CN108197624A - 证书图像校正识别方法及装置、计算机存储介质 - Google Patents
证书图像校正识别方法及装置、计算机存储介质 Download PDFInfo
- Publication number
- CN108197624A CN108197624A CN201810104835.XA CN201810104835A CN108197624A CN 108197624 A CN108197624 A CN 108197624A CN 201810104835 A CN201810104835 A CN 201810104835A CN 108197624 A CN108197624 A CN 108197624A
- Authority
- CN
- China
- Prior art keywords
- certificate image
- image
- certificate
- processing
- obtains
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 88
- 230000002708 enhancing effect Effects 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 43
- 229910052704 radon Inorganic materials 0.000 claims abstract description 12
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000001054 red pigment Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种证书图像校正识别方法及装置、计算机存储介质，其中，方法包括：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。本发明为OCR技术准确识别倾斜、畸变证书图像提供了可靠保障，可以有效减少由于图像采集角度及纸质证书摆放位置引起的图像识别错误。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及文字校正识别方法，具体来说就是一种证书图像校正识别方法及装置、计算机存储介质。
背景技术
随着计算机及网络技术的发展，存在大量对古籍、文档、票据、名片等纸质媒体数字化的需求，这里的数字化不仅仅局限于使用扫描仪或者照相机进行电子图像化，更重要的是将这些纸质媒体文件转换成可读、可编辑的电子文档来存储，为了实现这一过程，需要对扫描或采集的电子图像进行图像文字识别，这种情况下光学文字识别(OCR)技术应运而生。
OCR技术是指电子设备(例如，扫描仪或数码相机)检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。OCR技术已经在生产生活中得以广泛应用，中文印刷体的识别率可以达到98％以上，OCR技术的友好性、稳定性、易用性及可行性等特点，深受文字识别工作者的喜爱。
目前的OCR技术可以精确处理从扫描仪得到的高清晰度图像(从扫描仪获取的图像，是在源文档完全平整的条件下获取的，因此几乎不会存在几何失真)，对于在角度上存在一定倾斜的图像，现有OCR技术勉强能够应对，但是对于存在几何畸变的图像还不能识别，主要原因在于OCR技术不能有效对几何畸变的图像进行合理分割，也不能采取简单的二值化法进行特征提取。在移动终端盛行的今天，人们习惯于利用移动终端自带的相机直接拍摄纸质媒体，例如人们利用移动终端拍摄身份证、营业执照等证书，这些证书图像上面除了具有文字信息之外，还具有大量标识、图片等非文字信息，如果利用OCR技术直接识别这些倾斜、畸变的证书图像，会出现识别错误，甚至无法识别的现象。
因此，本领域技术人员亟需研发一种证书图像校正识别方法，从而对倾斜、畸变证书图像精准识别。
发明内容
有鉴于此，本发明要解决的技术问题在于提供一种证书图像校正识别方法及装置、计算机存储介质，解决了现有OCR技术无法正确识别倾斜、畸变证书图像的问题。
为了解决上述技术问题，本发明的具体实施方式提供一种证书图像校正识别方法，包括：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
本发明的具体实施方式还提供一种证书图像校正识别装置，包括：拟合校正单元，用于利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；倾斜校正单元，用于利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；图像增强单元，用于利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
本发明的具体实施方式还提供一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行证书图像校正识别方法。
根据本发明的上述具体实施方式可知，证书图像校正识别方法及装置、计算机存储介质至少具有以下有益效果：首先采用高次函数对证书图像进行拟合校正，再利用Radon算法或Hough变换对拟合校正后的证书图像进行倾斜校正，然后利用二维傅立叶变换对倾斜校正后的证书图像进行图像增强处理，最后对经过图像增强处理后的证书图像进行灰度化处理。本发明使得数码相机、移动终端等成为有效的信息采集工具，为OCR技术准确识别倾斜、畸变证书图像提供了可靠保障，可以有效减少由于图像采集角度及纸质证书摆放位置引起的图像识别错误。
应了解的是，上述一般描述及以下具体实施方式仅为示例性及阐释性的，其并不能限制本发明所欲主张的范围。
附图说明
下面的所附附图是本发明的说明书的一部分，其绘示了本发明的示例实施例，所附附图与说明书的描述一起用来说明本发明的原理。
图1为本发明具体实施方式提供的一种证书图像校正识别方法的实施例一的流程图。
图2为本发明具体实施方式提供的一种证书图像校正识别方法的实施例二的流程图。
图3为本发明具体实施方式提供的一种证书图像校正识别方法的实施例三的流程图。
图4为本发明具体实施方式提供的一种证书图像校正识别方法的实施例四的流程图。
图5为本发明具体实施方式提供的一种证书图像校正识别装置的实施例一的结构示意图。
图6为本发明具体实施方式提供的一种证书图像校正识别装置的实施例二的结构示意图。
图7为本发明具体实施方式提供的一种证书图像校正识别装置的实施例三的结构示意图。
图8为本发明具体实施方式提供的一种证书图像校正识别装置的实施例四的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面将以附图及详细叙述清楚说明本发明所揭示内容的精神，任何所属技术领域技术人员在了解本发明内容的实施例后，当可由本发明内容所教示的技术，加以改变及修饰，其并不脱离本发明内容的精神与范围。
本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等，并非特别指称次序或顺位的意思，也非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语，例如：上、下、左、右、前或后等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。
关于本文中的“多个”包括“两个”及“两个以上”；关于本文中的“多组”包括“两组”及“两组以上”。
关于本文中所使用的用语“大致”、“约”等，用以修饰任何可以微变化的数量或误差，但这些微变化或误差并不会改变其本质。一般而言，此类用语所修饰的微变化或误差的范围在部分实施例中可为20％，在部分实施例中可为10％，在部分实施例中可为5％或是其他数值。本领域技术人员应当了解，前述提及的数值可依实际需求而调整，并不以此为限。
某些用以描述本申请的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本申请的描述上额外的引导。
图1为本发明具体实施方式提供的一种证书图像校正识别方法的实施例一的流程图，如图1所示，依次对畸变证书图像进行拟合校正、倾斜校正、图像增强处理，获得增强证书图像。
该附图所示的具体实施方式中，证书图像校正识别方法包括：
步骤101：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像。本发明的具体实施例中，畸变证书图像具体指证书拍摄过程中，某些原因导致证书图像扭曲畸变；平整证书图像具体指矫正畸变后的证书图像。
本发明的具体实施例中，所述高次拟合函数F具体为：
其中，K1为控制水平方向上的扭曲矫正参数；K2为控制竖直方向上的扭曲矫正参数；(u,v)为证书图像畸变后的坐标系；(x,y)为证书图像畸变前的坐标系。
步骤102：利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像。本发明的具体实施例中，平整证书图像具有一定倾斜角度，不利于后期文字识别；方正证书图像为消除倾斜后的平整证书图像。
步骤103：利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。本发明的具体实施例中，由于方正证书图像中含有大量无用及干扰信息，对方正证书图像进行图像增强处理，可以抑制或去除这些无用及干扰信息，改善图像的视觉效果。
参见图1，对畸变证书图像进行拟合校正、倾斜校正、图像增强等处理，获得清晰的证书图像，为OCR技术准确识别倾斜、畸变证书图像提供了可靠保障，可以有效减少由于图像采集角度及纸质证书摆放位置引起的图像识别错误。
图2为本发明具体实施方式提供的一种证书图像校正识别方法的实施例二的流程图，如图2所示，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
该附图所示的具体实施方式中，证书图像校正识别方法还包括：
步骤104：采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像。本发明的具体实施例中，利用灰度分段线性拉伸函数进行灰度化处理。
参见图2，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理的目的使得灰度值低的字体信息、灰度值随机分布的噪声信号、灰度值高的背景信息之间的灰度距离得到拉伸，以便于二值化处理时选取阈值，对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
图3为本发明具体实施方式提供的一种证书图像校正识别方法的实施例三的流程图，如图3所示，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理获得灰度证书图像。
该附图所示的具体实施方式中，步骤104具体包括：
步骤1041：将所述增强证书图像的灰度值分成多个灰度区间。本发明的具体实施例中，将增强证书图像的灰度值分成3个灰度区间。
步骤1042：根据所述增强证书图像的色彩分布特征分别给对应的所述灰度区间分配权值。本发明的具体实施例中，色彩分布特征包括色素和亮度等；色素越多权值越大，亮度越大权值也越大，例如，对于RGB图像来说，红色色素越多，其权值越大；图像亮度越大，其权值也越大。
步骤1043：利用所述权值对所述灰度区间进行扩展获得所述灰度证书图像。本发明的具体实施例中，利用权值乘以对应的灰度区间，得到新的灰度区间。
参见图3，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理，便于二值化处理时选取阈值，对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
图4为本发明具体实施方式提供的一种证书图像校正识别方法的实施例四的流程图，如图4所示，利用二维傅立叶变换对方正证书图像进行图像增强处理，可以抑制或去除方正证书图像中的无用及干扰信息，改善图像的视觉效果。
该附图所示的具体实施方式中，步骤103具体包括：
步骤1031：对所述方正证书图像进行二维傅立叶变换得到二维频域图像。
步骤1032：根据所述二维频域图像确定相应的频域滤波器。本发明的具体实施例中，根据二维频域图像中的高频波分布情况，确定相应的频域滤波器。
步骤1033：利用所述频域滤波器处理所述方正证书图像获得所述增强证书图像。本发明的具体实施例中，利用频域滤波器滤除方正证书图像中的高频波信号，利于提高后期OCR证书识别的精准性。
参见图4，利用二维傅立叶变换对方正证书图像进行图像增强处理，可以抑制或去除方正证书图像中的无用及干扰信息，改善图像的视觉效果，提高后期OCR证书识别的精准性。
图5为本发明具体实施方式提供的一种证书图像校正识别装置的实施例一的结构示意图，如图5所示的装置可以应用到图1～图4所示的方法中，依次对畸变证书图像进行拟合校正、倾斜校正、图像增强处理，获得增强证书图像。
该附图所示的具体实施方式中，证书图像校正识别装置包括：拟合校正单元1、倾斜校正单元2和图像增强单元3。其中，拟合校正单元1用于利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；倾斜校正单元2用于利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；图像增强单元3用于利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
参见图5，对畸变证书图像进行拟合校正、倾斜校正、图像增强等处理，获得清晰的证书图像，为OCR技术准确识别倾斜、畸变证书图像提供了可靠保障，可以有效减少由于图像采集角度及纸质证书摆放位置引起的图像识别错误。
图6为本发明具体实施方式提供的一种证书图像校正识别装置的实施例二的结构示意图，如图6所示，灰度化处理单元采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
该附图所示的具体实施方式中，证书图像校正识别装置还包括灰度化处理单元4。其中，灰度化处理单元4用于采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像。
参见图6，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理的目的使得灰度值低的字体信息、灰度值随机分布的噪声信号、灰度值高的背景信息之间的灰度距离得到拉伸，以便于二值化处理时选取阈值，对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
图7为本发明具体实施方式提供的一种证书图像校正识别装置的实施例三的结构示意图，如图7所示，灰度化处理单元具体包括划分模块、分配模块和扩展模块。
该附图所示的具体实施方式中，所述灰度化处理单元4具体包括划分模块41、分配模块42和扩展模块43。其中，划分模块41用于将所述增强证书图像的灰度值分成多个灰度区间；分配模块42用于根据所述增强证书图像的色彩分布特征分别给对应的所述灰度区间分配权值；扩展模块43用于利用所述权值对所述灰度区间进行扩展获得所述灰度证书图像。
参见图7，采用灰度值分段线性拉伸算法对增强证书图像进行灰度化处理，便于二值化处理时选取阈值，对增强证书图像进行灰度化处理，进一步提高OCR证书识别的精准性。
图8为本发明具体实施方式提供的一种证书图像校正识别装置的实施例四的结构示意图，如图8所示，利用二维傅立叶变换对方正证书图像进行图像增强处理，可以抑制或去除方正证书图像中的无用及干扰信息，改善图像的视觉效果。
该附图所示的具体实施方式中，所述图像增强单元3具体包括：变换模块31、确定模块32和处理模块33。其中，变换模块31用于对所述方正证书图像进行二维傅立叶变换得到二维频域图像；确定模块32用于根据所述二维频域图像确定相应的频域滤波器；处理模块33用于利用所述频域滤波器处理所述方正证书图像获得所述增强证书图像。
参见图8，利用二维傅立叶变换对方正证书图像进行图像增强处理，可以抑制或去除方正证书图像中的无用及干扰信息，改善图像的视觉效果，提高后期OCR证书识别的精准性。
本发明具体实施方式提供一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行证书图像校正识别方法。方法可以包括以下步骤：
步骤101：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像。
步骤102：利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像。
步骤103：利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
本发明具体实施方式还提供一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行证书图像校正识别方法。方法可以包括以下步骤：
步骤101：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像。
步骤102：利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像。
步骤103：利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
步骤104：采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像。
本发明具体实施方式还提供一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行证书图像校正识别方法。方法可以包括以下步骤：
步骤101：利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像。
步骤102：利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像。
步骤103：利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
步骤1041：将所述增强证书图像的灰度值分成多个灰度区间。
步骤1042：根据所述增强证书图像的色彩分布特征分别给对应的所述灰度区间分配权值。
步骤1043：利用所述权值对所述灰度区间进行扩展获得所述灰度证书图像。
本发明具体实施方式还提供一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行证书图像校正识别方法。方法可以包括以下步骤：
步骤1031：对所述方正证书图像进行二维傅立叶变换得到二维频域图像。
步骤1032：根据所述二维频域图像确定相应的频域滤波器。
步骤1033：利用所述频域滤波器处理所述方正证书图像获得所述增强证书图像。
本发明具体实施例提供一种证书图像校正识别方法及装置、计算机存储介质，首先采用高次函数对证书图像进行拟合校正，再利用Radon算法或Hough变换对拟合校正后的证书图像进行倾斜校正，然后利用二维傅立叶变换对倾斜校正后的证书图像进行图像增强处理，最后对经过图像增强处理后的证书图像进行灰度化处理。本发明使得数码相机、移动终端等成为有效的信息采集工具，为OCR技术准确识别倾斜、畸变证书图像提供了可靠保障，可以有效减少由于图像采集角度及纸质证书摆放位置引起的图像识别错误。
上述的本发明实施例可在各种硬件、软件编码或两者组合中进行实施。例如，本发明的实施例也可为在数据信号处理器(Digital Signal Processor，DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array，FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务，其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而，根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本发明示意性的具体实施方式，在不脱离本发明的构思和原则的前提下，任何本领域的技术人员所做出的等同变化与修改，均应属于本发明保护的范围。
Claims (10)
1.一种证书图像校正识别方法，其特征在于，该方法包括：
利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；
利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；以及
利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
2.如权利要求1所述的证书图像校正识别方法，其特征在于，该方法还包括：
采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像。
3.如权利要求2所述的证书图像校正识别方法，其特征在于，采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像的步骤，具体包括：
将所述增强证书图像的灰度值分成多个灰度区间；
根据所述增强证书图像的色彩分布特征分别给对应的所述灰度区间分配权值；以及
利用所述权值对所述灰度区间进行扩展获得所述灰度证书图像。
4.如权利要求1所述的证书图像校正识别方法，其特征在于，利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像的步骤，具体包括：
对所述方正证书图像进行二维傅立叶变换得到二维频域图像；
根据所述二维频域图像确定相应的频域滤波器；以及
利用所述频域滤波器处理所述方正证书图像获得所述增强证书图像。
5.如权利要求1所述的证书图像校正识别方法，其特征在于，所述高次拟合函数F具体为：
其中，K1为控制水平方向上的扭曲矫正参数；K2为控制竖直方向上的扭曲矫正参数；(u,v)为证书图像畸变后的坐标系；(x,y)为证书图像畸变前的坐标系。
6.一种证书图像校正识别装置，其特征在于，该装置包括：
拟合校正单元，用于利用高次拟合函数对畸变证书图像进行拟合校正获得平整证书图像；
倾斜校正单元，用于利用Radon算法或Hough变换对所述平整证书图像进行倾斜校正获得方正证书图像；以及
图像增强单元，用于利用二维傅立叶变换对所述方正证书图像进行图像增强处理获得增强证书图像。
7.如权利要求6所述的证书图像校正识别装置，其特征在于，该装置还包括：
灰度化处理单元，用于采用灰度值分段线性拉伸算法对所述增强证书图像进行灰度化处理获得灰度证书图像。
8.如权利要求7所述的证书图像校正识别装置，其特征在于，所述灰度化处理单元具体包括：
划分模块，用于将所述增强证书图像的灰度值分成多个灰度区间；
分配模块，用于根据所述增强证书图像的色彩分布特征分别给对应的所述灰度区间分配权值；以及
扩展模块，用于利用所述权值对所述灰度区间进行扩展获得所述灰度证书图像。
9.如权利要求7所述的证书图像校正识别装置，其特征在于，所述图像增强单元具体包括：
变换模块，用于对所述方正证书图像进行二维傅立叶变换得到二维频域图像；
确定模块，用于根据所述二维频域图像确定相应的频域滤波器；以及
处理模块，用于利用所述频域滤波器处理所述方正证书图像获得所述增强证书图像。
10.一种包含计算机执行指令的计算机存储介质，所述计算机执行指令经由数据处理设备处理时，该数据处理设备执行如权利要求1～5任一所述的证书图像校正识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810104835.XA CN108197624A (zh) | 2018-02-02 | 2018-02-02 | 证书图像校正识别方法及装置、计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810104835.XA CN108197624A (zh) | 2018-02-02 | 2018-02-02 | 证书图像校正识别方法及装置、计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108197624A true CN108197624A (zh) | 2018-06-22 |
Family
ID=62591952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810104835.XA Pending CN108197624A (zh) | 2018-02-02 | 2018-02-02 | 证书图像校正识别方法及装置、计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108197624A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447067A (zh) * | 2018-10-24 | 2019-03-08 | 北方民族大学 | 一种票据方向检测矫正方法及自动检票系统 |
| CN109614972A (zh) * | 2018-12-06 | 2019-04-12 | 泰康保险集团股份有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
| CN112132762A (zh) * | 2020-09-18 | 2020-12-25 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和录音设备 |
| CN112733831A (zh) * | 2021-01-08 | 2021-04-30 | 南昌航空大学 | 一种商标检测方法及系统 |
| CN113554558A (zh) * | 2020-04-26 | 2021-10-26 | 北京金山数字娱乐科技有限公司 | 一种图像处理的方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
| US20130201358A1 (en) * | 2012-02-06 | 2013-08-08 | Apple Inc. | Efficient Line Detection Method |
| CN104867113A (zh) * | 2015-03-31 | 2015-08-26 | 酷派软件技术（深圳）有限公司 | 图像透视畸变校正的方法及系统 |
| CN106778752A (zh) * | 2016-11-16 | 2017-05-31 | 广西大学 | 一种文字识别方法 |
| CN106951896A (zh) * | 2017-02-22 | 2017-07-14 | 武汉黄丫智能科技发展有限公司 | 一种车牌图像倾斜校正方法 |
-
2018
- 2018-02-02 CN CN201810104835.XA patent/CN108197624A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
| US20130201358A1 (en) * | 2012-02-06 | 2013-08-08 | Apple Inc. | Efficient Line Detection Method |
| CN104867113A (zh) * | 2015-03-31 | 2015-08-26 | 酷派软件技术（深圳）有限公司 | 图像透视畸变校正的方法及系统 |
| CN106778752A (zh) * | 2016-11-16 | 2017-05-31 | 广西大学 | 一种文字识别方法 |
| CN106951896A (zh) * | 2017-02-22 | 2017-07-14 | 武汉黄丫智能科技发展有限公司 | 一种车牌图像倾斜校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHENGJIANGTAO0: "OCR系统中的图像预处理的研究和实现", 《百度文库》 * |
| 陈爱军，董光辉，夏宇: "《数字图像处理及其MATLAB实现》", 31 July 2008 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447067A (zh) * | 2018-10-24 | 2019-03-08 | 北方民族大学 | 一种票据方向检测矫正方法及自动检票系统 |
| CN109447067B (zh) * | 2018-10-24 | 2021-07-20 | 北方民族大学 | 一种票据方向检测矫正方法及自动检票系统 |
| CN109614972A (zh) * | 2018-12-06 | 2019-04-12 | 泰康保险集团股份有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
| CN113554558A (zh) * | 2020-04-26 | 2021-10-26 | 北京金山数字娱乐科技有限公司 | 一种图像处理的方法和装置 |
| CN113554558B (zh) * | 2020-04-26 | 2024-11-01 | 北京金山数字娱乐科技有限公司 | 一种图像处理的方法和装置 |
| CN112132762A (zh) * | 2020-09-18 | 2020-12-25 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和录音设备 |
| CN112733831A (zh) * | 2021-01-08 | 2021-04-30 | 南昌航空大学 | 一种商标检测方法及系统 |
| CN112733831B (zh) * | 2021-01-08 | 2022-04-15 | 南昌航空大学 | 一种商标检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
| US9230382B2 (en) | Document image capturing and processing | |
| RU2678485C1 (ru) | Способ сегментации и распознавания символов | |
| CN104112128B (zh) | 应用于票据影像字符识别的数字图像处理系统及方法 | |
| CN101650783B (zh) | 图像识别方法以及摄像装置 | |
| CN109086714A (zh) | 表格识别方法、识别系统及计算机装置 | |
| CN109426814B (zh) | 一种发票图片特定板块的定位、识别方法、系统、设备 | |
| US8577099B2 (en) | Method, apparatus, and program for detecting facial characteristic points | |
| US20070253040A1 (en) | Color scanning to enhance bitonal image | |
| EP2973226A1 (en) | Classifying objects in digital images captured using mobile devices | |
| CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| CN113903024A (zh) | 一种手写票据数值信息识别方法、系统、介质及装置 | |
| CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
| CN110569845A (zh) | 一种试卷图像的校正方法及相关装置 | |
| CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
| CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
| CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
| CN105225218A (zh) | 用于文档图像的畸变校正方法和设备 | |
| CN109753981B (zh) | 一种图像识别的方法及装置 | |
| JP2018137636A (ja) | 画像処理装置及び画像処理プログラム | |
| CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
| CN109635679B (zh) | 一种实时的靶纸定位及环线识别方法 | |
| WO2015092059A1 (en) | Method and system for correcting projective distortions. | |
| CN115410191B (zh) | 文本图像识别方法、装置、设备和存储介质 | |
| CN113837119B (zh) | 一种基于灰度图像识别易混淆字符的方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |
|
| RJ01 | Rejection of invention patent application after publication |