CN114663902B - 文档图像处理方法、装置、设备和介质 - Google Patents
文档图像处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114663902B CN114663902B CN202210351169.6A CN202210351169A CN114663902B CN 114663902 B CN114663902 B CN 114663902B CN 202210351169 A CN202210351169 A CN 202210351169A CN 114663902 B CN114663902 B CN 114663902B
- Authority
- CN
- China
- Prior art keywords
- target
- target area
- column
- writing
- target areas
- 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
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
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- 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
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
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)
- Character Input (AREA)
Abstract
本公开提供了一种文档图像处理方法、装置、设备和介质,涉及人工智能领域,具体涉及计算机视觉技术、图像处理技术和深度学习技术。该图像处理方法包括:在待处理文档图像中确定多个目标区域;确定各目标区域的分栏模式,其中,分栏模式包括单栏模式和多栏模式,多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式;基于各目标区域的分栏模式,确定多个目标区域的写入顺序;以及基于写入顺序,将多个目标区域依次写入可编辑文档。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉技术、图像处理技术、和深度学习技术,特别涉及一种文档图像处理方法、一种文档图像处理装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
随着人工智能和计算机视觉的发展和各类图像处理需求的出现,对文档图像的版面恢复也在不断发展。在版面恢复过程中,可以使用OCR(Optical CharacterRecognition,光学字符识别)技术检测并识别图片上的文字内容,进而将其转为可编辑文本。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种文档图像处理方法、一种文档图像处理装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种文档图像处理方法,该方法包括:在待处理文档图像中确定多个目标区域;确定各目标区域的分栏模式,其中,分栏模式包括单栏模式和多栏模式,多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式;基于各目标区域的分栏模式,确定多个目标区域的写入顺序;以及基于写入顺序,将多个目标区域依次写入可编辑文档。
根据本公开的另一方面,提供了一种文档图像处理装置,该装置包括:第一确定单元,被配置为在待处理文档图像中确定多个目标区域;第二确定单元,被配置为确定各目标区域的分栏模式,其中,分栏模式包括单栏模式和多栏模式,多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式;第三确定单元,被配置为基于各目标区域的分栏模式,确定多个目标区域的写入顺序;以及写入单元,被配置为基于写入顺序,将多个目标区域依次写入可编辑文档。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,这些指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,通过在待处理文档图像中确定多个目标区域,并确定这些目标区域的分栏模式,进而基于各目标区域的分栏模式确定写入顺序,并基于写入顺序依次将这些目标区域进行写入,使得能够得到相应的可编辑文档。通过这样的方式,使得能够对单栏、多栏、以及同时包括单栏和多栏的复杂版面进行恢复,确保了具有不同分栏模式的目标区域均能够按正确的写入顺序进行写入。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的文档图像处理方法的流程图;
图3示出了根据本公开示例性实施例的文档图像处理方法的流程图;
图4示出了根据本公开示例性实施例的确定左栏的目标区域的示意图;
图5示出了根据本公开示例性实施例的确定右栏的目标区域的示意图;
图6示出了根据本公开示例性实施例的确定多个目标区域的写入顺序的流程图;
图7示出了根据本公开示例性实施例的文档图像处理装置的结构框图;
图8示出了根据本公开示例性实施例的文档图像处理装置的结构框图;以及
图9出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,现有技术或依靠人工对识别到的内容进行排版,或只能对文本行进行提取、合并以实现简单的版面恢复,但在文档包括多种类型的区域(例如,图像、表格等)以及版面较复杂(例如,双栏、单双栏混合)时,无法整体恢复成可编辑文档。
为解决上述问题,本公开通过在待处理文档图像中确定多个目标区域,并确定这些目标区域的分栏模式,进而基于各目标区域的分栏模式确定写入顺序,并基于写入顺序依次将这些目标区域进行写入,使得能够得到相应的可编辑文档。通过这样的方式,使得能够对单栏、多栏、以及同时包括单栏和多栏的复杂版面进行恢复,确保了具有不同分栏模式的目标区域均能够按正确的写入顺序进行写入。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行文档图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行文档图像理解。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口,例如,用户可以利用客户端的各种输入设备采集待处理文档图像,也可以利用客户端执行文档图像处理方法。客户端设备还可以经由该接口向用户输出信息,例如,客户端可以向用户输出版面恢复后的可编辑文档。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种文档图像处理方法。如图2所示,该方法包括:步骤S201、在待处理文档图像中确定多个目标区域;步骤S202、确定各目标区域的分栏模式,其中,分栏模式包括单栏模式和多栏模式,多个目标区域包括至少两个相邻的目标区域,至少两个相邻的目标区域的分栏模式均为多栏模式;步骤S203、基于各目标区域的分栏模式,确定多个目标区域的写入顺序;以及步骤S204、基于写入顺序,将多个目标区域依次写入可编辑文档。
由此,通过在待处理文档图像中确定多个目标区域,并确定这些目标区域的分栏模式,进而基于各目标区域的分栏模式确定写入顺序,并基于写入顺序依次将这些目标区域进行写入,使得能够得到相应的可编辑文档。通过这样的方式,使得能够对单栏、多栏、以及同时包括单栏和多栏的复杂版面进行恢复,确保了具有不同分栏模式的目标区域均能够按正确的写入顺序进行写入。
本公开的方法可以应用于版面恢复场景,通过确定文档图像中的多个目标区域,并对这些目标区域进行分析,进而将其按顺序写入可编辑文档,实现了对文档版面的准确恢复。
根据一些实施例,待处理文档图像可以为具有特定版式的文档的图像,例如论文、教材、专利文献、期刊杂志等。待处理文档图像可以是图像文件格式,也可以是便携式文件格式(PDF),还可以是其他格式,在此不做限定。
根据一些实施例,复原后的可编辑文档的格式例如可以为doc文档、docx文档、以及LaTeX文档中的至少一种。可以理解的是,本公开的方法还可以用于生成其他格式的可编辑文档,在此不做限定。
根据一些实施例,步骤S201、在待处理文档图像中确定多个目标区域例如可以包括:对待处理文档图像进行目标检测,以得到多个目标区域。在一个示例性实施例中,可以使用目标检测对待处理文档图像进行处理,以得到多个目标区域。对待处理文本图像进行目标检测还可以得到多个目标区域各自的检测结果,包括目标区域的类型、位置信息、目标区域的像素等。
根据一些实施例,步骤S201、在待处理文档图像中确定多个目标区域可以包括:确定多个目标区域各自的位置信息。在一个示例性实施例中,目标区域的类型可以包括文本段落、标题、表格等文本区域和图像等非文本区域,目标区域的位置信息可以包括包围该目标区域的检测框的顶点坐标,目标区域的像素可以包括目标区域中的所有像素的像素值。
根据一些实施例,多个目标区域可以包括至少一个第三目标区域。每一个第三目标区域可以包括文本段落、标题、以及表格中的至少一个。如图3所示,文档图像处理方法还可以包括:步骤S302、对至少一个第三目标区域进行文本识别,以得到各第三目标区域对应的可编辑文本。图3中的步骤S301、步骤S304-步骤S306的操作和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。识别后得到的文本可以写入可编辑文档中以实现文档图像的版面恢复,如下文将要描述的。
根据一些实施例,多个目标区域还可以包括至少一个第四目标区域。每一个第四目标区域可以包括文档图像中的子图像,例如论文中的附图等。对于文档图像中的图像区域可以不进行文本识别,而是直接将其写入到可编辑文本中,如下文将要描述的。
根据一些实施例,步骤S302、对至少一个第三目标区域进行文本识别,以得到至少一个第三目标区域各自对应的可编辑文本可以包括:使用OCR技术对每一个第三目标区域进行处理,以得到可编辑的文本内容。在一些实施例中,可以使用基于深度学习的OCR技术以得到准确的文本内容,同时能够得到对应的位置信息和置信度。在一个示例性实施例中,在进行文本识别后,可以对上述目标检测结果进行扩充,以得到如下字典格式的目标检测和文本识别综合结果:
res:[
{‘type’:‘Title’,‘bbox’:[660,20,810,78],‘img’:array([[[…]]],dtype=uint8),‘res’:([[688,32,802,28,803,66,669,70],[]...),[(‘EXAMPLE’,0.81029527),(),,...]}
...]
如上目标区域的目标检测和文本识别综合结果指示该目标区域的类型为标题,目标区域的检测框的左上角坐标为(660,20),右下角坐标为(810,78),目标区域的像素的值(例如可以包括对应的区域的每一个像素的像素值,在此省略),目标区域的文本识别结果包括一个文本内容“EXAMPLE”,其置信度为81.03%,左上角坐标为(688,32),右上角坐标为(802,28),右下角坐标为(803,66),左下角坐标为(669,70)。
在得到目标区域的目标检测和文本识别综合结果后,可以确定每一个目标区域的分栏模式和所属的分栏。
在一些实施例中,多栏模式可以包括两栏、三栏、或更多数量的分栏。在本公开中将主要以两栏作为示例进行说明,但并不意图限定本公开的范围。
根据一些实施例,至少两个相邻的目标区域可以构成左栏和右栏。步骤S304、确定各目标区域的分栏模式可以包括:基于排序结果遍历多个目标区域中的每一个目标区域:响应于确定该目标区域和该目标区域右侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为左栏;以及响应于确定该目标区域和该目标区域左侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为右栏。由此,通过上述方式,可以对属于左栏和右栏的目标区域进行区分,并且能够处理两栏宽度不等的情况。
在一个实施例中,如图4中的框401所示,假定水平方向为x方向,垂直方向为y方向,则目标区域i和其右侧的其他目标区域i+1在纵向上即y方向上至少部分重叠,因此,可以将i确定为左栏。在另一个实施例中,如图4中的框402所示,目标区域i+1虽然位于目标区域i的右侧,但这两个区域在y方向上没有重叠,因此不对其进行处理。
在一个实施例中,如图5中的框501所示,目标区域i和其左侧的其他目标区域i+1在y方向上至少部分重叠,因此,可以将i确定为右栏。在另一个实施例中,如图5中的框502所示,目标区域i+1虽然位于目标区域i的左侧,但这两个区域在y方向上没有重叠,因此不对其进行处理。
根据一些实施例,步骤S304、确定各目标区域的分栏模式可以包括:基于排序结果遍历多个目标区域中的每一个目标区域:在确定该目标区域为多个目标区域中的最后一个目标区域并且该目标区域和多个目标区域中的上一个目标区域在纵向上没有重叠的情况下:响应于确定该目标区域的左边缘位于待处理文档图像的中线的左侧,并且该目标区域的右边缘位于待处理文档图像的中线的右侧,将该目标区域确定为单栏;响应于确定该目标区域的左边缘和右边缘均位于待处理文档图像的中线的左侧,将该目标区域确定为左栏;以及响应于确定该目标区域的左边缘和右边缘均位于待处理文档图像的中线的右侧,将该目标区域确定为右栏。
在一些实施例中,当前目标区域是最后一个目标区域,如果该目标区域比前一个目标区域的y坐标更大,并且该目标区域左端点(左上端点或左下端点)的x坐标小于图像宽度w的一半,并且该目标区域的右端点(右上端点或右下端点)的x坐标大于图像宽度w的一半,则将该目标区域确定为单栏;否则,如果该目标区域的左端点的x坐标小于图像宽度w的一半,则将该目标区域确定为左栏,如果该目标区域的右端点的x坐标大于图像宽度w的一半,则将该目标区域确定为右栏。由此,通过上述方式,能够对文档图像中的最后一个孤立的目标区域进行特殊处理,并为其确定的准确的分栏结果。
在得到每一个目标区域的分栏模式后,可以确定每一个目标区域的写入顺序。
根据一些实施例,至少两个相邻的目标区域可以构成多个分栏。如图6所示,步骤S305、确定多个目标区域的写入顺序可以包括:步骤S601、在至少两个相邻的目标区域中,确定多个分栏中的每个分栏所包括的目标区域;以及步骤S602、基于多个分栏中的每个分栏所包括的目标区域,确定写入顺序,写入顺序被确定为:依次针对多个分栏中的每个分栏,完整写入每个分栏所包括的目标区域。由于多栏文本的阅读顺序为依次阅读每个分栏,因此通过将各个分栏各自包括的目标区域进行汇总,进而根据汇总结果确定目标区域的写入顺序,使得可编辑文档中同一分栏包括的目标区域位于相邻位置,避免了不同分栏的目标区域交叉写入、顺序错乱的情形,从而实现版面的正确恢复。
在一些实施例中,可以对每个分栏包括的目标区域进行排序,以确定每个目标区域的写入顺序。
根据一些实施例,写入顺序可以被确定为从左向右依次针对多个分栏中的每个分栏从上向下写入该分栏包括的目标区域。通过这样的方式,能够按照正常的阅读顺序进行写入,以得到准确的版面恢复结果。可以理解的是,这样的写入顺序对应的是通常的从左到右、从上到下的书写顺序。针对其他书写顺序的文档,可以采用其他的写入顺序,例如从上到下、从右到左的写入顺序,在此不做限定。
根据一些实施例,如图3所示,文档图像处理方法还可以包括:步骤S303、基于预设规则和各目标区域的位置信息,对多个目标区域排序。
在一些实施例中,步骤S305、确定多个目标区域的写入顺序可以包括:基于排序结果和各目标区域的分栏模式,确定多个目标区域的写入顺序。多个目标区域包括第一目标区域和第二目标区域,第一目标区域可以是单栏模式,也可以是多栏模式;第二目标区域的分栏模式为单栏模式。第一目标区域和第二目标区域的写入顺序和第一目标区域与第二目标区域的排序结果一致。也就是说,两个单栏模式的目标区域和两个不同模式的目标区域的写入顺序的先后关系与这两个目标区域的排序结果一致。
由此,通过提前对目标区域进行排序,可以确定目标区域中的单栏模式的目标区域的写入顺序,并确定单栏模式的目标区域和多栏模式的目标区域之间的写入顺序的先后关系。
根据一些实施例,预设规则可以指示将多个目标区域有些按纵坐标从上向下排序(即,逐行向下扫描),纵坐标相同的目标区域按横坐标从左向右排序。通过将预设规则设定为通常的阅读顺序,以使得总体的写入顺序和文档的行文顺序是一致的,并且确保多栏的目标区域被排序到相邻位置,以避免出现写入顺序错误。可以理解的是,以上仅为一种预设规则的示例,可以根据需求设置相应的预设规则。在一个示例性实施例中,当文档图像的阅读顺序不同于上述顺序时,可以根据该文档图像的阅读顺序设置预设规则,或以其他方式设置预设规则,在此不做限定。
在一些实施例中,步骤S601、确定多个分栏中的每个分栏所包括的目标区域可以包括:基于排序结果,针对至少两个相邻的目标区域中的每一个目标区域,将该目标区域放入与多个分栏中的该目标区域所在的分栏对应的集合。多个分栏中的每个分栏所包括的目标区域的写入顺序可以和该分栏所包括的目标区域被放入对应的集合的顺序一致。
通常情况下,每个分栏中的目标区域的排序结果和阅读顺序是一致的。通过基于排序结果将每个目标区域放入集合中,使得能够利用集合记录每个目标区域放入集合的顺序,也即这些目标区域的阅读顺序。进而通过限定这些目标区域的写入顺序和放入集合的顺序一致,使得能够按照文档的阅读顺序将每个目标区域进行写入,以实现对版面的准确恢复。
在一些实施例中,可以在对所有目标区域执行步骤S304(步骤S202、确定各目标区域的分栏模式)后,再执行步骤S305(步骤S203、基于各目标区域的分栏模式,确定多个目标区域的写入顺序),也可以针对多个目标区域中的每一个目标区域交替执行这两个步骤。在一个示例性实施例中,在对多个目标区域进行排序之后,可以基于排序结果对多个目标区域进行遍历,并在遍历到每个目标区域时先确定该目标区域的分栏模式(确定该目标区域所属于的分栏),再确定该目标区域的写入顺序(放入对应的集合中)。
在一些实施例中,通过上述方式可以确定所有目标区域的写入顺序:针对单栏模式的目标区域,按排序结果依次进行写入;针对多栏模式的目标区域,依次写入每个集合中的全部目标区域,而集合内按排序结果依次写入。通过这样的写入方式,能够确保得到的可编辑文档中的每一个单栏、多栏部分均能够正确恢复并且可以正确编辑,避免了多栏部分被恢复成多个独立的单栏或者单栏与多栏之间并非连续写入而导致不同区域之间无法联动修改等问题。
在得到多个目标区域的写入顺序后,可以将这些目标区域写入可编辑文档。
根据一些实施例,多个目标区域至少还可以包括一个分栏模式为单栏模式的目标区域。因此,在写入这些目标区域时,至少有一组相邻的两个目标区域,其中的一个目标区域的分栏模式为单栏模式,另一个目标区域的分类模式为多栏模式。步骤S306、将多个目标区域依次写入可编辑文档可以包括:响应于检测到当前写入模式不同于与准备写入的目标区域的分栏模式对应的写入模式,将当前写入模式切换为与该目标区域的分栏模式对应的写入模式。由此,通过在检测到当前写入模式与准备写入的目标区域的分栏模式对应的写入模式不一致时切换到相应的写入模式,使得能够正确写入单栏模式的目标区域和多栏模式的目标区域,并且确保了单栏模式的目标区域和多栏模式的目标区域之间是连贯的,从而能够得到正确的版面恢复结果,即可编辑文档。
根据一些实施例,步骤S306、将多个目标区域依次写入可编辑文档还可以包括:针对至少一个第三目标区域中的每一个第三目标区域,确定该第三目标区域的写入设置,写入设置包括字体、字号、段落缩进、表格样式中的至少一个;以及基于写入设置,将与该第三目标区域对应的可编辑文本写入可编辑文档。
在一些实施例中,针对不同的文本区域类型,例如,文本段落、标题、表格,可以确定相应的写入设置。在一个示例性实施例中,可以确定表格类型的文本区域的表格样式和字号,进而确定相应的写入设置并依照该表格样式和字号对表格进行写入。可以理解的是,还可以对文本区域的其他写入设置进行设置,例如行间距、特殊标记等,在此不做限定。通过上述方式,可以将目标区域根据文档图像中的版面样式进行版面恢复,提高了得到的可编辑文档的质量。
根据一些实施例,步骤S306、将多个目标区域依次写入可编辑文档还可以包括:针对至少一个第四目标区域中的每一个第四目标区域,基于该第四目标区域所包括的子图像的尺寸,将该第四目标区域直接写入可编辑文档。
在一些实施例中,可以先确定图像区域在待处理文档图像中的尺寸,进而可以以该尺寸将该图像区域写入可编辑文档中。由此,可以确保图像区域的版式与在待处理文档图像中一致。
可以理解的是,上述文本段落、标题、表格等文本区域和图像区域的分栏模式可以为单栏模式,也可以为多栏模式,在此不做限定。
在一些实施例中,可以通过调用用于写入特定文档格式的库来实现将不同的目标区域写入相应的文档中。在一个示例性实施例中,可以使用基于python的docx读写模块来完成不同目标区域的写入。可以通过使用不同大的指令来写入不同类型的目标区域,例如使用写入正文文本的指令来写入文本段落、使用写入图像的指令来写入图像等等。此外,还可以通过使用相应的切换指令来实现对文本区域的特定写入设置以及与单栏模式和多栏模式分别对应的写入模式的设置。可以理解的是,还可以使用其他方式实现对文档文件的写入,在此不做限定。
根据本公开的另一方面,提供了一种文档图像处理装置。如图7所示,文档图像处理装置700包括:第一确定单元710,被配置为在待处理文档图像中确定多个目标区域;第二确定单元720,被配置为确定各目标区域的分栏模式,其中,分栏模式包括单栏模式和多栏模式,多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式;第三确定单元730,被配置为基于各目标区域的分栏模式,确定多个目标区域的写入顺序;以及写入单元740,被配置为基于写入顺序,将多个目标区域依次写入可编辑文档。
可以理解的是,文档图像处理装置700中的单元710-单元740的操作和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。
根据一些实施例,可编辑文档可以包括doc文档、docx文档、以及LaTeX文档中的至少一种。
根据一些实施例,第一确定单元710可以包括:第三确定子单元,被配置为确定各目标区域的位置信息。
根据一些实施例,多个目标区域可以包括至少一个第三目标区域,至少一个第三目标区域中的每一个第三目标区域可以包括文本段落、标题、表格中的至少一个。如图8所示,文档图像处理装置800还可以包括:文本识别单元820,被配置为对至少一个第三目标区域进行文本识别,以得到各第三目标区域对应的可编辑文本。文本图像处理装置800中的单元810、单元840-单元860的操作和文本图像处理装置700中的单元710-单元740的操作类似,在此不做赘述。
根据一些实施例,多个目标区域可以包括至少一个第四目标区域,至少一个第四目标区域中的每一个第四目标区域可以包括待处理文档图像中的子图像。
根据一些实施例,至少两个相邻的目标区域可以构成左栏和右栏。第二确定单元840可以包括:第五确定子单元,被配置为基于排序结果遍历多个目标区域中的每一个目标区域:响应于确定该目标区域和该目标区域右侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为左栏;以及响应于确定该目标区域和该目标区域左侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为右栏。
根据一些实施例,至少两个相邻的目标区域可以构成左栏和右栏。第二确定单元840可以包括:第六确定子单元,被配置为基于排序结果遍历多个目标区域中的每一个目标区域:在确定该目标区域为多个目标区域中的最后一个目标区域并且该目标区域和所述多个目标区域中的上一个目标区域在纵向上没有重叠的情况下:响应于确定该目标区域的左边缘位于待处理文档图像的中线的左侧,并且该目标区域的右边缘位于待处理文档图像的中线的右侧,将该目标区域确定为单栏;响应于确定该目标区域的左边缘和右边缘均位于待处理文档图像的中线的左侧,将该目标区域确定为左栏;以及响应于确定该目标区域的左边缘和右边缘均位于待处理文档图像的中线的右侧,将该目标区域确定为右栏。
根据一些实施例,至少两个相邻的目标区域可以构成多个分栏。第三确定单元850可以包括:第一确定子单元,被配置为在至少两个相邻的目标区域中,确定多个分栏中的每个分栏所包括的目标区域;以及第二确定子单元,被配置为基于多个分栏中的每个分栏所包括的目标区域,确定写入顺序,其中,写入顺序被确定为:依次针对多个分栏中的每个分栏,完整写入每个分栏所包括的目标区域。
根据一些实施例,写入顺序可以被确定为:从左向右依次针对多个分栏中的每个分栏,从上向下写入每个分栏包括的目标区域。
根据一些实施例,如图8所示,文档图像处理装置800还可以包括:排序单元830,被配置为基于预设规则和各目标区域的位置信息,对多个目标区域排序。
根据一些实施例,第四确定单元850可以包括:第三确定子单元,被配置为基于排序结果和各目标区域的分栏模式,确定多个目标区域的写入顺序,其中,多个目标区域包括第一目标区域和第二目标区域,第二目标区域的分栏模式为单栏模式,第一目标区域和第二目标区域的写入顺序和第一目标区域与第二目标区域的排序结果一致。
根据一些实施例,预设规则可以指示将多个目标区域优先按纵坐标从上向下排序,纵坐标相同的目标区域按横坐标从左向右排序。第一确定子单元可以被进一步配置为:基于排序结果,针对至少两个相邻的目标区域中的每一个目标区域,将该目标区域放入与多个分栏中的该目标区域所在的分栏对应的集合,其中,多个分栏中的每个分栏所包括的目标区域的写入顺序和该分栏所包括的目标区域被放入对应的集合的顺序一致。
根据一些实施例,多个目标区域还可以包括至少一个分栏模式为单栏模式的目标区域,写入单元860可以包括:切换子单元,被配置为响应于检测到当前写入模式不同于与准备写入的目标区域的分栏模式对应的写入模式,将当前写入模式切换为与该目标区域的分栏模式对应的写入模式。
根据一些实施例,写入单元860可以包括:第七确定子单元,被配置为针对至少一个第三目标区域中的每一个第三目标区域,确定该第三目标区域的写入设置,写入设置包括字体、字号、段落缩进、表格样式中的至少一个;以及第一写入子单元,被配置为基于写入设置,将与该第三目标区域对应的可编辑文本写入可编辑文档。
根据一些实施例,写入单元860可以包括:第二写入子单元,被配置为针对至少一个第四目标区域中的每一个第四目标区域,基于该第四目标区域所包括的子图像的尺寸,将该第四目标区域直接写入可编辑文档。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如文档图像处理方法。例如,在一些实施例中,文档图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的文档图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文档图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、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或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种文档图像处理方法,包括:
在待处理文档图像中确定多个目标区域和所述多个目标区域各自的位置信息;
确定各目标区域的分栏模式和所属的分栏,其中,所述分栏模式包括单栏模式和多栏模式,所述多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式,所述至少两个相邻的目标区域构成多个分栏,所述至少两个相邻的目标区域各自所属的分栏指示对应的目标区域属于所述多个分栏中的哪一个分栏;
基于预设规则和各目标区域的位置信息,对所述多个目标区域排序,其中,所述预设规则指示将所述多个目标区域优先按纵坐标从上向下排序,纵坐标相同的目标区域按横坐标从左向右排序;
基于对所述多个目标区域的排序结果和各目标区域的分栏模式,确定所述多个目标区域的写入顺序,包括:
基于所述排序结果,针对所述至少两个相邻的目标区域中的每一个目标区域,将该目标区域放入与所述多个分栏中的该目标区域所属的分栏对应的集合,以确定所述多个分栏中的每个分栏所包括的目标区域;以及
基于所述多个分栏中的每个分栏所包括的目标区域,确定所述写入顺序,其中,所述写入顺序被确定为:依次针对所述多个分栏中的每个分栏,完整写入每个分栏所包括的目标区域,其中,所述多个分栏中的每个分栏所包括的目标区域的写入顺序和该分栏所包括的目标区域被放入对应的集合的顺序一致,其中,所述多个目标区域包括第一目标区域和第二目标区域,所述第二目标区域的分栏模式为单栏模式,所述第一目标区域和所述第二目标区域的写入顺序与所述第一目标区域和所述第二目标区域的排序结果一致;以及
基于所述写入顺序,将所述多个目标区域依次写入可编辑文档,包括:
响应于检测到当前写入模式不同于与准备写入的目标区域的分栏模式对应的写入模式,将所述当前写入模式切换为与该目标区域的分栏模式对应的写入模式。
2.根据权利要求1所述的方法,其中,所述写入顺序被确定为:从左向右依次针对所述多个分栏中的每个分栏,从上向下写入每个分栏包括的目标区域。
3.根据权利要求1或2所述的方法,其中,所述至少两个相邻的目标区域构成左栏和右栏,其中,确定各目标区域的分栏模式包括:
基于排序结果遍历所述多个目标区域中的每一个目标区域:
响应于确定该目标区域和该目标区域右侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为左栏;以及
响应于确定该目标区域和该目标区域左侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为右栏。
4.根据权利要求1或2所述的方法,其中,所述至少两个相邻的目标区域构成左栏和右栏,其中,确定各目标区域的分栏模式包括:
基于排序结果遍历所述多个目标区域中的每一个目标区域:
在确定该目标区域为所述多个目标区域中的最后一个目标区域并且该目标区域和所述多个目标区域中的上一个目标区域在纵向上没有重叠的情况下:
响应于确定该目标区域的左边缘位于所述待处理文档图像的中线的左侧,并且该目标区域的右边缘位于所述待处理文档图像的中线的右侧,将该目标区域确定为单栏;
响应于确定该目标区域的左边缘和右边缘均位于所述待处理文档图像的中线的左侧,将该目标区域确定为左栏;以及
响应于确定该目标区域的左边缘和右边缘均位于所述待处理文档图像的中线的右侧,将该目标区域确定为右栏。
5.根据权利要求1或2所述的方法,其中,所述多个目标区域包括至少一个第三目标区域,所述至少一个第三目标区域中的每一个第三目标区域包括文本段落、标题、表格中的至少一个,
其中,所述方法还包括:
对所述至少一个第三目标区域进行文本识别,以得到各第三目标区域对应的可编辑文本;
其中,将所述多个目标区域写入可编辑文档包括:
针对所述至少一个第三目标区域中的每一个第三目标区域,确定该第三目标区域的写入设置,所述写入设置包括字体、字号、段落缩进、表格样式中的至少一个;以及
基于所述写入设置,将与该第三目标区域对应的可编辑文本写入所述可编辑文档。
6.根据权利要求1或2所述的方法,其中,所述多个目标区域包括至少一个第四目标区域,所述至少一个第四目标区域中的每一个第四目标区域包括所述待处理文档图像中的子图像,
其中,将所述多个目标区域写入可编辑文档包括:
针对所述至少一个第四目标区域中的每一个第四目标区域,基于该第四目标区域所包括的子图像的尺寸,将该第四目标区域直接写入所述可编辑文档。
7.根据权利要求1或2所述的方法,其中,所述可编辑文档包括doc文档、docx文档、以及LaTeX文档中的至少一种。
8.一种文档图像处理装置,包括:
第一确定单元,被配置为在待处理文档图像中确定多个目标区域和所述多个目标区域各自的位置信息;
第二确定单元,被配置为确定各目标区域的分栏模式和所属的分栏,其中,所述分栏模式包括单栏模式和多栏模式,所述多个目标区域包括至少两个相邻的目标区域,所述至少两个相邻的目标区域的分栏模式均为多栏模式,所述至少两个相邻的目标区域构成多个分栏,所述至少两个相邻的目标区域各自所属的分栏指示对应的目标区域属于所述多个分栏中的哪一个分栏;
排序单元,被配置为基于预设规则和各目标区域的位置信息,对所述多个目标区域排序,其中,所述预设规则指示将所述多个目标区域优先按纵坐标从上向下排序,纵坐标相同的目标区域按横坐标从左向右排序;
第三确定单元,被配置为基于对所述多个目标区域的排序结果和各目标区域的分栏模式,确定所述多个目标区域的写入顺序,包括:
第一确定子单元,被配置为基于所述排序结果,针对所述至少两个相邻的目标区域中的每一个目标区域,将该目标区域放入与所述多个分栏中的该目标区域所属的分栏对应的集合,以确定所述多个分栏中的每个分栏所包括的目标区域;以及
第二确定子单元,被配置为基于所述多个分栏中的每个分栏所包括的目标区域,确定所述写入顺序,其中,所述写入顺序被确定为:依次针对所述多个分栏中的每个分栏,完整写入每个分栏所包括的目标区域,其中,所述多个分栏中的每个分栏所包括的目标区域的写入顺序和该分栏所包括的目标区域被放入对应的集合的顺序一致,其中,所述多个目标区域包括第一目标区域和第二目标区域,所述第二目标区域的分栏模式为单栏模式,所述第一目标区域和所述第二目标区域的写入顺序与所述第一目标区域和所述第二目标区域的排序结果一致;以及
写入单元,被配置为基于所述写入顺序,将所述多个目标区域依次写入可编辑文档,包括:
切换子单元,被配置为响应于检测到当前写入模式不同于与准备写入的目标区域的分栏模式对应的写入模式,将所述当前写入模式切换为与该目标区域的分栏模式对应的写入模式。
9.根据权利要求8所述的装置,其中,所述写入顺序被确定为:从左向右依次针对所述多个分栏中的每个分栏,从上向下写入每个分栏包括的目标区域。
10.根据权利要求8或9所述的装置,其中,所述至少两个相邻的目标区域构成左栏和右栏,其中,所述第二确定单元包括:
第五确定子单元,被配置为基于排序结果遍历所述多个目标区域中的每一个目标区域:
响应于确定该目标区域和该目标区域右侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为左栏;以及
响应于确定该目标区域和该目标区域左侧的其他目标区域在纵向上至少部分重叠,将该目标区域确定为右栏。
11.根据权利要求8或9所述的装置,其中,所述至少两个相邻的目标区域构成左栏和右栏,其中,所述第二确定单元包括:
第六确定子单元,被配置为基于排序结果遍历所述多个目标区域中的每一个目标区域:
在确定该目标区域为所述多个目标区域中的最后一个目标区域并且该目标区域和所述多个目标区域中的上一个目标区域在纵向上没有重叠的情况下:
响应于确定该目标区域的左边缘位于所述待处理文档图像的中线的左侧,并且该目标区域的右边缘位于所述待处理文档图像的中线的右侧,将该目标区域确定为单栏;
响应于确定该目标区域的左边缘和右边缘均位于所述待处理文档图像的中线的左侧,将该目标区域确定为左栏;以及
响应于确定该目标区域的左边缘和右边缘均位于所述待处理文档图像的中线的右侧,将该目标区域确定为右栏。
12.根据权利要求8或9所述的装置,其中,所述多个目标区域包括至少一个第三目标区域,所述至少三个第一目标区域中的每一个第三目标区域包括文本段落、标题、表格中的至少一个,
其中,所述装置还包括:
文本识别单元,被配置为对所述至少一个第三目标区域进行文本识别,以得到各第三目标区域对应的可编辑文本;
其中,所述写入单元包括:
第七确定子单元,被配置为针对所述至少一个第一目标区域中的每一个第三目标区域,确定该第三目标区域的写入设置,所述写入设置包括字体、字号、段落缩进、表格样式中的至少一个;以及
第一写入子单元,被配置为基于所述写入设置,将与该第三目标区域对应的可编辑文本写入所述可编辑文档。
13.根据权利要求8或9所述的装置,其中,所述多个目标区域包括至少一个第四目标区域,所述至少一个第四目标区域中的每一个第四目标区域包括所述待处理文档图像中的子图像,
其中,将所述多个目标区域写入可编辑文档包括:
第二写入子单元,被配置为针对所述至少一个第四目标区域中的每一个第四目标区域,基于该第四目标区域所包括的子图像的尺寸,将该第四目标区域直接写入所述可编辑文档。
14.根据权利要求8或9所述的装置,其中,所述可编辑文档包括doc文档、docx文档、以及LaTeX文档中的至少一种。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351169.6A CN114663902B (zh) | 2022-04-02 | 2022-04-02 | 文档图像处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351169.6A CN114663902B (zh) | 2022-04-02 | 2022-04-02 | 文档图像处理方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663902A CN114663902A (zh) | 2022-06-24 |
CN114663902B true CN114663902B (zh) | 2023-06-02 |
Family
ID=82035800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210351169.6A Active CN114663902B (zh) | 2022-04-02 | 2022-04-02 | 文档图像处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663902B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306575B (zh) * | 2023-05-10 | 2023-08-29 | 杭州恒生聚源信息技术有限公司 | 文档解析方法、文档解析模型训练方法、装置和电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582934A (zh) * | 2018-12-04 | 2019-04-05 | 万兴科技股份有限公司 | 版式文档的转换方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6559415B2 (ja) * | 2014-11-20 | 2019-08-14 | シャープ株式会社 | 文書画像処理装置、それを備えた情報処理装置、プログラム、及び記録媒体 |
CN109933756B (zh) * | 2019-03-22 | 2022-04-15 | 腾讯科技(深圳)有限公司 | 基于ocr的图像转档方法、装置、设备及可读存储介质 |
CN110633660B (zh) * | 2019-08-30 | 2022-05-31 | 盈盛智创科技(广州)有限公司 | 一种文档识别的方法、设备和存储介质 |
CN111753830A (zh) * | 2020-06-22 | 2020-10-09 | 作业不凡(北京)教育科技有限公司 | 一种作业图像校正方法和计算设备 |
CN111914846B (zh) * | 2020-07-03 | 2024-05-24 | 苏州开心盒子软件有限公司 | 版面数据合成方法、设备及存储介质 |
-
2022
- 2022-04-02 CN CN202210351169.6A patent/CN114663902B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582934A (zh) * | 2018-12-04 | 2019-04-05 | 万兴科技股份有限公司 | 版式文档的转换方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114663902A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11886799B2 (en) | Determining functional and descriptive elements of application images for intelligent screen automation | |
US11361526B2 (en) | Content-aware selection | |
CN114155543B (zh) | 神经网络训练方法、文档图像理解方法、装置和设备 | |
KR20210042864A (ko) | 테이블 식별 방법, 장치, 기기, 매체 및 컴퓨터 프로그램 | |
US11461409B2 (en) | Digitization of technical documentation driven by machine learning | |
US20140297276A1 (en) | Editing apparatus, editing method, and computer program product | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
CN114663902B (zh) | 文档图像处理方法、装置、设备和介质 | |
JP2022536320A (ja) | オブジェクト識別方法と装置、電子機器及び記憶媒体 | |
CN115422389A (zh) | 处理文本图像的方法、神经网络及其训练方法 | |
CN114327057A (zh) | 对象选择方法、装置、设备、介质及程序产品 | |
CN113392660A (zh) | 页面翻译方法、装置、电子设备及存储介质 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN115809325B (zh) | 文档处理模型训练方法、文档处理方法、装置及设备 | |
JP2018067298A (ja) | 手書き内容編集装置および手書き内容編集方法 | |
US20220392107A1 (en) | Image processing apparatus, image processing method, image capturing apparatus, and non-transitory computer-readable storage medium | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN115331247A (zh) | 文档结构识别方法、装置、电子设备及可读存储介质 | |
CN113485782A (zh) | 页面数据获取方法、装置、电子设备及介质 | |
CN113641933B (zh) | 异常网页识别方法、异常站点识别方法及装置 | |
CN113326368B (zh) | 作答数据的处理方法、装置、设备以及存储介质 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN116824609B (zh) | 文档版式检测方法、装置和电子设备 | |
CN113744414B (zh) | 图像处理方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |