CN103208111B - 用于修正图像角点的方法和装置以及图像处理设备 - Google Patents
用于修正图像角点的方法和装置以及图像处理设备 Download PDFInfo
- Publication number
- CN103208111B CN103208111B CN201210015198.1A CN201210015198A CN103208111B CN 103208111 B CN103208111 B CN 103208111B CN 201210015198 A CN201210015198 A CN 201210015198A CN 103208111 B CN103208111 B CN 103208111B
- Authority
- CN
- China
- Prior art keywords
- angle point
- candidate angular
- initial angle
- regional area
- gradient
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000012937 correction Methods 0.000 title claims abstract description 89
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 58
- 230000004044 response Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 18
- 238000004513 sizing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 21
- 238000004590 computer program Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006854 communication Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T3/06—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Abstract
本发明提供了用于修正图像角点的方法、装置以及图像处理设备,以克服在现有的角点检测方法/器中存在的检测精度低的问题。上述方法包括:在第一局部区域内确定该初始角点的第一候选角点;在第二局部区域内获得与上述图像相关的信息;根据上述信息,从初始角点的第一候选角点中选择符合预定条件的第一候选角点作为该初始角点的第二候选角点;以及利用初始角点的第二候选角点来修正该初始角点。上述装置被配置执行以上方法所包括的处理。图像处理设备包括如上所述的用于修正图像角点的装置。应用本发明的上述技术,能够实现对粗测角点的修正,可以适用于文档校正或扫描处理中,能够提高文档校正或扫描处理的精度。
Description
技术领域
本发明总体上涉及图像处理领域,更具体地,涉及一种用于修正图像角点的方法和装置以及图像处理设备。
背景技术
对于扫描图像系统/设备,无论是传统的平板扫描仪,还是先进的顶置曲面扫描仪,扫描图像都会存在失真,如透视变换,拉伸变形等。因此,去除这些失真并矫正扫描图像就非常重要了。为了达到这个目的,获得扫描文档的真正角点就很关键,因为这些角点是文档矫正模型的参数。
利用目前存在的一些角点检测方法和/或角点检测器(例如,Harris角点检测技术)来获得文档的真正角点的方法时,由于这类方法利用的信息较少,导致其精度往往不高。
发明内容
鉴于现有技术的上述缺陷,本发明的目的之一是提供一种用于修正图像角点的方法和装置以及图像处理设备,以至少克服在现有的角点检测方法和/或角点检测器中存在的检测精度低的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种用于修正图像角点的方法,该方法包括:针对上述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,第一局部区域具有第一预定尺寸;针对上述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与上述图像相关的信息,其中,第二局部区域具有第二预定尺寸并且包含第一局部区域;根据所获得的与上述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及利用每个初始角点的第二候选角点来修正该初始角点。
根据本发明的另一个方面,还提供了一种用于修正图像角点的装置,包括:第一选择单元,其被配置成针对上述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,第一局部区域具有第一预定尺寸;计算单元,其被配置成针对上述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与上述图像相关的信息,其中,第二局部区域具有第二预定尺寸并且包含第一局部区域;第二选择单元,其被配置成根据所获得的与上述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及修正处理单元,其被配置成利用每个初始角点的第二候选角点来修正该初始角点。
根据本发明的另一个方面,还提供了一种图像处理设备,包括如上所述的用于修正图像角点的装置。
依据本发明的其它方面,还提供了相应的计算机可读存储介质,该计算机可读存储介质上存储有能够由计算设备执行的计算机程序,所述程序在执行时能够使所述计算设备执行上述用于修正图像角点的方法或者用于修正图像角点的装置。
根据上述本发明实施例的用于修正图像角点的方法、用于修正图像角点的装置以及图像处理设备,以能够实现至少实现以下其中益处之一:修正图像的粗测角点;通过对粗测角点的修正得到精确角度,进而提高图像处理的精度。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
在附图中:
图1是示出一本摊开的书本的曲面扫描图像的示意图。
图2是示意性地示出根据本发明实施例的用于修正图像角点的方法的一个示例性处理的流程图。
图3是示意性地示出如图2所示的处理流程200的步骤S220的一个示例性具体处理的流程图。
图4是示出待修正初始角点的第一局部区域、第二局部区域以及它们之间的位置关系的示意图。
图5是示意性地示出如图2所示的处理流程200的步骤S230的一个可能的示例性处理的流程图。
图6A是示出垂直区域的示意图。
图6B是示出水平区域的示意图。
图7是示意性地示出如图2所示的处理流程200的步骤S230的另一个可能的示例性处理中的部分处理的流程图。
图8是示意性地示出如图2所示的处理流程200的步骤S230的其他可能的示例性处理中的部分处理的流程图。
图9是示出图像的第二候选角点的页内区域的示意图。
图10是示意性地示出根据本发明的实施例的用于修正图像角点的装置的示例结构的框图。
图11是示意性地示出如图10所示的第一选择单元1010的一种示例性结构的框图。
图12是示意性地示出如图10所示的计算单元1020的一种示例性结构的框图。
图13是示出可用来实现根据本发明实施例的用于修正图像角点的方法和装置的一种可能的信息处理设备的硬件配置的结构简图。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
根据本发明实施例的用于修正图像角点的方法包括:针对上述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,第一局部区域具有第一预定尺寸;针对上述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与上述图像相关的信息,其中,第二局部区域具有第二预定尺寸并且包含上述第一局部区域;根据所获得的与上述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及利用每个初始角点的第二候选角点来修正该初始角点。
其中,这里所说的图像,可以是文档的扫描图像,也可以是文档的照片图像等。此外,本领域的技术人员应当从广义上来理解这里所说的“文档”,也即,这里所说的“文档”包括多种形式的文档,例如可以是名片,或者可以是上面具有文字或图像等内容的单页纸,或者可以是装订成册(未摊开)的多页纸,或者也可以是摊开的书本等。
此外,这里所说的图像的初始角点,可以是用户给出的,也可以是通过一些现有技术中的粗测角点的方法而获得的。
例如,在一个例子中,当这里所说的图像是文档的扫描图像时,有时候需要用户手动点击确认该扫描图像的角点。但是由于例如低分辨率显示的原因,可能会导致用户所点击的点并不是真正的角点。因此,可以将以上情况中用户的点击点来作为这里所说的图像的初始角点,进而可以通过根据本发明实施例的用于修正图像角点的方法来对其进行修正。
此外,需要说明的是,上述图像的初始角点可以包括两种类型的角点。其中,一种是直角角点,另一种是非直角角点。下面以文档的扫描图像为例来进行说明。
例如,当上述图像是名片、单页纸或者装订成册(未摊开)的多页纸的扫描图像时,则“上述图像的初始角点”仅包含一种初始角点,即直角角点。
又如,当上述图像是摊开的书本的顶置曲面扫描图像时,则“上述图像的初始角点”包含以上所述的两种初始角点。例如,图1是示出一本摊开的书本的曲面扫描图像的示意图,其中,C1表示直角角点,C2表示非直角角点。
结合图1可知,这里所说的直角角点是指扫描前通常由两条相互垂直的边相交而形成的角点,例如在图1中,直角角点C1是与摊开的书本的左上、左下、右上和右下四个位置分别对应的角点;而非直角角点是指扫描前通常由两条非相互垂直的边相交而形成的角点,例如在图1中,非直角角点C2是与摊开的书本的中上和中下(对应于书本的书脊的两端)位置分别对应的角点。
下面,结合图2来描述上述根据本发明实施例的用于修正图像角点的方法的一个具体例子。
图2是示意性地示出根据本发明实施例的用于修正图像角点的方法的一个示例性处理的流程图。如图2所示,上述用于修正图像角点的方法的处理流程200开始于步骤S210,然后执行步骤S220。
在步骤S220中,针对上述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点。其中,第一局部区域具有第一预定尺寸。然后执行步骤S230。
其中,在根据本发明实施例的用于修正图像角点的方法的一个具体实现方式中,可以通过如下将要结合图3所描述的步骤S310-S340来实现步骤S220中针对上述图像的每个初始角点所执行的操作。图3是示意性地示出如图2所示的处理流程200的步骤S220的一个示例性具体处理的流程图。
具体地,针对上述图像的每个初始角点,可以通过执行步骤S310-S340来确定每个初始角点的第一候选角点。下面,为方便起见,以上述图像的某一个初始角点(下文中称作待修正初始角点)为例来具体阐述步骤S310-S340的处理过程。本领域的技术人员应当理解,对于上述图像的其他初始角点的处理过程均与该处理过程相同,在此不再重复描述。
如图3所示,首先,在步骤S310中,确定一个第一局部区域,使得该第一局部区域包含待修正初始角点,且使该第一局部区域具有第一预定尺寸。然后执行步骤S320。
其中,所确定的第一局部区域可以是方形区域、矩形区域或者圆形区域等。例如,图4示意性地示出了摊开的书本的扫描图像,此外,还示意性地示出了包含待修正初始角点(例如待修正初始角点A和B)的第一局部区域(例如包含待修正初始角点A的第一局部区域SA1,以及包含待修正初始角点B的第一局部区域SB1)。如图4所示,包含待修正初始角点A的第一局部区域SA1以及包含待修正初始角点B的第一局部区域SB1可以分别是以待修正初始角点A和B为中心、边长为2L的方形区域。这里,L的值可以是事先预定的实数,可以通过实验或经验获得。此外,图4中所示出的其他部分将在下文中进行描述。
然后,在步骤S320中,计算上述第一局部区域内的每个像素点的响应值。其中,可以通过例如Harris和Alison Noble角点响应值的计算方法来实现响应值的计算。然后执行步骤S330。
例如,在一个优选的实现方式中,可以通过诸如“Finding Corners”(J.Alison Noble,The British Machine Vision Conference,1987.)中所描述的方法,来计算上述第一局部区域内的每个像素点的Alison Noble角点响应值。这里,可以将Alison Noble角点响应值定义为:
Mc=((Ix∧2)*(Iy∧2)-(Ix*Iy)∧2)/((Ix∧2)+(Iy∧2)+eps)。
在上式中,Ix和Iy分别是经过高斯平滑之后的水平方向上的梯度(简称水平梯度)和垂直方向上的梯度(简称垂直梯度)。此外,eps是为防止分母为0而预设的常数项。需要注意的是,这里的水平梯度和垂直梯度也可以是根据文档内容而被增强的梯度。
然后,在步骤S330中,可以通过例如非极大值限制的方法来在上述第一局部区域内筛选出这样的像素点:该像素点是其预定大小邻域内的所有像素点中具有最大响应值的像素点。为方便起见,在下文中,将筛选出的上述像素点称为初选像素点。然后,在步骤S340中,再从上述初选像素点中选取一部分来作为第一候选角点。
例如,在上述第一局部区域是边长为2L的方形区域的例子中,上述第一局部区域的某一像素点的“预定大小邻域”可以是以该像素点为中心、半径例如为0.1L的圆形区域或其他形状尺寸的邻域(未示出)。这样,对于该第一局部区域中的每个像素点,分别判定该像素点是否是以其本身为中心、直径例如为0.2L的圆形区域内所有像素点中具有最大响应值的那个像素点。如果是,则将其筛选并保留,否则舍掉。需要注意的是,当第一局部区域内的某像素点(尤其是靠近第一局部区域的边缘处的像素点)的预定大小邻域超出第一局部区域的范围时,仅考虑位于该第一局部区域范围内的那些像素点。
在一个例子中,可以将上述初选像素点中的那些响应值大于第一预定阈值的像素点选作为第一候选角点。例如,在优选情况下,当待修正初始角点为非直角角点时,可以选择这类像素点作为其第一候选角点。
在另一个例子中,也可以将上述初选像素点中的响应值最大的前N1个像素点选作为第一候选角点,其中,N1为预设自然数,例如为100。例如,在优选情况下,当待修正初始角点为直角角点时,可以选择这类像素点作为其第一候选角点。
由此,通过对上述图像的每个初始角点执行如图3所示的步骤S310-S340的处理过程,能够分别确定上述每个初始角点的第一候选角点。
转至图2,在步骤S230中,针对上述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与上述图像相关的信息。其中,第二局部区域具有第二预定尺寸并且包含上述第一局部区域。然后执行步骤S240。
其中,上述包含该初始角点的第二局部区域可以是方形区域、矩形区域或者圆形区域等。此外,对于上述图像的每一个初始角点来说,无论第一局部区域和第二局部区域的形状尺寸如何,均使得包含该初始角点的第一局部区域是包含该初始角点的第二局部区域的一个子集。
此外,这里所说的“与上述图像相关的信息”是指能够体现文档图像的布局特性的图像特征,例如可以是特定区域里的像素信息。在这里,“与上述图像相关的信息”可以是与上述图像相关的一种信息,也可以是与上述图像相关的多种信息,下文中将给出其示例性描述。
在步骤S240中,根据在步骤S230中所确定的上述与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点。由此,通过步骤S230和S240对第一候选角点的过滤。然后执行步骤S250。其中,上述预定条件可以根据“与上述图像相关的信息”来设定,下文中将给出其示例性描述。此外,对于某个初始角点来说,“符合预定条件的第一候选角点”(也即第二候选角点)的个数可以是一个,也可以是多个。
然后,在步骤S250中,利用每个初始角点的第二候选角点来修正该初始角点。然后执行步骤S260。其中,当某一初始角点的第二候选角点的个数为一个时,在步骤S250中,可以使用该初始角点的这一个第二候选角点来替换该初始角点,以实现对初始角点的修正。此外,当某一初始角点的第二候选角点的个数为多个时,例如可以根据“与上述图像相关的信息”,在上述多个第二候选角点中选择一个来替换该初始角点本身,以实现对初始角点的修正。
处理流程200结束于步骤S260。
下面,结合图4至图9来给出实现步骤S230-S250的操作示例。
在根据本发明实施例的用于修正图像角点的方法的一种具体实现方式中,可以通过如图5所示的步骤S510-S540来实现如上文中结合图2所描述的步骤S230的过程。下文中,仍以对待修正初始角点所进行的处理为例来进行说明,对上述图像的其他各初始角点的处理均可以参考对待修正初始角点所进行的处理来执行。
如图5所示,在步骤S510中,确定包含待修正初始角点的第二局部区域,其中,第二局部区域具有第二预定尺寸并且包含上述第一局部区域。然后执行步骤S520。例如,图4示意性地示出了包含待修正初始角点的第一局部区域、第二局部区域以及它们之间的位置关系。
如图4所示,在包含待修正初始角点的第一局部区域例如是边长为2L的方形区域(例如,包含待修正初始角点A的第一局部区域是SA1,包含待修正初始角点B的第一局部区域是SB1)的情况下,包含该待修正初始角点的第二局部区域例如可以是边长为(6L+1)的方形区域(例如,包含待修正初始角点A的第二局部区域是SA2,包含待修正初始角点B的第二局部区域是SB2)。
在步骤S520中,计算上述包含该待修正初始角点的第二局部区域内的每个像素点的梯度。下面分两种情况来说明步骤S520。
其中,在该待修正初始角点是非直角角点(如图4中的B)的情况下,可以计算上述包含该待修正初始角点的第二局部区域(如图4中的SB2)内的每个像素点的水平梯度。
此外,在该待修正初始角点是直角角点(如图4中的A)的情况下,可以计算上述包含该待修正初始角点的第二局部区域(如图4中的SA2)内的每个像素点的水平梯度和垂直梯度中的任意一种梯度。
这样,无论待修正初始角点为非直角角点还是直角角点,由于其对应的第二局部区域包含对应的第一局部区域,而待修正初始角点的所有第一候选角点均包含在该第一局部区域内,因此,通过步骤S520可以得到该待修正初始角点的每个第一候选角点的水平梯度或垂直梯度。
然后,在步骤S530中,对步骤S520所计算的水平梯度或垂直梯度进行二值化。这里,可以使用任一种现有的二值化方法来实现上述二值化。这样,上述第二局部区域内的每个像素点的灰度值被设置为0或255。也即,二值化后的每个像素点要么为黑像素点,要么为白像素点。然后执行步骤S540。
在步骤S540中,计算与每个第一候选角点相关的垂直区域或水平区域内的黑像素数量。下面结合图6A和图6B,分两种情况来说明步骤S540。
如图6A所示,在第一种情况下、也即在步骤S520中计算的梯度是水平梯度的情况下,基于水平梯度,分别确定与每个第一候选角点相关的垂直区域。其中,各个垂直区域均具有第三预定尺寸并包含在上述第二局部区域(图6A中未示出)中。然后,基于上述第二局部区域内像素点的水平梯度的二值化结果,获得各个垂直区域内的黑像素数量。
其中,上述与每个第一候选角点相关的垂直区域可以通过以下方式来确定。
首先,基于该第一候选角点的水平梯度,获得与该第一候选角点对应的垂直方向,也即,使得该垂直方向与上述水平梯度相一致。如图6A所示,对于第一候选角点G1和G2,与其相对应的垂直方向分别如图中与G1和G2分别对应的点划线所示。然后,在该第一候选角点位于上述图像的上半部的情况下(如G1和G2),将位于该第一候选角点以下的、具有第三预定尺寸的第一矩形(如S垂G1和S垂G2)确定为与该第一候选角点相关的垂直区域。如图6A所示,当该第一候选角点位于G1时,其垂直区域可以是S垂G1,当该第一候选角点位于G2时,其垂直区域可以是S垂G2。此外,对于该第一候选角点位于上述图像的下半部的情况,本领域的技术人员根据以上结合图6A所进行的描述可知,与该第一候选角点相关的垂直区域可以是位于该第一候选角点以上的、具有第三预定尺寸的第二矩形(未示出)。其中,上述第一矩形和第二矩形的长边沿与该候选角点对应的垂直方向设置。
如图6B所示,在第二种情况下、也即在步骤S520中计算的梯度是垂直梯度的情况下,基于垂直梯度,分别确定与每个第一候选角点相关的水平区域。其中,各个水平区域均具有第四预定尺寸并包含在上述第二局部区域(图6B中未示出)中。然后,基于上述第二局部区域内像素点的垂直梯度的二值化结果,获得各个水平区域内的黑像素数量。
其中,上述与每个第一候选角点相关的水平区域可以通过以下方式来确定。
首先,基于该第一候选角点的垂直梯度,获得与该第一候选角点对应的水平方向,也即,使得该水平方向与上述垂直梯度相一致。如图6B所示,对于第一候选角点H1和H2,与其相对应的水平方向分别如图中与H1和H2分别对应的点划线所示。然后,在该第一候选角点位于上述图像的左半部的情况下(如H1和H2),将位于该第一候选角点以右的、具有第四预定尺寸的第三矩形(如S水H1和S水H2)确定为与该第一候选角点相关的水平区域。如图6B所示,当该第一候选角点位于H1时,其水平区域可以是S水H1,当该第一候选角点位于H2时,其水平区域可以是S水H2。此外,对于该第一候选角点位于上述图像的右半部的情况,本领域的技术人员根据以上结合图6B所进行的描述可知,与该第一候选角点相关的水平区域可以是位于该第一候选角点以左的、具有第四预定尺寸的第四矩形(未示出)。其中,上述第三矩形和第四矩形的长边沿与该候选角点对应的水平方向设置。
这样,在执行完如图5所示的步骤S510-S540之后,转至执行步骤S240。此时,在步骤S240中,在待修正初始角点的多个第一候选角点中,选择符合预定条件的第一候选角点,来作为该待修正初始角点的第二候选角点。为方便起见,下文中,将当前所得到(也即,通过对第一候选角点进行如步骤S510-S540和步骤S240的处理而得到)的第二候选角点称作一次过滤候选角点。其中,在步骤S520中计算的梯度是水平梯度的情况下,则上述符合预定条件的第一候选角点可以是那些对应的垂直区域内的黑像素数量大于第二预定阈值的第一候选角点,或者可以是那些对应的垂直区域内的黑像素数量最多的前N2个第一候选角点;类似地,在步骤S520中计算的梯度是垂直梯度的情况下,则上述符合预定条件的第一候选角点可以是那些对应的水平区域内的黑像素数量大于第二预定阈值的第一候选角点,或者可以是那些对应的水平区域内的黑像素数量最多的前N2个第一候选角点;其中,N2为预设自然数。
由此,通过步骤S510-S540以及步骤S240实现了对第一候选角点的垂直过滤(对应计算水平梯度的情况)或水平过滤(对应计算垂直梯度的情况)。然后执行步骤S250。
在步骤S250中,若步骤S520中计算的梯度是水平梯度,则在当前的一次过滤候选角点中选择其中对应的垂直区域内黑像素数量最多的那个第二候选角点,来替换上述待修正初始角点,由此完成对待修正初始角点的修正。此外,若步骤S520中计算的梯度是垂直梯度,则在当前的一次过滤候选角点中选择其中对应的水平区域内黑像素数量最多的那个第二候选角点,来替换上述待修正初始角点,由此完成对待修正初始角点的修正。
此外,在根据本发明实施例的用于修正图像角点的方法的另一种具体实现方式中,对于作为直角角点的待修正初始角点,也可以通过如图5所示的步骤S510-S540、以及如图7所示的步骤S710-S720来实现上述步骤S230的处理。
在该具体实现方式中,首先对作为直角角点的待修正初始角点执行步骤S510-S540。然后,可以执行步骤S710-S720,接着再执行步骤S240和步骤S250。这里,步骤S510-S540与上文所描述的过程类似,因此不再重复。
在步骤S710中,对于上述作为直角角点的待修正初始角点,计算包含该待修正初始角点的第二局部区域内每个像素点的水平梯度和垂直梯度中的另外一种梯度,并对上述另外一种梯度进行二值化。也即,当步骤S520中所计算的梯度是垂直梯度时,在步骤S710中计算水平梯度;而当步骤S520中所计算的梯度是水平梯度时,在步骤S710中计算垂直梯度。然后执行步骤S720。
在步骤S720中,计算与上述另外一种梯度对应的垂直区域或水平区域内的黑像素数量。下面分两种情况来说明步骤S720。
在第一种情况下、也即在步骤S710中计算的另外一种梯度是垂直梯度的情况下,基于垂直梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个水平区域均具有第四预定尺寸并包含在上述第二局部区域中。然后,基于上述第二局部区域内各像素点的垂直梯度的二值化结果,获得各个水平区域内的黑像素数量。
在第二种情况下、也即在步骤S710中计算的另外一种梯度是水平梯度的情况下,基于水平梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个垂直区域均具有第三预定尺寸并包含在上述第二局部区域中。然后,基于上述第二局部区域内像素点的水平梯度的二值化结果,获得各个垂直区域内的黑像素数量。
其中,步骤S710和S720中所涉及的例如水平梯度和垂直梯度的计算过程、以及水平区域和垂直区域的确定过程均与上文中所述的相应的过程相似,在此不再一一赘述。
然后,在该具体实现方式中,在执行完步骤S710和S720之后,执行步骤S240和S250。其中,在步骤S240中,可以先执行如上文所描述的操作,来获得待修正初始角点的一次过滤候选角点;然后,再在待修正初始角点的上述一次过滤候选角点中,筛选其中的一部分来作为二次过滤候选角点。例如,筛选的那部分一次过滤候选角点可以是那些对应的垂直区域(对应于上述另外一种梯度是水平梯度的情况)内或水平区域(对应于上述另外一种梯度是垂直梯度的情况)内的黑像素数量大于第三预定阈值的一次过滤候选角点、或黑像素数量最多的前N3个第二候选角点,其中,N3为预设自然数。由此,通过步骤S710-S720以及步骤S240实现了对一次过滤候选角点的垂直或水平过滤。此时,相当于通过对第一候选角点进行了两次过滤(即,垂直过滤和水平过滤、或者水平过滤和垂直过滤),从而在这两次过滤后得到了二次过滤候选角点。然后执行步骤S250。
然后,在步骤S250中,若步骤S710中所计算的另外一种梯度是垂直梯度,则在上述二次过滤候选角点中选择其中对应的水平区域内黑像素数量最多的那个二次过滤候选角点,来替换上述待修正初始角点,由此完成对待修正初始角点的修正。此外,若步骤S710中所计算的另外一种梯度是水平梯度,则在当前的二次过滤候选角点中选择其中对应的垂直区域内黑像素数量最多的那个第二候选角点,来替换上述待修正初始角点,由此完成对待修正初始角点的修正。
此外,在根据本发明实施例的用于修正图像角点的方法的又一种具体实现方式中,步骤S230中除包括以上所述的步骤S510-S540(优选情况下还包括步骤S710-S720)之外,还可以包括如图8所示的步骤S810-S820。具体地,在该实现方式中,对于待修正初始角点是直角角点的情况,在执行步骤S510-S540(优选情况下还执行步骤S710-S720)之前或之后,还可以执行如图8所示的步骤S810-S820;而对于待修正初始角点是非直角角点的情况,则在执行步骤S510-S540之前或之后,还可以执行如图8所示的步骤S810-S820。其中,步骤S510-S540以及步骤S710-S720的过程与上文所描述的类似,在此不再赘述。
例如,以对通过步骤S510-S540得到的一次过滤候选角点执行步骤S810-S820的处理为例,来描述步骤S810-S820的示例性处理。在该例子中,首先通过步骤S510-S540的过滤,得到了一次过滤候选角点(具体过程如上文所述)。然后,在步骤S810中,分别确定与上述一次过滤候选角点中的每一个第二候选角点相关的页内区域,其中,上述页内区域均具有第五预定尺寸、并包含在上述第二局部区域中。然后执行步骤S820。
此外,上述页内区域可以是方形区域、矩形区域或者圆形区域等。例如,如图9所示,上述一次过滤候选角点中的每一个第二候选角点的页内区域分别是以该第二候选角点为顶点的方形区域。在该第二候选角点分别位于上述图像的左上部(如D1和D2)、左下部(如D6)、右上部(如D4)和右下部(如D5)(即,第二候选角点是直角角点)的情况下,该第二候选角点的页内区域分别位于该第二候选角点的右下方、右上方、左下方和左上方。如图9所示,当该第二候选角点位于上述图像的中上方(如D3)(此时,第二候选角点是非直角角点)时,该第二候选角点的页内区域包括两个页内区域,并且这两个页内区域分别位该第二候选角点的左下方和右下方;此外,当该第二候选角点位于上述图像的中下方(未示出)(此时,第二候选角点是非直角角点)时,该第二候选角点的页内区域也包括两个页内区域(未示出),并且这两个页内区域分别位该第二候选角点的左上方和右上方。
然后,在步骤S820中,基于上述第二局部区域内像素点的垂直梯度和/或水平梯度的二值化结果,获得上述页内区域内的黑像素数量。需要说明的是,由于该具体实现方式相比前面两种实现方式来说,附加了步骤S810-S820的处理过程,由此需要使得步骤S810-S820所确定的页内区域分别位于其对应的第二局部区域内,以使得能够利用第二局部区域内的像素点的梯度来计算页内区域的黑像素数量。
然后,在执行完步骤S810-S820之后,执行步骤S240和S250。其中,在步骤S240中,可以先执行如上文所描述的操作(例如,垂直过滤或水平过滤),来获得待修正初始角点的一次过滤候选角点;然后,再在当前的上述一次过滤候选角点中,筛选保留一部分一次候选角点来作为页内过滤候选角点。例如,筛选的这部分一次过滤候选角点可以是那些对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点、或者黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。由此,通过步骤S810-S820以及步骤S240实现了对一次候选角点的页内过滤。
然后,在步骤S250中,在当前的页内过滤候选角点中选择其中对应的页内区域内黑像素数量最少的那个第二候选角点,来替换上述待修正初始角点,由此完成对待修正初始角点的修正。
本领域的技术人员应当理解,步骤S810-S820也可以在步骤S710-S720之后执行,或者在步骤S510-S540之前执行,相应地将步骤S810-S820中的处理对象“一次过滤候选角点”分别替换为“二次过滤候选角点”或者“第一候选角点”即可实现,在此不再赘述。
另外,在根据本发明实施例的用于修正图像角点的方法的其他又一种具体实现方式中,步骤S230中也可以只包括如图7所示的步骤S810-S820。在该具体实现方式中,步骤S810-S820与上文所描述的步骤S810-S820的过程是类似的,在此不再赘述。
根据本发明实施例的上述用于修正图像角点的方法,其利用局部信息和较全局的文档信息,来对初始角点进行一次或多次过滤筛选,实现对初始角点的修正;利用根据本发明实施例的上述用于修正图像角点的方法来对使用现有角点检测方法所得到的粗测角度进行修正时,能够提高角点的检测精度。根据本发明实施例的上述用于修正图像角点的方法可以适用于文档校正或扫描处理中,能够提高文档校正或扫描处理的精度。
本发明的实施例还提供了一种用于修正图像角点的装置,下面结合图10-12来描述根据本发明实施例的用于修正图像角点的装置。
图10是示意性地示出根据本发明的实施例的用于修正图像角点的装置的示例结构的框图。
如图10所示,根据本发明的实施例的用于修正图像角点的装置1000包括:第一选择单元1010,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,所述第一局部区域具有第一预定尺寸;计算单元1020,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与所述图像相关的信息,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;第二选择单元1030,其被配置成根据所获得的与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及修正处理单元1040,其被配置成利用每个初始角点的第二候选角点来修正该初始角点。
图11是示意性地示出如图10所示的第一选择单元1010的一种示例性结构的框图。如图11所示,第一选择单元1010可以包括第一确定子单元1110、第一计算子单元1120、第一筛选子单元1130和第一选择子单元1140。其中,第一确定子单元1110、第一计算子单元1120、第一筛选子单元1130和第一选择子单元1140可以分别被配置成执行如上所述的步骤S310、步骤S320、步骤S330和步骤S340中的处理,因此为了简洁起见,在此省略这些子单元中的详细描述。
图12是示意性地示出如图10所示的计算单元1020的一种示例性结构的框图。如图12所示,计算单元1020可以包括第二确定子单元1210、第二计算子单元1220以及信息获取子单元1230。
在根据本发明的实施例的用于修正图像角点的装置的一个实现方式中,第二确定子单元1210可以被配置成执行如上所述的步骤S510的处理,第二计算子单元1220可以被配置成执行如上所述的步骤S520和S530的处理,以及信息获取子单元1230可以被配置成执行如上所述的步骤S540的处理。同样,为了简洁起见,省略对这些子单元的详细描述。
其中,在该实现方式中,第二选择单元1030可以被配置成:在该初始角点的多个第一候选角点中,筛选出以下一种第一候选角点来作为该初始角点的第二候选角点:其对应的垂直区域内或水平区域内的黑像素数量大于第二预定阈值的第一候选角点;或其对应的垂直区域内或水平区域内的黑像素数量最多的前N2个第一候选角点,其中,N2为预设自然数。
此外,在根据本发明的实施例的用于修正图像角点的装置的另一个实现方式中,第二计算子单元1220可以被配置成执行如上所述的步骤S520和S530的处理之后、在执行如上所述的步骤S710和S720的处理。同样,为了简洁起见,省略对这些子单元的详细描述。
其中,在该实现方式中,第二选择单元1030可以被配置成:在该初始角点为直角角点的情况下,在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的与上述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量大于第三预定阈值的第二候选角点;或其对应的与上述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量最多的前N3个第二候选角点,其中,N3为预设自然数。
另外,在根据本发明的实施例的用于修正图像角点的装置的又一个实现方式中,第二计算子单元1220可以被配置成执行如上所述的步骤S520和S530(优选情况下还包括步骤S710和S720)的处理之前或之后,执行如上所述的步骤S810和S820的处理。同样,为了简洁起见,省略对这些子单元的详细描述。
其中,在该种实现方式中,第二选择单元1030可以被配置成:在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点;或其对应的页内区域内的黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。
根据本发明实施例的上述用于修正图像角点的装置,其利用局部信息和较全局的文档信息,来对初始角点进行一次或多次过滤筛选,实现对初始角点的修正;利用根据本发明实施例的上述用于修正图像角点的装置来对使用现有角点检测器所得到的粗测角度进行修正时,能够提高角点的检测精度。根据本发明实施例的上述用于修正图像角点的装置可以适用于文档校正或扫描处理中,能够提高文档校正或扫描处理的精度。
此外,本发明的实施例还提供了一种图像处理设备,该图像处理设备包括如上所述的用于修正图像角点的装置。其中,该图像处理设备可以是文档校正设备或扫描仪。
根据本发明实施例的上述图像处理设备,通过利用用于修正图像角点的装置来得到精确的角点,能够提高诸如文档校正或扫描之类的图像处理的精度。
上述根据本发明实施例的用于修正图像角点的装置中的各个组成单元、子单元等可以通过软件、固件、硬件或其任意组合的方式进行配置。在通过软件或固件实现的情况下,可从存储介质或网络向具有专用硬件结构的机器(例如图13所示的通用机器1300)安装构成该软件或固件的程序,该机器在安装有各种程序时,能够执行上述各组成单元、子单元的各种功能。
图13是示出了可用来实现根据本发明实施例的用于修正图像角点的方法和用于修正图像角点的装置的一种可能的信息处理设备的硬件配置的结构简图。
在图13中,中央处理单元(CPU)1301根据只读存储器(ROM)1302中存储的程序或从存储部分1308加载到随机存取存储器(RAM)1303的程序执行各种处理。在RAM 1303中,还根据需要存储当CPU 1301执行各种处理等等时所需的数据。CPU 1301、ROM 1302和RAM 1303经由总线1304彼此连接。输入/输出接口1305也连接到总线1304。
下述部件也连接到输入/输出接口1305:输入部分1306(包括键盘、鼠标等等)、输出部分1307(包括显示器,例如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分1308(包括硬盘等)、通信部分1309(包括网络接口卡例如LAN卡、调制解调器等)。通信部分1309经由网络例如因特网执行通信处理。根据需要,驱动器1310也可连接到输入/输出接口1305。可拆卸介质1311例如磁盘、光盘、磁光盘、半导体存储器等等可以根据需要被安装在驱动器1310上,使得从中读出的计算机程序可根据需要被安装到存储部分1308中。
在通过软件实现上述系列处理的情况下,可以从网络例如因特网或从存储介质例如可拆卸介质1311安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图13所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1311。可拆卸介质1311的例子包含磁盘(包含软盘)、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 1302、存储部分1308中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
此外,本发明还提出了一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本发明实施例的用于修正图像角点的方法。相应地,用于承载这种程序产品的例如磁盘、光盘、磁光盘、半导体存储器等的各种存储介质也包括在本发明的公开中。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。涉及序数的术语“第一”,“第二”等并不表示这些术语所限定的特征、要素、步骤或组件的实施顺序或者重要性程度,而仅仅是为了描述清楚起见而被配置用于在这些特征、要素、步骤或组件之间进行标识。
此外,本发明的各实施例的方法不限于按照说明书中描述的或者附图中示出的时间顺序来执行,也可以按照其他的时间顺序、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
此外,显然,根据本发明的上述方法的各个操作过程也可以以存储在各种机器可读的存储介质中的计算机可执行程序的方式实现。
而且,本发明的目的也可以通过下述方式实现:将存储有上述可执行程序代码的存储介质直接或者间接地提供给系统或设备,并且该系统或设备中的计算机或者中央处理单元(CPU)读出并执行上述程序代码。
此时,只要该系统或者设备具有执行程序的功能,则本发明的实施方式不局限于程序,并且该程序也可以是任意的形式,例如,目标程序、解释器执行的程序或者提供给操作系统的脚本程序等。
上述这些机器可读存储介质包括但不限于:各种存储器和存储单元,半导体设备,磁盘单元例如光、磁和磁光盘,以及其它适于存储信息的介质等。
另外,客户计算机通过连接到因特网上的相应网站,并且将依据本发明的计算机程序代码下载和安装到计算机中然后执行该程序,也可以实现本发明。
最后,还需要说明的是,在本文中,诸如左和右、第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
综上,在根据本发明的实施例中,本发明提供了如下方案:
附记1.一种用于修正图像角点的方法,包括:针对所述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,所述第一局部区域具有第一预定尺寸;针对所述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与所述图像相关的信息,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;根据所获得的与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及利用每个初始角点的第二候选角点来修正该初始角点。
附记2.根据附记1所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点包括:确定包含该初始角点的第一局部区域;计算所述第一局部区域内的每个像素点的响应值;在所述第一局部区域内筛选出符合以下条件的像素点:该像素点是其预定大小邻域内的所有像素点中具有最大响应值的像素点;以及在所筛选的像素点中,将以下一种像素点确定为该初始角点的第一候选角点:响应值大于第一预定阈值的像素点;或响应值最大的前N1个像素点,其中,N1为预设自然数。
附记3.根据附记1或2所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息包括:确定包含该初始角点的第二局部区域;在该初始角点是非直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度;以及在该初始角点是直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的任意一种;对所计算的水平梯度或垂直梯度进行二值化;以及在计算水平梯度的情况下,基于所述水平梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;以及在计算垂直梯度的情况下,基于所述垂直梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量。
附记4.根据附记3所述的用于修正图像角点的方法,其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点包括:在该初始角点的多个第一候选角点中,筛选出以下一种第一候选角点来作为该初始角点的第二候选角点:其对应的垂直区域内或水平区域内的黑像素数量大于第二预定阈值的第一候选角点;或其对应的垂直区域内或水平区域内的黑像素数量最多的前N2个第一候选角点,其中,N2为预设自然数。
附记5.根据附记4所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息还包括:在该初始角点为直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的另外一种梯度,并对所述另外一种梯度进行二值化;以及在所述另外一种梯度是水平梯度的情况下,基于所述另外一种梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;以及在所述另外一种梯度是垂直梯度的情况下,基于所述另外一种梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内各像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量。
附记6.根据附记5所述的用于修正图像角点的方法,其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点还包括:在该初始角点为直角角点的情况下,在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量大于第三预定阈值的第二候选角点;或其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量最多的前N3个第二候选角点,其中,N3为预设自然数。
附记7.根据附记4-6中任一所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息还包括:针对当前的第二候选角点中的每一个第二候选角点,确定与该第二候选角点相关的页内区域,其中,所述页内区域均具有第五预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的垂直梯度和/或水平梯度的二值化结果,获得所述页内区域内的黑像素数量。
附记8.根据附记7所述的用于修正图像角点的方法,其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点还包括:在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点;或其对应的页内区域内的黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。
附记9.根据附记7或8所述的用于修正图像角点的方法,其中,所述与该第二候选角点相关的页内区域为方形区域,并且所述方形区域的一个顶点是该第二候选角点,以及在该第二候选角点分别位于所述图像的左上部、左下部、右上部和右下部的情况下,所述与该第二候选角点相关的页内区域分别位于该第二候选角点的右下方、右上方、左下方和左上方;在该第二候选角点位于所述图像的中上方的情况下,所述与该第二候选角点相关的页内区域包括分别位该第二候选角点的左下方和右下方的两个页内区域;在该第二候选角点位于所述图像的中下方的情况下,所述与该第二候选角点相关的页内区域包括分别位该第二候选角点的左上方和右上方的两个页内区域。
附记10.一种用于修正图像角点的装置,包括:第一选择单元,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,所述第一局部区域具有第一预定尺寸;计算单元,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与所述图像相关的信息,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;第二选择单元,其被配置成根据所获得的与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及修正处理单元,其被配置成利用每个初始角点的第二候选角点来修正该初始角点。
附记11.根据附记10所述的用于修正图像角点的装置,其中,所述第一选择单元包括:第一确定子单元,其被配置成确定包含该初始角点的第一局部区域,其中,所述第一局部区域具有第一预定尺寸;第一计算子单元,其被配置成计算所述第一局部区域内的每个像素点的响应值;第一筛选子单元,其被配置成在所述第一局部区域内筛选出符合以下条件的像素点:该像素点是其预定大小邻域内的所有像素点中具有最大响应值的像素点;以及,第一选择子单元,其被配置成在所筛选的像素点中,将以下一种像素点确定为该初始角点的第一候选角点:响应值大于第一预定阈值的像素点;或响应值最大的前N1个像素点,其中,N1为预设自然数。
附记12.根据附记10或11所述的用于修正图像角点的装置,其中,所述计算单元包括:第二确定子单元,其被配置成确定包含该初始角点的第二局部区域,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;第二计算子单元,其被配置成:在该初始角点是非直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度;在该初始角点是直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的任意一种;以及对所计算的水平梯度或垂直梯度进行二值化;以及信息获取子单元,其被配置成:在计算水平梯度的情况下,基于所述水平梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;以及,在计算垂直梯度的情况下,基于所述垂直梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量。
附记13.根据附记12所述的用于修正图像角点的装置,其中,所述第二选择单元被配置成:在该初始角点的多个第一候选角点中,筛选出以下一种第一候选角点来作为该初始角点的第二候选角点:其对应的垂直区域内或水平区域内的黑像素数量大于第二预定阈值的第一候选角点;或其对应的垂直区域内或水平区域内的黑像素数量最多的前N2个第一候选角点,其中,N2为预设自然数。
附记14.根据附记13所述的用于修正图像角点的装置,其中,所述第二计算子单元还被配置成:在该初始角点为直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的另外一种梯度,并对所述另外一种梯度进行二值化;以及所述信息获取子单元还被被配置成:在所述另外一种梯度是水平梯度的情况下,基于所述另外一种梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;以及,在所述另外一种梯度是垂直梯度的情况下,基于所述另外一种梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内各像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量。
附记15.根据附记14所述的用于修正图像角点的装置,其中,所述第二选择单元还被配置成:在该初始角点为直角角点的情况下,在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量大于第三预定阈值的第二候选角点;或其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量最多的前N3个第二候选角点,其中,N3为预设自然数。
附记16.根据附记13-15中任一所述的用于修正图像角点的装置,其中,第二确定子单元还被配置成:针对当前的第二候选角点中的每一个第二候选角点,,确定与该第二候选角点相关的页内区域,其中,所述页内区域均具有第五预定尺寸并包含在所述第二局部区域中;以及所述信息获取子单元还被配置成:针对当前的第二候选角点中的每一个第二候选角点,基于所述第二局部区域内像素点的垂直梯度和/或水平梯度的二值化结果,获得所述页内区域内的黑像素数量。
附记17.根据附记16所述的用于修正图像角点的装置,其中,所述第二选择单元还被配置成:在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点;或其对应的页内区域内的黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。
附记18.一种图像处理设备,包括如附记10-17所述的任意一种用于修正图像角点的装置。
附记19.根据附记18所述的图像处理设备,其中,所述图像处理设备是文档校正设备或扫描仪。
附记20.一种计算机可读存储介质,其上存储有能够由计算设备执行的计算机程序,所述程序在执行时能够使所述计算设备执行根据附记1-9中任意一项所述的用于修正图像角点的方法。
Claims (6)
1.一种用于修正图像角点的方法,包括:
针对所述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,所述第一局部区域具有第一预定尺寸;
针对所述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与所述图像相关的信息,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;
根据所获得的与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及
利用每个初始角点的第二候选角点来修正该初始角点,其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息包括:
确定包含该初始角点的第二局部区域;
在该初始角点是非直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度;以及在该初始角点是直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的任意一种;
对所计算的水平梯度或垂直梯度进行二值化;以及
在计算水平梯度的情况下,
基于所述水平梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及
基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;
以及,
在计算垂直梯度的情况下,
基于所述垂直梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及
基于所述第二局部区域内像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量,
其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点包括:
在该初始角点的多个第一候选角点中,筛选出以下一种第一候选角点来作为该初始角点的第二候选角点:
其对应的垂直区域内或水平区域内的黑像素数量大于第二预定阈值的第一候选角点;或
其对应的垂直区域内或水平区域内的黑像素数量最多的前N2个第一候选角点,其中,N2为预设自然数,
其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息还包括:
针对当前的第二候选角点中的每一个第二候选角点,
确定与该第二候选角点相关的页内区域,其中,所述页内区域均具有第五预定尺寸并包含在所述第二局部区域中,以及
基于所述第二局部区域内像素点的垂直梯度和/或水平梯度的二值化结果,获得所述页内区域内的黑像素数量,
其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点还包括:
在当前的第二候选角点中筛选保留以下一种第二候选角点:
其对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点;或
其对应的页内区域内的黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。
2.根据权利要求1所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点包括:
确定包含该初始角点的第一局部区域;
计算所述第一局部区域内的每个像素点的响应值;
在所述第一局部区域内筛选出符合以下条件的像素点:
该像素点是其预定大小邻域内的所有像素点中具有最大响应值的像素点;
以及,
在所筛选的像素点中,将以下一种像素点确定为该初始角点的第一候选角点:
响应值大于第一预定阈值的像素点;或
响应值最大的前N1个像素点,其中,N1为预设自然数。
3.根据权利要求1或2所述的用于修正图像角点的方法,其中,所述的在包含该初始角点的第二局部区域内获得与所述图像相关的信息还包括:
在该初始角点为直角角点的情况下,
计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的另外一种梯度,并对所述另外一种梯度进行二值化;以及
在所述另外一种梯度是水平梯度的情况下,
基于所述另外一种梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及
基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;
以及,
在所述另外一种梯度是垂直梯度的情况下,
基于所述另外一种梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及
基于所述第二局部区域内各像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量。
4.根据权利要求3所述的用于修正图像角点的方法,其中,所述的从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点还包括:
在该初始角点为直角角点的情况下,在当前的第二候选角点中筛选保留以下一种第二候选角点:
其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量大于第三预定阈值的第二候选角点;或
其对应的与所述另外一种梯度相关的垂直区域内或水平区域内的黑像素数量最多的前N3个第二候选角点,其中,N3为预设自然数。
5.一种用于修正图像角点的装置,包括:
第一选择单元,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第一局部区域内确定该初始角点的第一候选角点,其中,所述第一局部区域具有第一预定尺寸;
计算单元,其被配置成针对所述图像的每个初始角点,在包含该初始角点的第二局部区域内获得与所述图像相关的信息,其中,所述第二局部区域具有第二预定尺寸并且包含所述第一局部区域;
第二选择单元,其被配置成根据所获得的与所述图像相关的信息,从每个初始角点的第一候选角点中选择符合预定条件的第一候选角点,以作为该初始角点的第二候选角点;以及
修正处理单元,其被配置成利用每个初始角点的第二候选角点来修正该初始角点,
其中,所述计算单元包括:
第二确定子单元,被配置成:确定包含该初始角点的第二局部区域;
第二计算子单元,被配置成:在该初始角点是非直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度;以及在该初始角点是直角角点的情况下,计算所述第二局部区域内每个像素点的水平梯度和垂直梯度中的任意一种;对所计算的水平梯度或垂直梯度进行二值化;以及
信息获取子单元,被配置成:在计算水平梯度的情况下,基于所述水平梯度,分别确定与每个第一候选角点相关的垂直区域,其中,各个所述垂直区域均具有第三预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的水平梯度的二值化结果,获得各个所述垂直区域内的黑像素数量;以及,在计算垂直梯度的情况下,基于所述垂直梯度,分别确定与每个第一候选角点相关的水平区域,其中,各个所述水平区域均具有第四预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的垂直梯度的二值化结果,获得各个所述水平区域内的黑像素数量,
其中,所述第二选择单元被配置成在该初始角点的多个第一候选角点中,筛选出以下一种第一候选角点来作为该初始角点的第二候选角点:其对应的垂直区域内或水平区域内的黑像素数量大于第二预定阈值的第一候选角点;或其对应的垂直区域内或水平区域内的黑像素数量最多的前N2个第一候选角点,其中,N2为预设自然数,
其中,所述第二计算子单元还被配置成:针对当前的第二候选角点中的每一个第二候选角点,确定与该第二候选角点相关的页内区域,其中,所述页内区域均具有第五预定尺寸并包含在所述第二局部区域中,以及基于所述第二局部区域内像素点的垂直梯度和/或水平梯度的二值化结果,获得所述页内区域内的黑像素数量,
其中,所述第二选择单元还被配置成:在当前的第二候选角点中筛选保留以下一种第二候选角点:其对应的页内区域内的黑像素数量小于第四预定阈值的第二候选角点;或其对应的页内区域内的黑像素数量最少的前N4个第二候选角点,其中,N4为预设自然数。
6.一种图像处理设备,包括如权利要求5所述的用于修正图像角点的装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210015198.1A CN103208111B (zh) | 2012-01-17 | 2012-01-17 | 用于修正图像角点的方法和装置以及图像处理设备 |
US13/740,571 US9092844B2 (en) | 2012-01-17 | 2013-01-14 | Method and apparatus for correcting corner point of image and image processing device |
JP2013005581A JP6167528B2 (ja) | 2012-01-17 | 2013-01-16 | 画像コーナーを修正する方法及び装置並びに画像処理設備 |
EP13151636.1A EP2618306B1 (en) | 2012-01-17 | 2013-01-17 | Method and apparatus for correcting corner point of image and image processing device |
KR1020130005591A KR101434776B1 (ko) | 2012-01-17 | 2013-01-17 | 이미지의 코너 포인트를 정정하기 위한 방법 및 장치와 이미지 프로세싱 디바이스 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210015198.1A CN103208111B (zh) | 2012-01-17 | 2012-01-17 | 用于修正图像角点的方法和装置以及图像处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103208111A CN103208111A (zh) | 2013-07-17 |
CN103208111B true CN103208111B (zh) | 2015-10-07 |
Family
ID=47630171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210015198.1A Expired - Fee Related CN103208111B (zh) | 2012-01-17 | 2012-01-17 | 用于修正图像角点的方法和装置以及图像处理设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9092844B2 (zh) |
EP (1) | EP2618306B1 (zh) |
JP (1) | JP6167528B2 (zh) |
KR (1) | KR101434776B1 (zh) |
CN (1) | CN103208111B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711418B (zh) * | 2019-01-29 | 2020-12-01 | 浙江大学 | 一种针对物体平面图像的轮廓角点检测方法 |
CN111462153B (zh) * | 2020-04-30 | 2023-05-19 | 柳州智视科技有限公司 | 一种基于图像轮廓Freeman链码的角点特征提取方法 |
CN111681284A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种角点检测方法、装置、电子设备及存储介质 |
CN111832558A (zh) * | 2020-06-15 | 2020-10-27 | 北京三快在线科技有限公司 | 文字图像矫正方法、装置、存储介质及电子设备 |
CN112132163B (zh) * | 2020-09-21 | 2024-04-02 | 杭州睿琪软件有限公司 | 识别对象边缘的方法、系统及计算机可读存储介质 |
WO2023191824A1 (en) * | 2022-03-31 | 2023-10-05 | Hewlett-Packard Development Company, L.P. | Image generation based on corner detection |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101460937A (zh) * | 2006-03-02 | 2009-06-17 | 计算机连接管理中心公司 | 基于模型的去扭曲方法和设备 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859494B2 (en) | 2001-07-27 | 2005-02-22 | General Instrument Corporation | Methods and apparatus for sub-pixel motion estimation |
US7406196B2 (en) * | 2004-03-19 | 2008-07-29 | Lockheed Martin Corporation | Methods and systems for automatic detection of corners of a region |
US7616782B2 (en) * | 2004-05-07 | 2009-11-10 | Intelliview Technologies Inc. | Mesh based frame processing and applications |
US7711186B2 (en) | 2004-06-15 | 2010-05-04 | Microsoft Corporation | System and method for automated correction of digital images |
US7529421B2 (en) * | 2004-07-01 | 2009-05-05 | Applied Materials, Inc. | Optical proximity correction in raster scan printing based on corner matching templates |
KR100776215B1 (ko) * | 2005-01-25 | 2007-11-16 | 삼성전자주식회사 | 상향 영상을 이용한 이동체의 위치 추정 및 지도 생성장치 및 방법과 그 장치를 제어하는 컴퓨터 프로그램을저장하는 컴퓨터로 읽을 수 있는 기록 매체 |
JP4479817B2 (ja) * | 2008-03-28 | 2010-06-09 | アイシン・エィ・ダブリュ株式会社 | 道路形状推定装置、道路形状推定方法及びプログラム |
US8125544B2 (en) * | 2008-09-02 | 2012-02-28 | Casio Computer Co., Ltd. | Image processing apparatus for extracting quadrangle area in image |
JP5221436B2 (ja) * | 2009-04-02 | 2013-06-26 | トヨタ自動車株式会社 | 顔特徴点検出装置及びプログラム |
US8749662B2 (en) | 2009-04-16 | 2014-06-10 | Nvidia Corporation | System and method for lens shading image correction |
US8253832B2 (en) | 2009-06-09 | 2012-08-28 | Omnivision Technologies, Inc. | Interpolation for four-channel color filter array |
WO2011075124A1 (en) * | 2009-12-16 | 2011-06-23 | Hewlett-Packard Development Company, L.P. | Estimating 3d structure from a 2d image |
JP5566158B2 (ja) * | 2010-03-30 | 2014-08-06 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
US8467606B2 (en) * | 2011-08-25 | 2013-06-18 | Eastman Kodak Company | Method for segmenting a composite image |
-
2012
- 2012-01-17 CN CN201210015198.1A patent/CN103208111B/zh not_active Expired - Fee Related
-
2013
- 2013-01-14 US US13/740,571 patent/US9092844B2/en active Active
- 2013-01-16 JP JP2013005581A patent/JP6167528B2/ja active Active
- 2013-01-17 KR KR1020130005591A patent/KR101434776B1/ko active IP Right Grant
- 2013-01-17 EP EP13151636.1A patent/EP2618306B1/en not_active Not-in-force
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101460937A (zh) * | 2006-03-02 | 2009-06-17 | 计算机连接管理中心公司 | 基于模型的去扭曲方法和设备 |
Non-Patent Citations (2)
Title |
---|
《Finding corners》;J Alison Noble;《Image and Vision Computing》;19880501;第6卷(第2期);第121-128页 * |
Devi Parikh et al..《Localization and Segmentation of A 2D High Capacity Color Barcode》.《Applications of Computer Vision, 2008. WACV 2008. IEEE WORKSHOP ON, IEEE, PISCATAWAY》.2008,第1-6页. * |
Also Published As
Publication number | Publication date |
---|---|
JP6167528B2 (ja) | 2017-07-26 |
EP2618306B1 (en) | 2018-08-15 |
US9092844B2 (en) | 2015-07-28 |
US20130182969A1 (en) | 2013-07-18 |
EP2618306A1 (en) | 2013-07-24 |
KR20130084644A (ko) | 2013-07-25 |
CN103208111A (zh) | 2013-07-17 |
KR101434776B1 (ko) | 2014-08-27 |
JP2013150321A (ja) | 2013-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103208111B (zh) | 用于修正图像角点的方法和装置以及图像处理设备 | |
JP6173542B1 (ja) | 画像処理装置、画像処理方法、および、プログラム | |
CN108921158A (zh) | 图像校正方法、装置及计算机可读存储介质 | |
CN106991422B (zh) | 字符切割方法、装置及计算机可读存储介质和电子设备 | |
US9294655B2 (en) | Apparatus for and method of processing document image | |
JP2009211626A (ja) | 画像処理装置及び方法 | |
CN108762740B (zh) | 页面数据的生成方法、装置及电子设备 | |
CN108648189B (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
US9292931B2 (en) | Apparatus, method for extracting boundary of object in image, and electronic device thereof | |
CN103839059A (zh) | 用于提取文档图像中的文档边界的装置、方法及电子设备 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN115273114A (zh) | 文档图像优化方法和介质 | |
CN110827301A (zh) | 用于处理图像的方法和装置 | |
US9129385B2 (en) | Image processing device, image processing method and apparatus for high precision document corners extraction | |
Zhai et al. | A line drawings degradation model for performance characterization | |
CN107305683B (zh) | 图像处理方法、图像处理设备及图像处理装置 | |
US10614560B2 (en) | Apparatus and method for image processing | |
JP2018041304A (ja) | 画像解析装置 | |
CN110135426B (zh) | 样本标注方法及计算机存储介质 | |
CN112465092A (zh) | 一种二维码样本的生成方法、装置、服务器和存储介质 | |
CN108073924B (zh) | 图像处理方法和装置 | |
JP5862370B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN108764327B (zh) | 图像模板检测方法、装置、计算设备及可读存储介质 | |
CN116597462A (zh) | 一种基于ocr的证件识别方法 | |
JP6139608B2 (ja) | 文書画像の再現のための擬似スケルトンに基づく画像エンハンスメント |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151007 Termination date: 20220117 |
|
CF01 | Termination of patent right due to non-payment of annual fee |