CN104239879A - 分割字符的方法及装置 - Google Patents
分割字符的方法及装置 Download PDFInfo
- Publication number
- CN104239879A CN104239879A CN201410515466.5A CN201410515466A CN104239879A CN 104239879 A CN104239879 A CN 104239879A CN 201410515466 A CN201410515466 A CN 201410515466A CN 104239879 A CN104239879 A CN 104239879A
- Authority
- CN
- China
- Prior art keywords
- character
- connected domain
- character zone
- target area
- boundary
- 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.)
- Granted
Links
Landscapes
- Character Input (AREA)
Abstract
本公开是关于分割字符的方法及装置,用于提高分割字符的准确性,方法包括:从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域;检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度;根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;将目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。本公开能够将图像中干扰的连通域去除,减少分割出的字符区域中包含多个字符的概率,提高分割字符的准确性。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及分割字符的方法及装置。
背景技术
相关技术中,OCR(Optical Character Recognition,光学字符识别)的字符检测与分割技术主要基于连通域分析和直方图。相关技术中的分割字符方法包括:对图像进行预处理,例如进行二值化、平滑、去噪等;然后进行连通域分析,根据连通域分析结果去除背景;再获得图像的直方图,根据直方图分割字符。
图像中可能存在干扰的连通域,例如充值卡的卡片中存在涂层、背景中有条形码,条形码和未被完全刮除的涂层可能会被判定为连通域。相关技术中,仅通过连通域分析去除背景,并利用直方图分割字符,图像中去除背景后的区域中仍然可能包含干扰的连通域,如此造成分割字符困难,并降低了分割字符的准确性。
发明内容
为克服相关技术中存在的问题,本公开实施例提供分割字符的方法及装置,用于提高分割字符的准确性。
根据本公开实施例的第一方面,提供一种分割字符的方法,包括:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
在一实施例中,所述利用字符识别算法从图像中检测出单个字符区域之前,所述方法还可包括:
对所述图像进行预处理。
在一实施例中,所述根据检测出的单个字符区域确定待分割字符所在区域的上下边界,可包括:
对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;
对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;
当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
在一实施例中,所述根据所述边界确定各个连通域在多个位置的笔画宽度,可包括:
对于各个连通域,在所述连通域边界的一条边上取多个边界点;
对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
在一实施例中,所述根据连通域在多个位置的笔画宽度间偏差判断所述连通域是否为噪音区域,可包括:
计算连通域在多个位置处的笔画宽度的均值和方差;
当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
在一实施例中,所述利用水平投影直方图确定分割字符的分割点,可包括:
将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
将位于水平轴上连续空白区域中的分割点合并。
在一实施例中,所述方法还可包括:
根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
所述从分割点处进行分割之后,还包括:
根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
在一实施例中,所述根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域,可包括:
选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;
对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
按所述比值最大的分割方式,对所述字符区域进行分割。
在一实施例中,所述将所述目标区域的前景像素进行水平投影,获得水平投影直方图之后,还可包括:
在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
在一实施例中,所述对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分,可包括
对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
在一实施例中,所述将判定为噪音区域的连通域从目标区域中去除之后,所述方法还可包括:
确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
根据本公开实施例的第三方面,提供一种分割字符的装置,包括:
目标区域确定模块,用于利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
笔画宽度确定模块,用于利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
噪音区域去除模块,用于根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
字符分割模块,用于将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
在一实施例中,所述装置还可包括:
图像预处理模块,用于对所述图像进行预处理。
在一实施例中,所述目标区域确定模块,可包括:
字符边界确定子模块,用于对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;
偏差计算子模块,用于对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;
样本采样子模块,用于当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
区域边界确定子模块,用于当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
在一实施例中,所述笔画宽度确定模块,可包括:
边界取点子模块,用于对于各个连通域,在所述连通域边界的一条边上取多个边界点;
笔画宽度确定子模块,用于对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
在一实施例中,所述噪音区域去除模块,可包括:
均值和方差计算子模块,用于计算连通域在多个位置处的笔画宽度的均值和方差;
噪音区域判断子模块,用于当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
在一实施例中,所述字符分割模块,可包括:
分割点确定子模块,用于将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
分割点合并子模块,用于将位于水平轴上连续空白区域中的分割点合并。
在一实施例中,所述装置还可包括:
参考宽度确定模块,用于根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
多个字符判断模块,用于在所述字符分割模块从分割点处进行分割之后,根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
字符区域分割模块,用于当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
在一实施例中,所述字符区域分割模块,可包括:
分割方式获得子模块,用于选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;
比值计算子模块,用于对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
字符区域分割子模块,用于按所述比值最大的分割方式,对所述字符区域进行分割。
在一实施例中,所述装置还可包括:
部分处理模块,用于在所述字符分割模块将所述目标区域的前景像素进行水平投影,获得水平投影直方图之后,在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
在一实施例中,所述部分处理模块,可包括
部分处理子模块,用于对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
在一实施例中,所述装置还可包括:
目标区域重新确定模块,用于在所述噪音区域去除模块将判定为噪音区域的连通域从目标区域中去除之后,确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
根据本公开实施例的第三方面,提供一种分割字符的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
本公开的实施例提供的技术方案可以包括以下有益效果:根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;如此,能够将图像中干扰的连通域去除,减少分割出的字符区域中包含多个字符的概率,提高分割字符的准确性。
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和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种分割字符的方法的流程图。
图2是根据一示例性实施例示出的待分割的图像的示意图。
图3是根据一示例性实施例示出的检测出的单个字符区域的示意图。
图4是根据一示例性实施例示出确定的待分割字符所在区域的上下边界的示意图。
图5A是根据一示例性实施例示出的目标区域中一连通域的局部放大图。
图5B是一示例性实施例示出的在边界点的梯度方向上查找另一条边上的另一边界点的示意图。
图5C是一示例性实施例示出的连通域在边界点处的笔画宽度的示意图。
图6A是根据一示例性实施例示出的另一种分割字符的方法的流程图。
图6B是一示例性实施例示出的预处理后所得二值化图像。
图7是根据一示例性实施例示出的另一种分割字符的方法的流程图。
图8A是根据一示例性实施例示出的另一种分割字符的方法的流程图。
图8B是根据一示例性实施例示出未进行增强处理的水平投影直方图。
图8C是根据一示例性实施例示出增强处理后的水平投影直方图。
图9A是根据一示例性实施例一示出的一种分割字符的方法的流程图。
图9B是根据一示例性实施例一示出的分割字符所得结果的示意图。
图10是根据一示例性实施例示出的一种分割字符的装置的框图。
图11A是根据一示例性实施例示出的另一种分割字符的装置的框图。
图11B是根据一示例性实施例示出的另一种分割字符的装置的框图。
图11C是根据一示例性实施例示出的另一种分割字符的装置的框图。
图11D是根据一示例性实施例示出的另一种分割字符的装置的框图。
图12是根据一示例性实施例示出的一种适用于分割字符的装置的框图(终端设备的一般结构)。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种分割字符的方法的流程图。如图1所示,该分割字符的方法用于各种设备,如个人电脑、服务器、手机、平板电脑中,包括以下步骤S101-S104:
在步骤S101中、利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域。
在一实施例中,上述根据检测出的单个字符区域确定待分割字符所在区域的上下边界可包括如下步骤A1-A4:
在步骤A1中、对于各个单个字符区域,确定单个字符区域的上边界和下边界。
在步骤A2中、对上边界和下边界分别进行样本采样,并分别计算采样的样本间偏差。
在步骤A3中、当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止。
在步骤A4中、当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
举例而言,如图2所示,为待分割的图像,将图像转换为灰度图,利用adboost算法(合并分类器算法)或cascade算法(组合分类算法),在灰度图中搜索数字。数字搜索的结果如图3所示,白色方框框出的区域为检测出的数字,即检测出的单个字符区域。
对检测出的各个单个字符区域,确定单个字符区域的上边界和下边界。针对上边界,进行样本采样,例如,可以以重采样的方式,采样出预设数量的样本,并计算采样的预设数量的样本间偏差。当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止。当上边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界的值为采样的样本的平均值。针对下边界,作上述操作。例如,以重采样的方式,对下边界采样出预设数量的样本,并计算采样的预设数量的样本间偏差。当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止。当下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的下边界的值为采样的样本的平均值。通过上述方法,确定的上下边界如图4所示。
本实施例中,利用采样样本的方差和均值获得上下边界,该实现方式简单易行,在处理过程中消耗资源较少,并缩短处理时长。
本公开中,根据检测出的单个字符区域确定待分割字符所在区域的上下边界的实现方式不限于上述实施例中列举的方式,可以采用其他方式确定待分割字符所在区域的上下边界,本公开对此没有特别限制。例如,也可以通过在上下边界采样取点,对采样的点进行拟合的方式获得上下边界。
在步骤S102中、利用边界识别算法检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度。
在一实施例中,上述根据所述边界确定各个连通域在多个位置的笔画宽度,可包括如下步骤B1-B2:
在步骤B1中、对于各个连通域,在连通域边界的一条边上取多个边界点。
在步骤B2中、对于每个边界点,在边界点的梯度方向上查找到位于连通域边界的另一条边上的另一边界点,确定边界点与另一边界点间距离为该连通域在该边界点处的笔画宽度。
举例而言,图5A示出目标区域中一连通域的局部放大图。利用Sobel算法(索贝尔算法)或Canny(精明算法)检测出目标区域中连通域边界,在连通域边界的一条边上取多个边界点。对于每个边界点,如图5B所示,在边界点p的梯度方向上查找到位于连通域边界的另一条边上的另一边界点a。如图5C所示,确定出边界点p与另一边界点a间距离W为连通域在边界点p处的笔画宽度。
在步骤S103中、根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除。
在一实施例中,上述根据连通域在多个位置的笔画宽度间偏差判断连通域是否为噪音区域可包括如下步骤C1-C2:
在步骤C1中、计算连通域在多个位置处的笔画宽度的均值和方差。
在步骤C2中、当方差与均值的比值大于第一预设阈值时,判定连通域为噪音区域。
本实施例中,利用字符连通域的笔画宽度具有一致性的特点,检测出连通域中的噪声区域,如此,检测出的噪声区域更加准确,进而能够提高分割字符的准确性。
在一实施例中,步骤S103后还可包括:确定各个连通域的上边界和下边界,根据上边界和下边界重新确定待分割字符所在区域的上下边界,去除图像中在重新确定的上下边界之外的区域,得到新的目标区域。
上述根据上边界和下边界重新确定待分割字符所在区域的上下边界示例性说明,参见步骤S101中说明,在此不再赘述。
本实施例中,根据连通域重新确定上下边界,能够进一步精确目标区域的范围,便于进行后续处理。
在步骤S104中、将目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
在一实施例中,上述利用水平投影直方图确定分割字符的分割点可包括如下步骤D1-D2:
在步骤D1中、将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点。
在步骤D2中、将位于水平轴上连续空白区域中的分割点合并。
上述实施例中,仅为示例性说明,本公开对于利用水平投影直方图确定分割字符的分割点的方式不限于此,本公开对此没有特别限制。
本公开的实施例提供的技术方案可以包括以下有益效果:根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;如此,能够将图像中干扰的连通域去除,减少分割出的字符区域中包含多个字符的概率,提高分割字符的准确性。
图6A是根据一示例性实施例示出的另一种分割字符的方法的流程图。如图6A所示,该分割字符的方法用于各种设备,如个人电脑、服务器、手机、平板电脑中,包括以下步骤S601-S605:
在步骤S601中、对图像进行预处理。
举例而言,可以通过高斯滤波对图像进行去噪,然后对图像进行二值化,经过预处理后的图像如图6B所示。
在步骤S602中、利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域。
在步骤S603中、利用边界识别算法检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度。
在步骤S604中、根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除。
在步骤S605中、将目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
上述步骤602-605的示例性说明,参见步骤S101-104中说明,在此不再赘述。
本实施例的有益效果在于,通过预处理对图像中噪音进行初次过滤,便于进行后续处理,提高了处理的效率和准确性。
图7是根据一示例性实施例示出的另一种分割字符的方法的流程图。如图7所示,该分割字符的方法用于各种设备,如个人电脑、服务器、手机、平板电脑中,包括以下步骤S701-S707:
在步骤S701中、利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域。
在步骤S702中、利用边界识别算法检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度。
在步骤S703中、根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除。
在步骤S704中、根据目标区域中连通域的边界确定连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度。
在一实施例中,根据选取的连通域的区域宽度确定字符参考宽度可包括:根据选取的连通域的区域宽度的概率分布确定字符参考宽度,例如,将区域宽度的概率分布中最大概率处的区域宽度,确定为字符参考宽度。
在步骤S705中、将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
在步骤S706中、根据字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符。
举例而言,步骤S706可包括:当字符区域的宽度与字符参考宽度的差值超过第三预设阈值时,判定字符区域中包含多个字符。
在步骤S707中、当分割后所得字符区域中包含多个字符时,根据字符区域的水平投影直方图和字符参考宽度,分割字符区域。
在一实施例中,步骤S707可包括如下步骤E1-E3:
在步骤E1中、选取字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据字符参考宽度进行分割,获得多个分割方式。
在步骤E2中、对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值。
在步骤E3中、按比值最大的分割方式,对字符区域进行分割。
上述步骤S701-703,以及步骤S705的示例性说明,参见步骤S101-S104中说明,在此不再赘述。
本实施例具有如下有益效果:能够判断出字符区域中是否包含多个字符,并且可以对包含多个字符的字符区域进行分割,进一步增加了分割字符的准确性。
图8A是根据一示例性实施例示出的另一种分割字符的方法的流程图。如图8A所示,该分割字符的方法用于各种设备,如个人电脑、服务器、手机、平板电脑中,包括以下步骤S801-S806:
在步骤S801中、利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域。
在步骤S802中、利用边界识别算法检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度。
在步骤S803中、根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除。
在步骤S804中、将目标区域的前景像素进行水平投影,获得水平投影直方图。
在步骤S805中、在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强单个字符区域的中央部分,抑制单个字符区域的边界部分。
在一实施例中,步骤S805可包括:对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强单个字符区域的中央部分,抑制单个字符区域的边界部分。
举例而言,将单个字符区域的水平投影直方图与加权正选函数相乘,所得水平投影直方图中,单个字符区域的中央部分被增强,单个字符区域的边界部分被抑制。例如,一银行卡中数字被增强处理前的水平投影直方图,如图8B所示;银行卡中数字被增强处理后的水平投影直方图,如图8C所示。
在步骤S806中、利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
上述步骤S801-803,以及步骤S806的示例性说明,参见步骤S101-S104中说明,在此不再赘述。
在本实施例中,对字符识别算法检测出的单个字符区域,进行增强中央部分和抑制边界部分的处理,使得分割时能够准确分割出检测出的单个字符区域,进而减少分割的错误概率。
实施例一
图9A是根据一示例性实施例一示出的一种分割字符的方法的流程图,该分割字符的方法用于各种设备,如个人电脑、服务器、手机、平板电脑中。待分割的图片如图2所示,如图9A所示,实施例一中方法包括以下步骤:
在步骤S901中、对图像进行预处理。
举例而言,可以通过高斯滤波对图像进行去噪,然后对图像进行二值化,经过预处理后的图像如图6B所示。
在步骤S902中、将图像转换为灰度图,利用adboost算法,在灰度图中检测出单个字符区域。
例如,检测出单个字符区域的结果如图3所示,白色方框框出的区域为检测出的单个字符区域。
在步骤S903中、对于各个单个字符区域,确定单个字符区域的上边界和下边界,对上边界和下边界分别进行样本采样,并分别计算采样的样本间偏差。
在步骤S904中、当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止。
在步骤S905中、当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
其中,确定出的上下边界如图4所示。
在步骤S906中、去除预处理所得的图像中在上下边界之外的区域,得到目标区域。
在步骤S907中、利用Sobel算法检测目标区域中连通域边界,对于各个连通域,在连通域边界的一条边上取多个边界点。
在步骤S908中、对于每个边界点,在边界点的梯度方向上查找到位于连通域边界的另一条边上的另一边界点,确定边界点与另一边界点间距离为该连通域在该边界点处的笔画宽度。
在步骤S909中、计算连通域在多个位置处的笔画宽度的均值和方差,当方差与均值的比值大于第一预设阈值时,判定连通域为噪音区域,将判定为噪音区域的连通域从目标区域中去除。
在步骤S910中、确定各个连通域的上边界和下边界,根据上边界和下边界重新确定待分割字符所在区域的上下边界,去除图像中在重新确定的上下边界之外的区域,得到新的目标区域。
在步骤S911中、根据新的目标区域中连通域的边界确定连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,将选取的连通域的区域宽度的概率分布中最大概率处的区域宽度,确定为字符参考宽度。
在步骤S912中、将新的目标区域的前景像素进行水平投影,获得水平投影直方图。
在步骤S913中、在水平投影直方图中,对于利用adboost算法检测出的、与新的目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,将单个字符区域的水平投影直方图与加权正选函数相乘。
在步骤S914中、将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点,将位于水平轴上连续空白区域中的分割点合并,从分割点处进行分割。
在步骤S915中、当分割后所得的字符区域的宽度与字符参考宽度的差值超过第三预设阈值时,判定字符区域中包含多个字符。
在步骤S916中、当分割后所得字符区域中包含多个字符时,选取字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据字符参考宽度进行分割,获得多个分割方式。
在步骤S917中、对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值,按比值最大的分割方式,对字符区域进行分割。
对于图2中所示图像,按上述方法所得的分割字符的结果,如图9B所示,白色方框框出的区域为单个字符。
本公开的实施例提供的技术方案可以包括以下有益效果:根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除,将字符识别算法检测出的单个字符区域进行增强中央部分和抑制边界部分处理,对包含多个字符的字符区域进一步划分;如此,能够减少分割出的字符区域中包含多个字符的概率,提高分割字符的准确性。
图10是根据一示例性实施例示出的一种分割字符的装置的框图。如图10所示,该分割字符的装置用于各种设备,如个人电脑、服务器、手机、平板电脑中,包括:
目标区域确定模块101被配置为利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除图像中上下边界之外的区域,得到目标区域;
笔画宽度确定模块102被配置为利用边界识别算法检测目标区域中连通域边界,根据边界确定各个连通域在多个位置处的笔画宽度;
噪音区域去除模块103被配置为根据连通域在多个位置处的笔画宽度间偏差判断连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
字符分割模块104被配置为将目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
在一实施例中,如图11A所示,装置还可包括:
图像预处理模块111被配置为对图像进行预处理。
在一实施例中,目标区域确定模块,可包括:
字符边界确定子模块被配置为对于各个单个字符区域,确定单个字符区域的上边界和下边界;
偏差计算子模块被配置为对上边界和下边界分别进行样本采样,并分别计算采样的样本间偏差;
样本采样子模块被配置为当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
区域边界确定子模块被配置为当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
在一实施例中,笔画宽度确定模块,可包括:
边界取点子模块被配置为对于各个连通域,在连通域边界的一条边上取多个边界点;
笔画宽度确定子模块被配置为对于每个边界点,在边界点的梯度方向上查找到位于连通域边界的另一条边上的另一边界点,确定边界点与另一边界点间距离为连通域在边界点处的笔画宽度。
在一实施例中,噪音区域去除模块,可包括:
均值和方差计算子模块被配置为计算连通域在多个位置处的笔画宽度的均值和方差;
噪音区域判断子模块被配置为当方差与均值的比值大于第一预设阈值时,判定连通域为噪音区域。
在一实施例中,字符分割模块,可包括:
分割点确定子模块被配置为将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
分割点合并子模块被配置为将位于水平轴上连续空白区域中的分割点合并。
在一实施例中,如图11B所示,装置还包括:
参考宽度确定模块112被配置为根据目标区域中连通域的边界确定连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
多个字符判断模块113被配置为在字符分割模块从分割点处进行分割之后,根据字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
字符区域分割模块114被配置为当分割后所得字符区域中包含多个字符时,根据字符区域的水平投影直方图和字符参考宽度,分割字符区域。
在一实施例中,字符区域分割模块,可包括:
分割方式获得子模块被配置为选取字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据字符参考宽度进行分割,获得多个分割方式;
比值计算子模块被配置为对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
字符区域分割子模块被配置为按比值最大的分割方式,对字符区域进行分割。
在一实施例中,如图11C所示,装置还可包括:
部分处理模块115被配置为在字符分割模块104将目标区域的前景像素进行水平投影,获得水平投影直方图之后,在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强单个字符区域的中央部分,抑制单个字符区域的边界部分。
在一实施例中,部分处理模块,可包括
部分处理子模块被配置为对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强单个字符区域的中央部分,抑制单个字符区域的边界部分。
在一实施例中,如图11D所示,装置还可包括:
目标区域重新确定模块116被配置为在噪音区域去除模块103将判定为噪音区域的连通域从目标区域中去除之后,确定各个连通域的上边界和下边界,根据上边界和下边界重新确定待分割字符所在区域的上下边界,去除图像中在重新确定的上下边界之外的区域,得到新的目标区域。
本公开的实施例提供的技术方案可以包括以下有益效果:根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;如此,能够将图像中干扰的连通域去除,减少分割出的字符区域中包含多个字符的概率,提高分割字符的准确性。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图12是根据一示例性实施例示出的一种分割字符的装置1200的框图,该装置适用于终端设备。例如,装置1200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图12,装置1200可以包括以下一个或多个组件:处理组件1202,存储器1204,电源组件1206,多媒体组件1208,音频组件1210,输入/输出(I/O)的接口1212,传感器组件1214,以及通信组件1216。
处理组件1202通常控制装置1200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1202可以包括一个或多个模块,便于处理组件1202和其他组件之间的交互。例如,处理部件1202可以包括多媒体模块,以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统,一个或多个电源,及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如,音频组件1210包括一个麦克风(MIC),当装置1200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中,音频组件1210还包括一个扬声器,用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器,用于为装置1200提供各个方面的状态评估。例如,传感器组件1214可以检测到设备1200的打开/关闭状态,组件的相对定位,例如所述组件为装置1200的显示器和小键盘,传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变,用户与装置1200接触的存在或不存在,装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件1216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1204,上述指令可由装置1200的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种分割字符的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
该处理器还可被配置为:对所述图像进行预处理。
该处理器可被配置为:对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
该处理器还可被配置为:对于各个连通域,在所述连通域边界的一条边上取多个边界点;对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
该处理器可被配置为:计算连通域在多个位置处的笔画宽度的均值和方差;当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
该处理器可被配置为:将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;将位于水平轴上连续空白区域中的分割点合并。
该处理器还可被配置为:根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;在从分割点处进行分割之后,根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
该处理器可被配置为:选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;按所述比值最大的分割方式,对所述字符区域进行分割。
该处理器还可被配置为:在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
该处理器可被配置为:对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
该处理器还可被配置为:确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种分割字符的方法,所述方法包括:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
所述利用字符识别算法从图像中检测出单个字符区域之前,所述方法还可包括:对所述图像进行预处理。
所述根据检测出的单个字符区域确定待分割字符所在区域的上下边界,可包括:
对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;
对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;
当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
所述根据所述边界确定各个连通域在多个位置的笔画宽度,可包括:
对于各个连通域,在所述连通域边界的一条边上取多个边界点;
对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
所述根据连通域在多个位置的笔画宽度间偏差判断所述连通域是否为噪音区域,可包括:
计算连通域在多个位置处的笔画宽度的均值和方差;
当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
所述利用水平投影直方图确定分割字符的分割点,可包括:
将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
将位于水平轴上连续空白区域中的分割点合并。
所述方法还可包括:
根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
所述从分割点处进行分割之后,还包括:
根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
所述根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域,可包括:
选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;
对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
按所述比值最大的分割方式,对所述字符区域进行分割。
所述将所述目标区域的前景像素进行水平投影,获得水平投影直方图之后,还可包括:
在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
所述对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分,可包括
对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
所述将判定为噪音区域的连通域从目标区域中去除之后,所述方法还可包括:确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (23)
1.一种分割字符的方法,其特征在于,包括:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
2.如权利要求1所述的方法,其特征在于,所述利用字符识别算法从图像中检测出单个字符区域之前,所述方法还包括:
对所述图像进行预处理。
3.如权利要求1所述的方法,其特征在于,所述根据检测出的单个字符区域确定待分割字符所在区域的上下边界,包括:
对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;
对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;
当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
4.如权利要求1所述的方法,其特征在于,所述根据所述边界确定各个连通域在多个位置的笔画宽度,包括:
对于各个连通域,在所述连通域边界的一条边上取多个边界点;
对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
5.如权利要求1所述的方法,其特征在于,所述根据连通域在多个位置的笔画宽度间偏差判断所述连通域是否为噪音区域,包括:
计算连通域在多个位置处的笔画宽度的均值和方差;
当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
6.如权利要求1所述的方法,其特征在于,所述利用水平投影直方图确定分割字符的分割点,包括:
将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
将位于水平轴上连续空白区域中的分割点合并。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
所述从分割点处进行分割之后,还包括:
根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
8.如权利要求7所述的方法,其特征在于,所述根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域,包括:
选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;
对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
按所述比值最大的分割方式,对所述字符区域进行分割。
9.如权利要求1所述的方法,其特征在于,所述将所述目标区域的前景像素进行水平投影,获得水平投影直方图之后,还包括:
在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
10.如权利要求9所述的方法,其特征在于,所述对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分,包括
对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
11.如权利要求1所述的方法,其特征在于,所述将判定为噪音区域的连通域从目标区域中去除之后,所述方法还包括:
确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
12.一种分割字符的装置,其特征在于,包括:
目标区域确定模块,用于利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
笔画宽度确定模块,用于利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
噪音区域去除模块,用于根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
字符分割模块,用于将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
13.如权利要求12所述的装置,其特征在于,所述装置还包括:
图像预处理模块,用于对所述图像进行预处理。
14.如权利要求12所述的装置,其特征在于,所述目标区域确定模块,包括:
字符边界确定子模块,用于对于各个单个字符区域,确定所述单个字符区域的上边界和下边界;
偏差计算子模块,用于对所述上边界和所述下边界分别进行样本采样,并分别计算采样的样本间偏差;
样本采样子模块,用于当采样的样本间偏差没有在第一预设偏差范围内时,重新进行样本采样,直到采样的样本间偏差在第一预设偏差范围内为止;
区域边界确定子模块,用于当上边界或下边界的样本间偏差在第一预设偏差范围内时,确定待分割字符所在区域的上边界或下边界的值为采样的样本的平均值。
15.如权利要求12所述的装置,其特征在于,所述笔画宽度确定模块,包括:
边界取点子模块,用于对于各个连通域,在所述连通域边界的一条边上取多个边界点;
笔画宽度确定子模块,用于对于每个边界点,在所述边界点的梯度方向上查找到位于所述连通域边界的另一条边上的另一边界点,确定所述边界点与所述另一边界点间距离为所述连通域在所述边界点处的笔画宽度。
16.如权利要求12所述的装置,其特征在于,所述噪音区域去除模块,包括:
均值和方差计算子模块,用于计算连通域在多个位置处的笔画宽度的均值和方差;
噪音区域判断子模块,用于当所述方差与所述均值的比值大于第一预设阈值时,判定所述连通域为噪音区域。
17.如权利要求12所述的装置,其特征在于,所述字符分割模块,包括:
分割点确定子模块,用于将水平投影直方图在水平轴上的投影像素值小于第二预设阈值的位置,确定为分割点;
分割点合并子模块,用于将位于水平轴上连续空白区域中的分割点合并。
18.如权利要求12所述的装置,其特征在于,所述装置还包括:
参考宽度确定模块,用于根据目标区域中连通域的边界确定所述连通域的区域宽度和区域高度,选取区域宽高比在预设范围内的连通域,根据选取的连通域的区域宽度确定字符参考宽度;
多个字符判断模块,用于在所述字符分割模块从分割点处进行分割之后,根据所述字符参考宽度判断分割后所得的各个字符区域中是否包含多个字符;
字符区域分割模块,用于当分割后所得字符区域中包含多个字符时,根据所述字符区域的水平投影直方图和字符参考宽度,分割所述字符区域。
19.如权利要求18所述的装置,其特征在于,所述字符区域分割模块,包括:
分割方式获得子模块,用于选取所述字符区域中多处位置作为单侧边界点,对于各个单侧边界点,根据所述字符参考宽度进行分割,获得多个分割方式;
比值计算子模块,用于对于各个分割方式,计算分割区域的内部与边界处的、水平投影直方图在水平轴上的投影像素值的比值;
字符区域分割子模块,用于按所述比值最大的分割方式,对所述字符区域进行分割。
20.如权利要求12所述的装置,其特征在于,所述装置还包括:
部分处理模块,用于在所述字符分割模块将所述目标区域的前景像素进行水平投影,获得水平投影直方图之后,在水平投影直方图中,对于利用字符识别算法检测出的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
21.如权利要求20所述的装置,其特征在于,所述部分处理模块,包括
部分处理子模块,用于对于利用字符识别算法检测出的、与目标区域的上下边界的偏差在第二预设偏差范围内的单个字符区域,增强所述单个字符区域的中央部分,抑制所述单个字符区域的边界部分。
22.如权利要求12所述的装置,其特征在于,所述装置还包括:
目标区域重新确定模块,用于在所述噪音区域去除模块将判定为噪音区域的连通域从目标区域中去除之后,确定所述各个连通域的上边界和下边界,根据所述上边界和所述下边界重新确定待分割字符所在区域的上下边界,去除所述图像中在重新确定的上下边界之外的区域,得到新的目标区域。
23.一种分割字符的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
利用字符识别算法从图像中检测出单个字符区域,根据检测出的单个字符区域确定待分割字符所在区域的上下边界,去除所述图像中所述上下边界之外的区域,得到目标区域;
利用边界识别算法检测所述目标区域中连通域边界,根据所述边界确定各个连通域在多个位置处的笔画宽度;
根据连通域在多个位置处的笔画宽度间偏差判断所述连通域是否为噪音区域,将判定为噪音区域的连通域从目标区域中去除;
将所述目标区域的前景像素进行水平投影,获得水平投影直方图,利用水平投影直方图确定分割字符的分割点,从分割点处进行分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515466.5A CN104239879B (zh) | 2014-09-29 | 2014-09-29 | 分割字符的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515466.5A CN104239879B (zh) | 2014-09-29 | 2014-09-29 | 分割字符的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104239879A true CN104239879A (zh) | 2014-12-24 |
CN104239879B CN104239879B (zh) | 2017-11-07 |
Family
ID=52227904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410515466.5A Active CN104239879B (zh) | 2014-09-29 | 2014-09-29 | 分割字符的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104239879B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766076A (zh) * | 2015-02-28 | 2015-07-08 | 北京奇艺世纪科技有限公司 | 一种视频图像文字的检测方法和装置 |
CN104899588A (zh) * | 2015-06-26 | 2015-09-09 | 小米科技有限责任公司 | 识别图像中的字符的方法及装置 |
CN106295630A (zh) * | 2016-07-21 | 2017-01-04 | 北京小米移动软件有限公司 | 字符识别方法及装置 |
CN108446704A (zh) * | 2018-03-29 | 2018-08-24 | 哈尔滨理工大学 | 一种粘连字符验证码分割与识别方法 |
CN108446702A (zh) * | 2018-03-14 | 2018-08-24 | 深圳怡化电脑股份有限公司 | 一种图像字符分割方法、装置、设备及存储介质 |
CN108491845A (zh) * | 2018-03-02 | 2018-09-04 | 深圳怡化电脑股份有限公司 | 字符分割位置的确定、字符分割方法、装置及设备 |
CN108985175A (zh) * | 2018-06-20 | 2018-12-11 | 天津科技大学 | 基于标准外围轮廓和深度学习的手写汉字句集识别方法 |
CN113780294A (zh) * | 2021-09-10 | 2021-12-10 | 泰康保险集团股份有限公司 | 文本字符分割的方法和装置 |
CN117831037A (zh) * | 2024-01-04 | 2024-04-05 | 北京和气聚力教育科技有限公司 | 一种答题卡中客观题答题情况的确定方法及装置 |
CN117894030A (zh) * | 2024-01-18 | 2024-04-16 | 广州宏途数字科技有限公司 | 一种校园智慧纸笔的文本识别方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060120602A1 (en) * | 2004-12-03 | 2006-06-08 | Bei Tang | Character segmentation method and apparatus |
CN101673338A (zh) * | 2009-10-09 | 2010-03-17 | 南京树声科技有限公司 | 基于多角度投影的模糊车牌识别方法 |
CN102184399A (zh) * | 2011-03-31 | 2011-09-14 | 上海名图信息技术有限公司 | 基于水平投影和连通域分析的字符分割方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
CN103077389A (zh) * | 2013-01-07 | 2013-05-01 | 华中科技大学 | 一种结合字符级分类和字符串级分类的文本检测和识别方法 |
CN103888749A (zh) * | 2014-04-03 | 2014-06-25 | 清华大学深圳研究生院 | 一种双目视频转换多目视频的方法 |
-
2014
- 2014-09-29 CN CN201410515466.5A patent/CN104239879B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060120602A1 (en) * | 2004-12-03 | 2006-06-08 | Bei Tang | Character segmentation method and apparatus |
CN101673338A (zh) * | 2009-10-09 | 2010-03-17 | 南京树声科技有限公司 | 基于多角度投影的模糊车牌识别方法 |
CN102184399A (zh) * | 2011-03-31 | 2011-09-14 | 上海名图信息技术有限公司 | 基于水平投影和连通域分析的字符分割方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
CN103077389A (zh) * | 2013-01-07 | 2013-05-01 | 华中科技大学 | 一种结合字符级分类和字符串级分类的文本检测和识别方法 |
CN103888749A (zh) * | 2014-04-03 | 2014-06-25 | 清华大学深圳研究生院 | 一种双目视频转换多目视频的方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766076B (zh) * | 2015-02-28 | 2019-01-01 | 北京奇艺世纪科技有限公司 | 一种视频图像文字的检测方法和装置 |
CN104766076A (zh) * | 2015-02-28 | 2015-07-08 | 北京奇艺世纪科技有限公司 | 一种视频图像文字的检测方法和装置 |
CN104899588A (zh) * | 2015-06-26 | 2015-09-09 | 小米科技有限责任公司 | 识别图像中的字符的方法及装置 |
CN104899588B (zh) * | 2015-06-26 | 2018-12-11 | 小米科技有限责任公司 | 识别图像中的字符的方法及装置 |
CN106295630A (zh) * | 2016-07-21 | 2017-01-04 | 北京小米移动软件有限公司 | 字符识别方法及装置 |
CN106295630B (zh) * | 2016-07-21 | 2019-10-15 | 北京小米移动软件有限公司 | 字符识别方法及装置 |
CN108491845B (zh) * | 2018-03-02 | 2022-05-31 | 深圳怡化电脑股份有限公司 | 字符分割位置的确定、字符分割方法、装置及设备 |
CN108491845A (zh) * | 2018-03-02 | 2018-09-04 | 深圳怡化电脑股份有限公司 | 字符分割位置的确定、字符分割方法、装置及设备 |
CN108446702A (zh) * | 2018-03-14 | 2018-08-24 | 深圳怡化电脑股份有限公司 | 一种图像字符分割方法、装置、设备及存储介质 |
CN108446702B (zh) * | 2018-03-14 | 2022-05-31 | 深圳怡化电脑股份有限公司 | 一种图像字符分割方法、装置、设备及存储介质 |
CN108446704A (zh) * | 2018-03-29 | 2018-08-24 | 哈尔滨理工大学 | 一种粘连字符验证码分割与识别方法 |
CN108985175A (zh) * | 2018-06-20 | 2018-12-11 | 天津科技大学 | 基于标准外围轮廓和深度学习的手写汉字句集识别方法 |
CN108985175B (zh) * | 2018-06-20 | 2021-06-04 | 天津科技大学 | 基于标准外围轮廓和深度学习的手写汉字句集识别方法 |
CN113780294A (zh) * | 2021-09-10 | 2021-12-10 | 泰康保险集团股份有限公司 | 文本字符分割的方法和装置 |
CN113780294B (zh) * | 2021-09-10 | 2023-11-14 | 泰康保险集团股份有限公司 | 文本字符分割的方法和装置 |
CN117831037A (zh) * | 2024-01-04 | 2024-04-05 | 北京和气聚力教育科技有限公司 | 一种答题卡中客观题答题情况的确定方法及装置 |
CN117894030A (zh) * | 2024-01-18 | 2024-04-16 | 广州宏途数字科技有限公司 | 一种校园智慧纸笔的文本识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104239879B (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239879A (zh) | 分割字符的方法及装置 | |
CN110688951B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113344901B (zh) | 涂胶缺陷检测方法、装置、存储介质及电子设备 | |
CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109446994B (zh) | 手势关键点检测方法、装置、电子设备及存储介质 | |
CN105528606A (zh) | 区域识别方法及装置 | |
CN105069786A (zh) | 直线检测方法及装置 | |
CN105528607A (zh) | 区域提取方法、模型训练方法及装置 | |
CN105095881A (zh) | 人脸识别方法、装置及终端 | |
CN106228556B (zh) | 图像质量分析方法和装置 | |
CN105528600A (zh) | 区域识别方法及装置 | |
CN105488511A (zh) | 图像的识别方法及装置 | |
CN105512685A (zh) | 物体识别方法和装置 | |
CN106250831A (zh) | 图像检测方法、装置和用于图像检测的装置 | |
CN105550633A (zh) | 区域识别方法及装置 | |
CN105427233A (zh) | 去除水印的方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104918107A (zh) | 视频文件的标识处理方法及装置 | |
CN105139378A (zh) | 卡片边界检测方法及装置 | |
CN104899610A (zh) | 图片分类方法及装置 | |
CN106127751A (zh) | 图像检测方法、装置以及系统 | |
CN104284240A (zh) | 视频浏览方法及装置 | |
CN105631803A (zh) | 滤镜处理的方法和装置 | |
CN105095860A (zh) | 字符分割方法和装置 | |
CN105574857A (zh) | 图像分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |