一种反解版式文件后得到的图片和图说的自动关联方法

摘要

本发明公开了一种反解版式文件后得到的图片和图说的自动关联方法，属于信息处理技术领域。现有技术中，建立反解版式文件后获得的图片和图说的关联关系需要人工进行关联操作，或者需要版式文件中存储数据之间的关联关系，工作量大，效率低。本发明所述方法：将文字块集合中每一个属性为正文的文字块与图片块集合中所有图片块比较，筛选出位置最好的图片块，将文字块作为该图片块的候选图说；然后确定图片块集合中每一个图片块的图说；如果一个图片块的候选图说为多个，则筛选出最合适的候选图说作为该图片块的图说。采用本发明所述方法能够自动在反解任何一种版式文件后获得的图片与图说之间建立关联，减少了人工关联的工作量，提高了效率。

主权项

一种反解版式文件后得到的图片和图说的自动关联方法，包括以下步骤：(1)从反解版式文件后得到的文字块集合{S}中取出一个未被取出过的属性为正文的文字块；(2)在反解版式文件后得到的图片块集合{P}中查找与步骤(1)中取出的文字块近邻的图片块，如果没有一个图片块与该文字块近邻，则转至步骤(3)，如果仅有一个图片块与该文字块近邻，则将此文字块作为该图片块的候选图说，如果有两个或两个以上的图片块与该文字块近邻，则筛选出位置最好的图片块，将此文字块作为该图片块的候选图说；在图片块集合{P}中查找与文字块近邻的图片块的方法为：判断图片块与文字块是否在水平方向上或者在竖直方向上近邻，如果在水平方向上或者在竖直方向上近邻，则图片块与文字块近邻，步骤如下：假设文字块左上角点坐标为(X1，Y1)、右下角点坐标为(X1′，Y1′)，图片块左上角点坐标为(X2，Y2)，右下角点坐标为(X2′，Y2′)；文字块的宽度W＝X1′‑X1，图片块的宽度W′＝X2′‑X2；文字块的高度H＝Y1′‑Y1，图片块的高度H′＝Y2′‑Y2；所有文字块的字号的平均值为AvgFontSize；图说与图片块之间的有效距离DistThreshold＝C1*AvgFontSize，其中C1为文字块与图片块之间的间距系数，1＜C1＜5；下述min函数表示取两者的较小值，max函数表示取两者的较大值，D为延伸距离，0≤D≤10，单位为磅；①计算图片块与文字块的重叠度：在水平方向上的重叠度OverlapX的计算公示为OverlapX＝(min(X1′，X2′)‑max(X1，X2))/(max(X1′，X2′)‑min(X1，X2))，在竖直方向上的重叠度OverlapY的计算公示为OverlapY＝(min(Y1′，Y2′)‑max(Y1，Y2))/(max(Y1′，Y2′)‑min(Y1，Y2))；②判断Y1≥Y2‑D且Y1′≤Y2′+D且X1≥X2‑D且X1′≤X2′+D是否成立；如果成立，则继续判断OverlapY是否大于OverlapX，若大于，则图片块与文字块在水平方向上近邻，否则图片块与文字块在竖直方向上近邻；如果不 成立，则计算图片块与文字块在水平方向上的重叠距离DistX，DistX＝max(X1，X2)‑min(X1′，X2′)；③判断Y1≥Y2‑D且Y1′≤Y2′+D且W＜W′且DistX＜DistThreshold是否成立，如果成立，则图片块与文字块在水平方向上近邻；否则计算图片块与文字块的最大距离DistXMax，如果X1＜X2，则DistXMax＝X2‑X1，否则DistXMax＝|X2′‑X1′|；④判断Y1≥Y2‑D且Y1′≤Y2′+D且W＜W′且DistMax＜W′/2是否成立，如果成立，则图片块与文字块在水平方向上近邻；否则，计算图片块与文字块在竖直方向上的重叠距离DistY，DistY＝max(Y1，Y2)‑min(Y1′，Y2′)；⑤判断X1≥X2‑D且X1′≤X2′+D且H＜H′且文字块的排版类型为从左到右的横排或者从右到左的横排且DistY＜DistThreshold是否成立，如果成立，则图片块与文字块在竖直方向上近邻，否则图片块与文字块即不在水平方向上也不在竖直方向上近邻；筛选出位置最好的图片块的方法包括以下步骤：假设步骤(1)中取出的文字块为T，与T临近的图片块集合为{TP}，位置最好的图片块为PZ；①分别计算出{TP}中所有的图片块的图说类型PicType，以及T和{TP}中所有的图片块之间的距离Dist；所述的图片块的图说类型是指文字块相对于图片块的位置，包括文字块在图片块的上侧、文字块在图片块的左侧、文字块在图片块的右侧和文字块在图片块的下侧；②从{TP}中任意取出一个图片块P，并将取出的图片块从{TP}中删除；另PZ＝P；③从{TP}中任意取出一个图片块PN，将PN从{TP}中删除；从PZ和PN中筛选出一个位置较好的图片块，如果PN位置较好，则另PZ＝PN；从PZ和PN中筛选出一个位置较好的图片块的方法为：假设PZ的图说类型为PicTypeZ，PN的图说类型为PicTypeN，T与PZ之间的距离为DistZ，T与PN之间的距离为DistN；如果满足下列条件之一，则PN比PZ位置好：条件a.PicTypeN与PicTypeZ相同且DistN＜DistZ，条件b.PicTypeN为文字块在图片块的右侧且PicTypeZ为文字块在图片块的左侧且DistN＜DistZ，条件c.PicTypeN的优先级高于PicTypeZ且PicTypeN为文字块在图片块的右侧与PicTypeZ为文字块在图片块的左侧两者不同时成立；其中，文字块在图片块的下侧的优先级高于文字块在图片块的左侧和右侧，文字块在图片块的左侧或右侧的优先级高于文字块在图片块的上侧；④判断{TP}是否为空，如果为空，则PZ即为位置最好的图片块；否则，转至步骤③；(3)重复以上步骤，直到文字块集合{S}中的所有文字块被取出一次；(4)确定图片块集合{P}中每一个图片块的图说；如果一个图片块的候选图说仅有一个，则将该候选图说作为该图片块的图说；如果一个图片块的候选图说为多个，则筛选出最合适的候选图说作为该图片块的图说，包括以下步骤：假设一个图片块的候选图说集合为{L}；①将{L}中图说类型相同的文字块合并成为一个文字块，合并后的文字块与图片块的重叠度为被合并的文字块与图片块的重叠度之和，权重为被合并的文字块的个数；②从合并后的{L}中挑选出权重值最大的文字块作为图片块的图说，如果权重值最大的文字块为多个，则比较权重值最大的多个文字块与图片块的重叠度，将与图片块重叠度最大的文字块作为图片块的图说。