CN109522805A - 一种用于社区选举中表格型选票的表格处理方法 - Google Patents

一种用于社区选举中表格型选票的表格处理方法 Download PDF

Info

Publication number
CN109522805A
CN109522805A CN201811217450.0A CN201811217450A CN109522805A CN 109522805 A CN109522805 A CN 109522805A CN 201811217450 A CN201811217450 A CN 201811217450A CN 109522805 A CN109522805 A CN 109522805A
Authority
CN
China
Prior art keywords
ordinate
horizontal line
sequence
ballot paper
active sheet
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.)
Granted
Application number
CN201811217450.0A
Other languages
English (en)
Other versions
CN109522805B (zh
Inventor
边赟
李天易
吴渊
李腾飞
倪浩原
郑远航
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.)
Chengdu Zhongke Information Technology Co Ltd
Original Assignee
Chengdu Zhongke Information Technology Co Ltd
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 Chengdu Zhongke Information Technology Co Ltd filed Critical Chengdu Zhongke Information Technology Co Ltd
Priority to CN201811217450.0A priority Critical patent/CN109522805B/zh
Publication of CN109522805A publication Critical patent/CN109522805A/zh
Application granted granted Critical
Publication of CN109522805B publication Critical patent/CN109522805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于表格型选票识别技术领域，公开了一种用于社区选举中表格型选票的表格处理方法。本发明中首先获取表格型选票的原始图像，并对原始图像进行初处理及预处理后得到结果图像；接着进行表格投影，得到投影后的当前结果图像；接着进行提取操作，得到当前结果图像中所有的表格框线及每个表格框线的起始点及结束点；接着建立包含所有的表格横线及表格纵线的H序列中及V序列；接着得到当前结果图像中表格的基本结构数据；最后在结果图像上完成绘制、编号、裁剪及保存。本发明实现了表格型选票的自动分析、定位及标记，极大地简化了选票设计难度，识别准确度极高，无需人为操作，节省了人力物力，实用性高，适于推广使用。

Description

一种用于社区选举中表格型选票的表格处理方法
技术领域
本发明属于表格型选票识别技术领域，具体涉及一种用于社区选举中表格型选票的表格处理方法。
背景技术
基层选举在我国基层政权建设中起到极其重要的作用，现有的基层选举均采用选民填写表格后再统计每个被选举人票数的方法。
在统计每个被选举人票数时一般采用识别选票的方式实现，现有的选票识别方法中大多是借助设计选票时预设在选票上的辅助识别标记，来寻找被选民勾选的填涂框的位置，这种识别方法虽然能够达到识别选票的目的，但是存在以下缺陷：
a.在设计选票时，需要用CorelDraw等专门的软件设计，提高了设计成本和人力成本；
b.在基层的社区选举中，选民人数多使得选票数量多，而每张票候选人少，选票有明显的表格特征，即表格型选票，采用现有的识别方法不但会存在浪费人力物力的问题，且易出错，进而影响选举结果的准确性。
综上所述，目前亟需一种能够解决上述问题且能够应用于表格型选票的选票处理方法。
发明内容
为了解决现有技术存在的上述问题，本发明目的在于提供一种用于社区选举中表格型选票的表格处理方法。
本发明所采用的技术方案为：
一种用于社区选举中表格型选票的表格处理方法，包括以下步骤：
S1.获取表格型选票的原始图像，并对原始图像进行初处理，得到初始图像；
S2.对初始图像进行预处理，得到结果图像；
S3.对结果图像进行x方向及y方向的投影，获得投影后的当前结果图像；
S4.对投影后的当前结果图像进行提取操作，得到当前结果图像中所有的表格框线及每个表格框线的起始点及结束点；
S5.遍历所有的表格框线，得到所有的表格横线及表格纵线，然后将所有的表格横线按照其与顶部第一横线之间的距离进行标记并放入H序列中，将所有的表格纵线按照其与最左第一纵线之间的距离进行标记并放入V序列中；
S6.对H序列中的数据及V序列中的数据进行组合处理，得到当前结果图像中表格的基本结构数据；
S7.根据基本结构数据，在结果图像上绘制所有的矩形单元格，并对每个矩形单元格根据预设规则进行编号，然后将每个矩形单元格进行裁剪并根据编号分别保存。
作为优选，所述的步骤S1中，对原始图像进行初处理时，首先将原始图像存储为矩阵图像，然后将矩阵图像最外侧的5个像素点的黑边裁掉，最终得到初始图像。
作为优选，所述的步骤S2中，预处理包括对初始图像采用灰度处理、二值化处理、边缘检测处理、选票判断处理及方向调整处理。
作为优选，所述的步骤S6中，对H序列中的数据及V序列中的数据进行组合处理的步骤如下：
S601.将H序列中的顶部第一横线作为当前表格横线，记为hc1；
S602.遍历所有的表格框线，判断当前表格横线hc1是否为H序列中的最后一条表格横线；
S603.如步骤S602的判断结果为否，则将V序列中与最左第一纵线之间的距离最小且与当前表格横线hc1相交的表格纵线作为当前表格纵线，记为vc1，如步骤S602的判断结果为是，则终止遍历；
S604.遍历所有的表格框线，判断当前表格纵线vc1是否为V序列中的最后一条表格纵线；
S605.如步骤S604的判断结果为否，则将V序列中与当前表格纵线vc1之间的距离最小且与当前表格横线hc1相交的一条表格纵线作为当前表格纵线，记为vc2，如步骤S602的判断结果为是，则终止遍历；
S606.判断H序列中是否存在与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线；
S607.如步骤S606的判断结果为是，则将H序列中与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线作为当前表格横线，记为hc2，如步骤S606的判断结果为否，则终止遍历；
S608.将当前表格横线hc2记为hc1，重复步骤S602至S607，并将当前表格纵线vc2记为vc1，重复步骤S604至S607，直至步骤S603及S605中的判断结果均为是且步骤S607中的判断结果为否，则输出基本结构数据。
作为优选，相邻表格纵线之间的距离及相邻表格横线之间的距离均为1。
作为优选，所述的步骤S607中，如步骤S604的判断结果为否，则当前表格纵线vc2、表格纵线vc1、当前表格横线hc2及表格横线hc1组成一个矩形单元格。
作为优选，所述的步骤S7中，对每个矩形单元格进行编号的预设规则为将当前结果图像中所有矩形单元格按照从左到右、从上到下的顺序使用连续的自然数依次进行编号。
作为优选，所述的步骤S7中，将每个矩形单元格进行裁剪时，根据绘制的矩形单元格将结果图像进行裁剪。
作为优选，所述的步骤S7中，每个裁剪后的矩形单元格根据对应的编号数字保存为单独的图片文件。
作为优选，所述的步骤S7中，每个矩形单元格进行裁剪后保存为单独的图片文件。
本发明的有益效果为：
通过对表格型选票的原始图像进行操作、提取、重新绘制、编号及保存，实现了表格型选票的自动分析、定位及标记，无需用CorelDraw等专门的软件设计且无需添加辅助标记，使用word、excel等常用的办公软件即可完成选票的设计，极大地简化了选票设计难度；同时，经过本发明处理的表格型选票后续识别简单，识别准确度极高，无需人为操作；本发明节省了选票设计及选票识别耗费的人力物力，实用性高，适于推广使用。
附图说明
图1是本发明的流程框图。
图2是初始图像的示意图。
图3是结果图像的示意图。
图4是图片文件的示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
实施例1：
如图1所示，本实施例提供一种用于社区选举中表格型选票的表格处理方法，包括以下步骤：
S1.获取表格型选票的原始图像，并对原始图像进行初处理，得到初始图像；
本实施例中，如图2所示，对原始图像进行初处理时，首先将原始图像存储为矩阵图像，然后将矩阵图像最外侧的5个像素点的黑边裁掉，最终得到初始图像；其中，原始图像存储为矩阵图像，即用二维数组来存放原始图像数据，便于采用矩阵理论和矩阵算法对数字图像进行分析和处理，且符合二维原始图像的行列特性，同时也便于程序的寻址操作，使得计算机图像编程十分方便，具体的，二维数组的行对应原始图像的高，二维数组的列对应原始图像的宽，二维数组的元素对应原始图像的像素，二维数组元素的值就是像素的灰度值。
S2.对初始图像进行预处理，得到结果图像；
本实施例中，如图3所示，预处理包括对初始图像采用灰度处理、二值化处理、边缘检测处理、选票判断处理及方向调整处理；其中，对初始图像采用灰度处理、二值化处理时，先使用(19x1)的核进行先腐蚀、再膨胀得到横向线条图像，使用(1x19)的核进行先腐蚀再膨胀得到纵向线条图像，两张图像相加(求和操作)得到结果图像(即原图的表格框架)
S3.对结果图像进行x方向及y方向的投影，获得投影后的当前结果图像；
S4.对投影后的当前结果图像进行提取操作，得到当前结果图像中所有的表格框线及每个表格框线的起始点及结束点；
S5.遍历所有的表格框线，得到所有的表格横线及表格纵线，然后将所有的表格横线按照其与顶部第一横线之间的距离进行标记并放入H序列中，将所有的表格纵线按照其与最左第一纵线之间的距离进行标记并放入V序列中；
S6.对H序列中的数据及V序列中的数据进行组合处理，得到当前结果图像中表格的基本结构数据；
本实施例中，步骤S6中，对H序列中的数据及V序列中的数据进行组合处理的步骤如下：
S601.将H序列中的顶部第一横线作为当前表格横线，记为hc1；
S602.遍历所有的表格框线，判断当前表格横线hc1是否为H序列中的最后一条表格横线；
S603.如步骤S602的判断结果为否，则将V序列中与最左第一纵线之间的距离最小且与当前表格横线hc1相交的表格纵线作为当前表格纵线，记为vc1，如步骤S602的判断结果为是，则终止遍历；
S604.遍历所有的表格框线，判断当前表格纵线vc1是否为V序列中的最后一条表格纵线；
S605.如步骤S604的判断结果为否，则将V序列中与当前表格纵线vc1之间的距离最小且与当前表格横线hc1相交的一条表格纵线作为当前表格纵线，记为vc2，如步骤S602的判断结果为是，则终止遍历；
S606.判断H序列中是否存在与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线；
S607.如步骤S606的判断结果为是，则将H序列中与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线作为当前表格横线，记为hc2，如步骤S606的判断结果为否，则终止遍历；其中，当前表格纵线vc2、表格纵线vc1、当前表格横线hc2及表格横线hc1组成一个矩形单元格。
S608.将当前表格横线hc2记为hc1，重复步骤S602至S607，并将当前表格纵线vc2记为vc1，重复步骤S604至S607，直至步骤S603及S605中的判断结果均为是且步骤S607中的判断结果为否，则输出基本结构数据。
本实施例中，相邻表格纵线之间的距离及相邻表格横线之间的距离均为1。
S7.根据基本结构数据，在结果图像上绘制所有的矩形单元格，并对每个矩形单元格根据预设规则进行编号，然后将每个矩形单元格进行裁剪并根据编号分别保存。
本实施例中，对每个矩形单元格进行编号的预设规则为将当前结果图像中所有矩形单元格按照从左到右、从上到下的顺序使用连续的自然数依次进行编号。
本实施例中，将每个矩形单元格进行裁剪时，根据绘制的矩形单元格将结果图像进行裁剪；每个裁剪后的矩形单元格根据对应的编号数字保存为单独的图片文件；如图4所示，每个矩形单元格进行裁剪后保存为单独的图片文件，然后经过识别得到每个填涂框的填涂结果，分析、汇总后得到该张选票的最终结果。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种用于社区选举中表格型选票的表格处理方法，其特征在于：包括以下步骤：
S1.获取表格型选票的原始图像，并对原始图像进行初处理，得到初始图像；
S2.对初始图像进行预处理，得到结果图像；
S3.对结果图像进行x方向及y方向的投影，获得投影后的当前结果图像；
S4.对投影后的当前结果图像进行提取操作，得到当前结果图像中所有的表格框线及每个表格框线的起始点及结束点；
S5.遍历所有的表格框线，得到所有的表格横线及表格纵线，然后将所有的表格横线按照其与顶部第一横线之间的距离进行标记并放入H序列中，将所有的表格纵线按照其与最左第一纵线之间的距离进行标记并放入V序列中；
S6.对H序列中的数据及V序列中的数据进行组合处理，得到当前结果图像中表格的基本结构数据；
S7.根据基本结构数据，在结果图像上绘制所有的矩形单元格，并对每个矩形单元格根据预设规则进行编号，然后将每个矩形单元格进行裁剪并根据编号分别保存。
2.根据权利要求1所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S1中，对原始图像进行初处理时，首先将原始图像存储为矩阵图像，然后将矩阵图像最外侧的5个像素点的黑边裁掉，最终得到初始图像。
3.根据权利要求1所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S2中，预处理包括对初始图像采用灰度处理、二值化处理、边缘检测处理、选票判断处理及方向调整处理。
4.根据权利要求1所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S6中，对H序列中的数据及V序列中的数据进行组合处理的步骤如下：
S601.将H序列中的顶部第一横线作为当前表格横线，记为hc1；
S602.遍历所有的表格框线，判断当前表格横线hc1是否为H序列中的最后一条表格横线；
S603.如步骤S602的判断结果为否，则将V序列中与最左第一纵线之间的距离最小且与当前表格横线hc1相交的表格纵线作为当前表格纵线，记为vc1，如步骤S602的判断结果为是，则终止遍历；
S604.遍历所有的表格框线，判断当前表格纵线vc1是否为V序列中的最后一条表格纵线；
S605.如步骤S604的判断结果为否，则将V序列中与当前表格纵线vc1之间的距离最小且与当前表格横线hc1相交的一条表格纵线作为当前表格纵线，记为vc2，如步骤S602的判断结果为是，则终止遍历；
S606.判断H序列中是否存在与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线；
S607.如步骤S606的判断结果为是，则将H序列中与当前表格纵线vc2及表格纵线vc1均相交且与当前表格横线hc1之间的距离最小的一条表格横线作为当前表格横线，记为hc2，如步骤S606的判断结果为否，则终止遍历；
S608.将当前表格横线hc2记为hc1，重复步骤S602至S607，并将当前表格纵线vc2记为vc1，重复步骤S604至S607，直至步骤S603及S605中的判断结果均为是且步骤S607中的判断结果为否，则输出基本结构数据。
5.根据权利要求4所述的用于社区选举中表格型选票的表格处理方法，其特征在于：相邻表格纵线之间的距离及相邻表格横线之间的距离均为1。
6.根据权利要求4所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S607中，如步骤S604的判断结果为否，则当前表格纵线vc2、表格纵线vc1、当前表格横线hc2及表格横线hc1组成一个矩形单元格。
7.根据权利要求1至6任一所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S7中，对每个矩形单元格进行编号的预设规则为将当前结果图像中所有矩形单元格按照从左到右、从上到下的顺序使用连续的自然数依次进行编号。
8.根据权利要求7所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S7中，将每个矩形单元格进行裁剪时，根据绘制的矩形单元格将结果图像进行裁剪。
9.根据权利要求8所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S7中，每个裁剪后的矩形单元格根据对应的编号数字保存为单独的图片文件。
10.根据权利要求9所述的用于社区选举中表格型选票的表格处理方法，其特征在于：所述的步骤S7中，每个矩形单元格进行裁剪后保存为单独的图片文件。
CN201811217450.0A 2018-10-18 2018-10-18 一种用于社区选举中表格型选票的表格处理方法 Active CN109522805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811217450.0A CN109522805B (zh) 2018-10-18 2018-10-18 一种用于社区选举中表格型选票的表格处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811217450.0A CN109522805B (zh) 2018-10-18 2018-10-18 一种用于社区选举中表格型选票的表格处理方法

Publications (2)

Publication Number Publication Date
CN109522805A true CN109522805A (zh) 2019-03-26
CN109522805B CN109522805B (zh) 2020-12-08

Family

ID=65771016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811217450.0A Active CN109522805B (zh) 2018-10-18 2018-10-18 一种用于社区选举中表格型选票的表格处理方法

Country Status (1)

Country Link
CN (1) CN109522805B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544263A (zh) * 2019-08-19 2019-12-06 温州大学 一种简化的检测表图像中表格的方法
CN114299656A (zh) * 2020-09-23 2022-04-08 成都中科信息技术有限公司 一种投票方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101447017A (zh) * 2008-11-27 2009-06-03 浙江工业大学 一种基于版面分析的选票快速识别统计方法及系统
CN105045769A (zh) * 2015-06-01 2015-11-11 中国人民解放军装备学院 一种基于结构识别的Web表格信息抽取方法
CN105447522A (zh) * 2015-11-25 2016-03-30 成都数联铭品科技有限公司 一种复杂图像文字识别系统
US20160117551A1 (en) * 2013-06-14 2016-04-28 Lexmark International Technology Sa Methods for Automatic Structured Extraction of Data in OCR Documents Having Tabular Data
CN106293185A (zh) * 2015-06-05 2017-01-04 夏普株式会社 手写表识别方法和设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101447017A (zh) * 2008-11-27 2009-06-03 浙江工业大学 一种基于版面分析的选票快速识别统计方法及系统
US20160117551A1 (en) * 2013-06-14 2016-04-28 Lexmark International Technology Sa Methods for Automatic Structured Extraction of Data in OCR Documents Having Tabular Data
CN105045769A (zh) * 2015-06-01 2015-11-11 中国人民解放军装备学院 一种基于结构识别的Web表格信息抽取方法
CN106293185A (zh) * 2015-06-05 2017-01-04 夏普株式会社 手写表识别方法和设备
CN105447522A (zh) * 2015-11-25 2016-03-30 成都数联铭品科技有限公司 一种复杂图像文字识别系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何柳: "表单识别中的关键问题研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
邝振 等: "社区选举系统选票中的表格识别算法", 《计算机应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544263A (zh) * 2019-08-19 2019-12-06 温州大学 一种简化的检测表图像中表格的方法
CN114299656A (zh) * 2020-09-23 2022-04-08 成都中科信息技术有限公司 一种投票方法
CN114299656B (zh) * 2020-09-23 2023-08-01 成都中科信息技术有限公司 一种投票方法

Also Published As

Publication number Publication date
CN109522805B (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN105260738B (zh) 基于主动学习的高分辨率遥感影像变化检测方法及系统
CN100550038C (zh) 图片内容识别方法及识别系统
CN108804815A (zh) 一种基于深度学习辅助识别cad中墙体的方法和装置
CN104680531B (zh) 一种连通量统计信息提取方法及vlsi结构
WO2020155757A1 (zh) 柱状图数据转换控制方法、装置、计算机设备及存储介质
CN113436319B (zh) 城市室内三维语义模型的异形排列矩阵构建方法及其系统
CN109522805A (zh) 一种用于社区选举中表格型选票的表格处理方法
CN107122787A (zh) 一种基于特征融合的图像缩放质量评价方法
CN102194123A (zh) 表格模板定义方法和装置
CN206975668U (zh) 一种财务报销全票据智能审核系统
CN104361096B (zh) 一种基于特征富集区域集合的图像检索方法
CN103559476A (zh) 一种指纹匹配方法和装置
CN114092700B (zh) 基于目标检测和知识图谱的古文字识别方法
CN109886391A (zh) 一种基于空间正反对角卷积的神经网络压缩方法
CN109993202A (zh) 一种线稿型图形相似度判断方法、电子设备及存储介质
CN109726725A (zh) 一种基于大间隔类间互异性多核学习的油画作者识别方法
CN105574675A (zh) 基于规则库的建筑工程规划监督方法和系统
CN101520839A (zh) 基于第二代条带波变换的人体检测方法
CN111784801B (zh) 一种竣工单体建筑车位平面图自动化绘制方法及系统
CN111144160B (zh) 全自动化裁切材料方法、装置及计算机可读存储介质
CN115562979B (zh) 一种基于人工智能的自动生成测试报告的方法
CN103886333B (zh) 遥感图像的主动谱聚类方法
CN103186777A (zh) 基于非负矩阵分解的人体检测方法
CN106778925A (zh) 一种人脸识别的姿态超完备人脸自动注册方法及其装置
Xia et al. Building instance mapping from ALS point clouds aided by polygonal maps

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