CN105512658B - 矩形物体的图像识别方法及装置 - Google Patents
矩形物体的图像识别方法及装置 Download PDFInfo
- Publication number
- CN105512658B CN105512658B CN201510884500.0A CN201510884500A CN105512658B CN 105512658 B CN105512658 B CN 105512658B CN 201510884500 A CN201510884500 A CN 201510884500A CN 105512658 B CN105512658 B CN 105512658B
- Authority
- CN
- China
- Prior art keywords
- point
- image
- boundary
- rectangle object
- marked
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于矩形物体的图像识别方法及装置。该方法包括:获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;根据所述矩形物体图像的边界识别出所述矩形物体上的信息。该技术方案更加准确、快速地确定矩形物体图像的边界,从而实现对矩形物体上的信息的准确识别。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及矩形物体的图像识别方法及装置。
背景技术
目前,在一些图像识别场景中,识别对象位于矩形卡片中的某个固定位置附近,如银行卡、身份证。如果能预先检测到矩形卡片,就能准确得到识别对象的位置。因为矩形卡片本身尺寸比识别对象要大得多,通过手机相机来识别卡片上的对象时,让用户将摄像头的取景画面对准卡片,比对准识别对象本身要容易,体验要好得多。矩形卡片的检测的结果直接影响后面识别对象的识别。但是,现实中的矩形物体在图像中因为图片拍摄的角度问题,大部分都是有一定角度的不是一个准确的矩形,存在一定的透视变换,是一个比较接近矩形的任意四边形。
发明内容
本公开实施例提供矩形物体的图像识别方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种矩形物体的图像识别方法,包括:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息。
可选的,所述指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致。
可选的,所述根据所述矩形物体图像的边界识别出所述矩形物体上的信息,包括:
根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
可选的,所述根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息,包括:
获取所述信息在所述矩形物体上的实际位置;
根据所述实际位置,在所述矩形物体的实际尺寸图像上识别所述信息。
可选的,所述矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
可选的,所述根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界,包括:
将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
对所述每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
根据所述分割点确定所述矩形物体图像的边界。
可选的,所述对每个矩形区域进行图像分割,确定所述每个矩形区域的分割点,包括:
获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;
计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;
获取与所述边界点颜色距离在第一预设范围内的第二待标记点;
当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第二待标记点标记为分割点。
可选的,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点;
所述获取与所述边界点相邻的第一待标记点,包括:
当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;
当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
可选的,所述方法还包括:
当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
可选的,所述方法还包括:
获取与所述已标记点相邻的点;
当与所述已标记点相邻的点中存在未标记点时,将所述未点标记为第三待标记点;
计算所述每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
获取与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
当与所述第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
可选的,所述根据所述分割点确定所述矩形物体图像的边界,包括:
根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;
对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
根据本公开实施例的第二方面,提供一种矩形物体的图像识别装置,包括:
第一获取模块,用于获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
第一确定模块,用于确定所述第一获取模块获取的指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
第二确定模块,用于根据所述第一确定模块确定的指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
识别模块,用于根据所述第二确定模块确定的矩形物体图像的边界识别出所述矩形物体上的信息。
可选的,所述第一获取模块获取的指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述第一确定模块确定的预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致。
可选的,所述识别模块包括:
变换子模块,用于根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
识别子模块,用于根据所述变换子模块得到的矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
可选的,所述识别子模块,用于获取所述信息在所述矩形物体上的实际位置;根据所述实际位置,在所述变换子模块得到的矩形物体的实际尺寸图像上识别所述信息。
可选的,所述识别模块识别出的矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
可选的,所述第二确定模块包括:
区域分割子模块,用于将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
图像分割子模块,用于对所述区域分割子模块得到的每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
确定子模块,用于根据所述图像分割子模块得到的分割点确定所述矩形物体图像的边界。
可选的,所述图像分割子模块,用于获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;获取与所述边界点颜色距离在第一预设范围内的第二待标记点;当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第二待标记点标记为分割点。
可选的,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点;
所述图像分割子模块,用于当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
可选的,所述装置还包括:
第一标记模块,用于当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
第二标记模块,用于当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
可选的,所述装置还包括:
第二获取模块,用于获取与所述已标记点相邻的点;
第三标记模块,用于当与所述第二获取模块获取的已标记点相邻的点中存在未标记点时,将所述未点标记为第三待标记点;
计算模块,用于计算所述第三标记模块标记的每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
第三获取模块,用于获取所述计算模块计算的与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
第四标记模块,用于当与所述第三获取模块获取的第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
可选的,所述确定子模块,用于根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
根据本公开实施例的第三方面,提供一种矩形物体的图像识别装置,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:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息。
本公开的实施例提供的技术方案可以包括以下有益效果:
本实施例中,截取包括矩形物体图像的指定区域图像,通过指定区域图像的外边界及预设内边界可以更加准确、快速地确定矩形物体图像的边界,从而实现对矩形物体上的信息的准确识别。这样,终端通过拍摄所要识别的矩形物体如银行卡、身份证、火车票、电影票等等,就可以自动准确地识别出这些物体上的信息并存储在终端中,无需用户手动输入,提高用户对终端使用的体验度和满意度。
在另一个实施例中,根据预先知道的矩形物体的实际尺寸比率,通过透视变换,将矩形物体图像变换到矩形物体的实际尺寸图像。这样,通过获得矩形物体的实际尺寸图像,可以更加准确地识别矩形物体上的信息。
在另一个实施例中,通过根据矩形物体的实际尺寸图像及所要识别的信息在矩形物体上的实际位置,可以更加快速、准确地识别出矩形物体上的带识别信息。
在另一个实施例中,在初始阶段采用边界点标记与边界点相邻的待标记点,之后采用已标记点标记与已标记点相邻的待标记点,知道矩形区域中所有点都被标记完成,即每个点的所述区域都已知,这样,可以确定出矩形区域中的分割点,也就是在矩形区域中背景图像与矩形物体图像的分界线。所有矩形区域中的分割点将组成矩形物体图像的边界,从而识别出矩形物体图像的整个轮廓。
在另一个实施例中,对矩形区域中的分割点采用整体随机一致性计算,提高计算矩形物体图像的局部容错性,使得最后得到的矩形物体图像更加准确,更符合实际拍摄得到的图像。
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对矩形物体扫描的示意图。
图2是根据一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图3是根据一示例性实施例示出的指定区域的示意图。
图4是根据一示例性实施例示出的指定区域图像的外边界及预设内边界的示意图。
图5是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图6是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图7是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图8是根据一示例性实施例示出的在外边界和预设内边界之间划分矩形区域的示意图。
图9是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图10是根据一示例性实施例示出的矩形区域的边界点示意图。
图11是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图12是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图13是根据一示例性实施例示出的矩形区域的非边界点的相邻点的示意图。
图14是根据一示例性实施例示出的矩形区域中的分割点的示意图。
图15是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图。
图16是根据一示例性实施例示出的对矩形区域中的分割点进行随机抽样一致计算后得到的边界的示意图。
图17是根据一示例性实施例示出的一种矩形物体的图像识别装置的框图。
图18是根据一示例性实施例示出的识别模块的框图。
图19是根据一示例性实施例示出的第二确定模块的框图。
图20是根据另一示例性实施例示出的一种矩形物体的图像识别装置的框图。
图21是根据另一示例性实施例示出的一种矩形物体的图像识别装置的框图。
图22是根据一示例性实施例示出的一种用于矩形物体的图像识别装置的框图。
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。
本公开实施例提供的技术方案,涉及终端,主要用于对银行卡号、身份证号、火车票、电影票等矩形物体进行识别。通过相机的实时取景画面检测矩形物体的方法,准确地识别出矩形物体图像,根据预先知道的矩形物体的尺寸比率,通过透视变换,将矩形物体的图像区域变换到真实物体的比率。然后用变换后的图像做后面的识别,就可以利用物理位置数据确定待识别对象的位置和大小,从而识别出待识别对象。
该终端可以是移动电话,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,个人数字助理等任一具有图像识别功能的设备。
图1是根据一示例性实施例示出的对矩形物体扫描的示意图。用户在对银行卡进行扫描时,如图1所示,终端界面上会显示取景框11,用户将矩形物体12放置在取景框11内。最理想的情况是矩形物体刚好填充取景区域。但是,由于拍摄的角度问题,拍摄到的不是一个准确的矩形,存在一定的透视变换,是一个比较接近矩形的任意四边形。
图2是根据一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图2所示,矩形物体的图像识别方法用于终端中,包括以下步骤:
在步骤S21中,获取指定区域图像,指定区域图像包括矩形物体图像,矩形物体图像为对待检测的矩形物体进行拍摄得到的。
其中,指定区域包括矩形物体图像,可以小于或等于取景区域。但是,由于用户拍摄时,可能距离矩形物体过近,取景区域可能仅包括矩形物体的部分图像。为了尽可能保证获取到矩形物体的全部图像,因此,可设定指定区域大于取景区域。
图3是根据一示例性实施例示出的指定区域的示意图。如图3所示,指定区域图像31包括矩形物体图像32,指定区域图像31的宽高比wo/ho,等于矩形物体实际尺寸的宽高比W/H。其中取景区域33的宽高比wp/hp=W/H。其中,wo=k*wp,ho=k*hp,k>1。例如,k=1.12,k的取值可根据实际预览界面的情况进行调整。
在步骤S22中,确定指定区域图像的外边界及预设内边界,预设内边界位于矩形物体图像内部。
图4是根据一示例性实施例示出的指定区域图像的外边界及预设内边界的示意图。如图4所示,指定区域31的外边界为41。预设内边界42位于矩形物体图像32内部。预设内边界42的宽高比wi/hi,等于矩形物体实际尺寸的宽高比W/H。
其中预设内边界的确定可预先根据实际情况设定。为了提高图像识别的精确性,可以将预设内边界的尺寸设置较小,如预设内边界的宽高为取景区域宽高的一半,即wi=0.5wp,hi=0.5hp。如果为了提高图像识别的速度,减少数据处理量,可以将预设内边界的尺寸设置较大,如预设内边界的宽高为wi=0.8wp,hi=0.8hp。
因此,为同时保证图像识别的精确性及速度,可以设置预设内边界的宽高为wi=0.6wp,hi=0.6hp。
在步骤S23中,根据指定区域图像的外边界和预设内边界,确定矩形物体图像的边界。
如图4所示,矩形物体图像的边界位于指定区域图像的外边界和预设内边界之间。因此,在确定了指定区域图像的外边界和预设内边界,可通过图像分割算法,找到矩形物体图像的边界。
在步骤S24中,根据矩形物体图像的边界识别出矩形物体上的信息。
本实施例中,截取包括矩形物体图像的指定区域图像,通过指定区域图像的外边界及预设内边界可以更加准确、快速地确定矩形物体图像的边界,从而实现对矩形物体上的信息的准确识别。这样,终端通过拍摄所要识别的矩形物体如银行卡、身份证、火车票、电影票等等,就可以自动准确地识别出这些物体上的信息并存储在终端中,无需用户手动输入,提高用户对终端使用的体验度和满意度。
在另一个实施例中,图5是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图5所示,根据矩形物体图像的边界识别出矩形物体上的信息,包括:
在步骤S51中,根据矩形物体的实际尺寸的宽高比对矩形物体图像进行透视变换,得到矩形物体的实际尺寸图像;
在步骤S52中,根据矩形物体的实际尺寸图像,识别出矩形物体上的信息。
本实施例中,根据预先知道的矩形物体的实际尺寸比率,通过透视变换,将矩形物体图像变换到矩形物体的实际尺寸图像。这样,通过获得矩形物体的实际尺寸图像,可以更加准确地识别矩形物体上的信息。
图6是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图6所示,其中,上述步骤S52包括:
在步骤S61中,获取信息在矩形物体上的实际位置;
在步骤S62中,根据实际位置,在矩形物体的实际尺寸图像上识别信息。矩形物体上的信息包括矩形物体上的文字信息和图形信息中至少一项。
其中,矩形物体上的信息包括矩形物体上的文字信息和图形信息中至少一项。
例如,如图1所示,如果矩形物体为中国工商银行的银行卡,可以预先获得该类银行卡上各文字信息及图形信息的实际位置。文字信息及图形信息包括:银行行标、银行名称、银联标识、VISA标识、银行卡号、银行卡有效期等。对于该类银行卡,这些信息的实际位置一般都是固定的。因此,通过这些信息在银行卡上的实际位置以及银行卡的实际尺寸图像,可以更加快速、准确地识别银行卡上的这些信息。
本实施例中,通过根据矩形物体的实际尺寸图像及所要识别的信息在矩形物体上的实际位置,可以更加快速、准确地识别出矩形物体上的带识别信息。
以下对上述步骤S23的具体实现过程进行说明。
本实施例中,采用边界点对每个矩形区域进行初始的图形分割,即在初始阶段采用边界点对其相邻点进行标记。边界点区域是显而易见的,如矩形区域位于外边界的点属于背景区域,位于内边界的点属于矩形物体图像。
图7是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图7所示,根据指定区域图像的外边界和预设内边界,确定矩形物体图像的边界,包括:
在步骤S71中,将外边界和预设内边界之间的区域进行分割,得到预设个数的矩形区域。
在步骤S72中,对每个矩形区域进行图像分割,确定每个矩形区域的分割点。
其中,分割点为矩形物体图像与背景图像的交界点。通过分割点可从指定图像区域中识别出矩形物体图像的轮廓。
在步骤S73中,根据分割点确定矩形物体图像的边界。
例如,图8是根据一示例性实施例示出的在外边界和预设内边界之间划分矩形区域的示意图。如图8所示,在步骤S71中,可将外边界41及预设内边界42之间的区域平均分割为N个矩形区域,其中,N=2(n1+n2)。外边界与预设内边界之间的上方区域划分为n1个矩形区域,矩形区域81的宽ws=wo/n1。外边界与预设内边界之间的右侧区域划分为n2个矩形区域,矩形区域52的高hs=ho/n2。其中,n1或n2可以根据实际需要设置在10个到100个之间。
图9是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图9所示,上述步骤S72包括:
在步骤S91中,获取与边界点相邻的第一待标记点,边界点包括矩形区域位于外边界的点及预设内边界的点,待标记点为矩形区域中未确定所属区域的点。
如图8所示,对于矩形区域81,边界点包括矩形区域81位于外边界的点811及位于预设内边界的点812。对于矩形区域82,边界点包括矩形区域82位于外边界的点821及位于预设内边界的点822。
其中,根据矩形区域在指定区域图像中的位置将矩形区域划分为上、下、左、右四部分;上、下部分的矩形区域的边界点包括上边界点和下边界点;左、右部分的矩形区域的边界点包括左边界点和右边界点。因此,上述步骤S91包括:
当矩形区域属于上部分或下部分时,分别获取矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;当矩形区域属于左部分或右部分时,分别获取矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
例如,图10是根据一示例性实施例示出的矩形区域的边界点示意图。如图10所示,矩形区域81中的点1012属于背景图像,其相邻点包括:点1011、点1013、点1021、点1022和点1023。其中,点1011和点1013也位于外边界41上,属于背景图像。未确定所属区域的点为点1021、点1022和点1023。
其中,相邻点可以选择一个点周围的八个点。或者,为了减少图像处理的数据处理量,也可根据实际需要,也可以选择一个点上下左右方向的四个点。对于边界点,位于矩形区域外的相邻点无需选择。
在步骤S92中,计算每个第一待标记点与其对应的相邻边界点之间的颜色距离。
两个点之间的颜色距离计算方法如下:
例如,点P1三个颜色通道的值分别为(r1,g1,b1),点P2三个颜色通道的值分别为(r2,g2,b2)。
分别计算两个点每个颜色通道之间的距离,r=abs(r1–r2),g=abs(g1–g2),b=abs(b1–b2),其中,abs为绝对值函数。
每个颜色通道之间的距离的最大值为两个点的颜色距离。由于每个颜色通道的范围都是[0,255],所以颜色距离的范围也是[0,255]。
在步骤S93中,获取与边界点颜色距离在第一预设范围内的第二待标记点。
例如,可以选择与边界点颜色距离最小的一个第二待标记点,或者设置预设范围,选择与边界点颜色距离属于该预设范围的第二待标记点。
在步骤S94中,当与第二待标记点相邻的边界点包括属于矩形物体图像的点和属于背景图像的点时,将第二待标记点标记为分割点。
例如,如图10所示,若计算得到的点1022与1011的颜色距离在第一预设范围内,待标记点1022的已标记相邻点中,点1011、1012和点1013均属于背景图像,则可以确定点1022属于背景图像。如果点1022的相邻点中既包括属于矩形物体图像的点,又包括属于背景图像的点,则确定点1022为分割点。
在另一个实施例中,当所述颜色距离符合第一预设范围的待标记点的已标记相邻点都属于所述矩形物体图像时,将所述待标记点标记为属于所述矩形物体图像。当所述颜色距离符合第一预设范围的待标记点的已标记相邻点都属于所述背景图像时,将所述待标记点标记为属于所述背景图像。图11是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图11所示,该方法还包括:
在步骤S111中,当与第二待标记点相邻的边界点属于矩形物体图像时,将第二待标记点标记为第一属性点;
在步骤S112中,当与第二待标记点相邻的边界点属于背景图像时,将第二待标记点标记为第二属性点,背景图像为指定区域图像中除矩形物体图像外的部分;分割点、第一属性点和第二属性点为已标记点。
其中,第一属性点为矩形区域中属于矩形物体图像的点,第二属性点为矩形区域中属于背景图像的点。
对于不与边界点相邻的待标记点,确定其所属区域的方法如下。
图12是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图12所示,该方法还包括:
在步骤S121中,获取与已标记点相邻的点;
在步骤S122中,当与已标记点相邻的点中存在未标记点时,将未点标记为第三待标记点;
在步骤S123中,计算每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
在步骤S124中,获取与相邻已标记点颜色距离在第二预设范围内的第四待标记点;
在步骤S125中,当与第四待标记点相邻的已标记点包括属于矩形物体图像的点和属于背景图像的点时,将第四待标记点标记为分割点。
以下以一个具体实例对矩形区域中每个点所属区域的判断进行说明。
图13是根据另一示例性实施例示出的矩形区域的非边界点的相邻点的示意图。如图13所示,点1311、点1332和点1333属为已标记点。与点1311、点1332和点1333相邻的待标记点为第三待标记点1322。
对于第三待标记点1322,分别计算点1322与点1311、点1322与点1332、点1322与点1333之间的颜色距离。
从计算得到的所有待标记点与已标记相邻点之间颜色距离之中,选择颜色距离在第二预设范围内的待标记点。例如,点1322与点1311的颜色距离在第二预设范围内,将点1322作为第四待标记点。
第四待标记点1322的已标记相邻点中,点1311属于背景图像,点1332和点1333属于矩形物体图像,即待标记点1322的已标记相邻点既包括属于矩形物体图像的点,也包括属于背景图像的点。
因此,可确定第四待标记点1322为分割点。
当确定待标记点1322的所属区域,即对点1322进行标记后,将点1322所有的未标记相邻点标记为待标记点,采用上述方法对这些待标记点进行标记,直到矩形区域中的所有点都被标记。
本实施例中,通过上述方法,在初始阶段采用边界点标记与边界点相邻的待标记点,之后采用已标记点标记与已标记点相邻的待标记点,知道矩形区域中所有点都被标记完成,即每个点的所述区域都已知,这样,可以确定出矩形区域中的分割点,也就是在矩形区域中背景图像与矩形物体图像的分界线。所有矩形区域中的分割点将组成矩形物体图像的边界,从而识别出矩形物体图像的整个轮廓。
在另一个实施例中,当确定了所有矩形区域的分割点后,在矩形物体图像和背景图像差异较明显的情况下,分割点组成的线段就是矩形物体图像的轮廓。但是,如图14所示,如果矩形物体图像与背景图像差异较小,分割点组成的线段可能与实际图像边界不符。图15是根据另一示例性实施例示出的一种矩形物体的图像识别方法的流程图,如图15所示,根据分割点确定矩形物体图像的边界,包括:
在步骤S151中,根据矩形区域在指定区域图像中的位置将矩形区域划分为四部分,每个部分的矩形区域分别对应矩形物体图像的每个边;
在步骤S152中,对每个部分的矩形区域,采用随机抽样一致性算法对分割点进行计算,得到与分割点最接近的线段,线段为矩形物体图像对应边的边界。
如图16所示,对上部分的矩形区域中的分割点进行随机抽样一致计算,得到一条线段161,大部分分割点都位于该线段161上或接近该线段161,则可将线段161确定为矩形物体图像的上边界。采用该方法找到矩形物体图像的下、左、右边界,最终得到矩形物体图像的轮廓。
本实施例中,对矩形区域中的分割点采用整体随机一致性计算,提高计算矩形物体图像的局部容错性,使得最后得到的矩形物体图像更加准确,更符合实际拍摄得到的图像。
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。图17是根据一示例性实施例示出的一种矩形物体的图像识别装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图17所示,该矩形物体的图像识别装置包括:
第一获取模块1701,被配置为获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的。
其中,指定区域包括矩形物体图像,可以小于或等于取景区域。但是,由于用户拍摄时,可能距离矩形物体过近,取景区域可能仅包括矩形物体的部分图像。为了尽可能保证获取到矩形物体的全部图像,因此,可设定指定区域大于取景区域。
可选的,所述第一获取模块1701获取的指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述第一确定模块1702确定的预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致。
如图3所示,指定区域图像31包括矩形物体图像32,指定区域图像31的宽高比wo/ho,等于矩形物体实际尺寸的宽高比W/H。其中取景区域33的宽高比wp/hp=W/H。其中,wo=k*wp,ho=k*hp,k>1。例如,k=1.12,k的取值可根据实际预览界面的情况进行调整。
第一确定模块1702,被配置为确定所述第一获取模块1701获取的指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部。
如图4所示,指定区域31的外边界为41。预设内边界42位于矩形物体图像32内部。预设内边界42的宽高比wi/hi,等于矩形物体实际尺寸的宽高比W/H。
其中预设内边界的确定可预先根据实际情况设定。为了提高图像识别的精确性,可以将预设内边界的尺寸设置较小,如预设内边界的宽高为取景区域宽高的一半,即wi=0.5wp,hi=0.5hp。如果为了提高图像识别的速度,减少数据处理量,可以将预设内边界的尺寸设置较大,如预设内边界的宽高为wi=0.8wp,hi=0.8hp。
因此,为同时保证图像识别的精确性及速度,可以设置预设内边界的宽高为wi=0.6wp,hi=0.6hp。
第二确定模块1703,被配置为根据所述第一确定模块1702确定的指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界。
如图4所示,矩形物体图像的边界位于指定区域图像的外边界和预设内边界之间。因此,在确定了指定区域图像的外边界和预设内边界,可通过图像分割算法,找到矩形物体图像的边界。
识别模块1704,被配置为根据所述第二确定模块1703确定的矩形物体图像的边界识别出所述矩形物体上的信息。
本实施例中,截取包括矩形物体图像的指定区域图像,通过指定区域图像的外边界及预设内边界可以更加准确、快速地确定矩形物体图像的边界,从而实现对矩形物体上的信息的准确识别。这样,终端通过拍摄所要识别的矩形物体如银行卡、身份证、火车票、电影票等等,就可以自动准确地识别出这些物体上的信息并存储在终端中,无需用户手动输入,提高用户对终端使用的体验度和满意度。
图18是根据一示例性实施例示出的识别模块的框图。如图18所示,识别模块1704包括:
变换子模块181,被配置为根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
识别子模块182,被配置为根据所述变换子模块181得到的矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
本实施例中,根据预先知道的矩形物体的实际尺寸比率,通过透视变换,将矩形物体图像变换到矩形物体的实际尺寸图像。这样,通过获得矩形物体的实际尺寸图像,可以更加准确地识别矩形物体上的信息。
可选的,所述识别子模块182,被配置为获取所述信息在所述矩形物体上的实际位置;根据所述实际位置,在所述变换子模块得到的矩形物体的实际尺寸图像上识别所述信息。
可选的,所述识别模块1704识别出的矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
例如,如图1所示,如果矩形物体为中国工商银行的银行卡,可以预先获得该类银行卡上各文字信息及图形信息的实际位置。文字信息及图形信息包括:银行行标、银行名称、银联标识、VISA标识、银行卡号、银行卡有效期等。对于该类银行卡,这些信息的实际位置一般都是固定的。因此,通过这些信息在银行卡上的实际位置以及银行卡的实际尺寸图像,可以更加快速、准确地识别银行卡上的这些信息。
本实施例中,通过根据矩形物体的实际尺寸图像及所要识别的信息在矩形物体上的实际位置,可以更加快速、准确地识别出矩形物体上的带识别信息。
以下对第二确定模块1703的具体实现方式进行说明。
本实施例中,采用边界点对每个矩形区域进行初始的图形分割,即在初始阶段采用边界点对其相邻点进行标记。边界点区域是显而易见的,如矩形区域位于外边界的点属于背景区域,位于内边界的点属于矩形物体图像。图19是根据一示例性实施例示出的第二确定模块的框图。如图19所示,第二确定模块1703包括:
区域分割子模块191,被配置为将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域。
图像分割子模块192,被配置为对所述区域分割子模块191得到的每个矩形区域进行图像分割,确定所述每个矩形区域的分割点。
其中,分割点为矩形物体图像与背景图像的交界点。通过分割点可从指定图像区域中识别出矩形物体图像的轮廓。
确定子模块193,被配置为根据所述图像分割子模块192得到的分割点确定所述矩形物体图像的边界。
例如,如图8所示,区域分割子模块191可将外边界41及预设内边界42之间的区域平均分割为N个矩形区域,其中,N=2(n1+n2)。外边界与预设内边界之间的上方区域划分为n1个矩形区域,矩形区域81的宽ws=wo/n1。外边界与预设内边界之间的右侧区域划分为n2个矩形区域,矩形区域52的高hs=ho/n2。其中,n1或n2可以根据实际需要设置在10个到100个之间。
可选的,所述图像分割子模块192,被配置为获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;获取与所述边界点颜色距离在第一预设范围内的第二待标记点;当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第二待标记点标记为分割点。
如图8所示,对于矩形区域81,边界点包括矩形区域81位于外边界的点811及位于预设内边界的点812。对于矩形区域82,边界点包括矩形区域82位于外边界的点821及位于预设内边界的点822。
其中,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点。图像分割子模块192,被配置为当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
例如,如图10所示,矩形区域81中的点1012属于背景图像,其相邻点包括:点1011、点1013、点1021、点1022和点1023。其中,点1011和点1013也位于外边界41上,属于背景图像。未确定所属区域的点为点1021、点1022和点1023。
其中,相邻点可以选择一个点周围的八个点。或者,为了减少图像处理的数据处理量,也可根据实际需要,也可以选择一个点上下左右方向的四个点。对于边界点,位于矩形区域外的相邻点无需选择。
两个点之间的颜色距离计算方法如下:
例如,点P1三个颜色通道的值分别为(r1,g1,b1),点P2三个颜色通道的值分别为(r2,g2,b2)。
分别计算两个点每个颜色通道之间的距离,r=abs(r1–r2),g=abs(g1–g2),b=abs(b1–b2),其中,abs为绝对值函数。
每个颜色通道之间的距离的最大值为两个点的颜色距离。由于每个颜色通道的范围都是[0,255],所以颜色距离的范围也是[0,255]。
可以选择与边界点颜色距离最小的一个第二待标记点,或者设置预设范围,选择与边界点颜色距离属于该预设范围的第二待标记点。
例如,如图10所示,若计算得到的点1022与1011的颜色距离在第一预设范围内,待标记点1022的已标记相邻点中,点1011、1012和点1013均属于背景图像,则可以确定点1022属于背景图像。如果点1022的相邻点中既包括属于矩形物体图像的点,又包括属于背景图像的点,则确定点1022为分割点。
在另一个实施例中,当所述颜色距离符合第一预设范围的待标记点的已标记相邻点都属于所述矩形物体图像时,将所述待标记点标记为属于所述矩形物体图像。当所述颜色距离符合第一预设范围的待标记点的已标记相邻点都属于所述背景图像时,将所述待标记点标记为属于所述背景图像。
图20是根据另一示例性实施例示出的一种矩形物体的图像识别装置的框图,如图20所示,该装置还包括:
第一标记模块1705,被配置为当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
第二标记模块1706,被配置为当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
对于不与边界点相邻的待标记点,确定其所属区域的方式如下。
图21是根据另一示例性实施例示出的一种矩形物体的图像识别装置的框图,如图21所示,该装置还包括:
第二获取模块1707,被配置为获取与所述已标记点相邻的点;
第三标记模块1708,被配置为当与所述第二获取模块1707获取的已标记点相邻的点中存在未标记点时,将所述未点标记为第三待标记点;
计算模块1709,被配置为计算所述第三标记模块1708标记的每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
第三获取模块1710,被配置为获取所述计算模块计算的与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
第四标记模块1711,被配置为当与所述第三获取模块1710获取的第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
以下以一个具体实例对矩形区域中每个点所属区域的判断进行说明。
如图13所示,点1311、点1332和点1333属为已标记点。与点1311、点1332和点1333相邻的待标记点为第三待标记点1322。
对于第三待标记点1322,分别计算点1322与点1311、点1322与点1332、点1322与点1333之间的颜色距离。
从计算得到的所有待标记点与已标记相邻点之间颜色距离之中,选择颜色距离在第二预设范围内的待标记点。例如,点1322与点1311的颜色距离在第二预设范围内,将点1322作为第四待标记点。
第四待标记点1322的已标记相邻点中,点1311属于背景图像,点1332和点1333属于矩形物体图像,即待标记点1322的已标记相邻点既包括属于矩形物体图像的点,也包括属于背景图像的点。
因此,可确定第四待标记点1322为分割点。
当确定待标记点1322的所属区域,即对点1322进行标记后,将点1322所有的未标记相邻点标记为待标记点,采用上述方法对这些待标记点进行标记,直到矩形区域中的所有点都被标记。
本实施例中,通过上述方法,在初始阶段采用边界点标记与边界点相邻的待标记点,之后采用已标记点标记与已标记点相邻的待标记点,知道矩形区域中所有点都被标记完成,即每个点的所述区域都已知,这样,可以确定出矩形区域中的分割点,也就是在矩形区域中背景图像与矩形物体图像的分界线。所有矩形区域中的分割点将组成矩形物体图像的边界,从而识别出矩形物体图像的整个轮廓。
在另一个实施例中,当确定了所有矩形区域的分割点后,在矩形物体图像和背景图像差异较明显的情况下,分割点组成的线段就是矩形物体图像的轮廓。但是,如图14所示,如果矩形物体图像与背景图像差异较小,分割点组成的线段可能与实际图像边界不符。
确定子模块193,被配置为根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
如图16所示,对上部分的矩形区域中的分割点进行随机抽样一致计算,得到一条线段161,大部分分割点都位于该线段161上或接近该线段161,则可将线段161确定为矩形物体图像的上边界。采用该方法找到矩形物体图像的下、左、右边界,最终得到矩形物体图像的轮廓。
本实施例中,对矩形区域中的分割点采用整体随机一致性计算,提高计算矩形物体图像的局部容错性,使得最后得到的矩形物体图像更加准确,更符合实际拍摄得到的图像。
本公开还提供一种矩形物体的图像识别装置,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:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息。
图22是根据一示例性实施例示出的一种用于矩形物体的图像识别装置的框图,该装置适用于终端设备。例如,装置2200可以是摄像机,录音设备,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。
装置2200可以包括以下一个或多个组件:处理组件2202,存储器2204,电源组件2206,多媒体组件2208,音频组件2210,输入/输出(I/O)的接口2212,传感器组件2214,以及通信组件2216。
处理组件2202通常控制装置2200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。处理组件2202可以包括一个或多个处理器2220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2202可以包括一个或多个模块,便于处理组件2202和其他组件之间的交互。例如,处理组件2202可以包括多媒体模块,以方便多媒体组件2208和处理组件2202之间的交互。
存储器2204被配置为存储各种类型的数据以支持在设备2200的操作。这些数据的示例包括用于在装置2200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2204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。
电源组件2206为装置2200的各种组件提供电力。电源组件2206可以包括电源管理系统,一个或多个电源,及其他与为装置2200生成、管理和分配电力相关联的组件。
多媒体组件2208包括在所述装置2200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2208包括一个前置摄像头和/或后置摄像头。当设备2200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2210被配置为输出和/或输入音频信号。例如,音频组件2210包括一个麦克风(MIC),当装置2200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2204或经由通信组件2216发送。在一些实施例中,音频组件2210还包括一个扬声器,用于输出音频信号。
I/O接口2212为处理组件2202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2214包括一个或多个传感器,用于为装置2200提供各个方面的状态评估。例如,传感器组件2214可以检测到设备2200的打开/关闭状态,组件的相对定位,例如所述组件为装置2200的显示器和小键盘,传感器组件2214还可以检测装置2200或装置2200一个组件的位置改变,用户与装置2200接触的存在或不存在,装置2200方位或加速/减速和装置2200的温度变化。传感器组件2214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2214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2214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2216被配置为便于装置2200和其他设备之间有线或无线方式的通信。装置2200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,通信组件2216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,所述通信组件2216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2200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2204,上述指令可由装置2200的处理器2220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装置2200的处理器执行时,使得装置2200能够执行上述矩形物体的图像识别的方法,所述方法包括:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息。
可选的,所述指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致。
可选的,所述根据所述矩形物体图像的边界识别出所述矩形物体上的信息,包括:
根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
可选的,所述根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息,包括:
获取所述信息在所述矩形物体上的实际位置;
根据所述实际位置,在所述矩形物体的实际尺寸图像上识别所述信息。
可选的,所述矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
可选的,所述根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界,包括:
将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
对所述每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
根据所述分割点确定所述矩形物体图像的边界。
可选的,所述对每个矩形区域进行图像分割,确定所述每个矩形区域的分割点,包括:
获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;
计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;
获取与所述边界点颜色距离在第一预设范围内的第二待标记点;
当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第二待标记点标记为分割点。
可选的,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点;
所述获取与所述边界点相邻的第一待标记点,包括:
当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;
当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
可选的,所述方法还包括:
当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
可选的,所述方法还包括:
获取与所述已标记点相邻的点;
当与所述已标记点相邻的点中存在未标记点时,将所述未点标记为第三待标记点;
计算所述每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
获取与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
当与所述第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
可选的,所述根据所述分割点确定所述矩形物体图像的边界,包括:
根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;
对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
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 (20)
1.一种矩形物体的图像识别方法,其特征在于,包括:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息;
所述指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致;
所述根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界,包括:
将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
对所述每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
根据所述分割点确定所述矩形物体图像的边界。
2.根据权利要求1所述的方法,其特征在于,所述根据所述矩形物体图像的边界识别出所述矩形物体上的信息,包括:
根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述矩形物体的实际尺寸图像,识别出所述矩形物体上的信息,包括:
获取所述信息在所述矩形物体上的实际位置;
根据所述实际位置,在所述矩形物体的实际尺寸图像上识别所述信息。
4.根据权利要求3所述的方法,其特征在于,所述矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
5.根据权利要求1所述的方法,其特征在于,所述对每个矩形区域进行图像分割,确定所述每个矩形区域的分割点,包括:
获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;
计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;
获取与所述边界点颜色距离在第一预设范围内的第二待标记点;
当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于背景图像的点时,将所述第二待标记点标记为分割点。
6.根据权利要求5所述的方法,其特征在于,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点;
所述获取与所述边界点相邻的第一待标记点,包括:
当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;
当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
获取与所述已标记点相邻的点;
当与所述已标记点相邻的点中存在未标记点时,将所述未标记点为第三待标记点;
计算所述每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
获取与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
当与所述第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
9.根据权利要求1所述的方法,其特征在于,所述根据所述分割点确定所述矩形物体图像的边界,包括:
根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;
对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
10.一种矩形物体的图像识别装置,其特征在于,包括:
第一获取模块,用于获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
第一确定模块,用于确定所述第一获取模块获取的指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
第二确定模块,用于根据所述第一确定模块确定的指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
识别模块,用于根据所述第二确定模块确定的矩形物体图像的边界识别出所述矩形物体上的信息;
所述第一获取模块获取的指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述第一确定模块确定的预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致;
所述第二确定模块包括:
区域分割子模块,用于将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
图像分割子模块,用于对所述区域分割子模块得到的每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
确定子模块,用于根据所述图像分割子模块得到的分割点确定所述矩形物体图像的边界。
11.根据权利要求10所述的装置,其特征在于,所述识别模块包括:
变换子模块,用于根据所述矩形物体的实际尺寸的宽高比对所述矩形物体图像进行透视变换,得到所述矩形物体的实际尺寸图像;
识别子模块,用于根据所述变换子模块得到的矩形物体的实际尺寸图像,识别出所述矩形物体上的信息。
12.根据权利要求11所述的装置,其特征在于,所述识别子模块,用于获取所述信息在所述矩形物体上的实际位置;根据所述实际位置,在所述变换子模块得到的矩形物体的实际尺寸图像上识别所述信息。
13.根据权利要求12所述的装置,其特征在于,所述识别模块识别出的矩形物体上的信息包括所述矩形物体上的文字信息和图形信息中至少一项。
14.根据权利要求10所述的装置,其特征在于,所述图像分割子模块,用于获取与所述边界点相邻的第一待标记点,所述边界点包括所述矩形区域位于所述外边界的点及所述预设内边界的点,所述待标记点为所述矩形区域中未确定所属区域的点;计算所述每个第一待标记点与其对应的相邻边界点之间的颜色距离;获取与所述边界点颜色距离在第一预设范围内的第二待标记点;当与所述第二待标记点相邻的边界点包括属于所述矩形物体图像的点和属于背景图像的点时,将所述第二待标记点标记为分割点。
15.根据权利要求14所述的装置,其特征在于,根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为上、下、左、右四部分;所述上、下部分的矩形区域的边界点包括上边界点和下边界点;所述左、右部分的矩形区域的边界点包括左边界点和右边界点;
所述图像分割子模块,用于当所述矩形区域属于上部分或下部分时,分别获取所述矩形区域上边界点下侧的相邻点和下边界点上侧的相邻点;当所述矩形区域属于左部分或右部分时,分别获取所述矩形区域左边界点右侧的相邻点和右边界点左侧的相邻点。
16.根据权利要求14所述的装置,其特征在于,所述装置还包括:
第一标记模块,用于当与所述第二待标记点相邻的边界点属于所述矩形物体图像时,将所述第二待标记点标记为第一属性点;
第二标记模块,用于当与所述第二待标记点相邻的边界点属于背景图像时,将所述第二待标记点标记为第二属性点,所述背景图像为所述指定区域图像中除所述矩形物体图像外的部分;所述分割点、所述第一属性点和所述第二属性点为已标记点。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取与所述已标记点相邻的点;
第三标记模块,用于当与所述第二获取模块获取的已标记点相邻的点中存在未标记点时,将所述未标记点为第三待标记点;
计算模块,用于计算所述第三标记模块标记的每个第三待标记点与其对应的相邻已标记点之间的颜色距离;
第三获取模块,用于获取所述计算模块计算的与所述相邻已标记点颜色距离在第二预设范围内的第四待标记点;
第四标记模块,用于当与所述第三获取模块获取的第四待标记点相邻的已标记点包括属于所述矩形物体图像的点和属于所述背景图像的点时,将所述第四待标记点标记为所述分割点。
18.根据权利要求10所述的装置,其特征在于,所述确定子模块,用于根据所述矩形区域在所述指定区域图像中的位置将所述矩形区域划分为四部分,所述每个部分的矩形区域分别对应所述矩形物体图像的每个边;对所述每个部分的矩形区域,采用随机抽样一致性算法对所述分割点进行计算,得到与所述分割点最接近的线段,所述线段为所述矩形物体图像对应边的边界。
19.一种矩形物体的图像识别装置,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:
获取指定区域图像,所述指定区域图像包括矩形物体图像,所述矩形物体图像为对待检测的矩形物体进行拍摄得到的;
确定所述指定区域图像的外边界及预设内边界,所述预设内边界位于所述矩形物体图像内部;
根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界;
根据所述矩形物体图像的边界识别出所述矩形物体上的信息;
所述指定区域图像的宽高比与所述矩形物体的实际尺寸的宽高比一致;所述预设内边界的宽高比与所述矩形物体的实际尺寸的宽高比一致;
所述根据所述指定区域图像的外边界和所述预设内边界,确定所述矩形物体图像的边界,包括:
将所述外边界和所述预设内边界之间的区域进行分割,得到预设个数的矩形区域;
对所述每个矩形区域进行图像分割,确定所述每个矩形区域的分割点;
根据所述分割点确定所述矩形物体图像的边界。
20.一种非临时性计算机可读存储介质,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权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884500.0A CN105512658B (zh) | 2015-12-03 | 2015-12-03 | 矩形物体的图像识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884500.0A CN105512658B (zh) | 2015-12-03 | 2015-12-03 | 矩形物体的图像识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512658A CN105512658A (zh) | 2016-04-20 |
CN105512658B true CN105512658B (zh) | 2019-03-15 |
Family
ID=55720625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510884500.0A Active CN105512658B (zh) | 2015-12-03 | 2015-12-03 | 矩形物体的图像识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512658B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451511B (zh) * | 2016-05-31 | 2020-12-15 | 优信拍(北京)信息科技有限公司 | 一种基于车型信息提取obd数据的系统、方法 |
CN107516095A (zh) * | 2016-06-16 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
CN106056117A (zh) * | 2016-06-20 | 2016-10-26 | 北京小米移动软件有限公司 | 矩形物体的图像处理方法及装置 |
CN110781877B (zh) * | 2019-10-28 | 2024-01-23 | 京东方科技集团股份有限公司 | 一种图像识别方法、设备及存储介质 |
US11622073B2 (en) | 2020-11-30 | 2023-04-04 | Yandex Europe Ag | Method of generating a panoramic image |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239861A (zh) * | 2014-09-10 | 2014-12-24 | 深圳市易讯天空网络技术有限公司 | 卷曲文本图像预处理方法和彩票扫描识别方法 |
GB2517674A (en) * | 2013-05-17 | 2015-03-04 | Wonga Technology Ltd | Image capture using client device |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014235452A (ja) * | 2013-05-30 | 2014-12-15 | 株式会社東芝 | 整形装置 |
-
2015
- 2015-12-03 CN CN201510884500.0A patent/CN105512658B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2517674A (en) * | 2013-05-17 | 2015-03-04 | Wonga Technology Ltd | Image capture using client device |
CN104239861A (zh) * | 2014-09-10 | 2014-12-24 | 深圳市易讯天空网络技术有限公司 | 卷曲文本图像预处理方法和彩票扫描识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105512658A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512658B (zh) | 矩形物体的图像识别方法及装置 | |
CN105809704B (zh) | 识别图像清晰度的方法及装置 | |
US10534972B2 (en) | Image processing method, device and medium | |
CN104243819B (zh) | 照片获取方法及装置 | |
EP3179408A2 (en) | Picture processing method and apparatus, computer program and recording medium | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
US10115019B2 (en) | Video categorization method and apparatus, and storage medium | |
CN105069083B (zh) | 关联用户的确定方法及装置 | |
CN105512605A (zh) | 人脸图像处理方法及装置 | |
CN109889724A (zh) | 图像虚化方法、装置、电子设备及可读存储介质 | |
CN104077563B (zh) | 人脸识别方法和装置 | |
CN105528078B (zh) | 控制电子设备的方法及装置 | |
CN106408603A (zh) | 拍摄方法及装置 | |
CN104035674B (zh) | 图片显示方法和装置 | |
CN107678648A (zh) | 截屏处理方法及装置 | |
JP7167244B2 (ja) | 遮蔽された画像の検出方法、装置、及び媒体 | |
CN107967459A (zh) | 卷积处理方法、装置及存储介质 | |
CN106056117A (zh) | 矩形物体的图像处理方法及装置 | |
CN107480785A (zh) | 卷积神经网络的训练方法及装置 | |
KR20160010389A (ko) | 이미지 리타겟팅 방법, 장치, 단말기, 프로그램 및 기록매체 | |
CN106339705A (zh) | 图片获取方法及装置 | |
CN108198148A (zh) | 图像处理的方法及装置 | |
CN105488150A (zh) | 图像显示方法及装置 | |
CN107292901A (zh) | 边缘检测方法及装置 | |
CN106469446B (zh) | 深度图像的分割方法和分割装置 |
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 |