CN117558018A - 图表的配置参数提取方法、装置、电子设备及存储介质 - Google Patents

图表的配置参数提取方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117558018A
CN117558018A CN202311604453.0A CN202311604453A CN117558018A CN 117558018 A CN117558018 A CN 117558018A CN 202311604453 A CN202311604453 A CN 202311604453A CN 117558018 A CN117558018 A CN 117558018A
Authority
CN
China
Prior art keywords
chart
image
region
determining
key information
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
Application number
CN202311604453.0A
Other languages
English (en)
Inventor
张恬恬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianren Healthcare Big Data Technology Co Ltd
Original Assignee
Lianren Healthcare Big Data Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lianren Healthcare Big Data Technology Co Ltd filed Critical Lianren Healthcare Big Data Technology Co Ltd
Priority to CN202311604453.0A priority Critical patent/CN117558018A/zh
Publication of CN117558018A publication Critical patent/CN117558018A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图表的配置参数提取方法、装置、电子设备及存储介质。该包括：获取待检测图像,确定所述待检测图像中的图表区域；确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。实现了自动化配置图表参数，提高了图表配置准确率和效率。

Description

图表的配置参数提取方法、装置、电子设备及存储介质
技术领域
本发明涉及可视化图表技术领域，尤其涉及一种图表的配置参数提取方法、装置、电子设备及存储介质。
背景技术
ECharts(Enterprise Charts)，商业级数据图表，是一种数据可视化工具，一个纯Javascript的图表库，可高度个性化定制的数据可视化图表。
现有技术在生成数据可视化图表时存在以下问题：现有技术需要前端开发人员人工识别图形的相关配置参数，或经历繁琐的过程来提取与ECharts参数相关的信息,费时费力。图像分析和识别方法的效率和准确率较低。将提取的图像信息转换为符合ECharts参数结构的数据是一项复杂任务，现有技术缺乏有效的数据转换和结构化方法。
发明内容
本发明提供了一种图表的配置参数提取方法、装置、电子设备及存储介质，以解决可视化图表生成费时费力的问题。
根据本发明的一方面，提供了一种图表的配置参数提取方法，该方法包括：
获取待检测图像,确定所述待检测图像中的图表区域；
确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；
基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
根据本发明的另一方面，提供了一种图表的配置参数提取装置，该装置包括：
图表区域确定模块，用于获取待检测图像,确定所述待检测图像中的图表区域；
确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；
基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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本发明任一实施例所述的图表的配置参数提取方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图表的配置参数提取方法。
本发明实施例的技术方案，通过获取待检测图像,确定所述待检测图像中的图表区域；准确确定待检测图像中图表的区域；然后，确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；通过图表区域对应的不同图表类型，精准提取图表区域中的图表关键信息；最后，基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示，解决了人工提取配置参数费事费力的问题，取到了自动提取配置参数，对图像进行高效且准确地分析和识别，提高了图表配置准确率和效率的有益效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种图表的配置参数提取方法的流程图；
图2a是根据本发明实施例二提供的一种图表的配置参数提取方法的流程图；
图2b是根据本发明实施例二提供的一种图表的配置参数提取方法的可选实例的流程图；
图3是根据本发明实施例三提供的一种图表的配置参数提取装置的结构示意图；
图4是实现本发明实施例的图表的配置参数提取方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种图表的配置参数提取方法的流程图，本实施例可适用于生成可视化图表情况，该方法可以由图表的配置参数提取装置来执行，该图表的配置参数提取装置可以采用硬件和/或软件的形式实现，该图表的配置参数提取装置可配置于电子设备中。如图1所示，该方法包括：
S110、获取待检测图像,确定所述待检测图像中的图表区域。
其中，待检测图像可以理解为包含图表的图像。图表区域可以理解为在待检测图表中包含图表的区域。所述待检测图像中可包含多个图表区域。
具体的，获取包含图表的待检测图像，确定待检测图表图像中的全部图表区域。
可选的，所述确定所述待检测图像中的图表区域，包括：对所述待检测图像进行预处理，得到目标检测图像，其中，所述预处理包括去噪处理、调整图像亮度、调整图像对比度和平滑边缘处理中的至少一种；基于所述目标检测图像确定所述目标检测图像中的图表区域。
其中，所述目标检测图像可以理解为进行预处理后的包含图表的图像。
具体的，对待检测图像进行预处理，通过去噪处理，采用基于滤波器的方法，如高斯滤波或中值滤波，以消除图像中的噪声干扰。通过图像亮度和对比度调整使用直方图均衡化或线性变换等技术，以增强图像的视觉效果。通过平滑边缘操作采用模糊滤波器，如高斯模糊，以减少图像中的细节和噪点，使后续处理更加稳定。基于经过预处理的目标检测图像可更加准确的确定出目标图像中的所有图表区域。
在本发明实施例中，通过对待检测图像进行一系列的预处理，再基于处理后的目标检测图像确定图像中所有图标区域，提高图表区域确定的准确性以及后续配置参数提取的准确性。
S120、确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息。
其中，图表类型可以理解为图表对应的预设类型，例如ECharts中的图表类型。图表关键信息可以理解为图表关键参数信息。
具体的，在目标检测图像中包括多个图表区域，通过确定不同图表区域对应的图表类型，基于图表类型采用不通的信息提取方式对图表关键信息进行提取。
在本发明实施例中，可以根据不同图表区域对应的图表类型，确定不同的信息提取方式，更加精准的提取图表关键信息。
可选的，所述确定与所述图表区域对应的图表类型，包括：获取与所述图表区域对应的图表特征数据；基于所述图表特征数据和预设分类算法确定与所述图表区域对应的图表类型，其中，所述预设分类算法包括卷积神经网络、支持向量机和随机森林中的至少一种。
其中，图表特征数据可以理解为图表属性特征数据，例如包括图表形状、图表颜色和图表纹理等。
具体的，将所述图表特征输入至预设分类器中，基于输出结果确定与所述图表区域对应的图表类型。可以理解的是，预设分类算法可以根据用户需求自行选择，本实施例不对其进行具体限制。
可选的，所述基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息，包括：在所述图表类型包括图例的情况下，通过形状识别和/或图例模板匹配确定与所述图例中的至少一个系列的第一关联数据；将与所述图例中的至少一个系列的第一关联数据作为所述图表区域中的图表关键信息。
其中，图例可以理解为集中于地图一角或一侧的地图上各种符号和颜色所代表内容与指标的说明。第一关联数据可以理解为图例关联数据。
具体的，在检测到所述图表类型包括图例的情况下，通过形状识别图表中图例形状，通过图例形状与标准图例轮廓进行匹配，将匹配度最高的图例作为图例关联数据进行提取。将提取到的各个系列的图例数据作为该图表区域中的关键信息。其中，标准图例轮廓可以从预先建立标准图例轮廓数据库中获取，或由用户预先设定标准图例轮廓值，本实施例不对其进行限制。
可选的，所述基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息，包括：在所述图表类型包括标题和网格的情况下，通过文本检测确定图表中的文本区域；将所述文本区域中的文本转换为可编辑文本，提取所述可编辑文本中与所述标题和所述网格对应的第二关联数据；将与所述标题和所述网格对应的第二关联数据作为所述图表区域中的图表关键信息。
其中，第二关联数据可以理解为标题和网格数据。
具体的，在检测到所述图表类型包括标题和网格的情况下，通过深度学习的文本检测算法，定位图表中的文本区域，其中，所述文本检测算法可以是预先训练好的卷积神经网络模型。再采用光学字符识别技术，将定位图表中的文本区域转换为可编辑的文本。进而，提取可编辑文本中的标题和网格数据。并将标题和网格数据作为该图表区域中的图表关键信息。
S130、基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
其中，目标配置参数可以理解为标准化处理后的图表配置参数。
具体的，确定所述图表关键信息对应的图表形状，基于图标形状确定对应的标准化配置参数结构。将图表关键信息按照标准化配置参数结构进行数据转换，得到目标配置参数。基于目标配置参数自动生成可视化图表展示给用户。
可选的，所述基于所述图表关键信息和配置参数结构确定图表的目标配置参数，包括：基于所述图表类型确定与所述图表类型对应的配置参数结构；将所述图表关键信息转换为与所述配置参数结构对应的配置参数，将转换得到的所述配置参数作为图表的目标配置参数。
其中，配置参数结构可以理解为Echarts中的标准参数结构。
具体的，基于图表类型确定图表类型对应的配置参数结构，将图表关键信息进行适当数据转换进行标准化处理，例如：若图表形状包括折线图，则可以将提取的数据点转换为与折线图配置参数结构对应的配置参数，即坐标系中的配置参数；若图表形状包括柱状图，可以将提取的数据转换为与柱状图配置参数结构对应的配置参数。通过将数据进行适当的转换和结构化；若所述图表形状包括饼图，则可以将提取的数据转换为与饼图的配置参数结构对应的配置参数。将进行标准化处理后的配置参数作为图表的目标配置参数。
本发明实施例的技术方案，通过获取待检测图像,确定所述待检测图像中的图表区域；准确确定待检测图像中图表的区域；然后，确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；通过图表区域对应的不同图表类型，精准提取图表区域中的图表关键信息；最后，基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示，解决了人工提取配置参数费事费力的问题，取到了自动提取配置参数，对图像进行高效且准确地分析和识别，提高了图表配置准确率和效率的有益效果。
实施例二
图2a为本发明实施例二提供的一种图表的配置参数提取方法的流程图，本实施例是对上述实施例中如何确定所述待检测图像中的图表区域的进一步的细化。可选的，所述确定所述待检测图像中的图表区域，包括：通过图像阈值分割算法将所述待检测图像转换为二值图像；对所述二值图像进行边缘检测得到所述图表区域。
如图2a所示，该方法包括：
S210、获取待检测图像,通过图像阈值分割算法将所述待检测图像转换为二值图像。
其中，二值图像可以理解为将图像上的每一个像素只有两种可能的取值或灰度等级状态。
具体的，通过图像阈值分割算法将待检测图像转换为二值图像，以便于检测图表轮廓。
S220、对所述二值图像进行边缘检测得到所述图表区域。
具体的，通过对二值图像进行边缘检测，可以检测图表区域的边界，基于各个图表区域的边界可准确定位待检测图像中所有的图表区域。
在本发明实施例中，通过对待检测图像转换为二值图像后，在定位图像中各个图表区域，可准确地定位待检测头像中所有的图表区域，提高后续参数提取的准确性和完整性。
S230、确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息。
S240、基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
本发明实施例的技术方案，通过图像阈值分割算法将所述待检测图像转换为二值图像；提高后续图表边界检测的便捷性和直观性，然后，对所述二值图像进行边缘检测得到所述图表区域。可准确定位出待检测图像中所有的图表区域，提高后续参数提取的准确性和完整性。解决了人工提取配置参数费事费力的问题，取到了自动提取配置参数，对图像进行高效且准确地分析和识别，提高了图表配置准确率和效率的有益效果。
图2b提供了一种图表的配置参数提取方法的可选实例的流程图。如图2b所示，本实施例的图表的配置参数提取方法具体包括以下步骤：
步骤1.图像预处理。
首先，对输入的待检测图像进行预处理以增加后续处理的准确性和稳定性。在图像预处理步骤中，采用的处理技术包括去噪处理、调整图像亮度、调整图像对比度和平滑边缘处理中的至少一种。
其中，去噪采用基于滤波器的方法，如高斯滤波或中值滤波，以消除图像中的噪声干扰。图像亮度和对比度调整使用直方图均衡化或线性变换等技术，以增强图像的视觉效果。平滑边缘操作采用模糊滤波器，如高斯模糊，以减少图像中的细节和噪点，使后续处理更加稳定。
步骤2.图表区域检测。
图表区域检测的目标是准确地定位图像中的图表区域。使用的方法包括阈值分割和边缘检测，通过图像阈值分割算法将所述待检测图像转换为二值图像；以便于检测图表的轮廓，使用边缘检测算法来检测图表区域的边界；对所述二值图像进行边缘检测得到所述图表区域。
步骤3.图表类型识别。
获取与所述图表区域对应的图表特征数据，例如：图表的形状、颜色、纹理等属性，提取表征图表类型的关键特征。采用分类算法：使用卷积神经网络、支持向量机、随机森林等，通过训练分类器进行图表类型的识别。
步骤4.图例提取。
对于包含图例的图表类型，采用通过形状识别和/或图例模板匹配来提取图例区域，从而提取出各个系列的图例数据。
步骤5.标题和网格提取。
对于包含标题和网格的图表类型，采用文本检测使用深度学习的文本检测算法---卷积神经网络，来定位图表中的文本区域。采用光学字符识别技术将图表区域中的文本转换为可编辑的文本数据，提取出标题和网格的信息。
步骤6.数据转换和结构化。
将提取的图表信息转换为符合ECharts参数结构的数据。根据不同的图表类型，需要进行适当的数据转换和结构化。例如，对于折线图，可以将提取的数据点转换为坐标系中的数据系列；对于柱状图，可以将提取的数据转换为柱状图的数据系列。通过将数据进行适当的转换和结构化，可以生成对应的ECharts配置，以实现图表的可视化展示。
本发明实施例的技术方案，能够准确、高效地从图像中提取与ECharts相关参数。本实施例的技术方案利用图像处理技术，如边缘检测、图像分割和形状识别，结合机器学习和数据转换方法，实现自动识别图表类型、提取图例、标题和网格等参数的目标。用户无需手动配置图表参数，节省时间和劳动成本，提高图表配置的准确性和效率。该方法具有广泛应用价值，可应用于数据分析、报告生成、科学研究等领域，为用户提供便捷、高效的echarts图表生成解决方案。
实施例三
图3为本发明实施例三提供的一种图表的配置参数提取装置的结构示意图。如图3所示，该装置包括：图表区域确定模块310、关键信息确定模块320和图表生成模块330。
其中，图表区域确定模块310，用于获取待检测图像,确定所述待检测图像中的图表区域；关键信息确定模块320，用于确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；图表生成模块330，用于基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
本发明实施例的技术方案，通过图表区域确定模块，获取待检测图像,确定所述待检测图像中的图表区域；准确确定待检测图像中图表的区域；然后，通过关键信息确定模块，确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；通过图表区域对应的不同图表类型，精准提取图表区域中的图表关键信息；最后，通过图表生成模块，基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示，解决了人工提取配置参数费事费力的问题，取到了自动提取配置参数，对图像进行高效且准确地分析和识别，提高了图表配置准确率和效率的有益效果。
可选的，所述图表区域确定模块包括：
图像转换单元，用于通过图像阈值分割算法将所述待检测图像转换为二值图像；
第一图表区域确定单元，用于对所述二值图像进行边缘检测得到所述图表区域。
可选的，所述关键信息确定模块包括：
图表特征获取单元，用于获取与所述图表区域对应的图表特征数据；
图表类型确定单元，用于基于所述图表特征数据和预设分类算法确定与所述图表区域对应的图表类型，其中，所述预设分类算法包括卷积神经网络、支持向量机和随机森林中的至少一种。
可选的，所述关键信息确定模块，包括：
第一关联数据确定单元，用于在所述图表类型包括图例的情况下，通过形状识别和/或图例模板匹配确定与所述图例中的至少一个系列的第一关联数据；
第一图表关键信息确定单元，用于将与所述图例中的至少一个系列的第一关联数据作为所述图表区域中的图表关键信息。
可选的，所述关键信息确定模块，包括：
文本区域确定单元，用于在所述图表类型包括标题和网格的情况下，通过文本检测确定图表中的文本区域；
第二关联数据确定单元，用于将所述文本区域中的文本转换为可编辑文本，提取所述可编辑文本中与所述标题和所述网格对应的第二关联数据；
第二图表关键信息确定单元，用于将与所述标题和所述网格对应的第二关联数据作为所述图表区域中的图表关键信息。
可选的，所述图表区域确定模块包括：
图像预处理单元，用于对所述待检测图像进行预处理，得到目标检测图像，其中，所述预处理包括去噪处理、调整图像亮度、调整图像对比度和平滑边缘处理中的至少一种；
第二图表区域确定单元，用于基于所述目标检测图像确定所述目标检测图像中的图表区域。
可选的，所述图表生成模块包括：
参数结构确定单元，用于基于所述图表类型确定与所述图表类型对应的配置参数结构；
目标配置参数获取单元，用于将所述图表关键信息转换为与所述配置参数结构对应的配置参数，将转换得到的所述配置参数作为图表的目标配置参数。
本发明实施例所提供的图表的配置参数提取装置可执行本发明任意实施例所提供的图表的配置参数提取方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如方法图表的配置参数提取。
在一些实施例中，方法图表的配置参数提取可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的方法图表的配置参数提取的一个或多个步骤。备选地，在其他实施例中，处理器11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图表的配置参数提取。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。
计算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服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图表的配置参数提取方法，其特征在于，包括：
获取待检测图像,确定所述待检测图像中的图表区域；
确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；
基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待检测图像中的图表区域，包括：
通过图像阈值分割算法将所述待检测图像转换为二值图像；
对所述二值图像进行边缘检测得到所述图表区域。
3.根据权利要求1所述的方法，其特征在于，所述确定与所述图表区域对应的图表类型，包括：
获取与所述图表区域对应的图表特征数据；
基于所述图表特征数据和预设分类算法确定与所述图表区域对应的图表类型，其中，所述预设分类算法包括卷积神经网络、支持向量机和随机森林中的至少一种。
4.根据权利要求1所述的方法，其特征在于，所述基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息，包括：
在所述图表类型包括图例的情况下，通过形状识别和/或图例模板匹配确定与所述图例中的至少一个系列的第一关联数据；
将与所述图例中的至少一个系列的第一关联数据作为所述图表区域中的图表关键信息。
5.根据权利要求1所述的方法，其特征在于，所述基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息，包括：
在所述图表类型包括标题和网格的情况下，通过文本检测确定图表中的文本区域；
将所述文本区域中的文本转换为可编辑文本，提取所述可编辑文本中与所述标题和所述网格对应的第二关联数据；
将与所述标题和所述网格对应的第二关联数据作为所述图表区域中的图表关键信息。
6.根据权利要求1所述的方法，其特征在于，所述确定所述待检测图像中的图表区域，包括：
对所述待检测图像进行预处理，得到目标检测图像，其中，所述预处理包括去噪处理、调整图像亮度、调整图像对比度和平滑边缘处理中的至少一种；
基于所述目标检测图像确定所述目标检测图像中的图表区域。
7.根据权利要求1所述的方法，其特征在于，所述基于所述图表关键信息和配置参数结构确定图表的目标配置参数，包括：
基于所述图表类型确定与所述图表类型对应的配置参数结构；
将所述图表关键信息转换为与所述配置参数结构对应的配置参数，将转换得到的所述配置参数作为图表的目标配置参数。
8.一种图表的配置参数提取装置，其特征在于，包括：
图表区域确定模块，用于获取待检测图像,确定所述待检测图像中的图表区域；
关键信息确定模块，用于确定与所述图表区域对应的图表类型，基于与所述图表区域对应的图表类型提取所述图表区域中的图表关键信息；
图表生成模块，用于基于所述图表关键信息和配置参数结构确定图表的目标配置参数，基于所述目标配置参数生成可视化图表并展示。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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中任一项所述的图表的配置参数提取方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图表的配置参数提取方法。
CN202311604453.0A 2023-11-28 2023-11-28 图表的配置参数提取方法、装置、电子设备及存储介质 Pending CN117558018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311604453.0A CN117558018A (zh) 2023-11-28 2023-11-28 图表的配置参数提取方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311604453.0A CN117558018A (zh) 2023-11-28 2023-11-28 图表的配置参数提取方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN117558018A true CN117558018A (zh) 2024-02-13

Family

ID=89810774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311604453.0A Pending CN117558018A (zh) 2023-11-28 2023-11-28 图表的配置参数提取方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117558018A (zh)

Similar Documents

Publication Publication Date Title
CN112861885B (zh) 图像识别方法、装置、电子设备及存储介质
CN112989995B (zh) 文本检测方法、装置及电子设备
CN112784835B (zh) 圆形印章的真实性识别方法、装置、电子设备及存储介质
CN113627439A (zh) 文本结构化处理方法、处理装置、电子设备以及存储介质
CN113610809B (zh) 骨折检测方法、装置、电子设备以及存储介质
CN114187448A (zh) 文档图像识别方法和装置、电子设备、计算机可读介质
CN114511862B (zh) 表格识别方法、装置及电子设备
CN117558018A (zh) 图表的配置参数提取方法、装置、电子设备及存储介质
CN111325179A (zh) 手势跟踪方法、装置、电子设备和存储介质
CN117274361A (zh) 一种物料表面积测量方法、装置、电子设备以及介质
CN113032071B (zh) 页面元素定位方法、页面测试方法、装置、设备和介质
CN112991308B (zh) 一种图像质量的确定方法、装置、电子设备和介质
CN114972361A (zh) 一种血流分割方法、装置、设备及存储介质
CN116503407B (zh) 图像中异物区域的检测方法、装置及电子设备
CN117746069B (zh) 以图搜图的模型训练方法、和以图搜图方法
CN114998906B (zh) 文本检测方法、模型的训练方法、装置、电子设备及介质
CN115934567A (zh) 一种界面控件检测识别方法、装置、电子设备及存储介质
CN118038470B (zh) 水尺水位识别方法、装置、电子设备及存储介质
CN116682124A (zh) 一种数据录入方法、装置、设备及存储介质
CN118609189A (zh) 基于计算机视觉的人脸角度确定方法、装置、设备及介质
CN116416254A (zh) 一种输电线分割方法、装置、电子设备及存储介质
CN117275006A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN118964652A (zh) 缺陷数据库的构建方法、装置、电子设备及存储介质
CN117557511A (zh) 一种电子设备缺陷的检测方法、装置及存储介质
CN116596941A (zh) 一种图像分割方法、装置、设备及存储介质

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