论文部分内容阅读
表格在人们的日常工作和生活中扮演着重要的角色,它的形式多样,用途广泛。随着无纸化办公的普及,一套高准确率、高效率和健壮的表格识别系统能够大大提高工作效率,从而产生巨大的经济效益,因此,表格识别成为图像处理的研究热点。本文在研究总结现有表格识别相关技术的基础上,给出了一套表格识别的处理流程,即图像预处理,图像边缘检测和提取,数学形态学处理,表格线提取和表格线合并。图像预处理是表格识别的第一步,预处理的效果直接关系到表格识别的准确率。由于表格文档的背景噪声比较复杂,而且在后期处理中都是对局部区域进行的,所以本文采用了改进的模糊阈值算法对图像进行二值化处理,获得了较好的效果。下一步,根据最小二乘法的原理,本文给出了基于最小二乘法的倾斜校正算法。在综合比较了常用的几种图像边缘检测的算子的性能之后,本文采用Canny算子对图像进行边缘检测和提取,并且使用数学形态学对提取边缘图像进行了膨胀运算,腐蚀运算,开运算和闭运算等操作,增强了图像边缘提取的准确性。根据表格图像大部分表格框线都是横线和竖线这一特点,本文采用数学形态学提取表格线,适当选取结构元素,能滤去由文字或噪声干扰等产生的伪直线,因此,不必在表格识别之前作去噪和去除文字的预处理。之后采用查表细化算法对提取出来的表格线进行细化。由于细化会产生断线,因此,本文采用最小二乘法拟合表格线。针对上述步骤所用到的常用算法,本文进行了实验,并且比较了各种算法的性能和效果,实现了表格识别系统的开发,效果良好。