CN105139378A - 卡片边界检测方法及装置 - Google Patents
卡片边界检测方法及装置 Download PDFInfo
- Publication number
- CN105139378A CN105139378A CN201510464456.8A CN201510464456A CN105139378A CN 105139378 A CN105139378 A CN 105139378A CN 201510464456 A CN201510464456 A CN 201510464456A CN 105139378 A CN105139378 A CN 105139378A
- Authority
- CN
- China
- Prior art keywords
- border
- card
- image
- regression model
- specifying
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本公开是关于一种卡片边界检测的方法及装置,属于图像处理领域。所述方法包括:对目标图像进行二值化处理,得到二值图像;从所述二值图像中,确定卡片的各个边界所在的图像区域;基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,通过该指定拟合回归模型对卡片的各个边界进行检测,从而得到了卡片各个边界精确的位置,提高了卡片识别的精确度。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种卡片边界检测方法及装置。
背景技术
随着技术的快速发展,出现了越来越多具有图像处理功能的终端,而通过这些终端进行图像处理时,最重要的应用便是对图像中的卡片进行识别,该卡片可以为信用卡、电话卡、游戏卡等等。然而通过拍摄卡片所得到的图像中,通常不仅包括卡片,还包括了一些背景,因此,为了识别图像中的卡片,往往需要对该卡片的边界进行检测,所以,亟需一种卡片边界检测方法。
发明内容
为克服相关技术中存在的问题,本公开提供一种卡片边界检测方法及装置。
根据本公开实施例的第一方面,提供一种卡片边界检测方法,所述方法包括:
对目标图像进行二值化处理,得到二值图像;
从所述二值图像中,确定卡片的各个边界所在的图像区域;
基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
结合第一方面,在上述第一方面的第一种可能的实现方式中,所述从所述二值图像中,确定卡片的各个边界所在的图像区域,包括:
获取所述卡片的各个边界对应的区域范围;
基于获取的区域范围,从所述二值图像中,确定所述卡片的各个边界所在的图像区域。
结合第一方面,在上述第一方面的第二种可能的实现方式中,所述基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界,包括:
从所述各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界。
结合第一方面的第二种可能的实现方式,在上述第一方面的第三种可能的实现方式中,所述基于所述获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界,包括:
基于获取的像素点坐标,通过指定拟合回归模型,确定所述各个边界的拟合直线的斜率和截距;
基于所述各个边界的拟合直线的斜率和截距,通过指定直线模型,确定所述各个边界的拟合直线;
将所述各个边界的拟合直线所在的位置确定为所述卡片的各个边界。
结合第一方面的第二种可能的实现方式或者第一方面的第三种可能的实现方式,在上述第一方面的第四种可能的实现方式中,所述基于所述获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界之前,还包括:
获取二范数系数;
基于指定最小二乘模型和所述二范数系数,生成所述指定拟合回归模型。
结合第一方面,在上述第一方面的第五种可能的实现方式中,所述基于所述对目标图像进行二值化处理,得到二值图像,包括:
对所述目标图像进行预处理;
对预处理后的图像进行二值化处理,得到二值图像。
根据本公开实施例的第二方面,提供一种卡片边界检测装置,所述装置包括:
二值化处理模块,用于对目标图像进行二值化处理,得到二值图像;
第一确定模块,用于从所述二值图像中,确定卡片的各个边界所在的图像区域;
第二确定模块,用于基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
结合第二方面,在上述第二方面的第一种可能的实现方式中,所述第一确定模块包括:
第一获取单元,用于获取所述卡片的各个边界对应的区域范围;
第一确定单元,用于基于获取的区域范围,从所述二值图像中,确定所述卡片的各个边界所在的图像区域。
结合第二方面,在上述第二方面的第二种可能的实现方式中,所述第二确定模块包括:
第二获取单元,用于从所述各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
第二确定单元,基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界。
结合第二方面的第二种可能的实现方式,在上述第二方面的第三种可能的实现方式中,所述第二确定单元包括:
第一确定子单元,用于基于获取的像素点坐标,通过指定拟合回归模型,确定所述各个边界的拟合直线的斜率和截距;
第二确定子单元,用于基于所述各个边界的拟合直线的斜率和截距,通过指定直线模型,确定所述各个边界的拟合直线;
第三确定子单元,用于将所述各个边界的拟合直线所在的位置确定为所述卡片的各个边界。
结合第二方面的第二种可能的实现方式或者第二方面的第三种可能的实现方式,在上述第二方面的第四种可能的实现方式中,所述第二确定模块还包括:
第三获取单元,用于获取二范数系数;
生成单元,用于基于指定最小二乘模型和所述二范数系数,生成所述指定拟合回归模型。
结合第二方面,在上述第二方面的第五种可能的实现方式中,所述二值化处理模块包括:
预处理单元,用于对所述目标图像进行预处理;
二值化处理单元,对预处理后的图像进行二值化处理,得到二值图像。
根据本公开实施例的第三方面,提供了一种卡片边界检测装置,所述装置包括:
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:
对目标图像进行二值化处理,得到二值图像;
从所述二值图像中,确定卡片的各个边界所在的图像区域;
基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开实施例中,由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,而由于指定拟合回归模型可以减小突兀点对直线影响,所以通过该指定拟合回归模型对卡片的各个边界进行检测,可以得到卡片各个边界精确的位置,提高了卡片识别的精确度。
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,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种最小二乘法拟合的直线示意图。
图2是根据一示例性实施例示出的一种卡片边界检测方法的流程图。
图3是根据一示例性实施例示出的另一种卡片边界检测方法的流程图。
图4是根据一示例性实施例示出的一种图像区域的示意图。
图5(a)是根据一示例性实施例示出的一种指定坐标系建立的示意图。
图5(b)是根据一示例性实施例示出的另一种指定坐标系建立的示意图。
图6是根据一示例性实施例示出的一种卡片边界检测装置的框图。
图7是根据一示例性实施例示出的一种第一确定模块的框图。
图8是根据一示例性实施例示出的一种第二确定模块的框图。
图9是根据一示例性实施例示出的一种第二确定单元的框图。
图10是根据一示例性实施例示出的一种处理模块的框图。
图11是根据一示例性实施例示出的另一种卡片边界检测装置的框图。
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发明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、本发明的一些方面相一致的装置和方法的例子。
在对本公开实施例进行详细地解释说明之前,先对本公开实施例的应用场景予以介绍。由于终端进行图像处理时,最重要的应用是对图像中的卡片进行识别,然而通过拍摄卡片所得到的图像中,通常不仅包括卡片,还包括了一些背景,因此,为了识别图像中的卡片,往往需要对该卡片的边界进行检测。而对卡片的边界进行检测时,基本是对卡片边界所在的直线进行检测,并将检测到的直线确定为卡片的边界。目前进行直线检测的方法通常为最小二乘法,而通过最小二乘法进行直线拟合时,容易受到突兀点的影响,导致直线检测的精确度较低,比如,如图1所示,一旦直线左侧上方远距离处有一个明显的突兀点a时,通过最小二乘法得到的拟合直线的左侧会明显上翘,降低直线检测的精确度,进而降低了卡片边界检测的精确度,因此,本公开实施例提供了一种卡片边界检测方法来提高卡片边界检测的精确度。
图2是根据一示例性实施例示出的一种卡片边界检测方法的流程图,如图2所示,该卡片边界检测方法用于终端中,包括以下步骤。
在步骤201中,对目标图像进行二值化处理,得到二值图像。
在步骤202中,从该二值图像中,确定卡片的各个边界所在的图像区域。
在步骤203中,基于该各个边界所在的图像区域,通过指定拟合回归模型,确定该卡片的各个边界。
由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,而由于指定拟合回归模型可以减小突兀点对直线影响,所以通过该指定拟合回归模型对卡片的各个边界进行检测,可以得到卡片各个边界精确的位置,提高了卡片识别的精确度。
在本公开的另一实施例中,从该二值图像中,确定卡片的各个边界所在的图像区域,包括:
获取该卡片的各个边界对应的区域范围;
基于获取的区域范围,从该二值图像中,确定该卡片的各个边界所在的图像区域。
在本公开的另一实施例中,基于该各个边界所在的图像区域,通过指定拟合回归模型,确定该卡片的各个边界,包括:
从该各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界。
在本公开的另一实施例中,基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界,包括:
基于获取的像素点坐标,通过指定拟合回归模型,确定该各个边界的拟合直线的斜率和截距;
基于该各个边界的拟合直线的斜率和截距,通过指定直线模型,确定该各个边界的拟合直线;
将该各个边界的拟合直线所在的位置确定为该卡片的各个边界。
在本公开的另一实施例中,基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界之前,还包括:
获取二范数系数;
基于指定最小二乘模型和该二范数系数,生成该指定拟合回归模型。
在本公开的另一实施例中,对该目标图像进行二值化处理,得到二值图像,包括:
对该目标图像进行预处理;
对预处理后的图像进行二值化处理,得到二值图像。
上述所有可选技术方案,均可按照任意结合形成本公开的可选实施例,本公开实施例对此不再一一赘述。
图3是根据一示例性实施例示出的一种卡片边界检测的方法流程图。如图3所示,包括以下步骤。
在步骤301中,终端对目标图像进行二值化处理,得到二值图像。
二值化处理有利于图像的进一步处理,能够更为分明地突显图像中物体的轮廓,可使图像变得简单,因此,为了使目标图像变得简单,且易于进一步处理,在对目标图像进行卡片边界检测时,该终端可以对目标图像进行二值化处理,得到二值图像。
其中,目标图像二值化处理是将目标图像中像素点的灰度值设置为第一数值或第二数值,也就是将整个目标图像呈现出明显的只有黑和白的视觉效果。而对目标图像的二值化处理方式有双峰法、迭代法、P参数法等,除去列出来的几种二值化处理方式,还有很多其他二值化处理的方式,本公开实施例对此不再一一列举。而关于二值化处理方式的详细步骤可以参考相关技术,本公开实施例对此不作具体阐述。
需要说明的是,第一数值和第二数值可以事先设置,且第一数值大于第二数值,比如,第一数值可以为255、254、253等等,第二数值可以为0、1、2等等,而为了能够达到更精确地突显卡片边界的效果,第一数值可以为255,以及第二数值可以为0,本公开实施例对此不作具体限定。
另外,由于目标图像中卡片的背景可能较复杂,也即是,目标图像中会出现大量的噪声和冗余信息,而图像预处理正可以滤除大部分噪声和冗余信息,从而能得到理想的二值图像,因此,当该终端对目标图像进行二值化处理,得到二值图像时,该终端可以先对该目标图像进行预处理,进而对预处理后的图像进行二值化处理,得到二值图像。
其中,对目标图像的预处理可以有不同的方式,比如,灰度转换、中值滤波、边缘检测等,终端可选择一种处理方式进行目标图像预处理,也可以选择多种方式进行目标图像预处理,本公开实施例对此不作具体限定。
在步骤302中,终端从该二值图像中,确定卡片的各个边界所在的图像区域。
为了精确地进行卡片边界检测,以及提高卡片边界检测的效率,该终端可以从该二值图像中,确定该卡片的各个边界所在的图像区域。而该终端从该二值图像中,确定卡片的各个边界所在的图像区域的操作可以为:获取该卡片的各个边界对应的区域范围;基于获取的区域范围,从该二值图像中,确定该卡片的各个边界所在的图像区域。
其中,该卡片的各个边界对应的区域范围可以事先设置,且该卡片的各个边界对应的区域范围为该卡片的各个边界相距待处理图像的各个边缘的区域范围,比如,对于该卡片的上边界,该上边界对应的区域范围可以为与待处理图像上边缘相距0~5cm的区域范围,或者,与待处理图像上边缘之间四分之一图像宽度的区域范围,又或者,与待处理图像上边缘之间四分之一图像面积的区域范围等等,本公开实施例对此不做具体限定。另外,该卡片的各个边界对应的区域范围可以相等,也可以不相等,本公开实施例对此同样不做具体限定。
比如,该卡片的各个边界对应的区域范围为与该待处理图像的各个边缘相距0~5cm的区域范围,如图4所示,基于该卡片的上边界对应的范围,从该二值图像的上边缘开始,获取0~5cm的图像区域A,图像区域A的长度与上边缘长度相等,将获取的图像区域A确定为该卡片的上边界所在的图像区域;同理,基于该卡片的下边界对应的范围,从该二值图像的下边缘开始,获取0~5cm的图像区域B,图像区域B的长度与下边缘长度相等,将获取的图像区域B确定为该卡片的下边界所在的图像区域;同理,基于该卡片的左边界对应的范围,从该二值图像的左边缘开始,获取0~5cm的图像区域C,图像区域C的长度与左边缘的长度相等,将获取的图像区域C确定为该卡片的左边界所在的图像区域;同理,基于该卡片的右边界对应的范围,从该二值图像的右边缘开始,获取0~5cm的图像区域D,图像区域D的长度与右边缘的长度相等,将获取的图像区域D确定为该卡片的右边界所在的图像区域。
另外,当该终端确定该二值图像中卡片的各个边界所在的图像区域时,该终端还可以从事先对目标图像进行划分得到的多个图像区域中,选择卡片的各个边界所在的图像区域,将选择的图像区域对应的二值图像确定为该二值图像中卡片的各个边界所在的图像区域。
在步骤303中,终端从该各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标。
为了对该各个边界所在图像区域中进行卡片边界检测,终端需要从该各个边界所在的图像区域中,分别获取灰度值为第一数值的像素点坐标。而终端从该各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标的操作可以为:终端从该各个边界所在图像区域中获取各个像素点的灰度值,基于获取的各个像素点的灰度值,从该各个边界所在图像区域中选择灰度值为第一数值的像素点,进而确定选择的像素点的像素点坐标。
另外,像素点坐标是像素点在指定坐标系中的坐标,而该指定坐标系可以事先建立,当然,该终端也可以在卡片边界检测的过程中建立,本公开实施例对此不做具体限定。再者,该指定坐标系的坐标原点可以位于该目标图像的左上角、右上角、左下角、右下角等等,本公开实施例对此同样不做具体限定。
需要说明的是,指定坐标系的类型可以为直角坐标系、极坐标系等,本公开实施例对此不作具体限定。
再者,该指定坐标系可以为以目标图像为基础建立的坐标系,也可以为以卡片各个边界所在图像区域为基础建立的坐标系,也即是,该指定坐标系可以是整幅目标图像对应的坐标系,也可以是卡片各个边界所在图像区域单独对应的坐标系,当该指定坐标系是整幅目标图像对应的坐标系时,该指定坐标系的坐标原点可以为目标图像中的任一点,而当该指定坐标系是卡片各个边界所在图像区域单独对应的坐标系时,该指定坐标系的坐标原点也可以为卡片各个边界所在图像区域中的任一点,比如,如图5(a)所示,该指定坐标系的坐标原点可以为目标图像的左下角,或者,如图5(b)所示,该指定坐标系的坐标原点还可以为卡片的上边界所在图像区域A的左下角,本公开实施例对此不作具体限定。
在步骤304中,基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界。
由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,该终端可以基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界。而该终端基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界的操作可以为:基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片各个边界的拟合直线的斜率和截距;基于该卡片各个边界的拟合直线的斜率和截距,通过指定直线模型,确定该卡片各个边界的拟合直线;将该卡片各个边界的拟合直线所在的位置确定为该卡片的各个边界。
需要说明的是,指定拟合回归模型是用于去除直线上的突兀点对直线影响的模型,比如,指定拟合回归模型可以为岭回归模型,可以提高数值稳定性,从而可以提高直线拟合的精度,本公开实施例对此不作具体限定。
进一步地,该终端基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界的拟合直线的斜率和截距之前,该终端还可以获取二范数系数;基于指定最小二乘模型和该二范数系数,生成该指定拟合回归模型。
其中,该终端基于指定最小二乘模型和该二范数系数,生成该指定拟合回归模型的操作可以为:该终端在指定最小二乘模型之后加上该二范数系数,从而生成该指定拟合回归模型,也即是,该终端将指定最小二乘模型与该二范数系数相加,得到该指定拟合回归模型。
需要说明的是,二范数系数可以事先设置,比如,二范数系数可以为0.8、1、10等,本公开实施例对此不作具体限定。值得注意的是,当二范数系数为0时,该指定拟合回归模型只是一个最小二乘模型,没有起到去除突兀点对直线的影响,因此,为了去除突兀点对直线的影响,二范数系数不可以为0。另外,当二范数系数越大时,对突兀点的惩罚越大,进而可以提高卡片边界的识别准确度。
在本公开实施例中,由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,而由于指定拟合回归模型可以减小突兀点对直线影响,所以通过该指定拟合回归模型对卡片的各个边界进行检测,可以得到卡片各个边界精确的位置,提高了卡片识别的精确度。
图6是根据一示例性实施例示出的一种卡片边界装置框图。参照图6,该装置包括二值化处理模块601,第一确定模块602和第二确定模块123。
二值化处理模块601,用于对目标图像进行二值化处理,得到二值图像;
第一确定模块602,用于从该二值图像中,确定卡片的各个边界所在的图像区域;
第二确定模块603,用于基于该各个边界所在的图像区域,通过指定拟合回归模型,确定该卡片的各个边界。
在本公开另一实施例中,参见图7,第一确定模块602包括:
第一获取单元6021,用于获取该卡片的各个边界对应的区域范围;
第一确定单元6022,用于基于获取的区域范围,从该二值图像中,确定该卡片的各个边界所在的图像区域。
在本公开另一实施例中,参见图8,第二确定模块603包括:
第二获取单元6031,用于从该各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
第二确定单元6032,用于基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界。
在本公开另一实施例中,参见图9,第二确定单元6032包括:
第一确定子单元60321,用于基于获取的像素点坐标,通过指定拟合回归模型,确定该各个边界的拟合直线的斜率和截距;
第二确定子单元60322,用于基于该各个边界的拟合直线的斜率和截距,通过指定直线模型,确定该各个边界的拟合直线;
第三确定子单元60323,用于将该各个边界的拟合直线所在的位置确定为该卡片的各个边界。
在本公开另一实施例中,第二确定模块603还包括:
第三获取单元,用于获取二范数系数;
生成单元,用于基于指定最小二乘模型和所述二范数系数,生成所述指定拟合回归模型。
在本公开另一实施例中,参见图10,二值化处理模块601包括:
预处理单元6011,用于对该目标图像进行预处理;
二值化处理单元6012,用于对预处理后的图像进行二值化处理,得到二值图像。
由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,而由于指定拟合回归模型可以减小突兀点对直线影响,所以通过该指定拟合回归模型对卡片的各个边界进行检测,可以得到卡片各个边界精确的位置,提高了卡片识别的精确度。
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11是根据一示例性实施例示出的一种用于卡片边界检测的装置1100的框图。例如,装置1100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11,装置1100可以包括以下一个或多个组件:处理组件1102,存储器1104,电源组件1106,多媒体组件1108,音频组件1110,输入/输出(I/O)的接口1112,传感器组件1114,以及通信组件1116。
处理组件1102通常控制装置1100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1102可以包括一个或多个处理器1120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1102可以包括一个或多个模块,便于处理组件1102和其他组件之间的交互。例如,处理部件1102可以包括多媒体模块,以方便多媒体组件1108和处理组件1102之间的交互。
存储器1104被配置为存储各种类型的数据以支持在设备1100的操作。这些数据的示例包括用于在装置1100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1104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1106为装置1100的各种组件提供电力。电力组件1106可以包括电源管理系统,一个或多个电源,及其他与为装置1100生成、管理和分配电力相关联的组件。
多媒体组件1108包括在所述装置1100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1108包括一个前置摄像头和/或后置摄像头。当设备1100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1110被配置为输出和/或输入音频信号。例如,音频组件1110包括一个麦克风(MIC),当装置1100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1104或经由通信组件1116发送。在一些实施例中,音频组件1110还包括一个扬声器,用于输出音频信号。
I/O接口1112为处理组件1102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1114包括一个或多个传感器,用于为装置1100提供各个方面的状态评估。例如,传感器组件1114可以检测到设备1100的打开/关闭状态,组件的相对定位,例如所述组件为装置1100的显示器和小键盘,传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变,用户与装置1100接触的存在或不存在,装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114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1114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1114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1116被配置为便于装置1100和其他设备之间有线或无线方式的通信。装置1100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1116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1116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1100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1104,上述指令可由装置1100的处理器1120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卡片边界检测方法,所述方法包括:
对目标图像进行二值化处理,得到二值图像。
从该二值图像中,确定卡片的各个边界所在的图像区域。
基于该各个边界所在的图像区域,通过指定拟合回归模型,确定该卡片的各个边界。
在本公开的另一实施例中,从该二值图像中,确定卡片的各个边界所在的图像区域,包括:
获取该卡片的各个边界对应的区域范围;
基于获取的区域范围,从该二值图像中,确定该卡片的各个边界所在的图像区域。
在本公开的另一实施例中,基于该各个边界所在的图像区域,通过指定拟合回归模型,确定该卡片的各个边界,包括:
从该各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界。
在本公开的另一实施例中,基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界,包括:
基于获取的像素点坐标,通过指定拟合回归模型,确定该各个边界的拟合直线的斜率和截距;
基于该各个边界的拟合直线的斜率和截距,通过指定直线模型,确定该各个边界的拟合直线;
将该各个边界的拟合直线所在的位置确定为该卡片的各个边界。
在本公开的另一实施例中,基于获取的像素点坐标,通过指定拟合回归模型,确定该卡片的各个边界之前,还包括:
获取二范数系数;
基于指定最小二乘模型和该二范数系数,生成该指定拟合回归模型。
在本公开的另一实施例中,对该目标图像进行二值化处理,得到二值图像,包括:
对该目标图像进行预处理;
对预处理后的图像进行二值化处理,得到二值图像。
由于通过最小二乘法进行卡片边界检测时,容易受到突兀点的影响,导致检测的卡片边界不准确,也即是,最小二乘法只能检测卡片边界的大概位置和方向,因此,本公开实施例通过指定最小二乘模型和二范数系数,生成指定拟合回归模型,而由于指定拟合回归模型可以减小突兀点对直线影响,所以通过该指定拟合回归模型对卡片的各个边界进行检测,可以得到卡片各个边界精确的位置,提高了卡片识别的精确度。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (13)
1.一种卡片边界检测方法,其特征在于,所述方法包括:
对目标图像进行二值化处理,得到二值图像;
从所述二值图像中,确定卡片的各个边界所在的图像区域;
基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
2.如权利要求1所述的方法,其特征在于,所述从所述二值图像中,确定卡片的各个边界所在的图像区域,包括:
获取所述卡片的各个边界对应的区域范围;
基于获取的区域范围,从所述二值图像中,确定所述卡片的各个边界所在的图像区域。
3.如权利要求1所述的方法,其特征在于,所述基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界,包括:
从所述各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界。
4.如权利要求3所述的方法,其特征在于,所述基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界,包括:
基于获取的像素点坐标,通过指定拟合回归模型,确定所述各个边界的拟合直线的斜率和截距;
基于所述各个边界的拟合直线的斜率和截距,通过指定直线模型,确定所述各个边界的拟合直线;
将所述各个边界的拟合直线所在的位置确定为所述卡片的各个边界。
5.如权利要求3或4所述的方法,其特征在于,所述基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界之前,还包括:
获取二范数系数;
基于指定最小二乘模型和所述二范数系数,生成所述指定拟合回归模型。
6.如权利要求1所述的方法,其特征在于,所述对目标图像进行二值化处理,得到二值图像,包括:
对所述目标图像进行预处理;
对预处理后的图像进行二值化处理,得到二值图像。
7.一种卡片边界检测装置,其特征在于,所述装置包括:
二值化处理模块,用于对目标图像进行二值化处理,得到二值图像;
第一确定模块,用于从所述二值图像中,确定卡片的各个边界所在的图像区域;
第二确定模块,用于基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
8.如权利要求7所述的装置,其特征在于,所述第一确定模块包括:
第一获取单元,用于获取所述卡片的各个边界对应的区域范围;
第一确定单元,用于基于获取的区域范围,从所述二值图像中,确定所述卡片的各个边界所在的图像区域。
9.如权利要求7所述的装置,其特征在于,所述第二确定模块包括:
第二获取单元,用于从所述各个边界所在图像区域中,分别获取灰度值为第一数值的像素点坐标;
第二确定单元,用于基于获取的像素点坐标,通过指定拟合回归模型,确定所述卡片的各个边界。
10.如权利要求9所述的装置,其特征在于,所述第二确定单元包括:
第一确定子单元,用于基于获取的像素点坐标,通过指定拟合回归模型,确定所述各个边界的拟合直线的斜率和截距;
第二确定子单元,用于基于所述各个边界的拟合直线的斜率和截距,通过指定直线模型,确定所述各个边界的拟合直线;
第三确定子单元,用于将所述各个边界的拟合直线所在的位置确定为所述卡片的各个边界。
11.如权利要求9或10所述的装置,其特征在于,所述第二确定模块还包括:
第三获取单元,用于获取二范数系数;
生成单元,用于基于指定最小二乘模型和所述二范数系数,生成所述指定拟合回归模型。
12.如权利要求7所述的装置,其特征在于,所述二值化处理模块包括:
预处理单元,用于对所述目标图像进行预处理;
二值化处理单元,用于对预处理后的图像进行二值化处理,得到二值图像。
13.一种卡片边界检测装置,其特征在于,所述装置包括:
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:
对目标图像进行二值化处理,得到二值图像;
从所述二值图像中,确定卡片的各个边界所在的图像区域;
基于所述各个边界所在的图像区域,通过指定拟合回归模型,确定所述卡片的各个边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510464456.8A CN105139378A (zh) | 2015-07-31 | 2015-07-31 | 卡片边界检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510464456.8A CN105139378A (zh) | 2015-07-31 | 2015-07-31 | 卡片边界检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105139378A true CN105139378A (zh) | 2015-12-09 |
Family
ID=54724711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510464456.8A Pending CN105139378A (zh) | 2015-07-31 | 2015-07-31 | 卡片边界检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139378A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204619A (zh) * | 2016-07-21 | 2016-12-07 | 浙江大华技术股份有限公司 | 一种目标对象分布密度确定方法及装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN108008893A (zh) * | 2017-12-01 | 2018-05-08 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
CN108074256A (zh) * | 2016-11-11 | 2018-05-25 | 中国石油化工股份有限公司抚顺石油化工研究院 | 基于分布处理的硫化物信息提取方法、装置及系统 |
CN111899270A (zh) * | 2020-07-30 | 2020-11-06 | 平安科技(深圳)有限公司 | 卡片边框检测方法、装置、设备及可读存储介质 |
WO2021184718A1 (zh) * | 2020-03-16 | 2021-09-23 | 平安科技(深圳)有限公司 | 卡片边框识别方法、装置、设备和计算机存储介质 |
CN114322849A (zh) * | 2020-09-29 | 2022-04-12 | 昆山午力电子有限公司 | 基于图像识别的物品特征定位系统 |
US20230298375A1 (en) * | 2018-10-19 | 2023-09-21 | Capital One Services, Llc | Image processing to detect a rectangular object |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN104217444A (zh) * | 2013-06-03 | 2014-12-17 | 支付宝(中国)网络技术有限公司 | 定位卡片区域的方法和设备 |
-
2015
- 2015-07-31 CN CN201510464456.8A patent/CN105139378A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN104217444A (zh) * | 2013-06-03 | 2014-12-17 | 支付宝(中国)网络技术有限公司 | 定位卡片区域的方法和设备 |
Non-Patent Citations (4)
Title |
---|
HUI ZOU AND TREVOR HASTIE: "Regularization and variable selection via the elastic net", 《ROYAL STATISTICAL SOCIETY》 * |
JAN A. VAN MIEGHEM ET AL: "Straight Line Extraction Using Iterative Total Least Squares Methods", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 * |
JOSEPH G. EISENHAUER: "Regression through the Origin", 《TEACHING STATISTICS》 * |
WENTINGTU: "两个角度看岭回归 -- 方差扩大 + 2范数惩罚", 《博客园》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204619B (zh) * | 2016-07-21 | 2019-07-16 | 浙江大华技术股份有限公司 | 一种目标对象分布密度确定方法及装置 |
CN106204619A (zh) * | 2016-07-21 | 2016-12-07 | 浙江大华技术股份有限公司 | 一种目标对象分布密度确定方法及装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN108074256A (zh) * | 2016-11-11 | 2018-05-25 | 中国石油化工股份有限公司抚顺石油化工研究院 | 基于分布处理的硫化物信息提取方法、装置及系统 |
CN108074256B (zh) * | 2016-11-11 | 2022-03-04 | 中国石油化工股份有限公司抚顺石油化工研究院 | 基于分布处理的硫化物信息提取方法、装置及系统 |
CN108008893A (zh) * | 2017-12-01 | 2018-05-08 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
US20230298375A1 (en) * | 2018-10-19 | 2023-09-21 | Capital One Services, Llc | Image processing to detect a rectangular object |
US12051258B2 (en) * | 2018-10-19 | 2024-07-30 | Capital One Services, Llc | Image processing to detect a rectangular object |
WO2021184718A1 (zh) * | 2020-03-16 | 2021-09-23 | 平安科技(深圳)有限公司 | 卡片边框识别方法、装置、设备和计算机存储介质 |
WO2021151319A1 (zh) * | 2020-07-30 | 2021-08-05 | 平安科技(深圳)有限公司 | 卡片边框检测方法、装置、设备及可读存储介质 |
CN111899270B (zh) * | 2020-07-30 | 2023-09-05 | 平安科技(深圳)有限公司 | 卡片边框检测方法、装置、设备及可读存储介质 |
CN111899270A (zh) * | 2020-07-30 | 2020-11-06 | 平安科技(深圳)有限公司 | 卡片边框检测方法、装置、设备及可读存储介质 |
CN114322849A (zh) * | 2020-09-29 | 2022-04-12 | 昆山午力电子有限公司 | 基于图像识别的物品特征定位系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069786B (zh) | 直线检测方法及装置 | |
CN105139378A (zh) | 卡片边界检测方法及装置 | |
CN103885588B (zh) | 自动切换方法及装置 | |
CN106951884A (zh) | 采集指纹的方法、装置及电子设备 | |
CN105488511A (zh) | 图像的识别方法及装置 | |
CN104700816A (zh) | 屏幕亮度设置方法及装置 | |
CN105528600A (zh) | 区域识别方法及装置 | |
CN105550633A (zh) | 区域识别方法及装置 | |
CN104899610A (zh) | 图片分类方法及装置 | |
CN105427233A (zh) | 去除水印的方法及装置 | |
CN104731688A (zh) | 提示阅读进度的方法及装置 | |
CN104238912A (zh) | 应用控制方法及装置 | |
CN105046260A (zh) | 图像预处理方法及装置 | |
CN106127751A (zh) | 图像检测方法、装置以及系统 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104461014A (zh) | 屏幕解锁方法及装置 | |
CN104239879A (zh) | 分割字符的方法及装置 | |
CN104598076A (zh) | 触摸信息屏蔽方法及装置 | |
CN105159496A (zh) | 触控事件响应方法及移动终端 | |
CN104933700A (zh) | 一种进行图像内容识别的方法和装置 | |
CN105528078A (zh) | 控制电子设备的方法及装置 | |
CN105095860A (zh) | 字符分割方法和装置 | |
CN105208284A (zh) | 拍摄提醒方法及装置 | |
CN104484867A (zh) | 图片处理方法及装置 | |
CN105488829A (zh) | 生成头像的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151209 |
|
RJ01 | Rejection of invention patent application after publication |