[發明專利]端到端的表格還原方法

在審

• 申請號: 202211236405.6
• 申請日: 2022-10-10
• 公開（公告）號: CN115563936A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 李劍楠;周小雪;馬駿;李恒;蘇鵬
• 申請（專利權）人: 上海愛可生信息技術股份有限公司;上海千鳥信息科技有限公司
• 主分類號: G06F40/151
• 分類號: G06F40/151;G06F40/174;G06V30/146;G06V30/413
• 代理公司: 上海思捷知識產權代理有限公司 31295
• 代理人: 張子飛

1.一種端到端的表格還原方法，其特征在于，包括：

輸入待處理表格圖片所在的文本圖片，從所述文本圖片中識別出表格圖片；

對所述表格圖片進行傾斜校正；

對傾斜校正后的所述表格圖片轉換為灰度圖，從所述灰度圖中檢測出橫線和豎線的像素點集合；

判斷所述像素點集合中是否具有表格圖片的邊線，如果所述像素點集合中沒有表格圖片的邊線的像素點，則將邊線的像素點補齊到像素點集合中；

從所述像素點集合或補齊后的像素點集合中獲取橫線和豎線的交點；

從所述交點中找出單元格；以及

從所述表格圖片中識別文字并填入所述單元格中。

2.如權利要求1所述的端到端的表格還原方法，其特征在于，輸入待處理表格圖片所在的文本圖片，從所述文本圖片中識別出表格圖片的方法包括：

使用標注工具對所述文本圖片的內容進行標注；以及

使用網絡模型對標注后的文本圖片進行訓練，從而從文本圖片中提取出表格圖片。

3.如權利要求1所述的端到端的表格還原方法，其特征在于，對所述表格圖片進行傾斜校正的方法包括：

使用霍夫變換的方法，檢測所述表格圖片中的所有直線的傾斜角；

根據所有傾斜角求得傾斜角平均值；以及

根據所述傾斜角平均值對所述表格圖片進行校正。

4.如權利要求1所述的端到端的表格還原方法，其特征在于，對傾斜校正后的所述表格圖片轉換為灰度圖，從所述灰度圖中檢測出橫線和豎線的像素點集合的方法包括：

根據灰度圖的高度和寬度確定檢測矩陣自定義核的比例；

通過檢測矩陣的方法獲得橫線的像素點和豎線的像素點；以及

通過二值圖的與操作將橫線的像素點和豎線的像素點集合形成像素點集合。

5.如權利要求1所述的端到端的表格還原方法，其特征在于，判斷所述像素點集合中是否具有表格圖片的邊線的方法包括：

如果最左側的豎線像素點的左側具有橫線像素點，則認為左側的邊線缺失；

如果最右側的豎線像素點的右側具有橫線像素點，則認為右側的邊線缺失；

如果最上側的橫線像素點的上側具有豎線像素點，則認為上側的邊線缺失；

如果最下側的橫線像素點的下側具有豎線像素點，則認為下側的邊線缺失。

6.如權利要求5所述的端到端的表格還原方法，其特征在于，如果所述像素點集合中沒有表格圖片的邊線的像素點，則將邊線的像素點補齊到像素點集合中的方法包括：

根據最左側的橫線像素點確定左側的邊線；

根據最右側的橫線像素點確定右側的邊線；

根據最上側的豎線像素點確定上側的邊線；

根據最下側的豎線像素點確定下側的邊線。

7.如權利要求4所述的端到端的表格還原方法，其特征在于，從所述像素點集合或補齊后的像素點集合中獲取橫線和豎線的交點的方法包括：

當橫線的像素點的坐標和豎線的像素點的坐標重合時，將該像素點的坐標作為橫線和豎線的交點。

8.如權利要求7所述的端到端的表格還原方法，其特征在于，從所述交點中找出單元格的方法包括：

在所有所述交點中，去掉最右側的交點和最下側的交點，剩余的交點均為左上角點；

在所有所述交點中，去掉最左側的交點和最上側的交點，剩余的交點均為右下角點；

任意一個左下角點和任意一個右下角點組成一個單元格，所有單元格形成第一單元格；

獲取每一個所述第一單元格的四個頂點坐標，如果右下頂點與右上頂點不是一個單元格的豎線，則橫向合并第一單元格，如果左下頂點與右下頂點在原表格中不是一個單元格的橫線，則列向合并第一單元格，合并后的第一單元格為單元格。

9.如權利要求8所述的端到端的表格還原方法，其特征在于，從所述表格圖片中識別文字并填入所述單元格中的方法包括：

使用OCR模型識別所述表格圖片中的文字，將文字填到對應的所述單元格中。

10.如權利要求1所述的端到端的表格還原方法，其特征在于，還包括：

填入文字后的所有單元格組成還原后的表格。