CN112801084A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112801084A CN112801084A CN202110129765.5A CN202110129765A CN112801084A CN 112801084 A CN112801084 A CN 112801084A CN 202110129765 A CN202110129765 A CN 202110129765A CN 112801084 A CN112801084 A CN 112801084A
- Authority
- CN
- China
- Prior art keywords
- image
- text
- typeset
- contents
- content
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种图像处理方法、图像处理装置、电子设备和存储介质。该图像处理方法包括:获取待识别图像;对待识别图像进行识别,以得到多个区域框、与多个区域框一一对应的多个区域信息和多个待排版内容;基于待识别图像和多个区域信息,对多个待排版内容进行排版,以得到与待识别图像对应的排版文档。通过该图像处理方法可以得到待识别图像对应的电子文档,从而便于对待识别图像进行各种操作,例如存储、传输、管理、备份、打印等操作。
Description
技术领域
本公开的实施例涉及一种图像处理方法、图像处理装置、电子设备和非瞬时性计算机可读存储介质。
背景技术
用户可以通过对纸质文件进行拍照,以提取纸质文件中的相关信息并进行电子存档,以便于对纸质文件进行管理和存储。例如,在一些使用场景中,学生在学习过程中会使用大量的试卷、作业、练习册等,并且需要对这些试卷、作业、练习册进行整理和反复练习,高效、便捷地进行试卷管理、试卷存储、错题记录等可以显著提高学生的学习效率;例如,在另一些使用场景中,在移动网络的发展下学生经常会以网课方式学习并且通过网络交作业,因此需要获得背景清晰的作业文档以通过网络进行提交。
发明内容
本公开至少一实施例提供一种图像处理方法,包括:获取待识别图像;对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容;基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档。
例如,在本公开至少一实施例提供的图像处理方法中,对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,包括:通过物体检测模型对所述待识别图像进行识别,以得到所述多个区域框以及所述多个区域信息,其中,所述多个区域框包括多个第一文本框;通过文字识别模型对所述多个第一文本框进行识别,以得到所述多个第一文本框一一对应的多个文本内容;其中,所述多个待排版内容包括所述多个文本内容中的一个或多个。
例如,本公开至少一实施例提供的图像处理方法还包括:根据所述多个区域信息和所述多个文本内容,确定所述多个第一文本框一一对应的多个文本类别,其中,所述多个第一文本框中的任一第一文本框对应的区域信息包括所述任一第一文本框的文本类别。
例如,在本公开至少一实施例提供的图像处理方法中,所述多个区域框还包括至少一个图框,对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,还包括:提取所述至少一个图框分别对应的至少一个待排版图片,其中,所述多个待排版内容还包括所述至少一个待排版图片。
例如,在本公开至少一实施例提供的图像处理方法中,所述待识别图像为包含至少一个题目的图像,所述多个区域框还包括与所述至少一个题目一一对应的至少一个题目框,每个题目框在所述待识别图像中覆盖的区域内包括至少一个第一文本框,每个区域信息包括与所述每个区域信息对应的区域框在所述待识别图像中的位置信息,根据所述多个区域信息和所述多个文本内容,确定所述多个第一文本框一一对应的多个文本类别,包括:根据所述多个区域信息中的位置信息,确定所述至少一个题目框和所述多个第一文本框之间的对应关系;基于所述对应关系和所述多个文本内容,确定所述多个文本类别。
例如,在本公开至少一实施例提供的图像处理方法中,所述至少一个题目框包括第一题目框,在第一方向上,所述第一题目框具有第一边,所述多个第一文本框包括第一待处理框,所述多个文本类别包括大题名称,基于所述对应关系和所述多个文本内容,确定所述多个文本类别,包括:响应于所述对应关系指示所述第一待处理框位于所述待识别图像中由所述第一题目框所覆盖的区域内,且所述第一待处理框与所述第一边之间不具有任何区域框,确定所述第一待处理框的文本类别为所述大题名称;或者,响应于所述对应关系指示所述第一待处理框位于所述待识别图像中由所述第一题目框所覆盖的区域之外且所述第一待处理框与所述第一边之间不具有任何区域框,且确定所述第一待处理框对应的文本内容包含大题特征信息,确定所述第一待处理框的文本类别为所述大题名称。
例如,在本公开至少一实施例提供的图像处理方法中,所述多个第一文本框包括第二待处理框,所述多个文本类别包括标题,在第一方向上,所述第二待处理框具有第一边,所述待识别图像具有第一边缘,基于所述对应关系和所述多个文本内容,确定所述多个文本类别,包括:在所述对应关系指示所述第二待处理框不位于所述待识别图像中由所述至少一个题目框所覆盖的区域的情况下,响应于所述第二待处理框的第一边与所述待识别图像的第一边缘之间的距离小于预设距离且所述第二待处理框对应的文本内容包含标题特征信息,确定所述第二待处理框的文本类别为所述标题。
例如,在本公开至少一实施例提供的图像处理方法中,基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档,包括:基于所述多个区域信息和所述待识别图像,确定与所述多个待排版内容分别对应的多个排版信息;基于所述多个排版信息,对所述多个待排版内容进行排版,以得到所述排版文档。
例如,在本公开至少一实施例提供的图像处理方法中,基于所述多个区域信息和所述待识别图像,确定与所述多个待排版内容分别对应的多个排版信息,包括:通过分类模型对所述待识别图像进行分类处理,以确定所述待识别图像的图像类别;根据所述图像类别获取与所述图像类别对应的排版模板;根据所述排版模板和所述多个区域信息,确定所述多个排版信息。
例如,在本公开至少一实施例提供的图像处理方法中,根据所述排版模板和所述多个区域信息,确定所述多个排版信息,包括:对于所述多个待排版内容中的第i个待排版内容:响应于所述第i个待排版内容为文本内容,确定所述第i个待排版内容对应的区域框的区域信息,根据所述区域信息确定所述第i个待排版内容的文本类别;根据所述排版模板和所述第i个待排版内容的文本类别,确定所述第i个待排版内容对应的排版信息,其中,i为正整数,且小于等于所述多个待排版内容的总个数。
例如,在本公开至少一实施例提供的图像处理方法中,基于所述多个排版信息,对所述多个待排版内容进行排版,以得到所述排版文档,包括:对所述多个待排版内容进行处理,以得到多个显示内容;确定所述多个显示内容之间的位置关系;基于所述多个显示内容之间的位置关系和所述多个排版信息,对所述多个显示内容进行排版处理,以得到所述排版文档。
例如,在本公开至少一实施例提供的图像处理方法中,所述多个待排版内容包括至少一个第一待排版内容和至少一个第二待排版内容,所述至少一个题目框包括所述至少一个第一待排版内容,对所述多个待排版内容进行处理,以得到多个显示内容,包括:对所述至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容;对所述至少一个第二待排版内容和所述至少一个中间显示内容进行格式处理,以得到所述多个显示内容。
例如,在本公开至少一实施例提供的图像处理方法中,对所述至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容,包括:提取所述至少一个题目框对应的题号信息,以得到至少一个题号信息;确定所述至少一个题目框之间的位置关系;基于所述至少一个题目框之间的位置关系和所述至少一个题号信息,判断是否存在遗漏题号的情况,响应于存在遗漏题号的情况:提取遗漏的题号信息,确定所述遗漏的题号信息在所述待识别图像中对应的遗漏区域,基于所述遗漏区域补全所述遗漏的题号信息,以得到所述遗漏区域对应的遗漏显示内容,将所述遗漏显示内容和所述至少一个第一待排版内容作为所述至少一个中间显示内容,响应于不存在遗漏题号的情况:将所述至少一个第一待排版内容作为所述至少一个中间显示内容。
例如,在本公开至少一实施例提供的图像处理方法中,确定所述多个显示内容之间的位置关系,包括:根据所述多个区域信息中的位置信息,确定所述多个区域框在所述待识别图像中的位置;基于所述多个区域框在所述待识别图像中的位置,确定所述多个待排版内容之间的位置关系;根据所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系。
例如,在本公开至少一实施例提供的图像处理方法中,根据所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系,包括:根据所述多个区域框在所述待识别图像中的位置,确定所述待识别图像是否包括多个图像分区,响应于所述待识别图像包括多个图像分区,确定所述多个图像分区分别对应的多个待排版内容集合,并确定在所述待识别图像中所述多个图像分区之间的位置关系,基于所述多个图像分区之间的位置关系,确定所述多个待排版内容集合的位置关系;基于所述多个待排版内容集合之间的位置关系和所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系。
例如,在本公开至少一实施例提供的图像处理方法中,基于所述多个显示内容之间的位置关系和所述多个排版信息,对所述多个显示内容进行排版处理,以得到所述排版文档,包括:基于所述多个排版信息,对所述多个显示内容进行排版处理,以得到多个排版后显示内容;将所述多个排版后显示内容按照所述多个显示内容之间的位置关系依次排列,得到所述排版文档。
例如,在本公开至少一实施例提供的图像处理方法中,所述文本类别包括手写文本,响应于所述多个文本内容中的第一文本内容的文本类别为手写文本,且所述排版文档不包含所述第一文本内容,对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,还包括:将所述第一文本内容从所述多个文本内容中删除,以得到剩余的至少一个文本内容,其中,所述多个待排版内容包括所述剩余的至少一个文本内容而不包括所述第一文本内容。
本公开至少一实施例提供一种图像处理装置,包括:获取单元,配置为获取待识别图像;识别单元,配置为对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容;排版单元,配置为基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档。
本公开至少一实施例提供一种电子设备,包括:存储器,非瞬时性地存储有计算机可执行指令;处理器,配置为运行所述计算机可执行指令,其中,所述计算机可执行指令被所述处理器运行时实现根据本公开任一实施例所述的图像处理方法。
本公开至少一实施例提供一种非瞬时性计算机可读存储介质,其中,所述非瞬时性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现根据本公开任一实施例所述的图像处理方法。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本公开至少一实施例提供的一种图像处理方法的示意性流程图;
图2为本公开至少一实施例提供的一种待识别图像的示意图;
图3为本公开至少一实施例提供的带有区域框的待识别图像的示意图;
图4A为图1所示的图像处理方法中步骤S30的示例流程图;
图4B为图4A所示的图像处理方法中步骤S302的示例流程图;
图4C为本公开一实施例提供的包含文章段落的排版文档的示意图;
图4D为本公开一实施例提供的图2所示的待识别图像对应的排版文档的示意图;
图5为本公开至少一实施例提供的一种图像处理装置的示意性框图;
图6为本公开至少一实施例提供的一种电子设备的示意图;
图7为本公开至少一实施例提供的一种非瞬时性计算机可读存储介质的示意图。
具体实施方式
为了使得本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例的附图,对本公开实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于所描述的本公开的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。为了保持本公开实施例的以下说明清楚且简明,本公开省略了部分已知功能和已知部件的详细说明。
本公开至少一实施例提供一种图像处理方法、图像处理装置、电子设备和非瞬时性计算机可读存储介质,该图像处理方法包括:获取待识别图像;对待识别图像进行识别,以得到多个区域框、与多个区域框一一对应的多个区域信息和多个待排版内容;基于待识别图像和多个区域信息,对多个待排版内容进行排版,以得到与待识别图像对应的排版文档。
本公开至少一实施例提供的图像处理方法通过预先训练的模型对待识别图像进行处理,得到多个待排版内容及其类别信息,从而依据待排版内容的类别信息获取对应的排版格式以对待排版内容排版,最终得到排版文档。通过该图像处理方法可以得到待识别图像对应的电子文档,从而便于对待识别图像进行各种操作,例如存储、传输、管理、备份、打印等操作。
本公开实施例提供的图像处理方法可应用于本公开实施例提供的图像处理装置,该图像处理装置可被配置于电子设备上。该电子设备可以是个人计算机、移动终端等,该移动终端可以是手机、平板电脑等硬件设备。
下面结合附图对本公开的实施例进行详细说明,但是本公开并不限于这些具体的实施例。
图1为本公开至少一实施例提供的一种图像处理方法的示意性流程图。
如图1所示,本公开至少一实施例提供的图像处理方法包括步骤S10至步骤S30。
步骤S10:获取待识别图像。
步骤S20:对待识别图像进行识别,以得到多个区域框、与多个区域框一一对应的多个区域信息和多个待排版内容。
步骤S30:基于待识别图像和多个区域信息,对多个待排版内容进行排版,以得到与待识别图像对应的排版文档。
在本公开的一些实施例中,步骤S10中的待识别图像为包含题目的图像,例如,待识别图像为试卷、作业、练习册等的图像,试卷、作业、练习册等可以为纸质文件,从而通过本公开实施例提供的图像处理方法得到纸质试卷的电子文档,从而可以对试卷等进行存储、传输、管理、备份、打印等操作。试卷可以为各个学科的试卷,例如,语文、数学、外语(例如,英语等),类似地,练习册也可以为各个学科的练习册等。
例如,题目可以包括文本内容,例如,文本内容可以包括各种语言的文本,例如,中文(汉字和/或拼音)、英文、日文等,例如,文本内容还可以包括各种数字(中文数字、罗马数字、阿拉伯数字等)、符号(例如,大于符号、小于符号、百分号等)、图形(圆形、矩形等),例如,文本内容可以具有各种字体、各种颜色等。例如,文本内容可以包括印刷文本内容和手写文本内容,手写文本内容例如包括手写的单词和字母、手写的数字、手写的符号和图形等。
例如,题目还可以包括图片或表格等其他类型的信息。本公开对待识别图像中的题目所包括的内容不作具体限制。
例如,待识别图像可以为通过图像采集装置(例如,数码相机或手机等)拍摄的图像,待识别图像可以为灰度图像,也可以为彩色图像。需要说明的是,待识别图像是指以可视化方式呈现待处理物体(例如,试卷、作业、练习册等)的形式,例如待处理物体的图片等。又例如,待识别图像也可以通过扫描等方式得到。例如,待识别图像可以为图像采集装置直接采集到的图像,也可以是对采集得到的图像进行预处理之后获得的图像。
例如,排版文档可以为电子文档。
图2为本公开至少一实施例提供的一种待识别图像的示意图。如图2所示,该待识别图像为试卷图像,该待识别图像包含多个题目。例如,图2中示例的黑色方框所划分的多个区域为分别对应多个题目,例如,这里每个题目指代一个小题(图2中由阿拉伯数字引出,例如,“1.在括号里填合适的单位”等),多个题目构成一个大题(例如“一、填空题”、“二、选择题”等)。例如,如图2中标注的题目1所示,题目1可以包括文本,文本包括符号、文字、数字、手写文本等;例如,如图2中标注的题目2所示,题目2可以包括文本和表格;例如,如图2中标注的题目3所示,题目3可以包括文本和图片。通过对该试卷应用本公开至少一实施例提供的图像处理方法可以得到该试卷对应的排版文档。
需要说明的是,本公开中的待识别图像及待识别图像包含的题目不限于图2所示的情况,待识别图像也可以为练习册等,题目也可以指代其他题目形式,例如,待识别图像包括的每个题目也可以指代一个大题。
例如,可以采用预先训练好的物体检测模型确定待识别图像中的多个区域框及与多个区域框对应的区域信息,例如,区域信息可以包括区域框在待识别图像中的位置信息;之后,通过文字识别模型确定区域框中的文本框对应的文本内容,将文本内容作为待排版内容。又例如,可以采用预先训练好的模型直接获取待识别图像中的多个区域框、与多个区域框对应的区域信息以及区域框中的文本框对应的文本内容,将文本内容作为待排版内容,这里,预先训练好的模型可以完成前述物体检测模型和文字识别模型的功能。也就是说,对待识别图像进行识别的识别模型可以是多个模型,也可以是一个模型,本公开对此不作限制。
例如,步骤S20可以包括:通过物体检测模型对待识别图像进行识别,以得到多个区域框以及多个区域信息,其中,多个区域框包括多个第一文本框;通过文字识别模型对多个第一文本框进行识别,以得到多个第一文本框一一对应的多个文本内容。
例如,多个待排版内容包括多个文本内容中的一个或多个。
例如,步骤S20还可以包括:根据多个区域信息和多个文本内容,确定多个第一文本框一一对应的多个文本类别。
例如,多个第一文本框中的任一第一文本框对应的区域信息包括该任一第一文本框的文本类别。
例如,物体检测模型可以为预先训练好的神经网络的分类模型,例如,Faster R-CNN(Faster Region-Convolutional Neural Networks)、R-FCN(Region-based FullyConvolutional Network)等模型。例如,基于预先训练好的物体检测模型可以将待识别图像中的文本、图片等区域识别出来,并为不同的区域框标注不同的分类,例如,区域框可以包括文本框、图框、题目框等,例如,题目框可以由至少一个文本框和/或至少一个图框组成,例如,题目框可以为图2中“题目1”所对应的框,也即一个题目对应一个题目框;例如,在一些实施例中,区域框还可以包括学生信息框、标题框等,由于学生信息、标题等通常具有特定的格式、文字特征,因此也可以通过训练物体检测模型,以使得物体检测模型能够直接对待识别图像进行处理得到标题框和学生信息框。
需要说明的是,标题框和学生信息框也可以均属于文本框,也就是说,物体检测模型可以不对学生信息、标题等对应的区域框进行分类,而直接将学生信息、标题等对应的区域框归类为文本框。
例如,当多个区域框还包括至少一个图框时,步骤S20还可以包括:提取至少一个图框分别对应的至少一个待排版图片。此时,多个待排版内容还包括至少一个待排版图片。
例如,在一些实施例中,待识别图像中包含复杂的数学形式或数学公式,例如数学运算中的竖式等,可以将数学形式或数学公式作为图框,以图片的形式将数学形式或数学公式作为排版文档的一部分,从而简化排版文档的生成。例如,对于竖式,也可以获取竖式中每行的文本内容,按照竖式中文本内容之间的位置关系和竖式对应的模板对其进行排版,以生成排版后的竖式,该排版后的竖式作为排版文档的一部分。
例如,在一些实施例中,通过物体检测模型识别得到的图框中可能会出现文本框,也即图框中的一些文本内容也会有相应的文本框,在通过文字识别模型获取文本内容前,需要去除这部分文本框,将图框和图框内的文本内容视为一个整体的图框。
例如,多个区域框还包括至少一个第二文本框,至少一个第二文本框位于至少一个图框所在区域内,至少一个图框中的任一图框包括图片,提取至少一个图框分别对应的至少一个待排版图片,包括:响应于待识别图像中由任一图框所覆盖的区域包括待识别图像中由至少一个第二文本框中的N个第二文本框所覆盖的区域,将N个第二文本框对应的文本内容与任一图框中的图片整体作为任一图框对应的待排版图片,其中,N为正整数。
例如,当多个区域框还包括学生信息框时,步骤S20还可以包括:通过文字识别模型对学生信息框进行识别,以得到学生信息,其中,多个待排版内容还包括学生信息。
例如,当多个区域框还包括标题框时,步骤S20还可以包括:通过文字识别模型对标题框进行识别,以得到标题信息,其中,多个待排版内容还包括标题信息。
例如,一些待识别图像中可能在页眉和页脚处具有特殊的信息需要在排版文档中显示,通过物体检测模型得到的多个区域框还可以包括页眉框和页脚框,步骤S20还可以包括:通过文字识别模型对页眉框和页脚框中进行识别,以得到页眉信息和页脚信息,其中,多个待排版内容还包括页眉信息和页脚信息。之后在步骤S30中,基于预先设定的页眉和页脚的格式对页眉信息和页脚信息进行排版,生成带有页眉信息和页脚信息的排版文档。
需要说明的是,学生信息、标题信息、页眉信息和页脚信息等的表现形式均可以为文本。
例如,待识别图像中可能存在表格,表格可以根据表格识别模型识别为表格框,并转换为电子表格。例如,多个区域框还包括至少一个表格框,每个表格框对应的区域信息包括表格信息,步骤S20还可以包括:通过表格识别模型对待识别图像进行识别,得到至少一个表格框;基于至少一个表格框和与至少一个表格框对应的表格信息,生成与至少一个表格框对应的至少一个表格内容,其中,多个待排版内容还包括至少一个表格内容。
例如,在一些实施例中,待识别图像中的一个表格对应一个表格框,一个表格框可以包括多个文本框,每个文本框对应该表格中的文本内容,表格信息包括表格框与该表格框所包括的多个文本框之间的位置关系,例如,基于表格的行数和列数生成一个表格,并将文本框中的文本内容填入生成的表格中的相应位置,以生成一个表格内容。需要说明的是,也可以采用其他表格识别及生成方式生成表格内容,本公开对此不作限制。
例如,文字识别模型可以包括基于神经网络的字符识别模型,例如OCR(OpticalCharacter Recognition,光学字符识别)模型等,文字识别模型可以识别文本框的文本内容,例如,文字识别模型可以将识别的文本框的文本内容作为待排版内容,例如这里的文本内容可以包括印刷类型的文本内容和手写类型的文本内容,也即通过文字识别模型可以不作区分的输出印刷类型的文本内容和手写类型的文本内容作为待排版内容。
例如,在一些实施例中,文字识别模型还可以识别文本内容的类型,例如为印刷类型或手写类型。当文本内容的类型为手写类型时,为其设置与印刷类型的文本内容所不同的特定排版格式,例如设置手写类型的文本内容的字体为手写字体等,以生成排版文档。
例如,在一些实施例中,文本类别包括手写文本,当文本内容的类型为手写类型时,该文本框的文本类别为手写文本,例如,响应于多个文本内容中的第一文本内容的文本类别为手写文本,且排版文档不包含第一文本内容,步骤S20还可以包括:将第一文本内容从多个文本内容中删除,以得到剩余的至少一个文本内容,其中,多个待排版内容包括剩余的至少一个文本内容而不包括第一文本内容。
需要说明的是,“印刷类型的文本内容”不仅仅指代通过输入装置在电子设备上输入的文字、字符、图形等内容,印刷类型的文本内容也可以为印刷得到的用户手写的内容。
也就是说,对带有手写内容的试卷、练习册等的待识别图像应用本公开所提供的图像处理方法,可以生成去除手写内容的试卷、练习册等的文档,从而可以方便地对试卷、练习册等进行重复练习。需要说明的是,本公开也可以根据实际需要识别文本类别为手写文本的文本,并将其作为待排版内容的一部分生成排版文档,本公开对此不作限制。
为获得较好的显示效果,需要对不同的文本设置不同的排版格式,例如字体、字号、加粗、斜体、缩进等,可以将文本框进行进一步细分,确定不同文本框的不同文本类别,从而根据该文本类别对应的格式对文本内容进行排版,得到排版效果较好的排版文档。
例如,待识别图像为包含至少一个题目的图像,多个区域框还包括与至少一个题目一一对应的至少一个题目框,每个题目框在待识别图像中覆盖的区域内包括至少一个第一文本框,每个区域信息包括与每个区域信息对应的区域框在待识别图像中的位置信息,根据多个区域信息和多个文本内容,确定多个第一文本框一一对应的多个文本类别,可以包括:根据多个区域信息中的位置信息,确定至少一个题目框和多个第一文本框之间的对应关系;基于对应关系和多个文本内容,确定多个文本类别。
例如,多个文本类别包括大题名称,这里“大题名称”指代如图2中所示的“选择题”、“填空题”等类别性题目分类名称,由于需要对其进行特殊格式处理(例如字体加大、加粗显示等),所以需要从多个文本框中识别出该类文本框。
例如,至少一个题目框包括第一题目框,在第一方向上,第一题目框具有第一边,多个第一文本框包括第一待处理框,基于对应关系和多个文本内容,确定多个文本类别,可以包括:响应于对应关系指示第一待处理框位于待识别图像中由第一题目框所覆盖的区域内,且第一待处理框与第一边之间不具有任何区域框,确定第一待处理框的文本类别为大题名称;或者,响应于对应关系指示第一待处理框位于待识别图像中由第一题目框所覆盖的区域之外且第一待处理框与第一边之间不具有任何区域框,且确定第一待处理框对应的文本内容包含大题特征信息,确定第一待处理框的文本类别为大题名称。
需要说明的是,“第一待处理框位于待识别图像中由第一题目框所覆盖的区域内”表示在待识别图像上,第一待处理框所覆盖的区域位于第一题目框所覆盖的区域内。在图2所示的示例中,第一方向可以为竖直方向。
例如,当第一待处理框位于待识别图像中由第一题目框所覆盖的区域内时,由于大题名称通常位于第一行,则第一边可以为第一题目框中的上侧边;例如,当第一待处理框位于待识别图像中由第一题目框所覆盖的区域之外时,由于大题名称通常与题目框的上侧边相邻,则第一边可以为第一题目框中的上侧边。例如,大题特征信息表示文本内容包括中文大写数字,例如,文本内容包括“一”、“二”、“三”等内容。
例如,多个文本类别还包括标题,这里“标题”指代如图2中所示的位于试卷头部的文本:“第一单元综合测试卷”,由于需要对其进行特殊格式处理(例如字号较大、加粗显示等),所以需要从多个文本框中识别出该类文本框。
例如,多个第一文本框包括第二待处理框,在第一方向上,第二待处理框具有第一边,待识别图像具有第一边缘,基于对应关系和多个文本内容,确定多个文本类别,包括:在对应关系指示第二待处理框不位于待识别图像中由至少一个题目框所覆盖的区域的情况下,响应于第二待处理框的第一边与待识别图像的第一边缘之间的距离小于预设距离且第二待处理框对应的文本内容包含标题特征信息,确定第二待处理框的文本类别为标题。
由于标题通常位于试卷头部且靠近试卷上侧边,则第一边缘可以为待识别图像的上侧边,第一边可以为第二待处理框的上侧边,从而可以根据第二待处理框在待识别图像中的位置及其对应的文本内容,确定第二待处理框的文本类别是否为标题。
图3为本公开至少一实施例提供的带有区域框的待识别图像的示意图。如图3所示,图3中的多个方框为通过步骤S20对待识别图像进行识别所得到的多个区域框,例如,多个区域框包括图框和文本框,例如,待识别图像中位于最上方的文本框为文本类别为标题的文本框;例如,每个题目框对应一个大题,例如,题目框1对应第一个大题(如图3中的“一、列竖式计算”),题目框2对应第五个大题(如图3中的“五、…”);例如,位于题目框内第一行的文本框为文本类别为大题名称的文本框(如图3中第二个大题所示);例如,文本内容的类型为手写类型的文本框为文本类别为手写文本的文本框(如图3中文本框“答:小聪家离学校近”)。
需要说明的是,图3所示的区域框仅为区域框的一种示例,在对物体检测模型进行不同的训练时,可以生成不同形式的区域框,例如,文本框可以包含多行文本内容等,本公开对此不作限制。
例如,在获取待排版内容后,可以根据不同待排版内容所对应的不同排版格式对待排版内容进行格式调整,以生成排版文档。
图4A为图1所示的图像处理方法中步骤S30的示例流程图。如图4A所示,图像处理方法中的步骤S30可以具体包括步骤S301-S302。
在步骤S301,基于多个区域信息和待识别图像,确定与多个待排版内容分别对应的多个排版信息。
例如,步骤S301可以包括:通过分类模型对待识别图像进行分类处理,以确定待识别图像的图像类别;根据图像类别获取与图像类别对应的排版模板;根据排版模板和所述多个区域信息,确定多个排版信息。
例如,由于不同学科的文本特点不同,因而可以采用分类模型将待识别图像按照学科进行划分,例如语文、数学、英语等,以获取该学科类别所对应的排版模板。当然,也可以根据需要采用其他的分类方式,本公开对此不作限制。
例如,排版模板可以规定每行字数、字体大小、字体类别、字间距、行间距、段间距等信息,例如,中文的字体类别采用宋体,英文和数字的字体类别采用“Times New Roman”,标题的字号较大(例如,三号等)且加黑、加粗,大题名称的字号较大(例如,小三号等)且加黑、加粗等。
例如,在步骤S301中,根据排版模板和多个区域信息,确定多个排版信息,可以包括:对于多个待排版内容中的第i个待排版内容:响应于第i个待排版内容为文本内容,确定第i个待排版内容对应的区域框的区域信息,根据区域信息确定第i个待排版内容的文本类别;根据排版模板和第i个待排版内容的文本类别,确定第i个待排版内容对应的排版信息,其中,i为正整数,且小于等于多个待排版内容的总个数。
排版信息规定了待排版内容的排版格式,例如,待排版内容的文本类别为大题名称,则其排版信息可以包括每行字数、字间距等通用排版格式,还可以包括字号、字体加黑加粗等针对大题名称所特殊设置的排版格式。
通过获取预先设定的排版模板得到排版信息,以对待排版内容进行排版,减少了排版的复杂性,可以获得排版更加优良的排版文档。
在步骤S302,基于多个排版信息,对多个待排版内容进行排版,以得到排版文档。
例如,图4B为图4A所示的图像处理方法中步骤S302的示例流程图。如图4B所示,图像处理方法中的步骤S302可以具体包括步骤S3021-S3023。
在步骤S3021,对多个待排版内容进行处理,以得到多个显示内容。
在步骤S3022,确定多个显示内容之间的位置关系。
在步骤S3023,基于多个显示内容之间的位置关系和多个排版信息,对多个显示内容进行排版处理,以得到排版文档。
例如,多个待排版内容包括至少一个第一待排版内容和至少一个第二待排版内容,至少一个题目框包括至少一个第一待排版内容,步骤S3021可以包括:对至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容;对至少一个第二待排版内容和至少一个中间显示内容进行格式处理,以得到多个显示内容。
例如,这里第一待排版内容指题目框所包含的待排版内容,第二待排版内容指除题目框所包含的待排版内容外的其他待排版内容,例如标题、学生信息等。
例如,为避免因待识别图像不完整等原因造成遗漏题目,可以对题目框所包含第一待排版内容进行题号检测处理,确定是否存在遗漏题号,找回遗漏的题目,从而获得完整的排版文档。这里题号可以指代大题名称中的题号,例如大写数字“一”、“二”、“三”等,也可以指代每个小题的题号,例如“1”、“2”、“3”等。
例如,对至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容,可以包括:提取至少一个题目框对应的题号信息,以得到至少一个题号信息;确定至少一个题目框之间的位置关系;基于至少一个题目框之间的位置关系和至少一个题号信息,判断是否存在遗漏题号的情况,响应于存在遗漏题号的情况:提取遗漏的题号信息,确定遗漏的题号信息在待识别图像中对应的遗漏区域,基于遗漏区域补全遗漏的题号信息,以得到遗漏区域对应的遗漏显示内容,将遗漏显示内容和至少一个第一待排版内容作为至少一个中间显示内容,响应于不存在遗漏题号的情况:将至少一个第一待排版内容作为至少一个中间显示内容。
例如,基于至少一个题目框之间的位置关系和至少一个题号信息,判断是否存在遗漏题号的情况,可以包括:基于至少一个题目框之间的位置关系,对至少一个题号信息排序,以得到题号信息序列;响应于题号信息序列中的任意两个相邻的题号信息连续,确定不存在遗漏题号的情况,响应于题号信息序列中的至少两个相邻的题号信息存在不连续的情况,确定存在遗漏题号的情况。
例如,基于遗漏区域补全遗漏的题号信息,以得到遗漏区域对应的遗漏显示内容,可以包括:响应于遗漏区域存在题目框,为题目框补全遗漏的题号信息,以得到遗漏区域对应的遗漏显示内容,其中,遗漏区域对应的遗漏显示内容包括遗漏的题号信息和题目框中的文本内容;响应于遗漏区域不存在题目框,对遗漏区域进行识别,以得到遗漏区域对应的遗漏显示内容,其中,遗漏区域对应的遗漏显示内容包括遗漏区域中的文本内容和遗漏的题号信息。
例如,在一些实施例中,识别的题号信息序列中存在跳号,例如,识别的题号序列为“1、3、4、5…”,则判断题号为“2”的题目遗失,即遗漏的题号信息为“2”,从而确定题号为“1”的题目框和题号为“3”的题目框之间的区域为遗漏区域;之后,检测遗漏区域是否存在题目框,若存在题目框,可以通过遗漏区域中未归入题目框的文本框补全题号信息,或直接基于得到的遗漏的题号信息为题目框补全题号信息;若不存在题目框,可以再次执行步骤S20对遗漏区域进行识别,以得到遗漏区域对应的遗漏显示内容。
在对至少一个第一待排版内容进行题号检测处理后,可以对所得到的至少一个第二待排版内容和至少一个中间显示内容(以下,至少一个第二待排版内容和至少一个中间显示内容统称为待处理内容)进行格式处理,以得到多个显示内容。
例如,由于排版文档中的格式与待识别图像中的排版可能不同,例如,每行字数不同等,而题目中可能包含多行文字,因而需要对同一题目中的不同文本行中的文本内容进行追加、分段,也即是,格式处理可以包括对待处理内容进行文本分段处理,以得到多个显示内容,例如,将属于同一段落的待排版内容划分为一个显示内容,也即一个显示内容可以对应一个段落。每个段落包括至少一行文本内容。
例如,若题目框中的两个文本框上下相邻,且两个文本框中的文字个数均至少大于预设字数阈值,则判断两个文本框中的文本内容属于同一段落。
例如,由于题目中的题干内容通常为一句话,所以如果一个文本框中的文本内容以句号、问号等符号结束,且在水平方向上该符号之后不存在其他文本内容,可以判断一个段落结束。
例如,可以根据文本内容的长度判断是否需要分段。例如,如果连续的三行文本内容中,第一行文本内容和第三行文本内容都比较长,而第二行文本内容比较短,且在第二行文本内容和第三行文本内容之间没有图片,则判断段落在第二行文本内容处结束,第三行文本内容属于一个新的段落。
例如,可以根据题型特征进行分段。例如,对于选择题,如果文本内容为选项且选项与上侧相邻文本框和下侧相邻文本框位于不同行,则判断选项属于一个新的独立段落。
例如,对于包含多个问题的题目,如果文本内容中出现小题题号,且小题题号不位于上侧相邻文本框中文本内容的水平右侧,则判断包含小题题号的文本内容属于一个新的段落。
需要说明的是,在本公开上面的描述中,以待识别图像中的文本按照横排从上向下的方式进行排版为例进行说明,然而本公开不限于此,若待识别图像中的文本按照竖排从右向左的方式进行排版时,此时上述的“上侧”可以为“右侧”,上述“下侧”可以为“左侧”,上述“水平右侧”可以为“竖直上侧”。
例如,由于文章段落通常存在第一行文本内容缩进N个字符的情况,可以根据待处理内容中的第一行文本内容是否存在缩进N个字符的情况识别出文章段落,以按照文章格式进行排版。例如,格式处理可以包括将存在第一行文本内容缩进N个字符的待处理内容进行文本分段处理,并将第一行文本内容按照预设的缩进格式排版,以得到多个显示内容,这里,N为正整数且大于1。需要说明的是,若文章段落包括多个段落,文章段落中的每一段落的第一行文本内容均按照该预设的缩进格式进行排版。
图4C为本公开至少一实施例提供的包含文章段落的排版文档示意图。如图4C所示,大题名称加粗、加黑显示;大题名称下的第一行(图4C所示的题干1)因为并未缩进两个字符以上,按照题干的排版信息进行排版;英文段落的第一行文本内容缩进了两个字符以上,判断该英文段落为文章段落,因此将英文段落作为一个显示内容并按照预设的缩进格式进行排版;英文段落后的文本内容(图4C所示的题干2)中出现小题题号,且小题题号不位于前一文本行的水平右侧,则判断每个包含小题题号的文本内容属于一个段落,将该包含小题题号的文本内容作为一个显示内容,按照题干的排版信息进行排版。
例如,由于文字识别模型中可能对分数、上标记和下标记等特殊格式采用特殊的表示方式,所以格式处理还可以包括对包含特殊格式的待处理内容进行格式转换,以得到该包含特殊格式的待处理内容对应的显示内容。例如,文字识别模型无法将分数直观的表示出来,例如文字识别模型将“”表示为“~1~2~”,从而需要对其进行格式处理,以将“~1~2~”转换为“”,并作为显示内容显示于排版文档中。
例如,对于分数、上标记和下标记等特殊格式也可以采用专用格式表示,例如采用LaTex表示方法表示数学符号,从而文字识别模型可以直接输出显示内容显示于排版文档中,而不需要进行格式处理。
例如,步骤S3022可以包括:根据多个区域信息中的位置信息,确定多个区域框在待识别图像中的位置;基于多个区域框在待识别图像中的位置,确定多个待排版内容之间的位置关系;根据多个待排版内容之间的位置关系,确定多个显示内容之间的位置关系。
例如,如图2所示,待识别图像中可能出现分栏或分页的情况,每栏或每页称为一个图像分区,例如,试卷通常是一面两页或三页,也即形成了两个或三个图像分区。具有分栏或分页情况的待识别图像需要进行格式处理,以将同一栏或同一页的题目归于排版文档的同一页中,例如,可以基于区域框对应的区域信息中的位置信息完成。
例如,根据多个待排版内容之间的位置关系,确定多个显示内容之间的位置关系,可以包括:根据多个区域框在待识别图像中的位置,确定待识别图像是否包括多个图像分区,响应于待识别图像包括多个图像分区,确定多个图像分区分别对应的多个待排版内容集合,并确定在待识别图像中多个图像分区之间的位置关系,基于多个图像分区之间的位置关系,确定多个待排版内容集合的位置关系;基于多个待排版内容集合之间的位置关系和多个待排版内容之间的位置关系,确定多个显示内容之间的位置关系。
例如,确定待识别图像是否包括多个图像分区时,可以根据多个区域框在待识别图像中的位置(例如,在待识别图像中的坐标)来确定。例如,如图2所示,当待识别图像的内容明显分为两列排列时,题目框的左上角坐标的横坐标值会产生很大间隔,因而可以根据这个特征判断是否存在多个图像分区,并将左上角坐标的横坐标值的差值满足预设阈值的题目框作为一个待排版内容集合,将一个待排版内容集合中的显示内容排列在排版文档中的同一页。
例如,步骤S3023可以包括:基于多个排版信息,对多个显示内容进行排版处理,以得到多个排版后显示内容;将多个排版后显示内容按照多个显示内容之间的位置关系依次排列,得到排版文档。
在获得多个显示内容后,基于排版信息对多个显示内容进行排版处理,包括:按照排版信息规定的排版格式,例如字体、字号、行间距、段间距、字间距等,对多个显示内容进行排版处理,以得到多个排版后显示内容;之后,按照多个显示内容之间的位置关系依次排列多个排版后显示内容,从而得到排版文档。
图4D为本公开一实施例提供的图2所示的待识别图像对应的排版文档的示意图。
如图4D所示,图2所示的待识别图像对应的排版文档的示意图包括三页,分别为页面(1)、页面(2)和页面(3),其中,页面(1)和页面(2)中显示图2所示的待识别图像中左侧图像分区的内容,页面(3)显示图2所示的待识别图像中右侧图像分区的内容。
如图4D所示,不同的文本类别具有不同的格式,标题、大题名称、题干等不同文本内容分别采用不同的格式显示,例如,标题对应的格式为居中、中文字体为“宋体”、英文字体为“Times New Roman”、字体大小为三号且加粗;大题名称对应的格式为左对齐、中文字体为“宋体”、英文字体为“Times New Roman”、字体大小为四号且加粗;题干对应的格式为左对齐、中文字体为“宋体”、英文字体为“Times New Roman”、字体大小为小四号。
如图4D所示,表格、图片均以图片的形式显示于排版文档中(第三个大题的表格未示出),对于表格,也可以应用前述的表格识别模型等方式生成电子表格,这里不再赘述。
此外,可以看到在排版文档中已删除图2中的手写内容,图4D所示的排版文档为对图2所示的待识别对象对应的空白的排版文档,也就是说,用户可以根据需要生成不带有手写内容的试卷的排版文档,从而可以重复练习、备份等。
本公开所提供的图像处理方法可以对待识别图像进行处理,得到待识别图像对应的排版文档,并且针对包含题目的待识别图像(例如通过拍照或扫描等方式获取的试卷、练习册等的图像)所特有的特点进行优化,对于这类待识别图像的识别精度更高,这类待识别图像对应的排版文档的还原度更高,提供了一种高效、便捷地进行试卷管理、试卷存储、错题记录的方法。
本公开至少一实施例还提供一种图像处理装置,图5为本公开至少一实施例提供的一种图像处理装置的示意性框图。
如图5所示,图像处理装置500可以包括:获取单元501、识别单元502和排版单元503。
例如,这些模块可以通过硬件(例如电路)模块、软件模块或二者的任意组合等实现,以下实施例与此相同,不再赘述。例如,可以通过中央处理单元(CPU)、图像处理器(GPU)、张量处理器(TPU)、现场可编程逻辑门阵列(FPGA)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元以及相应计算机指令来实现这些单元。
例如,获取单元501被配置为获取待识别图像。
例如,识别单元502被配置为对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容。
例如,排版单元503被配置为基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档。
例如,获取单元501、识别单元502和排版单元503可以包括存储在存储器中的代码和程序;处理器可以执行该代码和程序以实现如上所述的获取单元501、识别单元502和排版单元503的一些功能或全部功能。例如,获取单元501、识别单元502和排版单元503可以是专用硬件器件,用来实现如上所述的获取单元501、识别单元502和排版单元503的一些或全部功能。例如,获取单元501、识别单元502和排版单元503可以是一个电路板或多个电路板的组合,用于实现如上所述的功能。在本申请实施例中,该一个电路板或多个电路板的组合可以包括:(1)一个或多个处理器;(2)与处理器相连接的一个或多个非暂时的存储器;以及(3)处理器可执行的存储在存储器中的固件。
需要说明的是,获取单元501可以用于实现图1所示的步骤S10,识别单元502可以用于实现图1所示的步骤S20,排版单元503可以用于实现图1所示的步骤S30。从而关于获取单元501、识别单元502和排版单元503能够实现的功能的具体说明可以参考上述图像处理方法的实施例中的步骤S10至步骤S30的相关描述,重复之处不再赘述。此外,图像处理装置500可以实现与前述图像处理方法相似的技术效果,在此不再赘述。
需要注意的是,在本公开的实施例中,该图像处理装置500可以包括更多或更少的电路或单元,并且各个电路或单元之间的连接关系不受限制,可以根据实际需求而定。各个电路或单元的具体构成方式不受限制,可以根据电路原理由模拟器件构成,也可以由数字芯片构成,或者以其他适用的方式构成。
本公开至少一实施例还提供一种电子设备,图6为本公开至少一实施例提供的一种电子设备的示意图。
例如,如图6所示,电子设备包括处理器601、通信接口602、存储器603和通信总线604。处理器601、通信接口602、存储器603通过通信总线604实现相互通信,处理器601、通信接口602、存储器603等组件之间也可以通过网络连接进行通信。本公开对网络的类型和功能在此不作限制。应当注意,图6所示的电子设备的组件只是示例性的,而非限制性的,根据实际应用需要,该电子设备还可以具有其他组件。
例如,存储器603用于非瞬时性地存储计算机可读指令。处理器601用于执行计算机可读指令时,实现根据上述任一实施例所述的图像处理方法。关于该图像处理方法的各个步骤的具体实现以及相关解释内容可以参见上述图像处理方法的实施例,在此不作赘述。
例如,处理器601执行存储器603上所存放的计算机可读指令而实现的图像处理方法的其他实现方式,与前述方法实施例部分所提及的实现方式相同,这里也不再赘述。
例如,通信总线604可以是外设部件互连标准(PCI)总线或扩展工业标准结构(EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
例如,通信接口602用于实现电子设备与其他设备之间的通信。
例如,处理器601和存储器603可以设置在服务器端(或云端)。
例如,处理器601可以控制电子设备中的其它组件以执行期望的功能。处理器601可以是中央处理器(CPU)、网络处理器(NP)、张量处理器(TPU)或者图形处理器(GPU)等具有数据处理能力和/或程序执行能力的器件;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。中央处理器(CPU)可以为X86或ARM架构等。
例如,存储器603可以包括一个或多个计算机程序产品的任意组合,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机可读指令,处理器601可以运行所述计算机可读指令,以实现电子设备的各种功能。在存储介质中还可以存储各种应用程序和各种数据等。
例如,在一些实施例中,电子设备还可以包括图像获取部件。图像获取部件用于获取图像。存储器603还用于存储获取的图像。
例如,图像获取部件可以是智能手机的摄像头、平板电脑的摄像头、个人计算机的摄像头、数码照相机的镜头、或者甚至可以是网络摄像头。
例如,获取的待识别图像可以是图像获取部件直接采集到的原始图像,也可以是对原始图像进行预处理之后获得的图像。预处理可以消除原始图像中的无关信息或噪声信息,以便于更好地对获取的图像进行处理。预处理例如可以包括对原始图像进行图像扩充(Data Augment)、图像缩放、伽玛(Gamma)校正、图像增强或降噪滤波等处理。
例如,关于电子设备执行图像处理的过程的详细说明可以参考图像处理方法的实施例中的相关描述,重复之处不再赘述。
图7为本公开至少一实施例提供的一种非瞬时性计算机可读存储介质的示意图。例如,如图7所示,存储介质700可以为非瞬时性计算机可读存储介质,在存储介质700上可以非暂时性地存储一个或多个计算机可读指令701。例如,当计算机可读指令701由处理器执行时可以执行根据上文所述的图像处理方法中的一个或多个步骤。
例如,该存储介质700可以应用于上述电子设备中,例如,该存储介质700可以包括电子设备中的存储器。
例如,存储介质可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、闪存、或者上述存储介质的任意组合,也可以为其他适用的存储介质。
例如,关于存储介质700的说明可以参考电子设备的实施例中对于存储器的描述,重复之处不再赘述。
对于本公开,还有以下几点需要说明:
(1)本公开实施例附图只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计。
(2)为了清晰起见,在用于描述本发明的实施例的附图中,层或结构的厚度和尺寸被放大。可以理解,当诸如层、膜、区域或基板之类的元件被称作位于另一元件“上”或“下”时,该元件可以“直接”位于另一元件“上”或“下”,或者可以存在中间元件。
(3)在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合以得到新的实施例。
以上所述仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (20)
1.一种图像处理方法,包括:
获取待识别图像;
对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容;
基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档。
2.根据权利要求1所述的方法,其中,对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,包括:
通过物体检测模型对所述待识别图像进行识别,以得到所述多个区域框以及所述多个区域信息,其中,所述多个区域框包括多个第一文本框;
通过文字识别模型对所述多个第一文本框进行识别,以得到所述多个第一文本框一一对应的多个文本内容;
其中,所述多个待排版内容包括所述多个文本内容中的一个或多个。
3.根据权利要求2所述的方法,还包括:
根据所述多个区域信息和所述多个文本内容,确定所述多个第一文本框一一对应的多个文本类别,
其中,所述多个第一文本框中的任一第一文本框对应的区域信息包括所述任一第一文本框的文本类别。
4.根据权利要求2所述的方法,其中,所述多个区域框还包括至少一个图框,
对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,还包括:
提取所述至少一个图框分别对应的至少一个待排版图片,
其中,所述多个待排版内容还包括所述至少一个待排版图片。
5.根据权利要求3所述的方法,其中,所述待识别图像为包含至少一个题目的图像,所述多个区域框还包括与所述至少一个题目一一对应的至少一个题目框,
每个题目框在所述待识别图像中覆盖的区域内包括至少一个第一文本框,每个区域信息包括与所述每个区域信息对应的区域框在所述待识别图像中的位置信息,
根据所述多个区域信息和所述多个文本内容,确定所述多个第一文本框一一对应的多个文本类别,包括:
根据所述多个区域信息中的位置信息,确定所述至少一个题目框和所述多个第一文本框之间的对应关系;
基于所述对应关系和所述多个文本内容,确定所述多个文本类别。
6.根据权利要求5所述的方法,其中,所述至少一个题目框包括第一题目框,在第一方向上,所述第一题目框具有第一边,
所述多个第一文本框包括第一待处理框,所述多个文本类别包括大题名称,
基于所述对应关系和所述多个文本内容,确定所述多个文本类别,包括:
响应于所述对应关系指示所述第一待处理框位于所述待识别图像中由所述第一题目框所覆盖的区域内,且所述第一待处理框与所述第一边之间不具有任何区域框,确定所述第一待处理框的文本类别为所述大题名称;或者,
响应于所述对应关系指示所述第一待处理框位于所述待识别图像中由所述第一题目框所覆盖的区域之外且所述第一待处理框与所述第一边之间不具有任何区域框,且确定所述第一待处理框对应的文本内容包含大题特征信息,确定所述第一待处理框的文本类别为所述大题名称。
7.根据权利要求5所述的方法,其中,所述多个第一文本框包括第二待处理框,所述多个文本类别包括标题,
在第一方向上,所述第二待处理框具有第一边,所述待识别图像具有第一边缘,
基于所述对应关系和所述多个文本内容,确定所述多个文本类别,包括:
在所述对应关系指示所述第二待处理框不位于所述待识别图像中由所述至少一个题目框所覆盖的区域的情况下,响应于所述第二待处理框的第一边与所述待识别图像的第一边缘之间的距离小于预设距离且所述第二待处理框对应的文本内容包含标题特征信息,确定所述第二待处理框的文本类别为所述标题。
8.根据权利要求5所述的方法,其中,基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档,包括:
基于所述多个区域信息和所述待识别图像,确定与所述多个待排版内容分别对应的多个排版信息;
基于所述多个排版信息,对所述多个待排版内容进行排版,以得到所述排版文档。
9.根据权利要求8所述的方法,其中,基于所述多个区域信息和所述待识别图像,确定与所述多个待排版内容分别对应的多个排版信息,包括:
通过分类模型对所述待识别图像进行分类处理,以确定所述待识别图像的图像类别;
根据所述图像类别获取与所述图像类别对应的排版模板;
根据所述排版模板和所述多个区域信息,确定所述多个排版信息。
10.根据权利要求9所述的方法,其中,根据所述排版模板和所述多个区域信息,确定所述多个排版信息,包括:
对于所述多个待排版内容中的第i个待排版内容:
响应于所述第i个待排版内容为文本内容,确定所述第i个待排版内容对应的区域框的区域信息,根据所述区域信息确定所述第i个待排版内容的文本类别;
根据所述排版模板和所述第i个待排版内容的文本类别,确定所述第i个待排版内容对应的排版信息,
其中,i为正整数,且小于等于所述多个待排版内容的总个数。
11.根据权利要求8所述的方法,其中,基于所述多个排版信息,对所述多个待排版内容进行排版,以得到所述排版文档,包括:
对所述多个待排版内容进行处理,以得到多个显示内容;
确定所述多个显示内容之间的位置关系;
基于所述多个显示内容之间的位置关系和所述多个排版信息,对所述多个显示内容进行排版处理,以得到所述排版文档。
12.根据权利要求11所述的方法,其中,所述多个待排版内容包括至少一个第一待排版内容和至少一个第二待排版内容,所述至少一个题目框包括所述至少一个第一待排版内容,
对所述多个待排版内容进行处理,以得到多个显示内容,包括:
对所述至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容;
对所述至少一个第二待排版内容和所述至少一个中间显示内容进行格式处理,以得到所述多个显示内容。
13.根据权利要求12所述的方法,其中,对所述至少一个第一待排版内容进行题号检测处理,以得到至少一个中间显示内容,包括:
提取所述至少一个题目框对应的题号信息,以得到至少一个题号信息;
确定所述至少一个题目框之间的位置关系;
基于所述至少一个题目框之间的位置关系和所述至少一个题号信息,判断是否存在遗漏题号的情况,
响应于存在遗漏题号的情况:
提取遗漏的题号信息,确定所述遗漏的题号信息在所述待识别图像中对应的遗漏区域,基于所述遗漏区域补全所述遗漏的题号信息,以得到所述遗漏区域对应的遗漏显示内容,
将所述遗漏显示内容和所述至少一个第一待排版内容作为所述至少一个中间显示内容,
响应于不存在遗漏题号的情况:
将所述至少一个第一待排版内容作为所述至少一个中间显示内容。
14.根据权利要求11所述的方法,其中,确定所述多个显示内容之间的位置关系,包括:
根据所述多个区域信息中的位置信息,确定所述多个区域框在所述待识别图像中的位置;
基于所述多个区域框在所述待识别图像中的位置,确定所述多个待排版内容之间的位置关系;
根据所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系。
15.根据权利要求14所述的方法,其中,根据所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系,包括:
根据所述多个区域框在所述待识别图像中的位置,确定所述待识别图像是否包括多个图像分区,
响应于所述待识别图像包括多个图像分区,确定所述多个图像分区分别对应的多个待排版内容集合,并确定在所述待识别图像中所述多个图像分区之间的位置关系,
基于所述多个图像分区之间的位置关系,确定所述多个待排版内容集合的位置关系;
基于所述多个待排版内容集合之间的位置关系和所述多个待排版内容之间的位置关系,确定所述多个显示内容之间的位置关系。
16.根据权利要求11所述的方法,其中,基于所述多个显示内容之间的位置关系和所述多个排版信息,对所述多个显示内容进行排版处理,以得到所述排版文档,包括:
基于所述多个排版信息,对所述多个显示内容进行排版处理,以得到多个排版后显示内容;
将所述多个排版后显示内容按照所述多个显示内容之间的位置关系依次排列,得到所述排版文档。
17.根据权利要求3所述的方法,其中,所述文本类别包括手写文本,
响应于所述多个文本内容中的第一文本内容的文本类别为手写文本,且所述排版文档不包含所述第一文本内容,
对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容,还包括:
将所述第一文本内容从所述多个文本内容中删除,以得到剩余的至少一个文本内容,其中,所述多个待排版内容包括所述剩余的至少一个文本内容而不包括所述第一文本内容。
18.一种图像处理装置,包括:
获取单元,配置为获取待识别图像;
识别单元,配置为对所述待识别图像进行识别,以得到多个区域框、与所述多个区域框一一对应的多个区域信息和多个待排版内容;
排版单元,配置为基于所述待识别图像和所述多个区域信息,对所述多个待排版内容进行排版,以得到与所述待识别图像对应的排版文档。
19.一种电子设备,包括:
存储器,非瞬时性地存储有计算机可执行指令;
处理器,配置为运行所述计算机可执行指令,
其中,所述计算机可执行指令被所述处理器运行时实现根据权利要求1-17任一项所述的图像处理方法。
20.一种非瞬时性计算机可读存储介质,其中,所述非瞬时性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现根据权利要求1-17中任一项所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129765.5A CN112801084A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法及装置、电子设备和存储介质 |
PCT/CN2022/073310 WO2022161293A1 (zh) | 2021-01-29 | 2022-01-21 | 图像处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129765.5A CN112801084A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801084A true CN112801084A (zh) | 2021-05-14 |
Family
ID=75813027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110129765.5A Pending CN112801084A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112801084A (zh) |
WO (1) | WO2022161293A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114458979A (zh) * | 2022-02-10 | 2022-05-10 | 珠海读书郎软件科技有限公司 | 一种用于辅助分页识别的智能台灯、识别方法及其存储介质 |
WO2022161293A1 (zh) * | 2021-01-29 | 2022-08-04 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN115690806A (zh) * | 2022-10-11 | 2023-02-03 | 杭州瑞成信息技术股份有限公司 | 一种基于图像数据处理的非结构化文档格式识别方法 |
CN115828883A (zh) * | 2022-12-07 | 2023-03-21 | 广州文石信息科技有限公司 | 文档内容重排版的方法、装置、电子显示设备以及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008944A (zh) * | 2019-02-20 | 2019-07-12 | 平安科技(深圳)有限公司 | 基于模板匹配的ocr识别方法及装置、存储介质 |
CN110414529A (zh) * | 2019-06-26 | 2019-11-05 | 深圳中兴网信科技有限公司 | 试卷信息提取方法、系统及计算机可读存储介质 |
WO2020177584A1 (zh) * | 2019-03-01 | 2020-09-10 | 华为技术有限公司 | 一种图文排版方法及其相关装置 |
CN111931731A (zh) * | 2020-09-24 | 2020-11-13 | 北京易真学思教育科技有限公司 | 判题方法、装置、电子设备及存储介质 |
CN111950557A (zh) * | 2020-08-21 | 2020-11-17 | 珠海奔图电子有限公司 | 错题处理方法、图像形成装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801084A (zh) * | 2021-01-29 | 2021-05-14 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2021
- 2021-01-29 CN CN202110129765.5A patent/CN112801084A/zh active Pending
-
2022
- 2022-01-21 WO PCT/CN2022/073310 patent/WO2022161293A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008944A (zh) * | 2019-02-20 | 2019-07-12 | 平安科技(深圳)有限公司 | 基于模板匹配的ocr识别方法及装置、存储介质 |
WO2020177584A1 (zh) * | 2019-03-01 | 2020-09-10 | 华为技术有限公司 | 一种图文排版方法及其相关装置 |
CN110414529A (zh) * | 2019-06-26 | 2019-11-05 | 深圳中兴网信科技有限公司 | 试卷信息提取方法、系统及计算机可读存储介质 |
CN111950557A (zh) * | 2020-08-21 | 2020-11-17 | 珠海奔图电子有限公司 | 错题处理方法、图像形成装置及电子设备 |
CN111931731A (zh) * | 2020-09-24 | 2020-11-13 | 北京易真学思教育科技有限公司 | 判题方法、装置、电子设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022161293A1 (zh) * | 2021-01-29 | 2022-08-04 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN114458979A (zh) * | 2022-02-10 | 2022-05-10 | 珠海读书郎软件科技有限公司 | 一种用于辅助分页识别的智能台灯、识别方法及其存储介质 |
CN115690806A (zh) * | 2022-10-11 | 2023-02-03 | 杭州瑞成信息技术股份有限公司 | 一种基于图像数据处理的非结构化文档格式识别方法 |
CN115828883A (zh) * | 2022-12-07 | 2023-03-21 | 广州文石信息科技有限公司 | 文档内容重排版的方法、装置、电子显示设备以及介质 |
CN115828883B (zh) * | 2022-12-07 | 2024-05-28 | 广州文石信息科技有限公司 | 文档内容重排版的方法、装置、电子显示设备以及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022161293A1 (zh) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846553B2 (en) | Recognizing typewritten and handwritten characters using end-to-end deep learning | |
CN112801084A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109710590B (zh) | 一种错题本生成方法及装置 | |
CN109634961B (zh) | 一种试卷样本生成方法、装置、电子设备和存储介质 | |
CN111340037B (zh) | 文本版面分析方法、装置、计算机设备和存储介质 | |
US20230222631A1 (en) | Method and device for removing handwritten content from text image, and storage medium | |
KR20180048774A (ko) | 디지털 노트 필기의 시스템 및 방법 | |
CN112101367A (zh) | 文本识别方法、图像识别分类方法、文档识别处理方法 | |
WO2022166833A1 (zh) | 图像处理方法和装置、电子设备和存储介质 | |
CN111507330A (zh) | 习题识别方法、装置、电子设备及存储介质 | |
CN112580503A (zh) | 一种作业批改方法、装置、设备及存储介质 | |
US9779091B2 (en) | Restoration of modified document to original state | |
JP5790082B2 (ja) | 文書認識装置、文書認識方法、プログラム及び記憶媒体 | |
US9208381B1 (en) | Processing digital images including character recognition using ontological rules | |
CN116384344A (zh) | 一种文档转换方法、装置及存储介质 | |
CN116030469A (zh) | 一种处理方法、装置、设备和计算机可读存储介质 | |
CN116822634A (zh) | 一种基于布局感知提示的文档视觉语言推理方法 | |
CN113378822A (zh) | 一种在试卷中使用特殊标记框标注手写答案区域的系统 | |
CN114926840A (zh) | 一种影印pdf转可复制pdf方法及系统 | |
JP4031189B2 (ja) | 文書認識装置及び文書認識方法 | |
JP7107138B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN112101356A (zh) | 一种图片中特定文本的定位方法、装置及存储介质 | |
Panjwani et al. | Script-agnostic reflow of text in document images | |
JP7430219B2 (ja) | 文書情報構造化装置、文書情報構造化方法およびプログラム | |
KR102646428B1 (ko) | 인공지능 학습 모델을 이용한 유사 글자 추출 방법 및 장치 |
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 |