文字塊內容重組方法及裝置的製作方法

2023-05-27 03:12:26 2

專利名稱：文字塊內容重組方法及裝置的製作方法
技術領域：
本發明涉及計算機信息處理領域，尤其涉及一種文字塊內容重組方法及裝置。
背景技術：
版式文件的頁面可以包含一個或多個文字塊，每個文字塊包含一個或多個原始塊，如圖1所示，頁面中的一段文字被劃分為一個文字塊，該文字塊中的每個矩形包圍的文字為一個原始塊。目前可以採用橫排、豎排等排版方式對文字塊中的原始塊進行排版，對於每種排版方式，又具有不同的排版方向，例如，橫排包括從左到右和從右到左的排版方向，豎排也包括從左到右和從右到左的排版方向。在實現本發明的過程中，發明人發現現有技術中存在以下技術問題對於採用一定排版方式的文字塊，如何對該文字塊內的原始塊進行排序，以還原該文字塊內原始塊的閱讀順序，目前還沒有具體的實現方案。

發明內容
本發明實施例提供一種文字塊內容重組方法及裝置，用於解決現有技術中無法對文字塊內的原始塊進行排序以還原該文字塊內原始塊的閱讀順序的問題。—種文字塊內容重組方法，該方法包括根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；按照所述原始塊排序方式對所述文字塊內的原始塊進行排序；將排序後的原始塊進行輸出顯示。一種文字塊內容重組裝置，該裝置包括排序方式確定單元，用於根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；原始塊排序單元，用於按照所述原始塊排序方式對所述文字塊內的原始塊進行排序；內容還原單元，將排序後的原始塊進行輸出顯示。本發明中，根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式，然後按照該原始塊排序方式對文字塊內的原始塊進行排序，並將排序後的原始塊進行輸出顯示。可見，採用本發明，能夠對採用一定排版方式的文字塊內的原始塊進行排序，以還原該文字塊內原始塊的閱讀順序。


圖1為現有技術中的原始塊劃分示意圖；圖2為本發明實施例提供的方法流程示意5
圖3A-圖3D為本發明實施例中的排版方式示意圖；圖3E為本發明實施例中的原始塊邊界線示意圖；圖4A-圖4J為本發明實施例中的文字塊內容重組示意圖；圖5為本發明實施例提供的裝置結構示意圖。
具體實施例方式為了對採用一定排版方式的文字塊內的原始塊進行排序，以還原該文字塊內原始塊的閱讀順序，本發明實施例提供一種文字塊內容重組方法，本方法中，根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式，然後按照該原始塊排序方式對文字塊內的原始塊進行排序，並將排序後的原始塊進行輸出顯示。參見圖2，本發明實施例提供的文字塊內容重組方法，包括以下步驟步驟20 根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；步驟21 按照確定的原始塊排序方式對文字塊內的原始塊進行排序；步驟22 將排序後的原始塊進行輸出顯示。步驟20和步驟21中，在文字塊內原始塊的排版方式為橫排或豎排時，原始塊排序方式具體包括以下步驟a和步驟b 步驟a 根據文字塊內各原始塊的序號將文字塊內的原始塊進行排序；步驟b 對於步驟a的排序結果中的每兩個相鄰原始塊執行如下步驟計算兩個相鄰原始塊的重疊度，根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係； 若該位置關係與兩個相鄰原始塊在步驟a的排序結果中的位置關係不同，則將兩個相鄰原始塊在步驟a的排序結果中的位置互換。執行完步驟b後，即得到文字塊內的原始塊的排序結果。步驟a中，原始塊的序號是版式文檔製作者在製作版式文檔時為每個原始塊設置的序號，該序號標明了版式文檔中的原始塊的輸出順序。在根據各原始塊的序號將原始塊進行排序時，若版式文檔製作者為原始塊設置的序號依次增大，則可以按照序號從小到大的順序將各原始塊進行排序；若版式文檔製作者為原始塊設置的序號依次減小，則可以按照序號從大到小的順序將各原始塊進行排序。步驟b中，根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係， 其具體實現可以如下分支一確定兩個相鄰原始塊在文字塊內的前後位置關係和上下位置關係；若兩個相鄰原始塊在水平方向的重疊度小於預先設置的第一閾值，則根據兩個相鄰原始塊的上下位置關係確定兩個相鄰原始塊的新的位置關係，即在上的原始塊在新的位置關係中是位於第一個的原始塊，在下的原始塊在新的位置關係中是位於第二個的原始塊；分支二 若兩個相鄰原始塊在垂直方向的重疊度小於0，則根據兩個相鄰原始塊的前後位置關係確定兩個相鄰原始塊的新的位置關係，即在前的原始塊在新的位置關係中是位於第一個的原始塊，在後的原始塊在新的位置關係中是位於第二個的原始塊；分支三若兩個相鄰原始塊在水平方向的重疊度和在垂直方向的重疊度都大於預先設置的第二閾值，則根據兩個相鄰原始塊的序號確定兩個相鄰原始塊的新的位置關係， 即序號較小的原始塊在新的位置關係中是位於第一個的原始塊，序號較大的原始塊在新的位置關係中是位於第二個的原始塊；分支四若兩個相鄰原始塊在垂直方向的重疊度小於在水平方向的重疊度，則根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係；分支五若兩個相鄰原始塊在垂直方向的重疊度不小於在水平方向的重疊度，則根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係。上述分支一中，確定兩個相鄰原始塊的前後位置關係，其具體實現可以如下計算兩個相鄰原始塊的左邊界差值和兩個相鄰原始塊的右邊界差值；具體的，計算兩個相鄰原始塊中Blocki的左邊界與原始塊Blockj的左邊界之差，得到兩個相鄰原始塊的左邊界差值、以及原始塊Blockj的右邊界與原始塊Blocki的右邊界之差，得到兩個相鄰原始塊的右邊界差值，其中下標i，j分別表示序號；若左邊界差值小於右邊界差值並且文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。上述分支一中，確定兩個相鄰原始塊在文字塊內的上下位置關係，其具體實現可以如下計算兩個相鄰原始塊的上邊界差值和兩個相鄰原始塊的下邊界差值；具體的，計算兩個相鄰原始塊中Blocki的上邊界與原始塊Blockj的上邊界之差，得到兩個相鄰原始塊的上邊界差值、以及原始塊Blockj的下邊界與原始塊Blocki的下邊界之差，得到兩個相鄰原始塊的下邊界差值，其中下標i，j分別表示序號；若上邊界差值小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。上述分支四中，根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係，其具體實現可以如下若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。上述分支五中，根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係，其具體實現可以如下若上邊界差值小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。上述分支一中，在文字塊內原始塊的排版方式為橫排或無方向的豎排、並且兩個相鄰原始塊在文字塊內同行時，第一閾值可以在-0. 07與-0. 1之間取值；在文字塊內原始塊的排版方式為橫排或無方向的豎排、並且兩個相鄰原始塊在文字塊內不同行時，第一閾值在-0. 03與-0. 06之間取值；在文字塊內原始塊的排版方式為從左到右或從右到左的豎排時，第一閾值的取值可以為0。上述分支三中，第二閾值可以在0. 5與1之間取值。當然，上述所列出的第一閾值和第二閾值的取值範圍均為較優的取值範圍，任何其他取值範圍仍在本發明的保護範圍內，並能夠實現本發明的發明目的。具體的，可以按照如下方式確定兩個相鄰原始塊在文字塊內是否同行首先，比較兩個相鄰原始塊的水平基線值的大小，根據具有較大水平基線值的原始塊的字號確定行間距大小；例如，將具有較大水平基線值的原始塊的字號的C倍作為行間距大小，C可以在0. 91-1中取值，當然，C也可以取其他大於0的數值；然後，計算該兩個相鄰原始塊的水平基線差值，若水平基線差值大於所述行間距大小，則確定該兩個相鄰原始塊在文字塊內不同行，否則，確定該兩個相鄰原始塊在文字塊內同行。步驟20和步驟21中，在文字塊內原始塊的排版方式為斜排時，原始塊排序方式具體可以包括如下步驟C-步驟f 步驟c 根據文字塊內各原始塊的序號將文字塊內的原始塊進行排序；步驟d 將文字塊所在的坐標系進行旋轉變換；步驟e 根據步驟c中排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組，分組後同一組中的原始塊位於同一行或同一列；步驟f:根據分組後各組的原始塊序號平均值，將分組後的各組進行排序，並且， 對於每個分組，根據所述文字塊的排版方向將該分組內的原始塊進行排序。
執行完步驟f後，即得到文字塊內的原始塊的排序結果。步驟c中，原始塊的序號是版式文檔製作者在製作版式文檔時為每個原始塊設置的序號，該序號標明了版式文檔中的原始塊的輸出順序。在根據各原始塊的序號將原始塊進行排序時，若版式文檔製作者為原始塊設置的序號依次增大，則可以按照序號從小到大的順序將各原始塊進行排序；若版式文檔製作者為原始塊設置的序號依次減小，則可以按照序號從大到小的順序將各原始塊進行排序。步驟d中，將文字塊所在的坐標系進行旋轉變換，其具體實現可以如下首先，計算步驟c中排序後每兩個相鄰原始塊的水平基線差值和垂直基線差值； 確定計算得到的出現次數最多的水平基線差值以及出現次數最多的垂直基線差值；根據出現次數最多的水平基線差值fx和出現次數最多的垂直基線差值fy，計算斜線的斜率k，例如，k = fy/fx ；然後，根據斜率k計算坐標系旋轉角度值α，例如，計算公式可以為α = arctan(k)；最後，根據坐標系旋轉角度值α，將文字塊所在的坐標系進行旋轉變換，坐標系旋轉數學公式為Χ，= χX cos α +y X sin α , y，= -χΧ sin α +y X cos α。步驟e中，根據排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組，其具體實現可以如下對於步驟c中排序後的每兩個相鄰原始塊，執行如下步驟計算兩個相鄰原始塊中前一原始塊和後一原始塊在旋轉變換後的坐標系中的水平基線值，確定計算得到的後一原始塊的水平基線值與前一原始塊水平基線值的差值是否小於預先設定的第三閾值，若是，則確定前一原始塊和後一原始塊位於同一行，並將前一原始塊和後一原始塊劃分在同一組中；否則，確定前一原始塊和後一原始塊位於不同行，並將前一原始塊和後一原始塊劃分在不同組中。這裡，第三閾值可以為原始塊高度的0. 91-1倍，當然第三閾值也可以是其它任何不小於0的數值。步驟f中，根據所述文字塊的排版方向將該分組內的原始塊進行排序，其具體實現可以如下在斜率k大於1時，確定文字塊內原始塊的排版方式為豎排式斜排，並將分組內的原始塊按照原始塊的上邊界值從小到大的順序進行排序；在斜率k不大於1時，確定文字塊內原始塊的排版方式為橫排式斜排，並將分組內的原始塊按照原始塊的左邊界值從小到大的順序進行排序。本發明中，橫排的排版方式可以參見圖3A ；豎排的排版方式可以參見圖:3B ；橫排式斜排的排版方式可以參見圖3C ；豎排式斜排的排版方式可以參見圖3D。本發明中，兩個原始塊的水平基線差值是指，該兩個原始塊中一個原始塊的水平基線與另一個原始塊的水平基線值的差值。兩個原始塊的垂直基線差值是指，該兩個原始塊中一個原始塊的垂直基線值與另一個原始塊的垂直基線值的差值。兩個原始塊的左邊界差值是指，該兩個原始塊中一個原始塊的左邊界值與另一個原始塊的左邊界值的差值。兩個原始塊的右邊界差值是指，該兩個原始塊中一個原始塊的右邊界值與另一個原始塊的右邊界值的差值。兩個原始塊的上邊界差值是指，該兩個原始塊中一個原始塊的上邊界值與另一個原始塊的上邊界值的差值。兩個原始塊的下邊界差值是指，該兩個原始塊中一個原始塊的下邊界值與另一個原始塊的下邊界值的差值。圖3E中矩形區域內的文字「學」的垂直基線值為97. 7，水平基線值為522. 18，左邊界值為97. 4，上邊界值為506. 0，右邊界值為117. 5，下邊界值為525. 5。需要說明的是， 原始塊的水平基線值、垂直基線值、左邊界值、上邊界值、右邊界值、下邊界值是原始塊的屬性值，版式文檔製作者在輸入文字時，會自動進行設置。本發明中，重疊度是指兩個原始塊在測量方向上的重疊長度與兩個原始塊在此方向上的投影長度的比率。兩個原始塊在水平方向的重疊度是指兩個原始塊的最小下邊界與最大上邊界之差，佔最大下邊界與最小上邊界之差的比例。兩個原始塊在垂直方向的重疊度是指兩個原始塊的最小左邊界與最大右邊界之差，佔最大左邊界與最小右邊界之差的比例。下面結合具體實施例對本發明進行說明實施例一本實施例中，文字塊內原始塊的排版方式為橫排或無方向豎排，對文字塊中的原始塊按照從左到右橫排或從右到左橫排的順序進行排序，再重組文字塊內容。具體排序方法如下步驟01 根據文字塊內各原始塊的序號將文字塊內的原始塊進行排序；步驟02 依次分別計算文字塊內兩相鄰原始塊Blocki和Blocki+1在水平方向的重疊度Oy和垂直方向的重疊度Ox ；步驟03 根據兩相鄰原始塊的左邊界之差和右邊界之差的大小，確定兩相鄰原始塊的前後位置關係；這裡，可以使用Retx表示兩相鄰原始塊的左邊界之差和右邊界之差的大小關係， 例如，若左邊界之差小於右邊界之差並且所述文字塊內原始塊的排版方式為從左到右的橫排或無方向豎排，則Retx的取值為-1，兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排，則徹、的取值為1，兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或無方向豎排， 則Retx的取值為1，兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排，則Retx的取值為-1，兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。步驟04 根據兩相鄰原始塊的上邊界之差和下邊界之差的大小，確定兩相鄰原始塊的上下位置關係；這裡，可以使用Rety表示兩相鄰原始塊的上邊界之差和下邊界之差的大小關係， 例如，若上邊界之差小於下邊界之差，則Rety的取值為-1，兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則Rety的取值為1，兩個相鄰原始塊在文字塊內的上下位置關係為 兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。
步驟05 根據兩相鄰原始塊是否同行，設置水平方向的重疊度Oy的閾值，同行時設置為-0. 08，不同行時設置為-0. 05。判定兩相鄰原始塊是否同行的方法為比較兩個相鄰原始塊的水平基線值的大小，將具有相對較大水平基線值的原始塊的字號的0. 95倍作為將行間距大小；計算這兩個相鄰原始塊的水平基線差值，並與行間距比較，若大於行間距，則不同行，否則同行。步驟06 若兩相鄰原始塊在水平方向不重疊，即在水平方向的重疊度Oy小於閾值，則根據上下位置關係進行排序；步驟07 若兩原始塊在垂直方向不重疊，即在垂直方向的重疊度小於0，則根據前後關係排序；步驟08 若兩原始塊在水平和垂直方向均重疊，且重疊度都大於0. 5時，則按照與原始塊的序號進行排序；步驟09 若上述條件都沒滿足，則按照重疊度進行排序。按照重疊度進行排序的方法如下若垂直方向的重疊度小於水平方向的重疊度，則根據徹、的大小進行排序，即若 Retx小於0，則Blocki在前，否則Blocki+1在前；若垂直方向的重疊度不小於水平方向的重疊度，則根據Rety的大小進行排序，即若Rety小於0，則Blocki在前，否則Blocki+1在前。如圖4A所示，為排版方式為橫排的文字塊示意圖；如圖4B所示，為按照上述方法對圖4A所示的文字塊中的原始塊進行排序從而得到的內容重組結果示意圖；如圖4C所示，為排版方式為無方向豎排的文字塊示意圖；如圖4D所示，為按照上述方法對圖4C所示的文字塊中的原始塊進行排序從而得到的內容重組結果示意圖。實施例二 本實施例中，文字塊內原始塊的排版方式為豎排，對文字塊中的原始塊按照從左到右的豎排、從左到右的豎排進行排序，再重組文字塊內容；具體排序方法如下步驟11 根據文字塊內各原始塊的序號將文字塊內的原始塊進行排序；步驟12 依次分別計算文字塊內兩相鄰原始塊Blocki和Blockw在水平方向的重
疊度Oy和垂直方向的重疊度Ox ；步驟13 根據兩相鄰原始塊的左邊界之差和右邊界之差的大小，確定兩相鄰原始塊的前後位置關係；這裡，可以使用Retx表示兩相鄰原始塊的左邊界之差和右邊界之差的大小關係， 例如，若左邊界之差小於右邊界之差並且所述文字塊內原始塊的排版方式為從左到右的豎排，則Retx的取值為-1，兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的豎排，則Retx的取值為1，兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的豎排，則Retx的取值為1，兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的豎排，則Retx的取值為-1，兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。步驟14 根據兩相鄰原始塊的上邊界之差和下邊界之差的大小，確定兩相鄰原始塊的上下位置關係；這裡，可以使用Rety表示兩相鄰原始塊的上邊界之差和下邊界之差的大小關係， 例如，若上邊界之差小於下邊界之差，則Rety的取值為-1，兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則Rety的取值為1，兩個相鄰原始塊在文字塊內的上下位置關係為 兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。步驟15 若兩相鄰原始塊在垂直方向不重疊，即在垂直方向的重疊度小於0，則根據前後關係排序；步驟16 若兩相鄰原始塊在水平方向不重疊，即在水平方向的重疊度Oy小於0，則根據上下位置關係進行排序；步驟17 若兩原始塊在水平和垂直方向均重疊，且重疊度都大於0. 5時，則按照與原始塊的序號進行排序；步驟18 若上述條件都沒滿足，則按照重疊度進行排序。按照重疊度進行排序的方法如下若垂直方向的重疊度小於水平方向的重疊度，則根據Retx的大小進行排序，即若 Retx小於0，則Blocki在前，否則Blocki+1在前；若垂直方向的重疊度不小於水平方向的重疊度，則根據Rety的大小進行排序，即若Rety小於0，則Blocki在前，否則Blocki+1在前。如圖4E所示，為排版方式為從左到右的豎排的文字塊示意圖；如圖4F所示，為按照上述方法對圖4E所示的文字塊中的原始塊進行排序從而得到的內容重組結果示意圖。實施例三本實施例中，文字塊內原始塊的排版方式為橫排式斜排或豎排式斜排，則對文字塊所在的坐標系進行坐標系的旋轉變換，根據原始塊在旋轉坐標系中的坐標位置找到同行的原始塊，再把同行的原始塊按照具體的從左到右或從右到左的排版順序進行排序，再重組文字塊內容。具體排序方法如下步驟21 根據文字塊內各原始塊的序號將文字塊內的原始塊進行排序；步驟22 計算排序後每兩個相鄰原始塊的水平基線差值和垂直基線差值；確定計算得到的出現次數最多的水平基線差值以及出現次數最多的垂直基線差值；根據出現次數最多的水平基線差值fx和出現次數最多的垂直基線差值fy，計算斜線的斜率k，即k = fy/
fx；步驟23 根據斜率k的值計算出坐標系旋轉角度α，S卩α的正切值為k，計算公 5^ α= arctan (k)；注數學符號arctanO，其意義為反正切。步驟M 尋找同行的原始塊；將原始塊的水平基線值BaseY。ld和垂直基線值BaseX。ld按照坐標旋轉公式計算出基線值在旋轉後的坐標系中的水平基線值BaseYnew和垂直基線值BaseXnew，通過計算CN 102541826 A
BaseYnew同其前一個原始塊的BaseYnew的差值是否小於0. 95倍的原始塊高度尋找同行的原始塊，如果是，則為同行的原始塊，否則為不同行。步驟25 根據k的絕對值與1的關係進行橫排式斜排和豎排式斜排的行內原始塊排序；若k的絕對值不大於1，則排版方式為從左到右的橫排式斜排或從右到左的橫排式斜排，將同行的原始塊按照左邊界值從小到大的方向排序。否則，排版方式為從左到右的豎排式斜排或從右到左的豎排式斜排，將同行的原始塊按照上邊界值從小到大的方向排序。步驟沈若文字塊的行數大於1，則對行進行行間排序，即確定每一行的順序，具體的統計每一行原始塊的序號的平均值，根據序號平均值的大小按照從小到大的順序對行進行排序。注坐標系旋轉數學公式為x， = xXcosa+yXsina , y' =-xXsina +yXcosa。在本發明中，χ，為 BaseXnew，y，為 BaseYnew，χ 為 BaseX。ld，y 為 BaseYoldO如圖4G所示，為排版方式為橫排式斜排的文字塊示意圖；如圖4H所示，為按照上述方法對圖4G所示的文字塊中的原始塊進行排序從而得到的內容重組結果示意圖。如圖41所示，為排版方式為豎排式斜排的文字塊示意圖；如圖4J所示，為按照上述方法對圖41所示的文字塊中的原始塊進行排序從而得到的內容重組結果示意圖。本發明實施例的效果在於採用本發明所提供的方法，能夠自動化地根據版式文件的排版方式，建立版面文字的閱讀順序，還原原有的版面內容信息。版面文件反解後，人工只需對文章內容的閱讀順序進行簡單的確認，提高了反解和標引的效率。參見圖5，本發明實施例還提供一種文字塊內容重組裝置，該裝置包括排序方式確定單元40，用於根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；原始塊排序單元41，用於按照所述原始塊排序方式對所述文字塊內的原始塊進行排序；內容還原單元42，將排序後的原始塊進行輸出顯示。進一步，所述原始塊排序單元41具體包括第一排序單元，用於在所述文字塊內原始塊的排版方式為橫排或豎排時，根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序；排序修正單元，用於對於排序結果中的每兩個相鄰原始塊執行如下步驟計算兩個相鄰原始塊的重疊度，根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係；若該位置關係與兩個相鄰原始塊在排序結果中的位置關係不同，則將兩個相鄰原始塊在排序結果中的位置互換。進一步，所述排序修正單元具體用於按照如下方式確定兩個相鄰原始塊的新的位置關係確定兩個相鄰原始塊的前後位置關係和上下位置關係；若兩個相鄰原始塊在水平方向的重疊度小於預先設置的第一閾值，則根據兩個相鄰原始塊的上下位置關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度小於0，則根據兩個相鄰原始塊的前後位置關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在水平方向的重疊度和在垂直方向的重疊度都大於預先設置的第二閾值，則根據兩個相鄰原始塊的序號確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度小於在水平方向的重疊度，則根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度不小於在水平方向的重疊度，則根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係。進一步，所述排序修正單元具體用於按照如下方式確定兩個相鄰原始塊的前後位置關係計算兩個相鄰原始塊的左邊界差值與右邊界差值；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。進一步，所述排序修正單元具體用於按照如下方式確定兩個相鄰原始塊在文字塊內的上下位置關係計算兩個相鄰原始塊的上邊界差值與下邊界差值；若上邊界差值小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。進一步，所述排序修正單元具體用於按照如下方式根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排，則確定兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；
若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。進一步，所述排序修正單元具體用於按照如下方式根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係若上邊界差值小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。在所述文字塊內原始塊的排版方式為橫排或無方向的豎排、並且兩個相鄰原始塊在文字塊內同行時，第一閾值可以在-0. 07與-0. 1之間取值；在所述文字塊內原始塊的排版方式為橫排或無方向的豎排、並且兩個相鄰原始塊在文字塊內不同行時，第一閾值可以在-0. 03與-0. 06之間取值；在所述文字塊內原始塊的排版方式為從左到右或從右到左的豎排時，第一閾值的取值可以為0。第二閾值可以在0.5與1之間取值。進一步，所述排序修正單元還用於按照如下方式確定兩個相鄰原始塊在文字塊內是否同行比較兩個相鄰原始塊的水平基線值的大小，根據具有較大水平基線值的原始塊的字號確定行間距大小；計算該兩個相鄰原始塊的水平基線差值，若水平基線差值大於所述行間距大小， 則確定該兩個相鄰原始塊在文字塊內不同行，否則，確定該兩個相鄰原始塊在文字塊內同行。進一步，所述原始塊排序單元41具體包括第二排序單元，用於在所述文字塊內原始塊的排版方式為斜排時，根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序；旋轉變換單元，用於將所述文字塊所在的坐標系進行旋轉變換；分組單元，用於根據排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組，分組後同一組中的原始塊位於同一行或同一列；第三排序單元，用於根據分組後各組的原始塊序號平均值，將分組後的各組進行排序，並且，對於每個分組，根據所述文字塊的排版方向將該分組內的原始塊進行排序。進一步，所述旋轉變換單元具體用於計算排序後每兩個相鄰原始塊的水平基線差值和垂直基線差值；確定計算得到的出現次數最多的水平基線差值以及出現次數最多的垂直基線差值；根據出現次數最多的水平基線差值和出現次數最多的垂直基線差值，計算斜線的斜率；根據所述斜率計算坐標系旋轉角度值；根據所述坐標系旋轉角度值，將所述文字塊所在的坐標系進行旋轉變換。進一步，所述分組單元具體用於對於排序後的每兩個相鄰原始塊，執行如下步驟計算兩個相鄰原始塊中前一原始塊和後一原始塊在旋轉變換後的坐標系中的水平基線值，確定計算得到的後一原始塊的水平基線值與前一原始塊水平基線值的差值是否小於預先設定的第三閾值，若是，則確定前一原始塊和後一原始塊位於同一行，並將前一原始塊和後一原始塊劃分在同一組中；否則，確定前一原始塊和後一原始塊位於不同行，並將前一原始塊和後一原始塊劃分在不同組中。所述第三閾值可以為原始塊高度的0. 91-1倍。進一步，所述第三排序單元具體用於按照如下方式根據所述文字塊的排版方向將該分組內的原始塊進行排序在所述斜率大於1時，確定所述文字塊內原始塊的排版方式為豎排式斜排，並將分組內的原始塊按照原始塊的上邊界值從小到大的順序進行排序；在所述斜率不大於1時，確定所述文字塊內原始塊的排版方式為橫排式斜排，並將分組內的原始塊按照原始塊的左邊界值從小到大的順序進行排序。綜上，本發明的有益效果包括本發明實施例提供的方案中，根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式，然後按照該原始塊排序方式對文字塊內的原始塊進行排序，並將排序後的原始塊進行輸出顯示。可見，採用本發明， 能夠對採用一定排版方式的文字塊內的原始塊進行排序，以還原該文字塊內原始塊的閱讀順序。本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。儘管已描述了本發明的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權利要求意欲解釋為包括優選實施例以及落入本發明範圍的所有變更和修改。顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明權利要求及其等同技術的範圍之內，則本發明也意圖包含這些改動和變型在內。
權利要求
1.一種文字塊內容重組方法，其特徵在於，該方法包括根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；按照所述原始塊排序方式對所述文字塊內的原始塊進行排序； 將排序後的原始塊進行輸出顯示。
2.如權利要求1所述的方法，其特徵在於，在所述文字塊內原始塊的排版方式為橫排或豎排時，所述原始塊排序方式為根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序； 對於排序結果中的每兩個相鄰原始塊執行如下步驟計算兩個相鄰原始塊的重疊度，根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係；若該位置關係與兩個相鄰原始塊在排序結果中的位置關係不同，則將兩個相鄰原始塊在排序結果中的位置互換。
3.如權利要求2所述的方法，其特徵在於，所述根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係包括確定兩個相鄰原始塊的前後位置關係和上下位置關係；若兩個相鄰原始塊在水平方向的重疊度小於預先設置的第一閾值，則根據兩個相鄰原始塊的上下位置關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度小於0，則根據兩個相鄰原始塊的前後位置關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在水平方向的重疊度和在垂直方向的重疊度都大於預先設置的第二閾值，則根據兩個相鄰原始塊的序號確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度小於在水平方向的重疊度，則根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係；若兩個相鄰原始塊在垂直方向的重疊度不小於在水平方向的重疊度，則根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係。
4.如權利要求3所述的方法，其特徵在於，根據兩個相鄰原始塊的左邊界差值和右邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係包括若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定兩個相鄰原始塊的前後位置關係為兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後；若左邊界差值小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定兩個相鄰原始塊的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從左到右的橫排或從左到右的豎排或無方向豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第二個原始塊在前，第一個原始塊在後；若左邊界差值不小於右邊界差值並且所述文字塊內原始塊的排版方式為從右到左的橫排或從右到左的豎排，則確定該兩個相鄰原始塊在文字塊內的前後位置關係為該兩個相鄰原始塊中的第一個原始塊在前，第二個原始塊在後。
5.如權利要求3所述的方法，其特徵在於，根據兩個相鄰原始塊的上邊界差值和下邊界差值的大小關係確定兩個相鄰原始塊的新的位置關係包括若上邊界差值小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第一個原始塊在上，第二個原始塊在下；若上邊界差值不小於下邊界差值，則確定兩個相鄰原始塊在文字塊內的上下位置關係為兩個相鄰原始塊中的第二個原始塊在上，第一個原始塊在下。
6.如權利要求3所述的方法，其特徵在於，在所述文字塊內原始塊的排版方式為橫排或無方向的豎排、並且確定兩個相鄰原始塊在文字塊內同行時，第一閾值在-0. 07與-0. 1 之間取值；在所述文字塊內原始塊的排版方式為橫排或無方向的豎排、並且確定兩個相鄰原始塊在文字塊內不同行時，第一閾值在-0. 03與-0. 06之間取值；在所述文字塊內原始塊的排版方式為從左到右或從右到左的豎排時，第一閾值的取值為0。
7.如權利要求1所述的方法，其特徵在於，在所述文字塊內原始塊的排版方式為斜排時，所述原始塊排序方式為根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序；將所述文字塊所在的坐標系進行旋轉變換；根據排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組，分組後同一組中的原始塊位於同一行或同一列；根據分組後各組的原始塊序號平均值，將分組後的各組進行排序，並且，對於每個分組，根據所述文字塊的排版方向將該分組內的原始塊進行排序。
8.如權利要求7所述的方法，其特徵在於，將所述文字塊所在的坐標系進行旋轉變換包括計算排序後每兩個相鄰原始塊的水平基線差值和垂直基線差值；確定計算得到的出現次數最多的水平基線差值以及出現次數最多的垂直基線差值；根據出現次數最多的水平基線差值和出現次數最多的垂直基線差值，計算斜線的斜率；根據所述斜率計算坐標系旋轉角度值；根據所述坐標系旋轉角度值，將所述文字塊所在的坐標系進行旋轉變換。
9.如權利要求7所述的方法，其特徵在於，所述根據排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組包括對於排序後的每兩個相鄰原始塊，執行如下步驟計算兩個相鄰原始塊中前一原始塊和後一原始塊在旋轉變換後的坐標系中的水平基線值，確定計算得到的後一原始塊的水平基線值與前一原始塊水平基線值的差值是否小於預先設定的第三閾值，若是，則確定前一原始塊和後一原始塊位於同一行，並將前一原始塊和後一原始塊劃分在同一組中；否則，確定前一原始塊和後一原始塊位於不同行，並將前一原始塊和後一原始塊劃分在不同組中。
10.如權利要求7所述的方法，其特徵在於，根據所述文字塊的排版方向將該分組內的原始塊進行排序包括在所述斜率大於1時，確定所述文字塊內原始塊的排版方式為豎排式斜排，並將分組內的原始塊按照原始塊的上邊界值從小到大的順序進行排序；在所述斜率不大於1時，確定所述文字塊內原始塊的排版方式為橫排式斜排，並將分組內的原始塊按照原始塊的左邊界值從小到大的順序進行排序。
11.一種文字塊內容重組裝置，其特徵在於，該裝置包括排序方式確定單元，用於根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式；原始塊排序單元，用於按照所述原始塊排序方式對所述文字塊內的原始塊進行排序； 內容還原單元，將排序後的原始塊進行輸出顯示。
12.如權利要求11所述的裝置，其特徵在於，所述原始塊排序單元包括第一排序單元，用於在所述文字塊內原始塊的排版方式為橫排或豎排時，根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序；排序修正單元，用於對於排序結果中的每兩個相鄰原始塊執行如下步驟計算兩個相鄰原始塊的重疊度，根據兩個相鄰原始塊的重疊度確定兩個相鄰原始塊的新的位置關係； 若該位置關係與兩個相鄰原始塊在排序結果中的位置關係不同，則將兩個相鄰原始塊在排序結果中的位置互換。
13.如權利要求11所述的裝置，其特徵在於，所述原始塊排序單元包括第二排序單元，用於在所述文字塊內原始塊的排版方式為斜排時，根據所述文字塊內各原始塊的序號將所述文字塊內的原始塊進行排序；旋轉變換單元，用於將所述文字塊所在的坐標系進行旋轉變換； 分組單元，用於根據排序後各原始塊在旋轉變換後的坐標系中的位置坐標，將各原始塊進行分組，分組後同一組中的原始塊位於同一行或同一列；第三排序單元，用於根據分組後各組的原始塊序號平均值，將分組後的各組進行排序， 並且，對於每個分組，根據所述文字塊的排版方向將該分組內的原始塊進行排序。
全文摘要
本發明實施例公開了一種文字塊內容重組方法及裝置，涉及計算機信息處理領域，用於解決無法對文字塊內的原始塊進行排序以還原該文字塊內原始塊的閱讀順序的問題。本發明中，根據預先設定的排版方式與原始塊排序方式的對應關係，確定文字塊內原始塊的排版方式對應的原始塊排序方式，然後按照該原始塊排序方式對文字塊內的原始塊進行排序，並將排序後的原始塊進行輸出顯示。可見，採用本發明，能夠對採用一定排版方式的文字塊內的原始塊進行排序，以還原該文字塊內原始塊的閱讀順序。
文檔編號G06F17/22GK102541826SQ20101062180
公開日2012年7月4日 申請日期2010年12月27日 優先權日2010年12月27日
發明者徐劍波, 朱興, 董寧, 黃文娟 申請人:北京方正阿帕比技術有限公司, 北大方正集團有限公司