浪潮科學研究院有限公司
• 主分類號: G06V30/148
• 分類號: G06V30/148;G06F40/166
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 闞恭勇

本發明提供一種基于OCR文字識別技術的PPT復現方法，屬于圖片復現技術領域，本發明通過手機攝像頭或其他設備，將直接拍攝或上傳的PPT展示頁面的圖片，通過OCR文字識別技術和Python語言，將圖片中的PPT展示頁面復現成近似的.pptx文件。大大節約了用戶復現的時間，并提高所生成.pptx文件的質量。

技術領域

本發明涉及圖片復現技術，尤其涉及一種基于OCR文字識別技術的PPT復現方法。

背景技術

OCR(optical?character?recognition)文字識別是指電子設備(例如掃描儀或數碼相機)檢查紙上打印的字符，然后用字符識別方法將形狀翻譯成計算機文字的過程。

PPT是演示文稿軟件，用戶可以在投影儀或者計算機上進行演示，也可以將演示文稿打印出來，制作成膠片，以便應用到更廣泛的領域中。

在實際生活中，經常會在所觀看的視頻中、所參加的會議中看到一些別人所展示的PPT頁面，如果想要將其重現，需要截圖或拍照，然后花費一定的時間和精力重新按照圖片中的樣式進行復現。

發明內容

為了解決以上技術問題，本發明提出了一種基于OCR文字識別技術和Python語言來實現的PPT復現方法，為用戶提供了便利，節約用戶時間。

本發明的技術方案是：

一種基于OCR文字識別技術的PPT復現方法，通過手機攝像頭或其他設備，將直接拍攝或上傳的PPT展示頁面的圖片，通過OCR文字識別技術和Python語言的實現所構造的系統，將圖片中的PPT展示頁面復現成近似的.pptx文件。

總體分為兩個階段，第一階段是利用OCR文字識別技術，將原圖片PPT頁面上的標題、副標題、文本、樣式、字體、圖片等元素進行識別；第二階段是利用Python語言來復現PPT，利用python-pptx庫對第一階段所識別的內容進行對應的排列組合，生成一個近似于原圖中PPT頁面的.pptx文件。

進一步的，

OCR文字識別模型由大量帶有pptx頁面的圖片訓練生成，不僅可以提取文字內容，還可以提取圖片中各個元素的基本信息，例如：字號、字體、字體顏色、背景色、藝術字類型、所在PPT頁面的位置，圖像所占PPT頁面大小比例，圖表類型等。該模型的輸入是JPG或PNG格式的圖片，輸出為Json文件。

Python程序主要利用了Python-pptx庫來實現。通過Json文件中各個模塊的位置信息和具體內容、樣式，通過對應指令來生成對應PPT頁面，輸出的.pptx文件頁面與在OCR文字識別模型中輸入的圖片中含有的PPT頁面近似。Python程序的輸入是Json文件，輸出是.pptx文件。

再進一步的，

第一部分，OCR文字識別包括如下步驟：

步驟1，圖像輸入：讀取用戶所上傳的圖片。

步驟2，去除冗余：程序首先識別出圖片中的PPT頁面，將其余部分視為冗余，直接去除掉，將圖片中的PPT頁面視為接下來要處理的圖片，并對該圖片進行傾斜矯正。

步驟3，去除噪聲：去除圖片中的干擾因素，非正常像素點；

步驟4，版面分析：分析圖片中的每一個元素，例如：標題、文本、圖片、藝術字、圖表、形狀、公式等；

步驟5，字符(圖片)切割：將版面分析出每個的元素切割成單個模塊；

步驟6，字符識別和標注標簽：將每個模塊的信息，輸入至已訓練好的OCR模型中，識別出該模塊對應的文字內容、字體大小、字體樣式、所在位置點坐標等信息進行標注；若該模塊是圖片，則只對該模塊的位置信息進行記錄；若該模塊是圖表，則需要在ppt元素庫中找到同樣的圖表樣式；