CN109389595B - 一种表格线交点检测方法、电子设备及可读存储介质 - Google Patents

一种表格线交点检测方法、电子设备及可读存储介质 Download PDF

Info

Publication number
CN109389595B
CN109389595B CN201811183987.XA CN201811183987A CN109389595B CN 109389595 B CN109389595 B CN 109389595B CN 201811183987 A CN201811183987 A CN 201811183987A CN 109389595 B CN109389595 B CN 109389595B
Authority
CN
China
Prior art keywords
cross
point
corner
shaped
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811183987.XA
Other languages
English (en)
Other versions
CN109389595A (zh
Inventor
宋亚男
黄栩滨
徐荣华
何嘉俊
陈永康
殷李华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201811183987.XA priority Critical patent/CN109389595B/zh
Publication of CN109389595A publication Critical patent/CN109389595A/zh
Application granted granted Critical
Publication of CN109389595B publication Critical patent/CN109389595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，公开了一种表格线交点检测方法、电子设备及可读存储介质。所述方法包括：将待检测图像转换为二值图像；计算以二值图像的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量；根据灰度变化量计算目标像素点的角点响应值；若角点响应值大于给定阈值，则判定目标像素点为角点，记录其坐标。本发明采用改进的Harris检测算法，将计算灰度变化量时用到的正方形窗口函数替换为十字形窗口函数，更好地拟合表格直线交点特征，减小了误检率并且检测到的直线交点坐标更为精确；在同等规格的正方形窗口和十字形窗口函数中，计算灰度变化量时，十字形窗口函数的运算量为正方形窗口运算量的5/9，减少了运算时间。

Description

一种表格线交点检测方法、电子设备及可读存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于改进的Harris角点检测算法的表格线交点检测方法、电子设备及可读存储介质。
背景技术
表格是一种比较直观的数据组织和表达形式，在各类文档中被广泛应用。在日常生活中占有举足轻重的地位。随着互联网的蓬勃发展，大数据的研究，各种表格文档也同样需要进行信息数字化，表格文档识别技术应运而生。2000年左右，表格文档技术逐渐受到广泛关注。
表格文档识别是一种特殊的文档识别技术，而表格识别技术的一个重要步骤就是对表格结构进行提取。表格文档具有复杂的层次关系，其含有行列纵横的表格线、格式不定的表头信息和目标数据，结构紧凑而复杂。表格线对于图像采集过程中拍摄设备、拍摄环境和拍摄方式等变化带来的亮度、分辨率、倾斜度、透视程度方面的影响更加敏感。，从而影响了表格结构的提取。因此如何减少噪声干扰，提高表格结构提取算法稳定性和准确性已成为国内外学者们关注的热点。
表格结构提取需要对表格直线交点进行提取。现有技术中，主要存在两种方法。一是利用角点检测的方法对表格线交点进行检测，主要的方法有：Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法和SUSAN角点检测算法等方法。二是通过直线检测，获得直线交点位置，主要的方法有：侧向投影、轮廓投影、交点分析、霍夫变换等方法。
现有的技术中，应用角点检测算法检测表格直线交点时，易受表格文字符号等影响而出现较高的误检率，并且角点检测算法得到的角点为表格线边缘的交点而不是相交点的中点，存在一定的精度误差。通过直线检测得到直线交点的方法也存在鲁棒性不高的缺点，对图片要求较高，要求图片中的表格直线必须是严格意义上的直线。受拍照环境影响，图片中的表格线会有一定的畸变、断裂等，导致最终得到的交点坐标出现误差。
发明内容
本发明的目的在于提供一种基于改进的Harris角点检测算法的表格线交点检测方法、电子设备及可读存储介质，克服现有技术存在的误检率高、精度不高以及鲁棒性不高的缺陷。
为达此目的，本发明采用以下技术方案：
一种表格线交点检测方法，包括：将待检测图像转换为二值图像；
计算以所述二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量；
根据所述灰度变化量计算所述目标像素点的角点响应值；
若所述角点响应值大于给定阈值，则判定所述目标像素点为角点，记录所述角点的坐标。
可选的，所述计算以所述二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量，包括：
将以目标像素点(x,y)为中心的十字形窗口W，在X方向上移动第一距离u以及在Y方向上移动第二距离v，计算得到灰度变化量Ex,y，所述灰度变化量Ex,y的解析表达式为：
Figure BDA0001825722520000021
其中，wx,y是十字形窗口函数，定义为：
Figure BDA0001825722520000022
I是图像灰度函数；
Figure BDA0001825722520000023
是位移无穷小量。
可选的，所述根据所述灰度变化量计算目标像素点的角点响应值，包括：
省略所述灰度变化量Ex,y的解析表达式中的无穷小项有：
Ex,y＝∑wx,y[u2(Ix)2+v2(Iy)2+2uvIxIy]
＝Au2+Bv2+2Cuv
其中，
Figure BDA0001825722520000024
Figure BDA0001825722520000025
表示卷积；
将所述灰度变化量Ex,y化为二次型有：Ex,y＝[u,v]M[u,v]T，
其中，M为目标像素点的自相关矩阵：
Figure BDA0001825722520000026
定义角点响应函数CRF：CRF(x,y)＝det(M)-k(trace(M))2，其中，det(M)为自相关矩阵M的行列式，trace(M)为自相关矩阵M的迹，k为经验值；
按照所述角点响应函数CRF计算得到目标像素点的角点响应值。
可选的，所述k取0.04。
可选的，所述给定阈值定义为threshlod＝n*CRFmax，n∈(0,1)。
可选的，所述表格线交点检测方法还包括：对所述角点进行验证的步骤；
所述对所述角点进行验证的步骤包括：
将所述角点的坐标对应到所述二值图像的相应像素点上，从所述二值图像中获取以所述相应像素点为中心的且与十字形模板大小一致的十字形邻域；所述十字形模板由长为3n个像素点、宽为n个像素点的矩形与其以该矩形中心为旋转中心旋转90度后的矩形组合而成，且所述十字形模板上的所有像素点取值为255；
将所述十字形邻域上的像素值与所述十字形模板上对应位置的像素值进行匹配，根据匹配结果来判断所述角点是否符合表格直线角点的特征，若不符合则将所述角点判定为错误角点。
可选的，所述将所述十字形邻域上的像素值与十字形模板上对应位置的像素值进行匹配，包括：
将所述十字形模板划分为A、B、C、D、E五个正方形区域；
将所述十字形模板上的A、B、C、D、E五个正方形区域与所述十字形邻域上的对应区域分别进行匹配，匹配度表达式分别为：
Figure BDA0001825722520000031
Figure BDA0001825722520000032
Figure BDA0001825722520000033
Figure BDA0001825722520000034
Figure BDA0001825722520000035
其中PA、PB、PC、PD、PE分别为十字形模板上A、B、C、D、E五个正方形区域与原始直线交点坐标为中心的十字形邻域对应的区域的匹配度；wA(x,y)、wB(x,y)、wC(x,y)、wD(x,y)、wE(x,y)分别为A、B、C、D、E五个正方形区域的窗口函数；V1(x,y)为十字形模板上对应像素值，即255，V2(x,y)为十字形邻域上对应的像素值；n2为正方形面积。
可选的，所述根据匹配结果来判断所述角点是否符合表格直线角点的特征，包括：
判断所述十字形邻域上的像素值与所述十字形模板上对应位置的像素值的匹配结果是否属于预设的特征匹配情形之一，若属于则判定所述角点符合表格直线角点的特征；
所述预设的特征匹配情形包括：
第一种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第二种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第三种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE<80％；
第四种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第五种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第六种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第七种特征匹配情形：PA<80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第八种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE<80％；
第九种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE<80％。
一种电子设备，包括存储器，以及一个或者一个以上的程序；其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行如上任一所述的表格线交点检测方法。
一种可读存储介质，当所述可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如上任一所述的表格线交点检测方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例采用改进的Harris检测算法，将现有技术中计算灰度变化量时用到的正方形窗口函数替换为十字形窗口函数，可以更好地拟合表格直线交点特征，减小了误检率并且检测到的直线交点坐标更为精确；在同等规格的正方形窗口和十字形窗口函数中，计算灰度变化量时，十字形窗口函数的运算量为正方形窗口运算量的5/9，减少了运算时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的表格线交点检测方法流程图；
图2为本发明实施例一提供的十字形窗口示意图；
图3为本发明实施例二提供的表格线交点检测方法流程图；
图4为本发明实施例二提供的十字形模板的生成示意图；
图5为本发明实施例二提供的表格线相交部位主要存在的九种特征示意图；
图6为本发明实施例二提供的十字形邻域与十字形模板存在的九种特征匹配示意图；
图7为本发明实施例二提供的十字形模板的划分方式示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
图1为本实施例一提供的基于改进的Harris角点检测算法的表格线交点检测方法，包括：
步骤101、对待检测图像进行预处理，获得对应的二值图像。
本步骤中，预处理包括：对待检测图像进行灰度化获得灰度图像，再用二值化处理转化为二值图像，之后使用腐蚀膨胀的方法去除噪点，以获得比较干净的二值图像。
步骤102、计算以二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量。
进一步，该步骤包括：
十字形窗口如图2所示，将以目标像素点(x,y)为中心的十字形窗口W，在X方向上移动第一距离u以及在Y方向上移动第二距离v，计算得到灰度变化量Ex,y，所述灰度变化量Ex,y的解析表达式为：
Figure BDA0001825722520000061
其中，wx,y是十字形窗口函数，定义为：
Figure BDA0001825722520000062
I是图像灰度函数；
Figure BDA0001825722520000063
是位移无穷小量。
步骤103、根据灰度变化量计算目标像素点的角点响应值。
进一步，该步骤包括：
省略灰度变化量Ex,y的解析表达式中的无穷小项有：
Ex,y＝∑wx,y[u2(Ix)2+v2(Iy)2+2uvIxIy]
＝Au2+Bv2+2Cuv
其中，
Figure BDA0001825722520000064
Figure BDA0001825722520000065
表示卷积；
将所述灰度变化量Ex,y化为二次型有：Ex,y＝[u,v]M[u,v]T，
其中，M为目标像素点的自相关矩阵：
Figure BDA0001825722520000066
定义角点响应函数CRF：CRF(x,y)＝det(M)-k(trace(M))2，其中，det(M)为自相关矩阵M的行列式，trace(M)为自相关矩阵M的迹，k为经验值，一般取0.04；
按照角点响应函数CRF计算得到目标像素点的角点响应值。
步骤104、判断角点响应值是否大于给定阈值，若是，则判定目标像素点为角点，记录该角点的坐标。
其中，给定阈值可定义为threshlod＝n*CRFmax，n∈(0,1)。
综上，本实施例中，针对由待检测图像转换而来的二值图像，使用了改进的Harris角点算法对二值图像中的表格线交点进行检测，获得原始直线交点坐标。该改进的Harris检点算法将计算灰度变化量时用到的正方形窗口函数替换为十字形窗口函数，可以更好地拟合表格直线交点特征，减小了误检率并且检测到的直线交点坐标更为精确。另外，在同等规格的正方形窗口和十字形窗口函数中，计算灰度变化量时，十字形窗口函数的运算量为正方形窗口运算量的5/9，可大大减少运算时间。
实施例二
由于按照实施例一所提出的方法检测到的角点集合中可能存在一小部分误检测角点，需要进一步验证，因而本实施例二在检测出角点之后，增加了一验证步骤，通过一种十字形模板匹配的方法对角点进行筛选。
图3为本实施例二提供的基于改进的Harris角点检测算法的表格线交点检测方法，包括：
步骤301、对待检测图像进行预处理，获得对应的二值图像。
步骤302、计算以二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量。
步骤303、根据灰度变化量计算目标像素点的角点响应值。
步骤304、判断角点响应值是否大于给定阈值，若是，则判定目标像素点为角点，记录该角点的坐标。
步骤305、对所述角点进行验证：
将上述角点的坐标对应到二值图像的相应像素点上，从二值图像中获取以相应像素点为中心的且与十字形模板大小一致的十字形邻域；
将十字形邻域上的像素值与十字形模板上对应位置的像素值进行匹配，根据匹配结果来判断上述角点是否符合表格直线角点的特征，若不符合则将上述角点判定为错误角点。
其中，十字形模板如图4所示，设图像表格直线的宽为n个像素点，十字形模板由长为3n个像素点、宽为n个像素点的矩形与其以该矩形中心为旋转中心旋转90度后的矩形组合而成。
由于步骤301得到的二值图像中，表格的直线为白色，即像素值为255，边缘为黑色，即像素值为0，则本实施例中十字形模板上的所有像素点取值为255。当十字形邻域上的某一像素点为白色，该像素点与十字形模板对应位置的像素值之差为0；反之为黑色时，则该像素点与十字形模板对应位置的像素值之差为255。由于表格线相交部位主要存九种特征，如图5所示，则十字形邻域与十字形模板有九种不同的匹配情况，如6所示。
基于此，将十字形邻域上的像素值与十字形模板上对应位置的像素值进行匹配的方法，可以包括：
将十字形模板划分为A、B、C、D、E五个正方形区域，如图7所示；
将十字形模板上的A、B、C、D、E五个正方形区域与所述十字形邻域上的对应区域分别进行匹配，匹配度表达式分别为：
Figure BDA0001825722520000081
Figure BDA0001825722520000082
Figure BDA0001825722520000083
Figure BDA0001825722520000084
Figure BDA0001825722520000085
其中PA、PB、PC、PD、PE分别为十字形模板上A、B、C、D、E五个正方形区域与原始直线交点坐标为中心的十字形邻域对应的区域的匹配度；wA(x,y)、wB(x,y)、wC(x,y)、wD(x,y)、wE(x,y)分别为A、B、C、D、E五个正方形区域的窗口函数；V1(x,y)为十字形模板上对应像素值，即255，V2(x,y)为十字形邻域上对应的像素值；n2为正方形面积。
在获得匹配结果后，根据匹配结果来判断角点是否符合表格直线角点的特征的方法，可以包括：
判断十字形邻域上的像素值与十字形模板上对应位置的像素值的匹配结果是否属于预设的特征匹配情形之一，若属于则判定角点符合表格直线角点的特征；
预设的特征匹配情形包括：
第一种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第二种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第三种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE<80％；
第四种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第五种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第六种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第七种特征匹配情形：PA<80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第八种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE<80％；
第九种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE<80％。
在本实施例中，由于检测到的角点坐标与实际的直线交点坐标存在一定的误差，PA、PB、PC、PD、PE难以达到100％，故当匹配度达到80％时，则认为该正方形区域与十字形模板对应位置匹配。
至此，符合以上九种匹配情形之一的角点即视为符合表格直线交点的特征，则保留该角点的坐标，否则去除该错误坐标。最终，由十字形模板匹配后筛选得到的角点坐标即为表格直线交点坐标。
综上，本实施例通过十字形模板匹配的方法对检测到是表格直线交点坐标进行验证，进一步缩小了误检率，提高了算法的准确性。
在本发明的另一实施例中，还提供一种电子设备，包括存储器，以及一个或者一个以上的程序；其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行上述实施例所提供的任一表格线交点检测方法。
在本发明的另一实施例中，还提供一种可读存储介质，当所述可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行上述实施例所提供的任一表格线交点检测方法。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种表格线交点检测方法，其特征在于，所述表格线交点检测方法包括：将待检测图像转换为二值图像；
计算以所述二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量；
根据所述灰度变化量计算所述目标像素点的角点响应值；
若所述角点响应值大于给定阈值，则判定所述目标像素点为角点，记录所述角点的坐标；
所述表格线交点检测方法还包括：对所述角点进行验证的步骤；
所述对所述角点进行验证的步骤包括：
将所述角点的坐标对应到所述二值图像的相应像素点上，从所述二值图像中获取以所述相应像素点为中心的且与十字形模板大小一致的十字形邻域；所述十字形模板由长为3n个像素点、宽为n个像素点的矩形与其以该矩形中心为旋转中心旋转90度后的矩形组合而成，且所述十字形模板上的所有像素点取值为255；
将所述十字形邻域上的像素值与所述十字形模板上对应位置的像素值进行匹配，根据匹配结果来判断所述角点是否符合表格直线角点的特征，若不符合则将所述角点判定为错误角点。
2.根据权利要求1所述的表格线交点检测方法，其特征在于，所述计算以所述二值图像中的目标像素点为中心的十字形窗口沿任意方向移动后的灰度变化量，包括：
将以目标像素点(x,y)为中心的十字形窗口W，在X方向上移动第一距离u以及在Y方向上移动第二距离v，计算得到灰度变化量Ex,y，所述灰度变化量Ex,y的解析表达式为：
Figure FDA0003366786300000011
其中，wx,y是十字形窗口函数，定义为：
Figure FDA0003366786300000012
I是图像灰度函数；
Figure FDA0003366786300000013
是位移无穷小量。
3.根据权利要求2所述的表格线交点检测方法，其特征在于，所述根据所述灰度变化量计算所述目标像素点的角点响应值，包括：
省略所述灰度变化量Ex,y的解析表达式中的无穷小项有：
Ex,y＝∑wx,y[u2(Ix)2+v2(Iy)2+2uvIxIy]
＝Au2+Bv2+2Cuv
其中，
Figure FDA0003366786300000021
Figure FDA0003366786300000022
表示卷积；
将所述灰度变化量Ex,y化为二次型有：Ex,y＝[u,v]M[u,v]T，
其中，M为目标像素点的自相关矩阵：
Figure FDA0003366786300000023
定义角点响应函数CRF：CRF(x,y)＝det(M)-k(trace(M))2，其中，det(M)为自相关矩阵M的行列式，trace(M)为自相关矩阵M的迹，k为经验值；
按照所述角点响应函数CRF计算得到目标像素点的角点响应值。
4.根据权利要求3所述的表格线交点检测方法，其特征在于，所述k取0.04。
5.根据权利要求3所述的表格线交点检测方法，其特征在于，所述给定阈值定义为threshlod＝n*CRFmax，n∈(0,1)。
6.根据权利要求1所述的表格线交点检测方法，其特征在于，所述将所述十字形邻域上的像素值与十字形模板上对应位置的像素值进行匹配，包括：
将所述十字形模板划分为A、B、C、D、E五个正方形区域；
将所述十字形模板上的A、B、C、D、E五个正方形区域与所述十字形邻域上的对应区域分别进行匹配，匹配度表达式分别为：
Figure FDA0003366786300000024
Figure FDA0003366786300000025
Figure FDA0003366786300000026
Figure FDA0003366786300000027
Figure FDA0003366786300000028
其中PA、PB、PC、PD、PE分别为十字形模板上A、B、C、D、E五个正方形区域与原始直线交点坐标为中心的十字形邻域对应的区域的匹配度；wA(x,y)、wB(x,y)、wC(x,y)、wD(x,y)、wE(x,y)分别为A、B、C、D、E五个正方形区域的窗口函数；V1(x,y)为十字形模板上对应像素值，即255，V2(x,y)为十字形邻域上对应的像素值；n2为正方形面积。
7.根据权利要求6所述的表格线交点检测方法，其特征在于，所述根据匹配结果来判断所述角点是否符合表格直线角点的特征，包括：
判断所述十字形邻域上的像素值与所述十字形模板上对应位置的像素值的匹配结果是否属于预设的特征匹配情形之一，若属于则判定所述角点符合表格直线角点的特征；
所述预设的特征匹配情形包括：
第一种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第二种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD>＝80％，PE>＝80％；
第三种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD>＝80％，PE<80％；
第四种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第五种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第六种特征匹配情形：PA<80％，PB>＝80％，PC>＝80％，PD<80％，PE>＝80％；
第七种特征匹配情形：PA<80％，PB<80％，PC>＝80％，PD>＝80％，PE>＝80％；
第八种特征匹配情形：PA>＝80％，PB>＝80％，PC>＝80％，PD<80％，PE<80％；
第九种特征匹配情形：PA>＝80％，PB<80％，PC>＝80％，PD>＝80％，PE<80％。
8.一种电子设备，其特征在于，包括存储器，以及一个或者一个以上的程序；其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行如权利要求1至7中任一所述的表格线交点检测方法。
9.一种可读存储介质，其特征在于，当所述可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7中任一所述的表格线交点检测方法。
CN201811183987.XA 2018-10-11 2018-10-11 一种表格线交点检测方法、电子设备及可读存储介质 Active CN109389595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811183987.XA CN109389595B (zh) 2018-10-11 2018-10-11 一种表格线交点检测方法、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811183987.XA CN109389595B (zh) 2018-10-11 2018-10-11 一种表格线交点检测方法、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN109389595A CN109389595A (zh) 2019-02-26
CN109389595B true CN109389595B (zh) 2022-02-15

Family

ID=65427139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811183987.XA Active CN109389595B (zh) 2018-10-11 2018-10-11 一种表格线交点检测方法、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN109389595B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348397A (zh) * 2019-07-15 2019-10-18 山东旗帜信息有限公司 一种电子表格的分割方法及利用该分割方法的ocr识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1131233A (ja) * 1997-07-10 1999-02-02 Yamaha Corp 多角形描画方法及び装置
CN103034848A (zh) * 2012-12-19 2013-04-10 方正国际软件有限公司 一种表单类型的识别方法
CN103198476A (zh) * 2013-03-12 2013-07-10 西北工业大学 一种粗线型十字圆环标记的图像检测方法
CN104331887A (zh) * 2014-10-30 2015-02-04 安徽清新互联信息科技有限公司 一种基于区域边缘信息的车牌粗定位方法
CN104517276A (zh) * 2013-09-28 2015-04-15 沈阳新松机器人自动化股份有限公司 一种棋盘格角点检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4885789B2 (ja) * 2007-05-14 2012-02-29 富士通株式会社 画像処理方法、画像領域検出方法、画像処理プログラム、画像領域検出プログラム、画像処理装置、および、画像領域検出装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1131233A (ja) * 1997-07-10 1999-02-02 Yamaha Corp 多角形描画方法及び装置
CN103034848A (zh) * 2012-12-19 2013-04-10 方正国际软件有限公司 一种表单类型的识别方法
CN103198476A (zh) * 2013-03-12 2013-07-10 西北工业大学 一种粗线型十字圆环标记的图像检测方法
CN104517276A (zh) * 2013-09-28 2015-04-15 沈阳新松机器人自动化股份有限公司 一种棋盘格角点检测方法
CN104331887A (zh) * 2014-10-30 2015-02-04 安徽清新互联信息科技有限公司 一种基于区域边缘信息的车牌粗定位方法

Also Published As

Publication number Publication date
CN109389595A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN110210409B (zh) 表格单据中表格框线检测方法及系统
WO2022007431A1 (zh) 一种Micro QR二维码的定位方法
CN111931776B (zh) 一种基于深度学习的双指针仪表读数方法
WO2022057607A1 (zh) 识别对象边缘的方法、系统及计算机可读存储介质
CN111179243A (zh) 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统
CN110378310B (zh) 一种基于答案库的手写样本集的自动生成方法
US8019164B2 (en) Apparatus, method and program product for matching with a template
CN110020692B (zh) 一种基于印刷体模板的手写体分离与定位方法
CN110675376A (zh) 一种基于模板匹配的pcb缺陷检测方法
CN107679535A (zh) 一种基于模板匹配的指针式水表自动读数识别系统及方法
CN109948521B (zh) 图像纠偏方法和装置、设备及存储介质
CN111259878A (zh) 一种检测文本的方法和设备
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN111680689A (zh) 一种基于深度学习的目标检测方法、系统及存储介质
CN110569857A (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN116433701B (zh) 一种工件孔洞轮廓的提取方法、装置、设备及存储介质
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN112364834A (zh) 一种基于深度学习和图像处理的表格识别的还原方法
CN114723677A (zh) 图像缺陷检测方法、检测装置、检测设备及存储介质
CN110909772B (zh) 一种高精度实时多尺度表盘指针检测方法和系统
JP5958101B2 (ja) 画像処理方法及び画像処理装置
CN111652117A (zh) 一种对多文档图像分割的方法及介质
CN109389595B (zh) 一种表格线交点检测方法、电子设备及可读存储介质
CN113095316B (zh) 基于多级融合和角点偏移的图像旋转目标检测方法
CN116994269A (zh) 一种图像文档中印章相似度比对方法及对比系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant