一种计算机处理复杂表单的方法技术

本发明专利技术公开了一种计算机处理复杂表单的方法，执行如下步骤：步骤1，对表单图像进行预处理；步骤2，提取出表格区域中的所有表格单元格；步骤3，分析单元格内信息键值对的逻辑关系，基于ABNF范式设计规则；步骤4，根据步骤3中设计的规则使用开源词法分析器Lex和语法分析器Yacc构造编译器；步骤5，使用设计的语言描述表格单元格，通过解析描述语言得到表格单元格内逻辑结构。

A method of computer processing complex forms

The invention discloses a method for the complex forms of computer processing, perform the following steps: 1, to form image preprocessing; step 2, extract all the table cells in the table area; step 3, analysis of the logical relationship within the cell information of key value pairs, design rules based on ABNF paradigm; step 4, according to the steps 3 design rules using open source Lex lexical analyzer and parser Yacc compiler construction; step 5, the use of design language to describe the table cell by parsing the describe language form within the cell logic structure.

【技术实现步骤摘要】
一种计算机处理复杂表单的方法
本专利技术涉及一种版面分析方法，特别是一种计算机处理复杂表单的方法。
技术介绍
随着信息时代的来临，数字信息已经成为人类最重要的资源。而表格是最常见的一种信息载体，如何将表格中的信息电子化、数字化，已经成为研究的热点之一。表单版面分析作为表单文档电子化的重要部分，然而由于表单结构的多样性，很难通过一种单一的规则来分析表单中的逻辑结构，本专利技术对复杂表单的版面分析进行了深入的探讨。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种处理复杂表单的综合方法，实现了复杂表单的半自动化处理，节省了大量的人力和时间，提高了工作效率。本专利技术公开了一种处理复杂表单的综合方法，执行如下步骤：步骤1：对表单图像进行预处理；步骤2：提取出表格区域中的所有表格单元格；步骤3：分析单元格内信息键值对的逻辑关系，基于ABNF范式设计规则(引用文献：RFC5234-AugmentedBNFforSyntaxSpecifications:ABNF)；步骤4：根据步骤3中设计的规则使用词法分析器Lex和语法分析器Yacc构造编译器(引用文献：ANSICYaccg本文档来自技高网...

【技术保护点】
一种计算机处理复杂表单的方法，其特征在于，执行如下步骤：步骤1：对表单图像进行预处理；步骤2：提取出所有表格单元格；步骤3：分析单元格内信息键值对的逻辑关系，基于ABNF范式设计规则；步骤4：根据步骤3中设计的规则使用词法分析器Lex和语法分析器Yacc构造编译器；步骤5：使用设计的语言描述表格单元格，通过解析描述语言得到表格单元格内的逻辑结构。

【技术特征摘要】
1.一种计算机处理复杂表单的方法，其特征在于，执行如下步骤：步骤1：对表单图像进行预处理；步骤2：提取出所有表格单元格；步骤3：分析单元格内信息键值对的逻辑关系，基于ABNF范式设计规则；步骤4：根据步骤3中设计的规则使用词法分析器Lex和语法分析器Yacc构造编译器；步骤5：使用设计的语言描述表格单元格，通过解析描述语言得到表格单元格内的逻辑结构。2.根据权利要求1所述的方法，其特征在于，步骤1包括如下步骤：步骤1-1，去除表单图像中红色的印章：遍历表单图像中的所有像素点，如果像素点红色通道值大于200且蓝色通道和绿色通道值均小于200，则判定该像素点是印章像素点，令该像素点各通道值均为255；步骤1-2，对表单进行倾斜校正：提取出表单图像中所有线段，如果线段的左右端点分别是其外接矩形的左上端点和右下端点，则判定该线段是顺时针偏转线段；如果线段的左右端点分别是其外接矩形的左下端点和右上端点，则判定该线段是逆时针偏转线段；筛选出顺时针偏转线段和逆时针偏转线段，组成顺时针偏转线段组和逆时针线段组，计算顺时针线段组中线段偏转正弦值之和，记为：Clockwise，计算逆时针线段组中线段偏转正弦值之和，记为：Counterclockwise，通过如下公式计算线段的正弦值tan：tan＝height/width，其中，height为线段外接矩形的长度，width为线段外接矩形的宽度；如果Clockwise大于Counterclockwise则选用顺时针线段组，判定表单顺时针方向倾斜，否则选用逆时针线段组，判定表单逆时针方向倾斜；假设选用的线段组的正弦值之和为tansum，选用线段组中线段个数为m，计算倾斜角度的正弦值tanaverage：tanaverage＝tansum/m，计算倾斜角度α：α＝tan-1(tanaverage)*180/π，如果表单逆时针方向倾斜，定义变换矩阵如果表单顺时针方向倾斜，则定义变换矩阵根据变换矩阵对表单作仿射变换，校正表单；步骤1-3，利用UnsharpMask锐化算法对表单图像进行锐化。3.根据权利要求2所述的方法，其特征在于，步骤2包括如下步骤：通过图像形态学操作分别提取出水平线段图和竖直线段图，将水平线段图和竖直线段...

【专利技术属性】
技术研发人员：路通，吴子涵，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32