在临床诊断过程中，医院一直依赖心电图作为监测病人心脏电活动的仪器。由于纸张易破碎且热敏纸字迹不稳定、易消退，多数纸质心电图都遭到了不同程度的破坏。而这些纸质心电图是一笔宝贵的财富，可以建立丰富的病例数据库、有助于学者进行科研分析、增加医生临床诊断经验以及支持在线远程诊断等等。因此纸质心电图数字化信息的提取成为一个亟待解决的问题。纸质心电图是由纵横交错的背景坐标网格、打印其上的心电波形曲线、导联字符以及定标电压组成。纸质心电图数字化信息提取不是单纯指将纸质心电图通过扫描仪等设备转换成图片保存，而是指通过一系列的智能处理技术将纸面上的波形数据提取并保存的数字化过程。由于扫描的心电图像不可避免的会发生倾斜，本文首先进行了倾斜检测与校正。使用抗干扰能力强的Hough变换方法检测心电图纸的边缘直线，从而获得图像的倾斜角度，然后基于坐标系变换进行旋转校正，该方法能有效的将倾斜的心电图校正。进一步，本文提出一种基于Sobel_MCO(Morphological Closed Operation)筛选机制的改进k-means方法用于波形曲线的提取，运用聚类的思想将属于同类的像素点归类，实现波形曲线和复杂背景的分离。该方法先使用筛选机制进行预处理，尽可能多的保留属于波形曲线的像素点，并尽可能多的排除无用点，将保留的像素点集合作为聚类对象。再根据聚类对象的二维直方图（灰度-位置）的波峰确定聚类中心进行k-means迭代聚类，实现了波形曲线和复杂背景的有效分离。该方法提高了提取准确率，降低了时间复杂度。在此基础上，给出了心电波形数据的提取方法，以及背景网格的重建方法。最后，由于心电波形的医疗诊断价值，对波形数据的提取准确率要求十分高，为有效的评价纸质心电图波形数据提取的准确性，本文提出了一种评价策略。该策略充分考虑了心电图中具有诊断意义的特征参数点，并根据特征参数点提出一种相似性度量方法。通过大量的波形相似性实验证明，本文方法能更准确评价纸质心电图数字化后波形数据提取的准确性。本文尝试研究并解决了纸质心电图数字化信息提取中的一些关键问题，并为数字化信息的提取建立了科学的评价策略，同时，为此方向的探索完成了一些必要的研究工作，并取得了有效的结果。