CN114898387A - 表格图像处理方法和装置 - Google Patents

Abstract

本公开提供了一种表格图像处理方法和装置，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于OCR等场景。实现方案为：获得目标图像，目标图像中包含表格，表格包括多个单元格和多个字符；基于目标图像，确定表格的结构信息和文本信息，结构信息指示多个单元格中的每一个单元格的行列索引信息，文本信息包括多个字符中的每一个字符的位置；以及基于结构信息和文本信息，确定多个单元格中的每一个单元格的边框位置。

Description

表格图像处理方法和装置

技术领域

本公开涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于OCR等场景，具体涉及一种表格图像处理方法和装置、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。

基于人工智能的图像处理技术，已经渗透到各个领域。其中，基于人工智能的表格图像的识别技术，通过对包含表格的图像进行识别，提取图像中的表格信息。

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

本公开提供了一种图像处理方法、用于训练图像处理模型的方法、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，提供了一种表格图像处理方法，包括：获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；基于所述目标图像，确定所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符中的每一个字符的位置；以及基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

根据本公开的另一方面，提供了一种表格图像处理装置，包括：目标图像获取单元，被配置用于获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；识别结果获取单元，被配置用于基于所述目标图像，获得所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符和每一个字符的位置；以及单元格确定单元，被配置用于基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

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实现根据上述的方法。

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，所述计算机指令用于使所述计算机实现根据上述的方法。

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，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的一个或多个实施例，可以获得图像中的表格的边框的位置，并且所获得的边框位置准确。

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示出了根据本公开的实施例的表格图像处理方法的流程图；

图3示出了根据本公开的实施例的表格图像处理方法中的基于所述结构信息和所述文本信息确定所述表格的多个单元格中的每一个单元格的边框位置的过程的流程图；

图4示出了根据本公开的实施例的表格图像处理方法中的基于文本信息获得多个单元格中每一个单元格对应的单元格文本的过程的流程图；

图5示出了根据本公开的实施例的表格图像处理方法中的基于目标图像获得表格的结构信息和文本信息的过程的流程图；

图6示出了根据本公开的实施例的图像处理方法中所获得的多个单元格中每一个单元格的预测边框和多个单元格中每一个单元格的单元格文本对应的包围框的相对位置示意图；

图7示出了根据本公开的实施例的表格图像处理方法中的基于多个单元格中的每一个单元格对应的单元格文本的位置和结构信息确定多个单元格中的每一个单元格的边框位置的过程的流程图；

图8示出了根据本公开的实施例的表格图像处理方法中的基于多个单元格文本对应的多个矩形包围框和结构信息获得多个单元格中的每一个单元格的边框位置的过程的流程图；

图9示出了根据本公开的实施例的表格图像处理方法中的基于多个矩形包围框集合和结构信息获得多个单元格中的每一个单元格的过程的流程图；

图10示出了根据本公开的实施例的表格图像处理方法中所获得的多个矩形包围框、多个行分割线和多个列分割线的示意图；

图11示出了根据本公开的实施例的表格图像处理方法中的基于多个行列单元格和结构信息获得多个单元格中的每一个单元格的边框位置的过程的流程图；

图12示出了根据本公开的实施例的表格图像处理装置的示意性框图；

图13示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。

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)模型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来接收第一分类结果。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。客户端设备还可以经由该接口向用户输出信息。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对象文件的信息。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。

参看图2，根据本公开的一些实施例的一种表格图像处理方法200包括：

步骤S210：获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；

步骤S220：基于所述目标图像，确定所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符中的每一个字符的位置；以及

步骤S230：基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

通过基于目标图像进行图像识别，获得目标图像中的表格的结构信息和文本信息，所得到的结构信息和文本信息准确，进而基于该结构信息和文本信息获得表格中的多个单元格中的每一个单元格的边框位置，使获得的多个单元格中每一个单元格的边框位置准确。

在相关技术中，直接对包含表格的图像进行识别，获得表格的结构信息和表格中的单元格的位置信息，其中，采用端到端的识别模型进行图像的识别。然而，识别模型在训练过程中，往往需要采用人工标注的训练图像中的表格的结构信息和单元格的位置信息进行监督。对表格中的单元格的位置信心进行人工标注时往往需要获得单元格的位置坐标，使得标注的成本高，并且在针对位置信息进行特征提取时，其中的语义特征和视觉特征无法进行很好的融合，使得所获得的识别模型无法获得准确的位置坐标。

根据本公开的实施例，考虑到在对表格识别模型进行训练的过程中对训练图像的结构信息进行人工标注的成本低，并且使得所训练的表格识别模型预测的结构信息准确，同时，通过在对表格中的文本进行识别时获得的文本信息准确，使得基于所获得的准确的结构信息和文本信息所获得的表格的单元格的边框位置准确。

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。

在一些实施例中，目标图像可以是任意包含表格的图像。

表格包括表格中的文字和表格的结构，其中，表格的结构指示表格中的各个单元格的行列索引信息。

单元格的行列索引信息，例如，可以是该单元格在表格中所处的行和列的索引号，用于指示该单元格位于表格中的第几行、第几列。

在一些实施例中，目标图像中的表格可以是有线表格，也可以是无线表格。有线表格，即，表格各个单元格之间通过表格线分开；无线表格，即，表格中不包含表格线，仅仅包含文字或字符，通过文字和字符按照表格的单元格排列，形成表格。

在一些实施例中，步骤S210、获取目标图像的方法可以包括：获得待检测图像；对待检测图像进行表格检测，以获得待检测图像中的表格区域；基于待检测图像中的表格区域，获得目标图像。

在一些实施例中，步骤S220、基于所述目标图像，确定所述表格的结构信息和文本信息可以包括：将目标图像输入至表格识别模型中，以获得表格的结构信息和文本信息。

在一些实施例中，表格识别模型可以是包含基于编码器-解码器-递归神经网络的模型。

基于编码器-解码器-递归神经网络，在训练过程中，可以使用对训练数据的表格整体结构进行标注的标注标签作为监督信号，以进行训练。对表格整体结构进行标注，标注数据量小，标注成本低；在预测过程中能够获得准确的表格结构信息。同时，基于编码器-解码器-递归神经网络可以同时处理有线表格、无线表格，应用范围广。

在另一些实施例中，表格识别模型还可以是基于卷积神经网络的模型，在此并不限定。

在一些实施例中，如图3所示，步骤S230、基于所述结构信息和所述文本信息，确定所述表格的多个单元格中的每一个单元格的边框位置包括：

步骤S310：基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本，所述多个单元格中的每一个单元格对应的单元格文本包括所述多个字符中的至少一个字符；以及

步骤S320：基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置。

通过所获得的文本信息，获得单元格文本，并基于单元格文本的位置，获得每个单元格的边框，由于单元格文本是基于文本信息获得的，其准确性高，并且单元格文本与表格中各个单元格匹配，具有单元格分布的规律性，使基于单元格文本获得的单元格的边框位置更加准确。

在一些实施例中，步骤S310、基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本包括：

对目标图像进行文字识别，以获得目标图像中的多个字符；

响应于多个字符中的多个第一字符中的相邻两个第一字符之间的间距小于距离阈值，将该多个第一字符确定为一个单元格文本。

在一些实施例中，如图4所示，步骤S310、基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本包括：

步骤S410：获得所述多个字符中基于语义识别的多个识别文本，所述多个识别文本中的每一个识别文本包括所述多个字符中的至少一个字符；以及

步骤S410：基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本。

通过获得多个字符中基于语义识别的多个识别文本，使得获得单元格文本还与字符之间语义特征相关，进一步提升所获得的单元格文本的准确性。

在一些实施例中，通过将基于图像识别所获得的多个字符按顺序输入至经训练的自然语言处理模型，以对多个字符进行分割，并获得多个识别文本。

在一些实施例中，在基于目标图像获得表格的结构信息和文本信息的过程中获得识别文本。

在一些实施例中，将该多个识别文本作为与该多个单元格对应的多个单元格文本。

在一些实施例中，基于所述目标图像，获得所述表格的结构信息和文本信息还包括：获得所述多个单元格中的每一个单元格的预测边框的位置；其中，如图5所示，步骤S410、基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本包括：

步骤S510：针对所述多个识别文本中的每一个识别文本，基于该识别文本所包括的至少一个字符中的每一个字符的位置，获得包围该识别文本的包围框；以及

步骤S520：响应于所述多个识别文本中的第一识别文本的包围框的位置与所述多个单元格中的第一单元格的预测边框的位置之间的距离小于所述第一识别文本的包围框的位置与第二单元格的预测边框的位置之间的距离，将所述第一识别文本确定为所述第一单元格对应的单元格文本。

在对目标图像进行识别，获得表格的结构信息和文本信息的过程中，还获得预测边框的位置，结合预测边框的位置和识别文本的位置，获得单元格文本，使获得单元格文本的过程结合图像的语义和视觉特征的同时，还结合文本的语义，使所获得的的单元格文本更加准确。

在一些实施例中，基于多个识别文本中的每一个识别文本所包括的至少一个字符中的各个字符的位置，获得多个识别文本的位置。

在一些实施例中，基于目标图像获得的文本信息包括多个字符中各个字符的坐标；基于多个识别文本中的每一个识别文本所包括的至少一个字符中的各个字符的位置，获得多个识别文本的位置包括：基于多个识别文本中的每一个识别文本中各个字符的坐标，获得该识别文本的包围框。

例如，通过获得识别文本所包括的至少一个字符中位于最外侧的两个字符的坐标，获得包围该识别文本的矩形包围框。

在一些实施例中，通过计算各个识别文本的矩形包围框的中心与各个单元格的预测边框的中心之间的距离，确定各个识别文本的矩形包围框与各个单元格的预测边框之间的距离。

在一些实施例中，将各个识别文本的矩形包围框的中心与各个单元格的预测边框的IOU(重叠度)，作为两者之间的距离。

参看图6，示出了根据本公开的一个实施例中获得的表格的多个单元格中的每一个单元格的预测边框和识别文本之间的相对位置的示意图。其中，实线示出为各个单元格的预测边框，虚线示出为识别文本的包围框。可以看出，通过结合单元格的预测边框和识别文本的位置，可以确定识别文本和单元格之间的对应关系，从而使所获得与各个单元对应的单元格文本更加准确。

在一些实施例中，如图7所示，步骤S320、基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置包括：

步骤S710：获得所述多个单元格文本中的每一个单元格文本，基于该单元格文本所包括的至少一个字符中的每一个字符的位置，获得包围该单元格文本的矩形包围框；以及

步骤S720：基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

通过单元格文本的矩形包围框，获得单元格的边框位置，使获得的边框是通过单元格文本的矩形包围框获得的，由于单元格文本准确性高，使得获得的边框准确。

在一些实施例中，获得通过获得单元格文本所包括的至少一个字符中位于最外侧字符的位置，获得该单元格文本的矩形包围框。

例如，通过获得单元格文本所包括的至少一个字符中最外侧的两个字符的每一个字符上各个点的坐标，并且通过获得该两个字符上的第一点的横坐标和第二点的横坐标之间的差，确定矩形包围框的长；通过获得该两个字符中每一个字符上多个点中的第三点和第四点的纵坐标的差，确定矩形包围框的宽，从而确定该单元格文本的矩形包围框。其中，第一点和第二点分别是该两个字符上的横坐标差最大的点。第三点和第四点是每一个字符上纵坐标差最大的点。

在一些实施例中，在步骤S720中，基于该多个单元格文本中的任一单元格文本，对该多个单元格文本进行遍历，以确定各个单元格。例如，从位于最外侧并且所包括的至少一个字符中的坐标最小的第一单元格文本开始，通过获得与该第一单元格文本相邻的多个单元格文本，并且确定该第一单元格文本与相邻的多个单元格文本中的每一个单元格文本之间的分割线，以对该第一单元格文本进行遍历。响应于遍历完该多个单元格文本中的每一个单元格文本后，获得各个单元格文本之间的分割线。最后，基于结构信息，调整各个单元格文本之间的分割线，以确定各个单元格。

在一些实施例中，如图8所示，步骤S720、基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置包括：

步骤S810：响应于确定所述多个矩形包围框中的第一矩形包围框与第二矩形包围框相应，确定所述第一矩形包围框与所述第二矩形包围框位于同一行；

步骤S820：获得所述多个矩形包围框中的多个矩形包围框集合，所述多个矩形包围框集合中的每一个矩形包围框集合中的多个矩形包围框位于同一行；以及

步骤S830：基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

通过对多个单元格文本对应的多个矩形包围框进行行划分，以将位于同一的多个矩形包围框划分为一个矩形包围框集合，使得获得多个单元格边框的过程中是基于位于多个行中的每一个行的矩形包围框集合获得的，该过程考虑位于同一行的多个矩形包围框的位置，使获得的单元格的边框位置更加准确。

在一些实施例中，响应于确定第一矩形包围框的四个边中的两个边对应的坐标中的纵坐标分别与第二矩形包围框的四个边中的两个边对应的坐标中的纵坐标相同，确定该第一矩形包围框与第二矩形包围框相应。其中，矩形包围框的四个边中的每一个边对应的坐标为该边的两个端点的坐标的均值。

在一些实施例中，响应于第一矩形包围框的中心与第二矩形包围框的中心的纵坐标的差值不大于预设阈值，确定该第一矩形包围框与第二矩形包围框相应。

在一些实施例中，如图9所示，步骤S830、基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格包括：

步骤S910：基于所述多个矩形包围框集合，获得多个行分割线，所述多个行分割线中的每一个行分割线位于所述多个矩形包围框集合中的两个相邻矩形包围框集合之间；以及

步骤S920：基于所述多个矩形包围框集合中所包括的矩形包围框的数量最大的第一矩形包围框集合，获得多个列分割线，所述多个列分割线中的每一个列分割线位于所述第一矩形包围框集合的相邻两个矩形包围之间；

步骤S930：基于所述多个行分割线、所述多个列分割线和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置；以及

步骤S940：基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

通过基于多个矩形包围框集合获得多个行分割线，并且基于多个矩形包围框集合中所包括的矩形包围框的数量最大的第一矩形包围框集合获得多个列分割线，使所获得的多个行分割线和多个列分割线准确。基于多个行分割线和多个列分割线，获得该表格中的多个行列单元格，该多个行列单元格准确，最终使得基于多个行列单元格获得的多个单元格中每一个单元格的边框位置准确。

参看图10，示出了根据本公开的一个实施例的基于多个矩形包围框集合和该多个矩形包围框集合中包括的矩形包围框数量最大的第一矩形包围框集合，获得表格的多个行分割线和多个列分割线。其中，多个矩形包围框如图中虚线示出，多个行分割线和多个列分割线如图中实线示出。

在一些实施例中，如图11所示，步骤S940、基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置包括：

步骤S1110：基于所述结构信息，对所述多个行列单元格进行合并单元格操作，以获得所述多个单元格中的每一个单元格，其中，所述多个单元格中的每一个单元格包括至少一个行列单元格；以及

步骤S1120：基于所述多个单元格中的每一个单元格所包括的至少一个行列单元格，获得所述多个单元格中的每一个单元格的边框位置。

由于结构信息指示单元格在第几行和第几列，基于结构信息进行合并单元格操作，使获得的多个单元格中的每一个单元格的边框位置准确。

在一些实施例中，将多个单元格中每一个单元格包括的至少一个行列单元格中位于最外侧的行列单元格的对应的行分割线和列分割线作为该单元格的边框。

根据本公开的另一方面，还提供了一种表格图像处理装置，如图12所示，装置1200包括：目标图像获取单元1210，被配置用于获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；识别结果获取单元1220，被配置用于基于所述目标图像，获得所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符和每一个字符的位置；以及单元格确定单元1230，被配置用于基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

在一些实施例中，所述单元格确定单元1230包括：单元格文本获取单元，被配置用于基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本，所述多个单元格中的每一个单元格对应的单元格文本包括所述多个字符中的一个或多个字符；以及单元格确定子单元，被配置用于基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置。

在一些实施例中，所述单元格文本获取单元包括：识别文本获取单元，被配置用于获得所述多个字符中基于语义识别的多个识别文本，所述多个识别文本中的每一个识别文本包括所述多个字符中的至少一个字符；以及单元格文本获取子单元，被配置用于基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本。

在一些实施例中，所述识别结果获取单元还包括：第一获取子单元，被配置用于获得所述多个单元格中的每一个单元格的预测边框的位置；其中，所述单元格文本获取子单元包括：第一文本包围框获取单元，被配置用于针对所述多个识别文本中的每一个识别文本，基于该识别文本所包括的至少一个字符中的每一个字符的位置，获得包围该识别文本的包围框；以及第一确定单元，被配置用于响应于所述多个识别文本中的第一识别文本的包围框的位置与所述多个单元格中的第一单元格的预测边框的位置之间的距离小于所述第一识别文本的包围框的位置与第二单元格的预测边框的位置之间的距离，将所述第一识别文本确定为所述第一单元格对应的单元格文本。

在一些实施例中，所述单元格确定子单元包括：第二文本包围框获取单元，被配置用于获得所述多个单元格文本中的每一个单元格文本，基于该单元格文本所包括的至少一个字符中的每一个字符的位置，获得包围该单元格文本的矩形包围框；以及第一确定子单元，被配置用于基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

在一些实施例中，所述第一确定子单元包括：行确定单元，被配置用于响应于确定所述多个矩形包围框中的第一矩形包围框与第二矩形包围框相应，确定所述第一矩形包围框与所述第二矩形包围框位于同一行；矩形包围框集合获取单元，被配置用于获得所述多个矩形包围框中的多个矩形包围框集合，所述多个矩形包围框集合中的每一个矩形包围框集合中的多个矩形包围框位于同一行；以及第二确定子单元，被配置用于基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

在一些实施例中，所述第二确定子单元包括：行分割线获取单元，被配置用于基于所述多个矩形包围框集合，获得多个行分割线，所述多个行分割线中的每一个行分割线位于所述多个矩形包围框集合中的两个相邻矩形包围框集合之间；以及列分割线获取单元，被配置用于基于所述多个矩形包围框集合中所包括的矩形包围框的数量最大的第一矩形包围框集合，获得多个列分割线，所述多个列分割线中的每一个列分割线位于所述第一矩形包围框集合的相邻两个矩形包围之间；行列单元格获取单元，被配置用于基于所述多个行分割线和所述多个列分割线，获得多个行列单元格；以及第三确定子单元，被配置用于基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

在一些实施例中，所述第三确定子单元包括：合并单元，被配置用于基于所述结构信息，对所述多个行列单元格进行合并单元格操作，以获得所述多个单元格中的每一个单元格，其中，所述多个单元格中的每一个单元格包括至少一个行列单元格；以及第四确定子单元，被配置用于基于所述多个单元格中的每一个单元格所包括的至少一个行列单元格，获得所述多个单元格中的每一个单元格的边框位置。

根据本公开的另一方面，还提供了一种电子设备，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根据本公开所述的方法。

根据本公开的另一方面，还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，所述计算机指令用于使所述计算机执行根据本公开所述的方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开所述的方法。

参考图13，现将描述可以作为本公开的服务器或客户端的电子设备1300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13所示，电子设备1300包括计算单元1301，其可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序，来执行各种适当的动作和处理。在RAM 1303中，还可存储电子设备1300操作所需的各种程序和数据。计算单元1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。

电子设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306、输出单元1307、存储单元1308以及通信单元1309。输入单元1306可以是能向电子设备1300输入信息的任何类型的设备，输入单元1306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1307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、对象/音频输出终端、振动器和/或打印机。存储单元1308可以包括但不限于磁盘、光盘。通信单元1309允许电子设备1300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1301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1301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、各种运行机器学习模型算法的计算单元、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1301执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200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1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到电子设备1300上。当计算机程序加载到RAM 1303并由计算单元1301执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

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，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 (19)

1.一种表格图像处理方法，包括：

获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；

基于所述目标图像，确定所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符中的每一个字符的位置；以及

基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

2.根据权利要求1所述的方法，其中，所述基于所述结构信息和所述文本信息，确定所述表格的多个单元格中的每一个单元格的边框位置包括：

基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本，所述多个单元格中的每一个单元格对应的单元格文本包括所述多个字符中的至少一个字符；以及

基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置。

3.根据权利要求2所述的方法，其中，所述基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本包括：

获得所述多个字符中基于语义识别的多个识别文本，所述多个识别文本中的每一个识别文本包括所述多个字符中的至少一个字符；以及

基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本。

4.根据权利要求3所述的方法，其中，所述基于所述目标图像，获得所述表格的结构信息和文本信息还包括：

获得所述多个单元格中的每一个单元格的预测边框的位置；其中，所述基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本包括：

针对所述多个识别文本中的每一个识别文本，基于该识别文本所包括的至少一个字符中的每一个字符的位置，获得包围该识别文本的包围框；以及

响应于所述多个识别文本中的第一识别文本的包围框的位置与所述多个单元格中的第一单元格的预测边框的位置之间的距离小于所述第一识别文本的包围框的位置与第二单元格的预测边框的位置之间的距离，将所述第一识别文本确定为所述第一单元格对应的单元格文本。

5.根据权利要求2所述的方法，其中，所述基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置包括：

获得所述多个单元格文本中的每一个单元格文本，基于该单元格文本所包括的至少一个字符中的每一个字符的位置，获得包围该单元格文本的矩形包围框；以及

基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

6.根据权利要求5所述的方法，其中，所述基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置包括：

响应于确定所述多个矩形包围框中的第一矩形包围框与第二矩形包围框相应，确定所述第一矩形包围框与所述第二矩形包围框位于同一行；

获得所述多个矩形包围框中的多个矩形包围框集合，所述多个矩形包围框集合中的每一个矩形包围框集合中的多个矩形包围框位于同一行；以及

基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

7.根据权利要求5所述的方法，其中，所述基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格包括：

基于所述多个矩形包围框集合，获得多个行分割线，所述多个行分割线中的每一个行分割线位于所述多个矩形包围框集合中的两个相邻矩形包围框集合之间；以及

基于所述多个矩形包围框集合中所包括的矩形包围框的数量最大的第一矩形包围框集合，获得多个列分割线，所述多个列分割线中的每一个列分割线位于所述第一矩形包围框集合的相邻两个矩形包围之间；

基于所述多个行分割线和所述多个列分割线，获得多个行列单元格；以及

基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

8.根据权利要求7所述的方法，其中，所述基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置包括：

基于所述结构信息，对所述多个行列单元格进行合并单元格操作，以获得所述多个单元格中的每一个单元格，其中，所述多个单元格中的每一个单元格包括至少一个行列单元格；以及

基于所述多个单元格中的每一个单元格所包括的至少一个行列单元格，获得所述多个单元格中的每一个单元格的边框位置。

9.一种表格图像处理装置，包括：

目标图像获取单元，被配置用于获得目标图像，所述目标图像中包含表格，所述表格包括多个单元格和多个字符；

识别结果获取单元，被配置用于基于所述目标图像，获得所述表格的结构信息和文本信息，所述结构信息指示所述多个单元格中的每一个单元格的行列索引信息，所述文本信息包括所述多个字符和每一个字符的位置；以及

单元格确定单元，被配置用于基于所述结构信息和所述文本信息，确定所述多个单元格中的每一个单元格的边框位置。

10.根据权利要求9所述的装置，其中，所述单元格确定单元包括：

单元格文本获取单元，被配置用于基于所述文本信息，获得所述多个单元格中每一个单元格对应的单元格文本，所述多个单元格中的每一个单元格对应的单元格文本包括所述多个字符中的一个或多个字符；以及

单元格确定子单元，被配置用于基于所述多个单元格中的每一个单元格对应的单元格文本的位置和所述结构信息，确定所述多个单元格中的每一个单元格的边框位置。

11.根据权利要求10所述的装置，其中，所述单元格文本获取单元包括：

识别文本获取单元，被配置用于获得所述多个字符中基于语义识别的多个识别文本，所述多个识别文本中的每一个识别文本包括所述多个字符中的至少一个字符；以及

单元格文本获取子单元，被配置用于基于所述多个识别文本，获得所述多个单元格中每一个单元格对应的单元格文本。

12.根据权利要求11所述的装置，其中，所述识别结果获取单元还包括：

第一获取子单元，被配置用于获得所述多个单元格中的每一个单元格的预测边框的位置；其中，所述单元格文本获取子单元包括：

第一文本包围框获取单元，被配置用于针对所述多个识别文本中的每一个识别文本，基于该识别文本所包括的至少一个字符中的每一个字符的位置，获得包围该识别文本的包围框；以及

第一确定单元，被配置用于响应于所述多个识别文本中的第一识别文本的包围框的位置与所述多个单元格中的第一单元格的预测边框的位置之间的距离小于所述第一识别文本的包围框的位置与第二单元格的预测边框的位置之间的距离，将所述第一识别文本确定为所述第一单元格对应的单元格文本。

13.根据权利要求10所述的装置，其中，所述单元格确定子单元包括：

第二文本包围框获取单元，被配置用于获得所述多个单元格文本中的每一个单元格文本，基于该单元格文本所包括的至少一个字符中的每一个字符的位置，获得包围该单元格文本的矩形包围框；以及

第一确定子单元，被配置用于基于所述多个单元格文本对应的多个矩形包围框和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

14.根据权利要求13所述的装置，其中，所述第一确定子单元包括：

行确定单元，被配置用于响应于确定所述多个矩形包围框中的第一矩形包围框与第二矩形包围框相应，确定所述第一矩形包围框与所述第二矩形包围框位于同一行；

矩形包围框集合获取单元，被配置用于获得所述多个矩形包围框中的多个矩形包围框集合，所述多个矩形包围框集合中的每一个矩形包围框集合中的多个矩形包围框位于同一行；以及

第二确定子单元，被配置用于基于所述多个矩形包围框集合和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

15.根据权利要求14所述的装置，其中，所述第二确定子单元包括：

行分割线获取单元，被配置用于基于所述多个矩形包围框集合，获得多个行分割线，所述多个行分割线中的每一个行分割线位于所述多个矩形包围框集合中的两个相邻矩形包围框集合之间；以及

列分割线获取单元，被配置用于基于所述多个矩形包围框集合中所包括的矩形包围框的数量最大的第一矩形包围框集合，获得多个列分割线，所述多个列分割线中的每一个列分割线位于所述第一矩形包围框集合的相邻两个矩形包围之间；以及

行列单元格获取单元，被配置用于基于所述多个行分割线和所述多个列分割线，获得多个行列单元格；以及

第三确定子单元，被配置用于基于所述多个行列单元格和所述结构信息，获得所述多个单元格中的每一个单元格的边框位置。

16.根据权利要求15所述的装置，其中，所述第三确定子单元包括：

合并单元，被配置用于基于所述结构信息，对所述多个行列单元格进行合并单元格操作，以获得所述多个单元格中的每一个单元格，其中，所述多个单元格中的每一个单元格包括至少一个行列单元格；以及

第四确定子单元，被配置用于基于所述多个单元格中的每一个单元格所包括的至少一个行列单元格，获得所述多个单元格中的每一个单元格的边框位置。

17.一种电子设备，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1-8中任意一项所述的方法。

18.一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1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

Images