切分图片中文字的方法和装置制造方法
【专利摘要】本发明提供了一种切分图片中文字的方法和装置，方法包括：在图片上勾画出方形区域；在所述方形区域的相邻行和列的文字之间，根据空白位置的宽度，生成至少一条延伸的线段，形成分割所述方形区域的多个格；其中，所述线段的两端与任一延伸的线段或所述方形区域的边融合；根据每个格的边与格中字体边缘的距离，调整所述线段的位置；切分所述调整后的包含文字的格。通过上述过程，可快速将图片上勾画的方形区域切分，得到方形区域中的各个字。特别是对于古汉字，即字体形状大小不一的汉字，由于字体的高度不同，上下相邻的字之间的空白通常不在一行上。对于这样的字的切分，本发明的方案与现有技术相比，能显著提高切分效率。
【专利说明】切分图片中文字的方法和装置
【技术领域】
[0001] 本发明涉及计算机领域，具体而言，涉及一种切分图片中文字的方法和装置。
【背景技术】
[0002] 中文的文字是记录并推动历史、文化起源、演变以及发展的重要工具。每个年代的 文字的不同演化阶段都有着丰富的历史人文和文化背景。
[0003] 随着信息化的深入，需要整理历史年代的文字，其整理、研究的汉字范围涵盖古 今，数量巨大，并且汉字由古代演变至今文字的种类变化层出不穷。例如，汉字可分为古代 汉字、现代汉字、书法字体等等，具体古代汉字还可以划分为甲骨文、金文、战国文字、以及 小篆等等。古代汉字中的甲骨文又可以分为甲骨文合集、花园庄东地甲骨文、小屯南地甲骨 等等种类繁多。
[0004] 这些古代汉字以书法、字画等载体形式保存，为了便于研究同一字在不同年代的 变化，通常将这些载体上的内容电子化。这些电子化的载体上的内容，需要将每个载体上的 每一个字单独分割，并存储。目前的技术手段以人工方式裁切，效率较低。
【发明内容】
[0005] 本发明旨在提供一种切分图片中文字的方法和装置，以解决上述采用手工裁切， 效率较低的问题。
[0006] 本发明提供了一种切分图片中文字的方法，包括：在图片上勾画出方形区域；在 所述方形区域的相邻行和列的文字之间，根据空白位置的宽度，生成至少一条延伸的线段， 形成分割所述方形区域的多个格；其中，所述线段的两端与任一延伸的线段或所述方形区 域的边融合；根据每个格的边与格中字体边缘的距离，调整所述线段的位置；切分所述调 整后的包含文字的格。
[0007] 本发明提供了一种切分图片中文字的装置，包括：区域选择模块，用于在图片上勾 画出方形区域；分割模块，用于在所述方形区域的相邻行和列的文字之间，根据空白位置的 宽度，生成至少一条延伸的线段，形成分割所述方形区域的多个格；其中，所述线段的两端 与任一延伸的线段或所述方形区域的边融合；调整模块，用于根据每个格的边与格中字体 边缘的距离，调整所述线段的位置；切分模块，用于切分所述调整后的包含文字的格。
[0008] 通过上述过程，可快速将图片上勾画的方形区域切分，得到方形区域中的各个字。 特别是对于古汉字，即字体形状大小不一的汉字，由于字体的高度不同，上下相邻的字之间 的空白通常不在一行上。对于这样的字的切分，本发明的方案与现有技术相比，能显著提高 切分效率。
【专利附图】
【附图说明】
[0009] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0010] 图1示出了实施例的流程图；
[0011] 图2示出了实施例中图片的示意图；
[0012] 图3示出了实施例中图片选择方形区域后的示意图；
[0013] 图4示出了实施例中分成方格后的示意图；
[0014] 图5示出了实施例中将建立古汉字的数据记录的流程图；
[0015] 图6示出了实施例中显示多个古文字演变历史的流程图；
[0016] 图7示出了装置实施例的结构框图。
【具体实施方式】
[0017] 下面将参考附图并结合实施例，来详细说明本发明。参见图1，包括以下步骤：
[0018] S11 :在图片上勾画出方形区域；
[0019] S12:在所述方形区域的相邻行和列的文字之间，根据空白位置的宽度，生成至少 一条延伸的线段，形成分割所述方形区域的多个格；其中，所述线段的两端与任一延伸的线 段或所述方形区域的边融合；
[0020] S13 :根据每个格的边与格中字体边缘的距离，调整所述线段的位置；
[0021] S14 :切分所述调整后的包含文字的格。
[0022] 通过上述过程，可快速将图片上勾画的方形区域切分，得到方形区域中的各个字。 特别是对于古汉字，即字体形状大小不一的汉字，由于字体的高度不同，上下相邻的字之间 的空白通常不在一行上。对于这样的字的切分，本发明的方案与现有技术相比，能显著提高 切分效率。
[0023] 下面通过附图详细说明每个步骤，参见图2,图2为一幅古汉字的书法的图片。图 片上面的文字按列排列，形成多个坚行。
[0024] 参见图3,在该图片上勾画出方形区域，方向区域可以是一个或多个。在图3中，选 择出包含全部古汉字的一个区域。
[0025] 优选地，所述生成延伸的线段的过程包括：
[0026] 如果在所述行或列之间的空白位置，存在的两条相邻线段之间的距离小于阈值， 则合并成一条线段。
[0027] 例如，图3中，线段A和线段B之间的垂直距离不小于阈值，则保持为两条线段。线 段C为多条线段合并成一条线段的结果。
[0028] 经过步骤S13的步骤，根据每个格的边与格中字体边缘的距离，调整所述线段的 位置；形成图4中包含每个字的方格，如果构成一个方格的边的线段与两个相邻字之间的 距离均大于阈值，则分解为两个线段，各作为相邻两个字的一个边。
[0029] 对图4中的每个格进行切分，得到每个格中的字。
[0030] 由于同一个字在不同年代的载体上，其字形不同。因此，为便于后续对不同载体上 的同一个字进行比较，需要建立每个载体上古汉字的属性及位置，并将其他载体上的相同 的字并排比较，以便于分析研究，为实现上述功能，本发明采用以下实施例中的步骤，参见 图5,包括：
[0031] S21:开始，启动程序；
[0032] S22 :对文献图片画网格，对文献图片分类；
[0033] 对于文献图片画网格的过程，可参见步骤S11和步骤S12 ;文献图片可按照其存在 的不同年代分类。例如，分为汉代、清代等。
[0034] 记录古文字图片文档的编号，如朝代(秦朝、汉朝、魏朝等)、文字类型(如甲骨、小 篆、魏碑等)，如QINCHA0XIA0ZHUAN001. GIF为后续多张不同的图中，进行标注相同的某个汉 字的演变历史、古今对照、追溯等做好准备。例如，在竹简上的的甲骨文字体文献图片其编 号为 QINCHA0XIA0ZHUAN00L GIF。
[0035] S23 :判断网格线的分布是否符合要求，如果是，则执行S25,如果否，则执行S24 ;
[0036] S24 :对网格线进行调整；
[0037] 网络线为前面实施例中的线段，通过判断同一个空白位置处的相邻线段的距离， 判断是否符合要求。小于阈值，不符合要求，进行合并；不小于阈值，符合要求，可存在两条 线段，如图3中的线段A和线段B。
[0038] S25 :网络群组解散，记录一级位置；
[0039] -级位置为当前格内的文字的编号，例如图中的汉字"少"，位于选中的区域第二 行、第二列；选中的区域为第一区域，则一级位置为010202。
[0040] S26 :判断每个格的边是否符合要求；
[0041] 根据每个格的边与格中字体边缘的距离，调整所述线段的位置；如果该距离在阈 值之内，则不需要调整，执行S28 ;如果超出阈值，则进行调整，执行S27。
[0042] S27 :调整每个格的边与该格内字之间的距离，并记录二级位置。
[0043] 二级位置位坐标位置，例如图3中的"少"字坐标为，X12356Y58456表示X坐标 12356, Y 坐标 58456 ;
[0044] 除了上述坐标位置之外，还可建立每个图片上划分的每个格的属性；其中，所述属 性包括：该格所归属的方形区域编号、所归属的图片的编号、以及该格在归属的方形区域的 行列位置。
[0045] 还可通过以下方式调整作为每个格的边，可以利用用鼠标左键单击来选中一个包 含字体的矩形框，选中后会以蓝线显示其边界，
[0046] 例如在图4中用蓝线显示的矩形就表示当前选中的矩形。然后对选中的蓝色单元 格四边进行位置调节，把鼠标放到所选择的蓝色矩形一边的中心，鼠标以双箭头形式显示， 然后按下鼠标并拖动，可以改边矩形边的位置。并且要对一些没用的矩形进行删除，比如字 体每列间的空单元格，用鼠标单击选中，并选择删除。
[0047] 如果图中的一些空单元格相邻且数量较多，可以批量删除这些连续的几个单元 格，可以先选择第一个单元格，再按下组合键后，用鼠标点击另一个单元格，就会选择上两 个单元格之间的所有单元格，然后选择删除选项。在图中我们可以看到大部分矩形的位置 已经调整完毕，并且位于每列字体间的间隙上的矩形已经批量删除掉，并且整理得效果即 是一个字体被相应的单元格所包含，并且字体位于单元格的中间位置。
[0048] S28 :切分所述调整后的包含文字的格；
[0049] S29 :将切分后的字保存为单字图片存储在单字词库；同时，还存储每个字的属 性。
[0050] 如下表所示：
[0051]
【权利要求】
1. 一种切分图片中文字的方法，其特征在于，包括： 在图片上勾画出方形区域； 在所述方形区域的相邻行和列的文字之间，根据空白位置的宽度，生成至少一条延伸 的线段，形成分割所述方形区域的多个格；其中，所述线段的两端与任一延伸的线段或所述 方形区域的边融合； 根据每个格的边与格中字体边缘的距离，调整所述线段的位置； 切分所述调整后的包含文字的格。
2. 根据权利要求1所述的方法，其特征在于，所述生成延伸的线段的过程包括： 如果在所述行或列之间的空白位置，存在的两条相邻线段之间的距离小于阈值，则合 并成一条线段。
3. 根据权利要求1所述的方法，其特征在于，所述切分操作之前，还包括： 确定每个格在所述图片中的坐标位置； 建立每个格的属性；其中，所述属性包括：该格所归属的方形区域编号、所归属的图片 的编号、以及该格在归属的方形区域的行列位置。
4. 根据权利要求3所述的方法，其特征在于，还包括： 存储所述切分后的字、所述坐标位置及其属性； 点击为切分后的字建立的其归属图片的链接，按照所述坐标位置及其属性，定位到其 在归属图片上的位置。
5. 根据权利要求1所述的方法，其特征在于，还包括： 识别每个格中的文字，建立与其它图片中相同的字的对应关系； 当光标停留在当前格上时，按照所述对应关系，按照字产生的时间顺序，显示与该格文 字相同的一个或多个字。
6. 根据权利要求5所述的方法，其特征在于，还包括： 显示与该格文字相同的一个或多个字的过程中，显示每个字所归属的图片的编号。
7. -种切分图片中文字的装置，其特征在于，包括： 区域选择模块，用于在图片上勾画出方形区域； 分割模块，用于在所述方形区域的相邻行和列的文字之间，根据空白位置的宽度，生成 至少一条延伸的线段，形成分割所述方形区域的多个格；其中，所述线段的两端与任一延伸 的线段或所述方形区域的边融合； 调整模块，用于根据每个格的边与格中字体边缘的距离，调整所述线段的位置； 切分模块，用于切分所述调整后的包含文字的格。
8. 根据权利要求7所述的装置，其特征在于，还包括： 坐标模块，用于确定每个格在所述图片中的坐标位置； 属性模块，用于建立每个格的属性；其中，所述属性包括：该格所归属的方形区域编 号、所归属的图片的编号、以及该格在归属的方形区域的行列位置。
9. 根据权利要求8所述的装置，其特征在于，还包括： 存储模块，用于存储所述切分后的字、所述坐标位置及其属性； 连接模块，用于点击为切分后的字建立的其归属图片的链接，按照所述坐标位置及其 属性，定位到其在归属图片上的位置。
10.根据权利要求7所述的装置，其特征在于，还包括： 识别模块，用于识别每个格中的文字，建立与其它图片中相同的字的对应关系； 显示模块，用于当光标停留在当前格上时，按照所述对应关系，按照字产生的时间顺 序，显不与该格文字相同的一个或多个字。
【文档编号】G06T11/60GK104112287SQ201310133965
【公开日】2014年10月22日 申请日期:2013年4月17日 优先权日:2013年4月17日
【发明者】高玉军 申请人:北大方正集团有限公司, 北京北大方正电子有限公司