CN110222694B - 图像处理方法、装置、电子设备及计算机可读介质 - Google Patents

Abstract

本公开涉及一种图像处理方法、装置、电子设备及计算机可读介质。该方法包括：对图像进行灰度化处理，生成灰度图像；对所述灰度图像进行灰度聚类处理，生成多个二值图像；将所述多个二值图像进行图像叠加处理，生成目标图像；以及基于所述目标图像进行文字识别处理。本公开涉及的图像处理方法、装置、电子设备及计算机可读介质，能够在图像进行文字识别时提高文字识别的准确率和分辨率。

Description

图像处理方法、装置、电子设备及计算机可读介质

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种图像处理方法、装置、电子设备及计算机可读介质。

背景技术

随着信息时代的到来，数字图像作为一种重要的信息载体，能满足日益增加的现代化业务。光学字符识别，OCR技术，通过光学及计算机技术，将图像中的文字转换为计算机能编辑的文本。目前，随着计算机的性能以及手机拍照技术的发展，OCR技术的应用场景变得更为广泛。

对于保险行业而言，保险单据的录入与核对是一项工作量巨大的工作，传统的人工录入与校对往往具有效率低，错误率较高的特点，而利用OCR技术，进行保险单据的识别，能够较大幅度的提升工作效率。但是，在现有技术处理中，对保险单据进行识别的主要难点在于：保险单据的拍摄场景复杂，如背景噪声较大，光照不均匀，拍摄角度不统一等等，这种拍摄环境造成了保险单据图像中含有大量的“噪音”数据。目前尚未有方法对单据图像进行行之有效的处理，使得单据图像中的文字信息突出，场景噪音压制。而在目前的技术中，常见的图像预处理技术多为边缘检测以及滤波等，也无法完全解决上述技术问题，文字识别效果不理想。

发明内容

有鉴于此，本公开提供一种图像处理方法、装置、电子设备及计算机可读介质，能够在图像进行文字识别时提高文字识别的准确率和分辨率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种图像处理方法，该方法包括：对图像进行灰度化处理，生成灰度图像；对所述灰度图像进行灰度聚类处理，生成多个二值图像；将所述多个聚类图像进行图像叠加处理，生成目标图像；以及基于所述目标图像进行文字识别处理。

在本公开的一种示例性实施例中，对所述灰度图像进行灰度聚类处理，生成多个二值图像包括：基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布；基于所述灰度分布确定聚类参数；以及基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像。

在本公开的一种示例性实施例中，基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布包括：确定核函数；通过所述核函数构建所述灰度分布公式；以及通过所述每一个像素的灰度值与所述灰度分布公式确定确定所述灰度图像的灰度分布。

在本公开的一种示例性实施例中，基于所述灰度分布确定聚类参数包括：确定所述灰度分布中的极值确定所述聚类参数。

在本公开的一种示例性实施例中，基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像包括：基于所述聚类参数将所述灰度图像进行灰度聚类处理生成多个聚类图像；以及对所述多个聚类图像进行二值化处理，生成所述多个二值图像。

在本公开的一种示例性实施例中，将所述多个聚类图像进行图像叠加处理，生成目标图像包括：将所述多个聚类图像进行图像叠加，生成叠加图像；确定所述叠加图像中的关键区域图像；以及将所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

在本公开的一种示例性实施例中，确定所述叠加图像中的关键区域图像包括：确定所述叠加图像中的连通区域；以及根据所述多个聚类图像在连通区域内像素二值化结果的占比确定所述关键区域图像。

在本公开的一种示例性实施例中，将所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像包括：确定所述关键区域图像的第一权值；确定所述叠加图像的第二权值；以及根据所述第一权值与第二权值对所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

根据本公开的一方面，提出一种图像处理装置，该装置包括：灰度模块，用于对图像进行灰度化处理，生成灰度图像；聚类模块，用于对所述灰度图像进行灰度聚类处理，生成多个二值图像；叠加模块，用于将所述多个聚类图像进行图像叠加处理，生成目标图像；以及识别模块，用于基于所述目标图像进行文字识别处理。

根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。

根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。

根据本公开的图像处理方法、装置、电子设备及计算机可读介质，通过灰度聚类方式对图像进行预处理，然后将处理之后的图像进行图像叠加，从而生成待识别的目标图像的方式，能够在图像进行文字识别时提高文字识别的准确率和分辨率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据一示例性实施例示出的一种图像处理方法及装置的系统场景框图。

图2是根据一示例性实施例示出的一种图像处理方法的流程图。

图3是根据另一示例性实施例示出的一种图像处理方法的流程图。

图4是根据另一示例性实施例示出的一种图像处理方法的流程图。

图5是根据另一示例性实施例示出的一种图像处理方法的流程图。

图6是根据一示例性实施例示出的一种图像处理装置的框图。

图7是根据一示例性实施例示出的一种电子设备的框图。

图8是根据一示例性实施例示出一种计算机可读存储介质示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

传统的OCR技术中，提高文字的辨识度主要是通过二值化或边缘检测来实现的。常规的二值化技术，就是针对一副灰度图片，设定一个灰度阈值T，然后根据图像的灰度，将大于T的像素点设置为0或255(取决于为了突出低灰度或高灰度)，同时将小于T的像素点设置为255或0(与大于T的像素点设置的值不同)，这样整个图像只有黑白两个像素，使得图片中不同的物体得以一定程度的凸显，但其缺点也比较明显，即在全局使用同一个T值会将一些噪声的像素点进行放大，因此，该方法对于局部的细节描述能力不足。而另一种二值化的方法是采用计算像素的平均值K，然后将图像中像素值大于K的像素值设为255，小于等于K像素值设为0，该方法与常规的二值化方法相比，具有一定的优势，但是会丢失一些局部的像素突变点，从而使得图片变得模糊，不能真实的反映原图像的内容。

针对图像预处理中，二值化的噪音问题以及边缘检测中对平缓变化不敏感的问题，本公开提出了一种图像处理方法，通过聚类分析进行图片的预处理，依据灰度化后的图片的灰度值，进行半自动的聚类分析，从而得到文字与其他区分度较明显的图片。本公开的图像处理方法，能够在很大程度上改善图片预处理的效果。

下面结合具体的实施例对本公开的详细内容进行描述：

图1是根据一示例性实施例示出的一种图像处理方法及装置的系统场景框图。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

用户可通过终端设备101、102、103对图像进行灰度化处理，生成灰度图像，终端设备101、102、103可例如对所述灰度图像进行灰度聚类处理，生成多个二值图像；终端设备101、102、103可例如将所述多个二值图像进行图像叠加处理，生成目标图像；终端设备101、102、103可例如基于所述目标图像进行文字识别处理。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所获取的图片提供支持的后台服务器。服务器105可以对接收到的图片数据进行文字识别等处理，并将处理结果反馈给终端设备。

用户可通过终端设备101、102、103拍摄图片，终端设备101、102、103可例如将图片转发至服务器105中，服务器105可例如对图像进行灰度化处理，生成灰度图像；服务器105可例如对所述灰度图像进行灰度聚类处理，生成多个二值图像；服务器105可例如将所述多个二值图像进行图像叠加处理，生成目标图像；以及服务器105可例如基于所述目标图像进行文字识别处理。

服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的图像处理方法可以由服务器105和/或终端设备101、102、103执行，相应地，图像处理装置可以设置于服务器105和/或终端设备101、102、103中。而提供给用户进行图片入的请求端一般位于终端设备101、102、103中。

在一个实施例中，本公开中的方法可应用在保险领域，客户在购买相关产品后需要将保单上传，保存到后台数据库中，并且需要人工进行核对，而图像数据在获取、传输和存储的过程中可能会存在一定的失真模糊的现象，因此人工的核对信息存在着效率慢，错误率高的特点。通过本方法进行了图像的预处理，能够提高图像的分辨率，在经本方法处理后再进行OCR识别，可有效地提高识别的准确性，从而减少了人工核对的时间，提高了核对的效率，减少人工核对的工作量，节省了大量的成本。

根据本公开的图像处理方法及装置，通过灰度聚类方式对图像进行预处理，然后将处理之后的图像进行图像叠加，从而生成待识别的目标图像的方式，能够在图像进行文字识别时提高文字识别的准确率和分辨率。

图2是根据一示例性实施例示出的一种图像处理方法的流程图。图像处理方法20至少包括步骤S202至S208。

如图2所示，在S202中，对图像进行灰度化处理，生成灰度图像。考虑到光线明暗以及背景中可能存在噪音的情况题，首先要对原始图片做预处理过程。预处理可包括灰度化处理。

灰度图像与RGB格式的原图像相比，文字的信息没有损失，并且能缩小数据量，提高计算效率，图片灰度化的转换公式可为：

其中，RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。R,G,B,分别表示RGB颜色空间上不通颜色通道的值。

其中，灰度图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度。一幅完整的图像，是由红色、绿色、蓝色三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“红，绿，蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。

在S204中，对所述灰度图像进行灰度聚类处理，生成多个二值图像。

在一个实施例中，可包括：基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布；基于所述灰度分布确定聚类参数；以及基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像。传统OCR的步骤是对灰度图进行二值化，但存在将部分噪声锐化的缺点，因此其分辨率可能会较低。本申请采用了基于聚类的方法，对灰度图像进行核密度聚类分析，并依据人眼对于灰度值过大或过小的分辨率过低的特点，有对不同区间的灰度值采取不同的分类策略。

关于对所述灰度图像进行灰度聚类处理，生成多个二值图像的详细内容请见图3对应的实施例。

在S206中，将所述多个二值图像进行图像叠加处理，生成目标图像。可例如，将所述多个二值图像进行图像叠加，生成叠加图像；确定所述叠加图像中的关键区域图像；以及将所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

其中，叠加是图像处理中一种混合模式，存在于颜色混合模式、通道混合模式、图层混合模式的“叠加”模式组中。“叠加”模式作用于图像像素与周围像素之间，导致图像反差增大或减小，是一个基色决定混合效果的模式，由基色的明暗决定了混合色的混合方式。使用“叠加”混合模式后一般不会产生色阶溢出，不会导致图像细节损失，当调换基色和混合色的位置，结果色不相同。

其中，图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。

关于将所述多个聚类图像进行图像叠加处理的详细内容请见图4对应的实施例。

在S208中，基于所述目标图像进行文字识别处理。文字识别处理可包括：光学字符识别OCR处理等等。

其中，OCR(Optical Character Recognition，光学字符识别)是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

根据本公开的图像处理方法，采用聚类的思想对图片的灰度值进行了分类，与传统的二值化的方法相比，在OCR字符识别的时候具有更高的分辨率。

根据本公开的图像处理方法，通过对图像中的灰度值进行了部分叠加，可以在保留图片图像完整性的同时突出了部分细节，能够提高OCR的准确率。

应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。

图3是根据另一示例性实施例示出的一种图像处理方法的流程图。图3所示的流程是对图2所示的流程中S204“对所述灰度图像进行灰度聚类处理，生成多个二值图像”的详细描述。

如图3所示，在S302中，基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布。可例如，确定核函数；通过所述核函数构建所述灰度分布公式；以及通过所述每一个像素的灰度值与所述灰度分布公式确定确定所述灰度图像的灰度分布。

在S304中，基于所述灰度分布确定聚类参数。可通过确定所述灰度分布中的极值确定所述聚类参数。

在S306中，基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像。可例如，基于所述聚类参数将所述灰度图像进行灰度聚类处理生成多个聚类图像；以及对所述多个聚类图像进行二值化处理，生成所述多个二值图像。

可基于核密度估计的方法获得灰度值的一个概率分布，并对其首先对图像的灰度的分布进行一个聚类分析。

其中，核密度估计的公式为：

其中，k为核函数，n为灰度值的个数，这里为256，h为大于0的一个平滑参数。通常，核函数被选取为高斯核函数。

经过密度估计后的灰度分布可以看出图像灰度的一个整体的分布趋势。通过对整体核密度分布局势进行分析，确定适当的分类数目，从而选取合适的灰度值点进行分类，然后根据趋势选取极值点进行分类。

在实际应用中，人类对于灰度的敏感区间为灰度值的中间区，因此可通过改变参数h的值，将灰度的区间控制在4-6个。然后分别对每个区间内做二值化操作，可分别对每个区间内做二值化操作，即对整个图像，将区间内的灰度值设为1，将其他区域设为0。对每个区间做以上操作，得到与分类数目相同的二值化图像。

其中，g(x)为二值化后的结果，x代表原图像的灰度值，p_i代表原图像经核密度估计后的第i个灰度值区间。

对每个区间做以上操作，可得到4-6个不同的二值化的结果，即4-6个二值化图像。

图4是根据另一示例性实施例示出的一种图像处理方法的流程图。图4所示的流程是对图2所示的流程中S206“将所述多个二值图像进行图像叠加处理，生成目标图像”的详细描述。

如图4所示，在S402中，将所述多个二值图像进行图像叠加，生成叠加图像。

在S404中，确定所述叠加图像中的关键区域图像。可例如，确定所述叠加图像中的连通区域；以及根据所述多个聚类图像在连通区域内像素二值化结果的占比确定所述关键区域图像。

在S406中，将所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

其中，具体处理方式可以是通过加权融合的方式进行图像融合处理：

可例如，确定所述关键区域图像的第一权值；确定所述叠加图像的第二权值；以及根据所述第一权值与第二权值对所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

经过前期的统计分析，文字与单据边界的特征往往在某个特定的灰度值区间中，因此一个可行的方法是只保留一个二值化的结果，但其可能会丢失部分信息，因此可采用如下步骤：

(1)、直接将各个图像进行叠加，即：

(2)确定叠加后的图像的连通区域的主贡献图像，即在整个叠加的图像上,划分出连通区域,然后在每个连通区域内,统计后在该区域内各个叠加的图像的二值化的结果的占比，最后保留占比最大的二值化结果。这样的目的不仅可以将所有的特征尽可能大的保留下来，并且能够一定程度上抑制噪音的影响。

(3)将主要贡献图像结果与直接叠加的图像进行加权融合，这样既可以保留完整的图片信息，还能突出部分边界特征。

这样，经过处理后的图片与传统流程处理的图片相比，噪音更低，并且图片中的文字特征与边缘属性更加明显，为后续的矫正与边缘检测打下了良好的基础。

图5是根据另一示例性实施例示出的一种图像处理方法的流程图。图5所示的流程通过一个具体的实施例，描述了通过本公开图像处理方法的进程图像处理的全过程。

如图5所示，在S502中，进行灰度化处理。

在S504中，确定聚类参数。

在S506中，灰度聚类分析。

在S508中，图像叠加处理，图像叠加处理可包括S5082和S5084、S5086中的步骤。

在S5082中，直接叠加处理。

在S5084中，检测连通区域。

在S5086中，保留贡献最大的图像。

在S510中，预处理结束。

本公开的图像处理方法，通过聚类分析进行图片的预处理，依据灰度化后的图片的灰度值，进行半自动的聚类分析，从而得到文字与其他区分度较明显的图片。本公开的图像处理方法，能够在很大程度上改善图片预处理的效果。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图6是根据一示例性实施例示出的一种图像处理装置的框图。图像处理装置60包括：灰度模块602，聚类模块604，叠加模块606，以及识别模块608。

灰度模块602用于对图像进行灰度化处理，生成灰度图像；考虑到光线明暗以及背景中可能存在噪音的情况题，首先要对原始图片做预处理过程。预处理可包括灰度化处理。

聚类模块604用于对所述灰度图像进行灰度聚类处理，生成多个二值图像；可包括：基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布；基于所述灰度分布确定聚类参数；以及基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像。

叠加模块606用于将所述多个聚类图像进行图像叠加处理，生成目标图像；可例如，将所述多个聚类图像进行图像叠加，生成叠加图像；确定所述叠加图像中的关键区域图像；以及将所述关键区域图像与所述叠加图像进行图像融合处理以生成所述目标图像。

识别模块608用于基于所述目标图像进行文字识别处理。文字识别处理可包括：光学字符识别OCR处理等等。

根据本公开的图像处理装置，采用聚类的思想对图片的灰度值进行了分类，与传统的二值化的方法相比，在OCR字符识别的时候具有更高的分辨率。

根据本公开的图像处理装置，通过对图像中的灰度值进行了部分叠加，可以在保留图片图像完整性的同时突出了部分细节，能够提高OCR的准确率。

图7是根据一示例性实施例示出的一种电子设备的框图。

下面参照图7来描述根据本公开的这种实施方式的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3，图4，图5中所示的步骤。

所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。

所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。

参考图8所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：对图像进行灰度化处理，生成灰度图像；对所述灰度图像进行灰度聚类处理，生成多个二值图像；将所述多个二值图像进行图像叠加处理，生成目标图像；以及基于所述目标图像进行文字识别处理。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本公开可实施的范畴。

Claims (8)

1.一种图像处理方法，其特征在于，包括：

对图像进行灰度化处理，生成灰度图像；

对所述灰度图像进行灰度聚类处理，生成多个二值图像；

将所述多个二值图像进行图像叠加，生成叠加图像；

确定所述叠加图像中的连通区域；根据所述多个叠加图像在每个连通区域内像素二值化结果的占比，并根据占比最大的二值化结果确定各个连通区域对应的关键区域图像；以及

将所述关键区域图像与所述叠加图像进行图像融合处理以生成目标图像；以及

基于所述目标图像进行文字识别处理。

2.如权利要求1所述的方法，其特征在于，对所述灰度图像进行灰度聚类处理，生成多个二值图像包括：

基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布；

基于所述灰度分布确定聚类参数；以及

基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像。

3.如权利要求2所述的方法，其特征在于，基于所述灰度图像中的每一个像素的灰度值确定所述灰度图像的灰度分布包括：

确定核函数；

通过所述核函数构建所述灰度分布公式；以及

通过所述每一个像素的灰度值与所述灰度分布公式确定所述灰度图像的灰度分布。

4.如权利要求2所述的方法，其特征在于，基于所述灰度分布确定聚类参数包括：

确定所述灰度分布中的极值确定所述聚类参数。

5.如权利要求2所述的方法，其特征在于，基于所述聚类参数将所述灰度图像进行灰度聚类处理以生成所述多个二值图像包括：

基于所述聚类参数将所述灰度图像进行灰度聚类处理生成多个聚类图像；以及

对所述多个聚类图像进行二值化处理，生成所述多个二值图像。

6.一种图像处理装置，其特征在于，包括：

灰度模块，用于对图像进行灰度化处理，生成灰度图像；

聚类模块，用于对所述灰度图像进行灰度聚类处理，生成多个二值图像；

叠加模块，用于将所述多个二值图像进行图像叠加处理，生成叠加图像；确定所述叠加图像中的连通区域；根据所述多个叠加图像在每个连通区域内像素二值化结果的占比，并根据占比最大的二值化结果确定各个连通区域对应的关键区域图像；将所述关键区域图像与所述叠加图像进行图像融合处理以生成目标图像；以及

识别模块，用于基于所述目标图像进行文字识别处理。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images