基于OCR的图像转档方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种基于OCR的图像转档方法、装置、设备及可读存储介质，涉及人工智能领域。该方法包括：获取待转档图像；根据待转档图像的图像内容对待转档图像进行版面分割，得到n个图像版面，每个图像版面对应有内容类型，n为正整数；根据图像版面对应的内容类型，对图像版面中的图像内容进行对应的处理，得到图像版面对应的转档内容；将n个图像版面对应的转档内容添加至电子文档，得到目标文档。通过图像内容对待转档图像进行版面分割，得到对应有内容类型的n个图像版面，并针对图像版面的类型对图像版面中的图像内容进行处理，实现了对待转档图像中不同类型的内容进行不同方式的识别处理，提高了图像转换为文档的转换准确率。

【技术实现步骤摘要】
基于OCR的图像转档方法、装置、设备及可读存储介质
本申请实施例涉及人工智能领域，特别涉及一种基于OCR的图像转档方法、装置、设备及可读存储介质。
技术介绍
光学字符识别(OpticalCharacterRecognition，OCR)是一种对图像中的字符进行识别的功能。通常，用户将带有字符的图像输入到光学字符识别模块，并得到输出结果。该输出结果中包括识别得到的图像中的字符。OCR技术可以应用于多个领域中，如：车牌识别、文档转换等，其中，文档转换是指将包括字符的图像转换为可编辑的文档形式。相关技术中，在文档转换的过程中，将带有字符的图像输入到文档转换模块后，文档转换模块通过OCR识别得到该图像中的字符，并将识别得到的文字顺次粘贴至电子文档中，用户根据粘贴得到的文字对文档的排版进行整理后，得到完整的电子文档。然而，通过上述方式进行文档转换时，由于OCR仅能对图像中的文字内容进行识别，而图像中的内容通常较为复杂，文字的排版、表格内容、图像内容等无法与文字结合识别，导致用户在对文档的排版进行整理时需要耗费大量的资源，文档识别效率较低。
技术实现思路
本申请实施例提供了一种基于OCR的图像转档方法、设备及可读存储介质，可以解决文字的排版、表格内容、图像内容等无法与文字结合识别，导致用户在对文档的排版进行整理时需要耗费大量的资源，文档识别效率较低的问题。所述技术方案如下：一方面，提供了一种基于OCR的图像转档方法，所述方法包括：获取待转档图像，所述待转档图像为图像内容待转换为目标文档的图像；根据所述待转档图像的所述图像内容对所述待转档图像进行版面分割，得到n个图像版面，每个所述图像版面对应有内容类型，n为正整数；根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容；将所述n个图像版面对应的所述转档内容添加至电子文档，得到所述目标文档。另一方面，提供了一种基于OCR的图像转档方法，所述方法包括：显示转档界面，所述转档界面中包括转档控件和图像选择区域；在所述图像选择区域中对待转档图像进行选定，所述待转档图像为图像内容待转换为目标文档的图像；触发所述转档控件对应的转档功能，所述转档功能用于将图像转换为文档的形式；显示目标文档展示界面，所述目标文档展示界面中包括所述待转档图像转档得到的所述目标文档，所述目标文档的排版方式与所述待转档图像的排版方式对应一致。另一方面，提供了一种基于OCR的图像转档装置，所述装置包括：获取模块，用于获取待转档图像，所述待转档图像为图像内容待转换为目标文档的图像；分割模块，用于根据所述待转档图像的所述图像内容对所述待转档图像进行版面分割，得到n个图像版面，每个所述图像版面对应有内容类型，n为正整数；处理模块，用于根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容；所述处理模块，还用于将所述n个图像版面对应的所述转档内容添加至电子文档，得到所述目标文档。在一个可选的实施例中，所述分割模块，包括：编码单元，用于通过编码器对所述待转档图像进行编码，得到编码数据；解码单元，用于通过解码器对所述编码数据进行解码，得到掩膜图像；确定单元，用于根据所述掩膜图像中的区域得到所述n个图像版面。在一个可选的实施例中，所述确定单元，还用于对所述掩膜图像中的区域进行校正处理，得到所述n个图像版面，所述校正处理包括从去噪处理、合并处理、相交位置切割处理组成的群组中选择的至少一种。在一个可选的实施例中，所述掩膜图像中还包括单栏分隔条；所述确定单元，还用于根据所述单栏分隔条对校正后的所述掩膜图像进行分隔，得到至少两个掩膜分隔图像；所述确定单元，还用于对所述至少两个掩膜分隔图像中每个掩膜分隔图像中的区域进行校正；所述确定单元，还用于生成校正后的所述掩膜分隔图像中的区域对应的矩形框，作为所述n个图像版面。在一个可选的实施例中，所述内容类型包括文字类型；所述处理模块，还用于对所述图像版面中的所述图像内容进行文字识别，得到以文本行进行分段的文字识别结果；根据所述文本行的行向特征确定所述文本行的组段结果，所述组段结果用于表示对所述文字识别结果的分段方式；将所述文字识别结果根据所述组段结果进行重新分段，得到所述图像版面对应的文字转档结果。在一个可选的实施例中，所述处理模块，还用于根据所述文本行的所述行向特征生成直方图，所述行向特征包括行高和行间距中的至少一种；根据所述直方图中所述行向特征的分布情况设置所述行向特征对应的阈值；当所述文本行的所述行向特征达到所述阈值时，确定所述文本行为组段行，所述组段行用于表示所述文本行为段首或段尾。在一个可选的实施例中，所述内容类型包括表格类型；所述处理模块，还用于根据所述图像版面中的框线确定水平框线和垂直框线，并确定所述水平框线和所述垂直框线之间的交点，得到目标表格的单元格；对所述图像版面中的图像内容进行字符计算，得到字符坐标；根据所述字符坐标和所述单元格得到所述目标表格作为所述图像版面对应的表格转档结果。在一个可选的实施例中，所述处理模块，还用于通过将所述图像版面中的框线校正至水平方向或垂直方向得到所述水平框线和所述垂直框线。在一个可选的实施例中，所述处理模块，还用于通过对所述将所述图像版面中的框线校正至所述水平方向或所述垂直方向，对所述图像版面进行校正；对校正后的所述图像版面中的图像内容进行字符计算，得到所述字符坐标。在一个可选的实施例中，所述内容类型包括图片类型；所述处理模块，还用于对所述图像版面中的所述图像内容进行切图，并将所述切图得到的图片作为所述图像版面对应的图片转档内容。在一个可选的实施例中，所述内容类型包括公式类型；所述处理模块，还用于对所述图像版面中的所述图像内容进行切图，并将所述切图得到的图片作为所述图像版面对应的公式转档内容。在一个可选的实施例中，所述获取模块，还用于获取待矫正图像；所述获取模块，还用于将所述待矫正图像输入矫正神经网络，输出得到所述待转档图像，其中，所述矫正神经网络是通过仿真数据集训练得到的网络，所述仿真数据集中的仿真数据是通过对样本图像进行扭曲处理后得到的数据，所述扭曲处理是通过将所述样本图像输入扭曲函数实现的。另一方面，提供了一种基于OCR的图像转档装置，所述装置包括：显示模块，用于显示转档界面，所述转档界面中包括转档控件和图像选择区域；选择模块，用于在所述图像选择区域中对待转档图像进行选定，所述待转档图像为图像内容待转换为目标文档的图像；触发模块，用于触发所述转档控件对应的转档功能，所述转档功能用于将图像转换为文档的形式；所述显示模块，还用于显示目标文档展示界面，所述目标文档展示界面中包括所述待转档图像转档得到的所述目标文档，所述目标文档的排版方式与所述待转档图像的排版方式对应一致。在一个可选的实施例中，所述目标文档中第一目标区域中的内容类型与所述待转档图像中第二目标区域中的内容类型一致；所述第一目标区域在所述目标文档中的位置，与所述第二目标区域在所述待转档图像中的位置对应；其中，所述内容类型包括从文字类型、图片类型、表格类型以及公式类型组成的群组中选择的至少一种。另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述本文档来自技高网...

【技术保护点】
1.一种基于OCR的图像转档方法，其特征在于，所述方法包括：获取待转档图像，所述待转档图像为图像内容待转换为目标文档的图像；根据所述待转档图像的所述图像内容对所述待转档图像进行版面分割，得到n个图像版面，每个所述图像版面对应有内容类型，n为正整数；根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容；将所述n个图像版面对应的所述转档内容添加至电子文档，得到所述目标文档。

【技术特征摘要】
1.一种基于OCR的图像转档方法，其特征在于，所述方法包括：获取待转档图像，所述待转档图像为图像内容待转换为目标文档的图像；根据所述待转档图像的所述图像内容对所述待转档图像进行版面分割，得到n个图像版面，每个所述图像版面对应有内容类型，n为正整数；根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容；将所述n个图像版面对应的所述转档内容添加至电子文档，得到所述目标文档。2.根据权利要求1所述的方法，其特征在于，所述根据所述待转档图像的所述图像内容对所述待转档图像进行版面分割，得到n个图像版面，包括：通过编码器对所述待转档图像进行编码，得到编码数据；通过解码器对所述编码数据进行解码，得到掩膜图像；根据所述掩膜图像中的区域得到所述n个图像版面。3.根据权利要求2所述的方法，其特征在于，所述根据所述掩膜图像中的区域得到所述n个图像版面，包括：对所述掩膜图像中的区域进行校正处理，得到所述n个图像版面，所述校正处理包括从去噪处理、合并处理、相交位置切割处理组成的群组中选择的至少一种。4.根据权利要求3所述的方法，其特征在于，所述掩膜图像中还包括单栏分隔条；所述对所述掩膜图像中的区域进行校正处理，得到所述n个图像版面，包括：根据所述单栏分隔条对校正后的所述掩膜图像进行分隔，得到至少两个掩膜分隔图像；对所述至少两个掩膜分隔图像中每个掩膜分隔图像中的区域进行校正；生成校正后的所述掩膜分隔图像中的区域对应的矩形框，作为所述n个图像版面。5.根据权利要求1至4任一所述的方法，其特征在于，所述内容类型包括文字类型；所述根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容，包括：对所述图像版面中的所述图像内容进行文字识别，得到以文本行进行分段的文字识别结果；根据所述文本行的行向特征确定所述文本行的组段结果，所述组段结果用于表示对所述文字识别结果的分段方式；将所述文字识别结果根据所述组段结果进行重新分段，得到所述图像版面对应的文字转档结果。6.根据权利要求5所述的方法，其特征在于，所述根据所述文本行的行向特征确定所述文本行的组段结果，包括：根据所述文本行的所述行向特征生成直方图，所述行向特征包括行高和行间距中的至少一种；根据所述直方图中所述行向特征的分布情况设置所述行向特征对应的阈值；当所述文本行的所述行向特征达到所述阈值时，确定所述文本行为组段行，所述组段行用于表示所述文本行为段首或段尾。7.根据权利要求1至4任一所述的方法，其特征在于，所述内容类型包括表格类型；所述根据所述图像版面对应的所述内容类型，对所述图像版面中的图像内容进行对应的处理，得到所述图像版面对应的转档内容，包括：根据所述图像版面中的框线确定水平框线和垂直框线，并确定所述水平框线和所述垂直框线之间的交点，得到目标表格的单元格；对所述图像版面中的图像内容进行字符计算，得到字符坐标；根据所述字符坐标和所述单元格得到所述目标表格作为所述图像版面对应的表格转档结果。8.根据权利要求7所述的方法，其特征在于，所述根据所述图像版面中的框线确定水平框线和垂直框线，包括：通过将所述图像版面中的框线校正至水平方向或垂直方向得到所述水平框线和所述垂直框线。9.根据权利要求8所述的方法，其特征在于，所述对所述图像版面中的图像内容进行字符计算，得到字符坐标，包括：通过对所述将所述图像版面中的框线校正至所述水平方向或所述垂直方向，对所述图像版面进行校正；对校正后的所述图像版面中的图像内容进行字符计算，得到所述字符坐标。10.根据权利要求1至4任一所述的方法，其特征...

【专利技术属性】
技术研发人员：陈星耀，黄灿芦，胡文灿，陈贻东，林汉权，黄飞，柯戈扬，杨志权，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44