(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221071046 0.8 (22)申请日 2022.06.22 (65)同一申请的已公布的文献号 申请公布号 CN 114782970 A (43)申请公布日 2022.07.22 (73)专利权人 广州市新文溯科技有限公司 地址 511400 广东省广州市番禺区小谷围 街青蓝街28号1栋401、 401-1、 401-2、 401-3室 (72)发明人 邹辉　朱军　禤少茵　 (74)专利代理 机构 广州哲力 智享知识产权代理 有限公司 4 4494 专利代理师 贺红星 (51)Int.Cl. G06V 30/412(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06T 3/60(2006.01) G06T 7/70(2017.01) G06F 40/174(2020.01) G06F 40/18(2020.01) (56)对比文件 CN 112183511 A,2021.01.0 5 CN 109213818 A,2019.01.15 审查员 赖女女 (54)发明名称 一种表格提取方法、 系统及可读介质 (57)摘要 本发明涉及数据处理领域， 尤其涉及一种表 格提取方法、 系统及可读介质。 一种表格提取方 法， 包括： 获取表格图像中所有单元格的元素坐 标数据； 基于所述元素坐标数据以及基本单元格 参数确定每个单元格的格类型， 并构建表格矩 阵； 所述格类型包括独立单元格和合并单元格； 将独立单元格和合并单元格根据对应元素坐标 数据构建到所述表格矩阵中， 形成表格数据。 通 过识别表格图像中， 每个单元格的元素坐标数 据， 进而判定单元格时独立单元格还 是合并单元 格， 并按照不同格类型构建到表格矩阵中， 最终 形成表格数据， 针对任意格式表格的处理， 能够 应对复杂的组成表格结构化表 示和信息抽取， 方 便快捷。 权利要求书2页 说明书8页 附图5页 CN 114782970 B 2022.09.16 CN 114782970 B 1.一种表格提取 方法， 其特 征在于， 包括： 获取表格图像 中所有单元格的元素坐标数据； 所述元素坐标数据包括横向数据和纵向 数据； 基于所述元素坐标数据以及基本单元格参数确定每个单元格的格类型， 并构建表格矩 阵； 所述格 类型包括独立单 元格和合并单 元格； 基于所有单元格的元素坐标数据通过聚类分析， 得到计算坐标数据； 所述计算坐标数 据包括计算 坐标横向数组和计算 坐标纵向数组； 基于所述计算坐标数据得到所述基本单元格参数； 所述基本单元格参数包括基本单元 格横坐标矩阵和基本单 元格纵坐标矩阵； 基于所述单元格的所述横向数据与 所述基本单元格横坐标矩阵得到多个横向重叠比， 以大于第三阈值的横向重叠比作为横向标识比； 基于所述单元格的所述 纵向数据与所述基 本单元格纵坐标矩阵得到多个纵向重叠比， 以大于第四阈值的纵向重叠比作为纵向标识 比； 当单元格存在超过一个的横向标识比或纵向标识比时， 所述单元格为合并单元格， 否 则所述单 元格为独立单 元格； 将独立单元格和合并单元格根据对应元素坐标数据构建到所述表格矩阵中， 形成表格 数据。 2.根据权利要求1所述的表格提取 方法， 其特 征在于， 所述聚类分析包括： 将所有的横向数据按照第 一阈值进行聚类得到多组横向聚类数据； 将所有的纵向数据 按照第二阈值进行聚类得到多组纵向聚类数据； 通过对多组所述横向聚类数据分别求平均得到计算坐标横向数组， 并根据所述计算坐 标横向数组得到基本单元格横坐标矩阵； 通过对多组纵向聚类数据分别求平均得到计算坐 标纵向数组， 并根据所述计算 坐标纵向数组得到基本单 元格纵坐标矩阵。 3.根据权利要求2所述的表格提取方法， 其特征在于， 所述合并单元格构建到所述表格 矩阵中的过程包括： 获取合并单元格的头坐标数据； 所述头坐标数据包括最小坐标数据； 所述最小坐标数 据为横向标识比对应基本单元格横坐标矩阵中的最小横坐标、 以及纵向标识比对应基本单 元格纵坐标矩阵中的最小纵坐标； 按照所述头坐标数据、 以及对应的横向标识比的数量、 纵向标识比的数量， 在所述表格 矩阵构建合并表格作为所述 合并单元格。 4.根据权利要求2所述的表格提取 方法， 其特 征在于， 构建表格矩阵的过程包括： 根据所述基本单元格横坐标矩阵获取横向基本表格数； 根据所述基本单元格纵坐标矩 阵获取纵向基本表格数； 根据所述横向基本表格数和所述纵向基本表格数构建所述表格矩阵。 5.根据权利要求1所述的表格提取方法， 其特征在于， 在获取每个单元格的元素坐标数 据的同时， 还同步获取每 个单元格中对应的字符数据； 在将单元格构建到表格矩阵中的同时， 还将对应的字符数据补充到构建的单 元格中。 6.根据权利要求1所述的表格提取 方法， 其特 征在于， 在获取表格图像前， 还执 行步骤： 判定目标文件格式；权　利　要　求　书 1/2 页 2 CN 114782970 B 2若所述目标文件格式为Excel格式， 则获取每个单元格的格类型， 并构建表格矩阵； 所 述格类型包括独立单元格和合并单元格； 将 独立单元格和合并单元格根据对应元素坐标数 据构建到所述表格矩阵中， 形成表格数据； 若所述目标文件格式为非Excel格 式， 则获取表格图像 中所有单元格的元素坐标数据， 并执行后续步骤； 在获取所述表格图像中的数据 前， 还包括： 对所述表格图像进行预处理， 调整所述表格 图像的倾 斜角度， 将所述表格图像中的表格摆正。 7.一种表格提取系统， 其特 征在于， 包括： 获取模块， 用于获取表格图像中所有单元格的元素坐标数据； 所述元素坐标数据包括 横向数据和纵向数据； 处理模块， 用于基于所述元素坐标数据以及基本单元格参数确定每个单元格的格类 型， 并构建表格矩阵； 所述格类型包括独立单元格和合并单元格； 基于所有单元格的元素坐 标数据通过聚类分析， 得到计算坐标数据； 所述计算坐标数据包括计算坐标横向数组和计 算坐标纵向数组； 基于所述计算坐标数据得到所述基本单元格参数； 所述基本单元格参数 包括基本单元格横坐标矩阵和基本单元格纵坐标矩阵； 基于所述单元格的所述横向数据与 所述基本单元格横坐标矩阵得到多个横向重叠比， 以大于第三阈值的横向重叠比作为横向 标识比； 基于所述单元格的所述 纵向数据与所述基本单元格纵坐标矩阵得到多个纵向重叠 比， 以大于第四阈值的纵向重叠比作为纵向标识比； 当单元格存在超过一个的横向标识比 或纵向标识比时， 所述单元格为合并单元格， 否则所述单元格为独立单元格； 将独立单元格 和合并单 元格根据对应元 素坐标数据构建到所述表格矩阵中， 形成表格数据。 8.一种计算机可读介质， 其特征在于， 存储有计算机程序， 所述计算机程序在被处理器 执行时， 实现权利要求1 ‑6任一所述的表格提取 方法。权　利　要　求　书 2/2 页 3 CN 114782970 B 3