CN114154465A - 结构图的结构重构方法、装置、电子设备及存储介质 - Google Patents
结构图的结构重构方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114154465A CN114154465A CN202111276063.6A CN202111276063A CN114154465A CN 114154465 A CN114154465 A CN 114154465A CN 202111276063 A CN202111276063 A CN 202111276063A CN 114154465 A CN114154465 A CN 114154465A
- Authority
- CN
- China
- Prior art keywords
- node
- picture
- information
- reduction
- structural
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
- G06F40/106—Display of layout of documents; Previewing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种结构图的结构重构方法,对结构图片进行节点检测,获取所述结构图片的节点信息;对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。本发明公开的结构图的结构重构方法、装置、电子设备及存储介质,能够还原结构图片中的还原结构图,实现了对结构图片中的还原结构图进行编辑的效果。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种结构图的结构重构方法、装置、电子设备及存储介质。
背景技术
现有技术中,结构图中例如思维导图和流程图会经常出现在用户日常工作及学习生活中,其通常以图像的形式存在,便于文件传输和阅读。然而,结构图以图像格式作为文件存储与传输方式时,存在一个很大的缺陷——只能支持查阅、无法支持编辑,如此,为了方便对结构图进行编辑,亟需一种能够还原结构图片中的还原结构图的方法。
发明内容
本发明实施例提供一种结构图的结构重构方法、装置、电子设备及存储介质,能够还原结构图片中的还原结构图,实现了对结构图片中的还原结构图进行编辑的效果。
本发明实施例第一方面提供一种结构图的结构重构方法,所述方法包括:
对结构图片进行节点检测,获取所述结构图片的节点信息;
对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
可选的,所述对结构图片进行节点检测,获取所述结构图片的节点信息,包括:
通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息。
可选的,所述通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息,包括:
将所述结构图片输入到所述图像检测网络中,得到所述节点信息,其中,所述节点信息包括节点位置信息和节点类型。
可选的,所述对所述结构图片进行导引线识别,获取所述结构图片的导引线信息,包括:
通过图像分割网络对所述结构图片进行导引线检测,得到所述导引线信息。
可选的,所述根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图,包括:
根据所述导引线信息,生成所述结构图片的掩膜图像;
根据所述节点信息,通过结构还原方法在所述掩膜图像上进行结构还原,得到所述还原结构图。
可选的,所述根据所述节点信息,通过结构还原方法在所述掩膜图像上进行结构还原,得到所述还原结构图,包括:
将所述节点信息的根节点保存在节点栈中,并以所述根节点作为起点在所述掩膜图像上进行结构还原,结构还原步骤如下;
从所述节点栈中选取位于第j节点内的第p搜索点,若所述第p搜索点的节点标识与所述第j节点的节点标识不同,则确定所述第j节点为所述第p搜索点的子节点,且所述第p搜索点为节点;当所述第p搜索点的节点标识与所述第j节点的节点标识相同,则以所述第p搜索点作为中心在所述掩膜图像上进行连通域分析,当搜索到与所述第p搜索点连通的第q搜索点,则将所述第q搜索点保存在所述节点栈中,且将所述第p搜索点的节点标识作为所述第q搜索点的节点标识,其中,所述第j节点为所述节点信息中的节点;
在通过所述结构还原步骤搜索到所述节点信息中的每个节点之后,获取所述还原结构图。
可选的,在获取所述结构图片的还原结构图之后,所述方法还包括:
输出所述还原结构图,并以文件方式保存所述还原结构图。
可选的,在输出所述还原结构图之后,所述方法还包括:
获取针对所述还原结构图中的目标对象的编辑请求,其中,所述目标对象包括所述还原结构图中的节点和导引线;
响应所述编辑请求,对所述目标对象进行编辑。
可选的,在输出所述还原结构图之后,所述方法还包括:
获取针对所述还原结构图的文本编辑请求;
响应所述文本编辑请求,在所述还原结构图中添加文本。
本发明实施例第二方面还提供一种结构图的结构重构装置,所述装置包括:
节点获取单元,用于对结构图片进行节点检测,获取所述结构图片的节点信息;
导引线获取单元,用于对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
重构单元,用于根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
可选的,所述节点获取单元,用于通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息。
可选的,所述导引线获取单元,用于通过图像分割网络对所述结构图片进行导引线检测,得到所述导引线信息。
本发明实施例第三方面提供了一种电子设备,包括有存储器,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,且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如第一方面提供的结构图的结构重构方法对应的操作指令。
本发明实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面提供的结构图的结构重构方法对应的步骤。
本申请实施例中的上述一个或至少一个技术方案,至少具有如下技术效果:
基于上述技术方案,对所述结构图片进行节点和导引线检测,获取所述结构图片的节点信息和导引线信息;根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图;如此,在获取到结构图片的节点信息和导引线信息之后,利用节点信息和导引线信息进行结构还原,获取到结构图片的还原结构图,从而还原了结构图片中的还原结构图,在还原了还原结构图之后,能够实现对结构图片中的还原结构图进行编辑的效果。
附图说明
图1为本申请实施例提供的一种结构图的结构重构方法的流程示意图;
图2a为本申请实施例提供的结构图片的结构示意图;
图2b为本申请实施例提供的结构图片的节点信息的结构示意图;
图2c为本申请实施例提供的在mask图像上进行结构还原的结构示意图;
图2d为本申请实施例提供的还原结构图的结构示意图;
图2e为本申请实施例提供的在绘图工具中的还原结构图的结构示意图;
图3为本申请实施例提供的还原结构图的描述文件的结构示意图;
图4为本申请实施例提供的一种结构图的结构重构装置的方框图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
实施例
请参考图1,本申请实施例提供一种结构图的结构重构方法,所述方法包括:
S101、对结构图片进行节点检测,获取所述结构图片的节点信息;
S102、对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
S103、根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
本说明书实施例中一种结构图的结构重构方法可以应用于用户终端或服务器中,结构图片是指包含有结构图的图片,结构图例如可以包括流程图和思维导图等。用户终端例如可以是智能手机、智能手表、平板电脑和笔记本电脑等。下面具有以结构图的结构重构方法应用于服务器中为例。
其中,在步骤S101中,需要首先获取结构图片,可以根据用户的选择操作,获取到结构图片,也可以直接从图片库中随机选取一个图片作为结构图片,本说明书不作具体限制。
本说明书实施例中的结构图片中包含完整结构图或部分结构图,此时,存在多种方式,若一幅图片中包含有完整结构图,而将需要对完整结构图中的待编辑结构图对应的部分图片作为结构图片;也可以是一幅图片中仅包含部分结构图,此时,将整幅图片作为结构图片;还可以是一幅图片包含完整结构图,将包含完整结构图的图片作为结构图片。
例如,在笔记本电脑A为例,在A中的图片文件夹中包含有流程图片b1、流程图片b2、思维导图的图片c1和思维导图的图片c2,若获取到用户针对c2有双击操作,则响应双击操作,将c2作为结构图片。
以及,在获取到结构图片之后,可以通过图像检测网络对结构图片进行节点检测,得到节点信息。
本说明书实施例中,图像检测网络可以采用卷积神经网络CNN和深度神经网络DNN等网络中的任一种,下面具有以CNN为例。
具体来讲,在通过图像检测网络对结构图片进行节点检测时,可以将结构图片输入到图像检测网络中,得到节点信息,其中,节点信息包括节点位置信息和节点类型。其中,节点类型包括框类型和点类型等类型中的至少一种。
具体地,图像检测网络可以采用目标检测算法,可以利用图像检测网络中的Backbone层对结构图片进行特征提取,将特征提取的第二特征向量依次输入到Neck层和Head层中,得到节点信息,其中,节点信息包括节点位置信息可以用像素坐标进行表示。
其中,图像检测网络需要训练得到,其训练步骤包括:获取训练样本集,训练样本集中每个训练样本包括训练结构图片,及训练结构图片中的节点标注信息;再利用每个训练结构图片和每个训练结构图片中的节点标注信息进行模型训练,得到图像检测网络,其中,节点标注信息可以仅包括节点坐标,还可以包括节点类型,下面具体以节点标注信息包括节点坐标和节点类型为例;在模型训练过程中,将每个训练结构图片的特征向量作为输入,将训练结构图片中的节点标注信息作为输出进行模型训练,得到满足约束条件的模型作为图像检测网络,如此,使得图像检测网络的预测准确度较高。约束条件例如可以分类准确度不小于第二设定准确度等,第二设定准确度可以根据实际需求进行设定,也可以由人工或设备自行设定,第二设定准确度例如为97%和85%等。此时,由于训练过程中使用特征向量和预测过程中使用的特征向量的维度相同,且采用相同的特征提取方式提取的,进一步提高了图像检测网络预测的准确性,即,使得获取的节点信息的准确性也会随之提高。
例如,参见图2a和图2b,图2a中的图片20为结构图片,将图片20的特征向量输入到图像检测网络,得到节点21、节点211、节点2111、节点2112、节点2113、节点2114、节点2115、节点212、节点2121、节点2122、节点2123、节点213、节点2131、节点2132、节点2133、节点214、节点2141、节点2142、节点2143、节点2144、节点2145、节点215、节点2151、节点2152、节点2153、节点216、节点2161、节点2162、节点2163和节点2164,上述所有节点作为图片20的节点信息,其中,除节点21的节点类型为框类型之外,剩余的每个节点的节点类型均为点类型。
在获取到节点信息之后,执行步骤S102。
本说明书实施例中,步骤S101和步骤S102可以同时执行,也可以先执行步骤S102后执行步骤S101,本说明书不作具体限制。
在步骤S102中,可以通过图像分割网络对结构图片进行导引线检测,得到导引线信息,其中,导引线信息包括导引线的坐标。当然,导引线信息还可以包括导引线中的每个坐标的二值化信息,导引线中的每个坐标的二值化信息可以相同或不同,导引线中的每个坐标的二值化信息例如可以均为1、2或3等。
本说明书实施例中,图像分割网络可以采用卷积神经网络CNN和深度神经网络DNN等网络中的任一种,下面具有以CNN为例。
具体来讲,在通过图像分割网络对结构图片进行导引线检测时,若图像分割网络为CNN网络,则可以先将结构图片输入到CNN网络中,再进行上采样对CNN网络处理后结构图片进行特征提取,提取到导引线信息。
其中,图像分割网络需要训练得到,其训练步骤包括:获取训练样本集,训练样本集中每个训练样本包括训练结构图片,及训练结构图片中的导引线标注信息;再利用每个训练结构图片和每个训练结构图片中的导引线标注信息进行模型训练,得到图像分割网络,在进行模型训练时,将每个训练结构图片输入到CNN网络中再进行上采样,此时,可以将每个训练结构图片的特征向量作为输入,将训练结构图片中的导引线标注信息作为输出进行模型训练,得到满足约束条件的模型作为图像分割网络,如此,使得图像分割网络的预测准确度较高。约束条件例如可以分类准确度不小于第一设定准确度等,第一设定准确度可以根据实际需求进行设定,也可以由人工或设备自行设定,第一设定准确度例如为98%和95%等。此时,由于训练过程中使用特征向量和预测过程中使用的特征向量的维度相同,且采用相同的特征提取方式提取的,进一步提高了图像分割网络预测的准确性,即,使得获取的导引线信息的准确性也会随之提高。
在获取到节点信息和导引线信息之后,执行步骤S103。
在步骤S103中,可以直接根据节点信息和导引线信息进行结构还原,获取到还原结构图;还可以根据导引线信息,生成结构图片的掩膜图像(mask图像);根据节点信息,通过结构还原方法在掩膜图像上进行结构还原,得到还原结构图。其中,还原结构图为可编辑的结构图。
本说明书实施例中,结构还原方法可以为深度优先搜索算法和连通域算法,广度优先搜索算法和连通域算法,最佳优先算法和邻域算法,以及爬山法和连通域算法等。
具体来讲,在根据节点信息,通过结构还原方法在掩膜图像上进行结构还原时,可以首先将节点信息的根节点保存在节点栈中,并以根节点作为起点在掩膜图像上进行结构还原,结构还原步骤如下;从节点栈中选取位于第j节点内的第p搜索点,若第p搜索点的节点标识与第j节点的节点标识不同,则确定第j节点为第p搜索点的子节点,且第p搜索点为节点;若第p搜索点的节点标识与第j节点的节点标识相同,则以第p搜索点作为中心在掩膜图像上进行连通域分析,若搜索到与第p搜索点连通的第q搜索点,则将第q搜索点保存在节点栈中,且将第p搜索点的节点标识作为第q搜索点的节点标识,其中,第j节点为节点信息中的节点;在通过结构还原步骤搜索到节点信息中的每个节点之后,获取还原结构图。
在实际应用过程中,上述结构还原方法的具体实现步骤如下:
S1、首先从节点信息中提取根节点,并将根节点保存在节点栈D中;
S2、循环执行步骤S21和S22;
S21、从D中取出一个搜索点p,如果p在节点j内,且p.id(p的节点编号)不等于j.id,则表明搜索到一个新的节点为p,节点j是节点p的一个子节点,然后继续循环执行步骤S21,从D中取出另一个搜索点;否则,则执行步骤S22;
S22、参见图2c,以p为中心,半径为r在mask图像上生成一个搜索圈22(或搜索框),在搜索圈22内做连通域分析,对于搜索圈22上mask取值为1的点q,如果q和p是连通的,则将q保存在栈A中,并且q.id=p.id,保存上一个搜索到的节点id;
以及,在通过步骤S21和S22搜索到节点信息中的每个节点之后,得到所有节点的一个树形结构关系,将树形结构关系作为还原结构图。如此,通过上述步骤S1至S2即可还原了结构图片中的还原结构图,在还原了还原结构图之后,能够实现对结构图片中的还原结构图进行编辑的效果。
本说明书另一实施例中,在获取结构图片的还原结构图之后,还可以输出还原结构图,并以文件方式保存还原结构图。
具体来讲,可以在绘图工具上输出还原结构图,绘图工具例如可以是visio和word中,如此,用户可以对输出的还原结构图进行编辑,从而实现对结构图片中的还原结构图进行编辑的效果,并能够提高编辑效率。
例如,参见图2d,在通过步骤S21和S22获取到所有节点的一个树形结构关系之后,将树形结构关系输出,并用箭头线23中的箭头表示子节点方向。当然,还可以用结构化的描述文件保存还原结构图(例如JSON文件),具体参见图3,如此,通过文件方式保存还原结构图能够有效降低占用的存储空间。
本说明书另一实施例中,在输出还原结构图之后,还可以获取针对还原结构图中的目标对象的编辑请求,其中,目标对象包括还原结构图中的节点和导引线;响应编辑请求,对目标对象进行编辑。
具体来讲,可以在输出还原结构图之后,此时,当目标对象为节点时,可以获取用户对还原结构图中的节点的编辑请求;当目标对象为导引线时,可以获取用户对还原结构图中的导引线的编辑请求,在接收到编辑请求之后,响应编辑请求,对目标对象进行编辑。
本说明书另一实施例中,在输出还原结构图之后,还可以获取针对还原结构图的文本编辑请求;响应文本编辑请求,在还原结构图中添加文本。
例如,参见图2e,在visio中显示图2e之后,接收到用户删除导引线24的删除请求之后,删除导引线24,以及,在接收到用户将节点2141的删除请求时,删除节点2141;当然,在接收到用户针对节点21的文本编辑请求时,若文本编辑请求为在节点21添加“EmpathyMap”的内容时,在节点21对应的节点框内添加“Empathy Map”。
本申请实施例中的上述一个或至少一个技术方案,至少具有如下技术效果:
基于上述技术方案,对所述结构图片进行检测,获取所述结构图片的节点信息和导引线信息;根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图;如此,在获取到结构图片的节点信息和导引线信息之后,利用节点信息和导引线信息进行结构还原,获取到结构图片的还原结构图,从而还原了结构图片中的还原结构图,在还原了还原结构图之后,能够实现对结构图片中的还原结构图进行编辑的效果。
针对上述实施例提供一种结构图的结构重构方法,本申请实施例还对应提供一种结构图的结构重构装置,请参考图4,该装置包括:
节点获取单元401,用于对结构图片进行节点检测,获取所述结构图片的节点信息;
导引线获取单元402,用于对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
重构单元403,用于根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
在一种可选的实施方式中,节点获取单元401,用于通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息。
在一种可选的实施方式中,节点获取单元401,用于将所述结构图片输入到所述图像检测网络中,得到所述节点信息,其中,所述节点信息包括节点位置信息和节点类型。
在一种可选的实施方式中,导引线获取单元402,用于通过图像分割网络对所述结构图片进行导引线检测,得到所述导引线信息。
在一种可选的实施方式中,重构单元403,用于根据所述导引线信息,生成所述结构图片的掩膜图像;根据所述节点信息,通过结构还原方法在所述掩膜图像上进行结构还原,得到所述还原结构图。
在一种可选的实施方式中,重构单元403,用于将所述节点信息的根节点保存在节点栈中,并以所述根节点作为起点在所述掩膜图像上进行结构还原,结构还原步骤如下;从所述节点栈中选取位于第j节点内的第p搜索点,当所述第p搜索点的节点标识与所述第j节点的节点标识不同,则确定所述第j节点为所述第p搜索点的子节点,且所述第p搜索点为节点;当所述第p搜索点的节点标识与所述第j节点的节点标识相同,则以所述第p搜索点作为中心在所述掩膜图像上进行连通域分析,当搜索到与所述第p搜索点连通的第q搜索点,则将所述第q搜索点保存在所述节点栈中,且将所述第p搜索点的节点标识作为所述第q搜索点的节点标识,其中,所述第j节点为所述节点信息中的节点;在通过所述结构还原步骤搜索到所述节点信息中的每个节点之后,获取所述还原结构图。
在一种可选的实施方式中,还包括:
输出及保存单元,用于在获取所述结构图片的还原结构图之后,输出所述还原结构图,并以文件方式保存所述还原结构图。
在一种可选的实施方式中,还包括:
编辑单元,用于在输出所述还原结构图之后,获取针对所述还原结构图中的目标对象的编辑请求,其中,所述目标对象包括所述还原结构图中的节点和导引线;响应所述编辑请求,对所述目标对象进行编辑。
在一种可选的实施方式中,所述编辑单元,用于在输出所述还原结构图之后,获取针对所述还原结构图的文本编辑请求;响应所述文本编辑请求,在所述还原结构图中添加文本。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种用于结构图的结构重构方法的电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/展现(P/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个展现接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为展现和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于展现音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种结构图的结构重构方法,所述方法包括:
获取结构图片;
对所述结构图片进行检测,获取所述结构图片的节点信息和导引线信息;
根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种结构图的结构重构方法,其特征在于,所述方法包括:
对结构图片进行节点检测,获取所述结构图片的节点信息;
对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
2.如权利要求1所述的方法,其特征在于,所述对结构图片进行节点检测,获取所述结构图片的节点信息,包括:
通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息。
3.如权利要求2所述的方法,其特征在于,所述通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息,包括:
将所述结构图片输入到所述图像检测网络中,得到所述节点信息,其中,所述节点信息包括节点位置信息和节点类型。
4.如权利要求3所述的方法,其特征在于,所述对所述结构图片进行导引线识别,获取所述结构图片的导引线信息,包括:
通过图像分割网络对所述结构图片进行导引线检测,得到所述导引线信息。
5.如权利要求4所述的方法,其特征在于,所述根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图,包括:
根据所述导引线信息,生成所述结构图片的掩膜图像;
根据所述节点信息,通过结构还原方法在所述掩膜图像上进行结构还原,得到所述还原结构图。
6.如权利要求5所述的方法,其特征在于,所述根据所述节点信息,通过结构还原方法在所述掩膜图像上进行结构还原,得到所述还原结构图,包括:
将所述节点信息的根节点保存在节点栈中,并以所述根节点作为起点在所述掩膜图像上进行结构还原,结构还原步骤如下;
从所述节点栈中选取位于第j节点内的第p搜索点,若所述第p搜索点的节点标识与所述第j节点的节点标识不同,则确定所述第j节点为所述第p搜索点的子节点,且所述第p搜索点为节点;当所述第p搜索点的节点标识与所述第j节点的节点标识相同,则以所述第p搜索点作为中心在所述掩膜图像上进行连通域分析,当搜索到与所述第p搜索点连通的第q搜索点,则将所述第q搜索点保存在所述节点栈中,且将所述第p搜索点的节点标识作为所述第q搜索点的节点标识,其中,所述第j节点为所述节点信息中的节点;
在通过所述结构还原步骤搜索到所述节点信息中的每个节点之后,获取所述还原结构图。
7.如权利要求1-6任一项所述的方法,其特征在于,在获取所述结构图片的还原结构图之后,所述方法还包括:
输出所述还原结构图,并以文件方式保存所述还原结构图。
8.如权利要求7所述的方法,其特征在于,在输出所述还原结构图之后,所述方法还包括:
获取针对所述还原结构图中的目标对象的编辑请求,其中,所述目标对象包括所述还原结构图中的节点和导引线;
响应所述编辑请求,对所述目标对象进行编辑。
9.如权利要求8所述的方法,其特征在于,在输出所述还原结构图之后,所述方法还包括:
获取针对所述还原结构图的文本编辑请求;
响应所述文本编辑请求,在所述还原结构图中添加文本。
10.一种结构图的结构重构装置,其特征在于,所述装置包括:
节点获取单元,用于对结构图片进行节点检测,获取所述结构图片的节点信息;
导引线获取单元,用于对所述结构图片进行导引线检测,获取所述结构图片的导引线信息;
重构单元,用于根据所述节点信息和所述导引线信息进行结构还原,获取所述结构图片的还原结构图。
11.如权利要求10所述的装置,其特征在于,所述节点获取单元,用于通过图像检测网络对所述结构图片进行节点检测,得到所述节点信息。
12.如权利要求11所述的装置,其特征在于,所述导引线获取单元,用于通过图像分割网络对所述结构图片进行导引线检测,得到所述导引线信息。
13.一种电子设备,其特征在于,包括有存储器,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,且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如权利要求1~6任一所述方法对应的操作指令。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~6任一所述方法对应的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276063.6A CN114154465A (zh) | 2021-10-29 | 2021-10-29 | 结构图的结构重构方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276063.6A CN114154465A (zh) | 2021-10-29 | 2021-10-29 | 结构图的结构重构方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154465A true CN114154465A (zh) | 2022-03-08 |
Family
ID=80458888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111276063.6A Pending CN114154465A (zh) | 2021-10-29 | 2021-10-29 | 结构图的结构重构方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154465A (zh) |
-
2021
- 2021-10-29 CN CN202111276063.6A patent/CN114154465A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113538519B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN108038102B (zh) | 表情图像的推荐方法、装置、终端及存储介质 | |
CN105094760A (zh) | 一种图片标记方法及装置 | |
CN109961094B (zh) | 样本获取方法、装置、电子设备及可读存储介质 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US9129178B2 (en) | Method and apparatus for processing data using optical character reader | |
CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN110781323A (zh) | 多媒体资源的标签确定方法、装置、电子设备及存储介质 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
CN105447109A (zh) | 关键字词搜索方法及装置 | |
CN112241361A (zh) | 测试用例生成方法及装置、问题场景自动复现方法及装置 | |
CN111209354A (zh) | 一种地图兴趣点判重的方法、装置及电子设备 | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN113920293A (zh) | 信息识别方法、装置、电子设备及存储介质 | |
CN113032627A (zh) | 视频分类方法、装置、存储介质及终端设备 | |
CN109145151B (zh) | 一种视频的情感分类获取方法及装置 | |
CN111079421A (zh) | 一种文本信息分词处理的方法、装置、终端及存储介质 | |
CN113923517B (zh) | 一种背景音乐生成方法、装置及电子设备 | |
CN112784700B (zh) | 人脸图像显示的方法、装置及存储介质 | |
CN114154465A (zh) | 结构图的结构重构方法、装置、电子设备及存储介质 | |
CN113807540A (zh) | 一种数据处理方法及装置 | |
CN110069577B (zh) | 一种线路规划方法、装置及电子设备 | |
CN111650554A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN111428613A (zh) | 数据处理方法、装置、设备和存储介质 |
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 |