一种高准确率的表格OCR识别方法及系统技术方案

本申请涉及一种上述高准确率的表格OCR识别方法及系统，包括获取待识别图片，并将所述待识别图片转换为待处理灰度图；对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；根据所述水平矩阵和所述垂直矩阵生成交点矩阵；获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；将所述识别后数据转换为JSON格式数据。本发明专利技术利用OpenCV库中的图像处理函数，结合OCR文字识别技术，对文档表格进行识别和处理，进一步实现提高表格OCR识别的准确率，提升OCR识别效率。识别效率。识别效率。

【技术实现步骤摘要】
一种高准确率的表格OCR识别方法及系统


[0001]本申请涉及计算机
，特别是涉及一种高准确率的表格OCR识别方法及系统。

技术介绍

[0002]随着信息化无纸化办公的普及，很多纸质化的文档需要录入系统，但是由于全球各地区发展不平衡，落后地区还是有大量的使用纸质文档，文档中有很多重要的数据需要提取出来录入信息化系统进行分析和存储，而目前文档中的表格识别仅仅是提取文字进行堆砌，放到文档中后则文不对题，完全无法阅读和使用，因此便衍生出了OCR识别技术。
[0003]目前，OCR识别技术的准确率是技术人员所倾向解决的问题，如申请号为CN201911184085.2的专利技术专利中，公开了一种OCR识别准确率的计算方法、装置、设备以及存储介质，通过获取OCR识别结果中的文字信息，将OCR识别结果中的文字信息与原始文本中的正确文字信息进行逐行匹配，根据匹配结果统计OCR识别结果中的文字信息中每行匹配失败的文字数量，根据正确文字信息的每行文字总数量与匹配失败的文字数量计算OCR识别结果中的文字信息中每行文字的OCR识别准确率；根据每行文字的OCR识别准确率计算所有行文字的OCR识别准确率。
[0004]虽然，上述技术方案提高了测试的效率，但是目前的OCR识别技术仍然存在准确率低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高表格OCR识别准确率的高准确率的表格OCR识别方法及系统。
[0006]本专利技术技术方案如下：
[0007]一种高准确率的表格OCR识别方法，所述方法包括：
[0008]步骤S100：获取待识别图片，并将所述待识别图片转换为待处理灰度图；
[0009]步骤S200：对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；
[0010]步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；
[0011]步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；
[0012]步骤S500：根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；
[0013]步骤S600：将所述识别后数据转换为JSON格式数据；或，将所述识别后数据按照与所述矩形小图片对应于所述待识别图片中的原始位置进行摆放。
[0014]具体而言，步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓，具体包括：
[0015]步骤S410：在所述交点矩阵中查找以获取矩形轮廓；
[0016]步骤S420：计算所有的所述矩形轮廓的轮廓面积，每个轮廓面积均包括面积大小和轮廓点数；
[0017]步骤S430：基于所述面积大小和所述轮廓点数，按照预设的第一筛选规则对所述矩形轮廓进行筛选，筛选后获取合法矩形轮廓。
[0018]具体而言，步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；具体包括：
[0019]步骤S310：对水平矩阵进行腐蚀和膨胀操作，生成去噪后水平矩阵；
[0020]步骤S320：对垂直矩阵进行腐蚀和膨胀操作，生成去噪后垂直矩阵；
[0021]步骤S330：根据所述去噪后水平矩阵和所述去噪后垂直矩阵生成交点矩阵。
[0022]具体而言，步骤S200：对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵，具体包括：
[0023]步骤S210：获取所述待处理灰度图的矩形结构，并对所述待处理灰度图做腐蚀操作，并获取腐蚀后灰度图；
[0024]步骤S220：对所述腐蚀后灰度图进行自适应阈值化操作；
[0025]步骤S230：克隆两个自适应阈值操作后的结构，一个作为水平矩阵，另一个作为垂直矩阵。
[0026]具体而言，步骤S100：获取待识别图片，并将所述待识别图片转换为待处理灰度图，具体包括：
[0027]步骤S110：加载待识别图片到内存中；
[0028]步骤S120：在内存中的待识别图片转换为待处理灰度图。
[0029]具体而言，一种高准确率的表格OCR识别系统，所述系统包括：
[0030]图片识别模块，用于获取待识别图片，并将所述待识别图片转换为待处理灰度图；
[0031]克隆处理模块，用于对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；
[0032]交点矩阵模块，用于根据所述水平矩阵和所述垂直矩阵生成交点矩阵；
[0033]矩形轮廓模块，用于获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；
[0034]合法矩形模块，用于根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；
[0035]数据识别模块，用于将所述识别后数据转换为JSON格式数据；或，将所述识别后数据按照与所述矩形小图片对应于所述待识别图片中的原始位置进行摆放。
[0036]具体而言，所述矩形轮廓模块还用于：在所述交点矩阵中查找以获取矩形轮廓；
[0037]计算所有的所述矩形轮廓的轮廓面积，每个轮廓面积均包括面积大小和轮廓点数；
[0038]基于所述面积大小和所述轮廓点数，按照预设的第一筛选规则对所述矩形轮廓进行筛选，筛选后获取合法矩形轮廓。
[0039]具体而言，所述系统还包括：
[0040]腐蚀去噪模块，用于对水平矩阵进行腐蚀和膨胀操作，生成去噪后水平矩阵；
[0041]膨胀操作模块，用于对垂直矩阵进行腐蚀和膨胀操作，生成去噪后垂直矩阵；
[0042]水平生成模块，用于根据所述去噪后水平矩阵和所述去噪后垂直矩阵生成交点矩阵。
[0043]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述高准确率的表格OCR识别方法所述的步骤。
[0044]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述高准确率的表格OCR识别方法所述的步骤。
[0045]本专利技术实现技术效果如下：
[0046]上述高准确率的表格OCR识别方法及系统，依次通过获取待识别图片，并将所述待识别图片转换为待处理灰度图；对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；根据所述水平矩阵和所述垂直矩阵生成交点矩阵；获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；将所述识别后数据转换为JSON格式数据；或，将所述识别后数据按照与所述矩形小图片对应于所述待识别图片中的原始位置进行摆放，进而利用OpenCV库中的图像处理函数，结合OC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高准确率的表格OCR识别方法，其特征在于，所述方法包括：步骤S100：获取待识别图片，并将所述待识别图片转换为待处理灰度图；步骤S200：对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵；步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓；步骤S500：根据所述合法矩形轮廓，从所述待识别图片中裁剪该合法矩形轮廓为多个矩形小图片，并对各所述矩形小图片进行OCR识别，识别后获取识别后数据；步骤S600：将所述识别后数据转换为JSON格式数据；或，将所述识别后数据按照与所述矩形小图片对应于所述待识别图片中的原始位置进行摆放。2.根据权利要求1所述的高准确率的表格OCR识别方法，其特征在于，步骤S400：获取所述交点矩阵中的矩形轮廓，并对所述矩形轮廓进行筛选，获取合法矩形轮廓，具体包括：步骤S410：在所述交点矩阵中查找以获取矩形轮廓；步骤S420：计算所有的所述矩形轮廓的轮廓面积，每个轮廓面积均包括面积大小和轮廓点数；步骤S430：基于所述面积大小和所述轮廓点数，按照预设的第一筛选规则对所述矩形轮廓进行筛选，筛选后获取合法矩形轮廓。3.根据权利要求1所述的高准确率的表格OCR识别方法，其特征在于，步骤S300：根据所述水平矩阵和所述垂直矩阵生成交点矩阵；具体包括：步骤S310：对水平矩阵进行腐蚀和膨胀操作，生成去噪后水平矩阵；步骤S320：对垂直矩阵进行腐蚀和膨胀操作，生成去噪后垂直矩阵；步骤S330：根据所述去噪后水平矩阵和所述去噪后垂直矩阵生成交点矩阵。4.根据权利要求1所述的高准确率的表格OCR识别方法，其特征在于，步骤S200：对所述待处理灰度图做去噪及克隆处理，并生成水平矩阵和垂直矩阵，具体包括：步骤S210：获取所述待处理灰度图的矩形结构，并对所述待处理灰度图做腐蚀操作，并获取腐蚀后灰度图；步骤S220：对所述腐蚀后灰度图进行自适应阈值化操作；步骤S230：克隆两个自适应阈值操作后的结构，一个作为水平矩阵，另一个作为垂直矩阵。5.根据权利要求1
‑...

【专利技术属性】
技术研发人员：张绍君，
申请(专利权)人：上海派拉软件股份有限公司，
类型：发明
国别省市：