CN106056117A - 矩形物体的图像处理方法及装置 - Google Patents

Abstract

本公开是关于一种矩形物体的图像处理方法及装置，其中，方法包括：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；确定指定区域图像中矩形物体图像的四条目标边界；根据矩形物体图像的四条目标边界和透视投影变换规则，校正矩形物体图像，得到校正后的矩形物体图像；根据校正后的矩形物体图像分割并识别出矩形物体上的信息。通过该技术方案，确定指定区域中矩形物体图像的四条目标边界，根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。

Description

矩形物体的图像处理方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种矩形物体的图像处理方法及装置。

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。但是经常会遇到目标文字的ROI(Region Of Interest，感兴趣区)并不是水平的，这对字符的切分及之后的识别会造成很大影响。

发明内容

本公开实施例提供一种矩形物体的图像处理方法及装置，包括如下技术方案：

根据本公开实施例的第一方面，提供一种矩形物体的图像处理方法，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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

在一个实施例中，所述确定所述指定区域图像中矩形物体图像的四条目标边界，包括：

确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

将所述外边界和所述预设内边界之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

在一个实施例中，所述根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界，包括：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

在一个实施例中，所述根据所述校正后的矩形物体图像分割并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和所述矩形物体的矩形物体图像上的宽高比，确定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，在所述矩形物体图像上分割出所述信息；

对所述信息进行光学字符识别。

在一个实施例中，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。

根据本公开实施例的第二方面，提供一种矩形物体的图像处理装置，包括：

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；

确定模块，用于确定所述指定区域图像中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

校正模块，用于根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

处理模块，用于根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

在一个实施例中，所述确定模块包括：

第一确定子模块，用于确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

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按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

第二确定子模块，用于根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

在一个实施例中，所述第二确定子模块用于：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

在一个实施例中，所述处理模块包括：

位置确定子模块，用于根据所述矩形物体的实际尺寸的宽高比和所述矩形物体的矩形物体图像上的宽高比，确定所述信息在所述矩形物体上的实际位置；

信息分割子模块，用于根据所述实际位置，在所述矩形物体图像上分割出所述信息；

识别子模块，用于对所述信息进行光学字符识别。

在一个实施例中，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。

根据本公开实施例的第三方面，提供一种矩形物体的图像处理装置，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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并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：

上述技术方案，确定指定区域中矩形物体图像的四条目标边界，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。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。

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矩形物体的图像处理方法的流程图。

图3A是根据一示例性实施例示出的指定区域的示意图。

图3B是根据一示例性实施例示出的校正后的矩形物体图像的示意图。

图4是根据一示例性实施例示出的矩形物体的图像处理方法中步骤S202的流程图。

图5是根据一示例性实施例示出的指定区域的分割示意图。

图6是根据一示例性实施例示出的矩形物体的图像处理方法中步骤S403的流程图。

图7是根据一示例性实施例示出的矩形物体的图像处理方法中步骤S204的流程图。

图8是根据一示例性实施例示出的矩形物体的图像处理装置的框图。

图9是根据一示例性实施例示出的矩形物体的图像处理置中确定模块的框图。

图10是根据一示例性实施例示出的矩形物体的图像处理置中处理模块的框图。

图11是根据一示例性实施例示出的适用于矩形物体的图像处理置的框图。

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。

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，存在一定的畸变。

本公开实施例提供了一种矩形物体的图像处理方法，该方法可用于终端设备中，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。如图2所示，该方法包括步骤S201-S204：

在步骤S201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。

如图3A所示，指定区域图像31包括矩形物体图像32，矩形物体图像32有一定的旋转，并可能有透视。

在步骤S202中，确定指定区域图像中矩形物体图像的四条目标边界，其中，四条目标边界包括上边界，下边界，左边界和右边界；

在步骤S203中，根据矩形物体图像的四条目标边界和透视投影变换规则，校正矩形物体图像，得到校正后的矩形物体图像，其中，校正后的矩形物体图像的上下两条边处于水平方向，并分别与上边界和下边界重合，左右两条边处于竖直方向，并分别与左边界和右边界重合；

其中，在确定指定区域图像中矩形物体图像的四条目标边界，并根据透视投影变换规则对矩形物体图像进行校正后，得到如图3B所示的校正后的矩形物体图像。校正的目的是使得矩形物体中的字符处于大小基本一致的状态，并且没有倾斜，易于后续进行字符切割与识别。

在步骤S204中，根据校正后的矩形物体图像分割并识别出矩形物体上的信息。

在该实施例中，确定指定区域中矩形物体图像的四条目标边界，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。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。

如图4所示，在一个实施例中，上述步骤S202包括步骤S401-S403：

在步骤S401中，确定指定区域图像的四条外边界及四条预设内边界，其中，如图5所示，四条预设内边界位于矩形物体图像的内部；

在步骤S402中，如图5所示，将外边界51和预设内边界52之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域53，其中，每个矩形区域分别对应矩形物体图像的每个边；

在步骤S403中，根据每个矩形区域确定矩形物体图像对应边的目标边界。

在该实施例中，确定指定区域中矩形物体图像的四条目标边界，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。

如图6所示，在一个实施例中，上述步骤S403包括步骤S601-S604：

在步骤S601中，对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

在步骤S602中，对每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

在步骤S603中，采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

在步骤S604中，从目标直线段中选取出长度最长的直线段，长度最长的直线段为矩形物体图像对应边的目标边界。

在该实施例中，通过索贝尔算子算法和霍夫变换算法确定矩形物体图像对应边的目标边界，可以使确定出的目标边界更准确，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。

如图7所示，在一个实施例中，上述步骤S204包括步骤S701-S703：

在步骤S701中，根据矩形物体的实际尺寸的宽高比和矩形物体的矩形物体图像上的宽高比，确定信息在矩形物体上的实际位置；

在步骤S702中，根据实际位置，在矩形物体图像上分割出信息；

在步骤S703中，对信息进行光学字符识别。

在该实施例中，根据矩形物体的实际尺寸的宽高比和矩形物体的矩形物体图像上的宽高比，确定信息在矩形物体上的实际位置，进而根据实际位置在矩形物体图像上分割出信，对信息进行光学字符识别。例如，提取到矩形物体图像的四条边缘后，进行校正，这样就得到了校正好的矩形(此时整个矩形物体图像充满图片，即图片长便是矩形物体的宽度，图像的高度也即矩形物体的高度)。这样所有信息的位置便可以根据比例算出。假设图像长度(也即图像中的矩形物体长度，如身份证卡片长)为w，宽为h，那么举例来说，如果想切割卡号部分，根据身份证的版型，18位卡号数字部分的x轴坐标范围为为0.35*w～0.9*w，y轴的范围为0.89*h～0.92*h(注意这里0.35,0.9，0.89与0.92为例子，并不完全符合实际情况)，那么可以直接将满足上述范围的矩形从原图中截出来，这样就不用其它算法判断卡号具体位置。在得到截取后的矩形后，只需要做自适应二值化，再根据投影图进行文字切割即可。

在一个实施例中，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。

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8是根据一示例性实施例示出的一种矩形物体的图像处理装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为终端设备的部分或者全部。如图8所示，该矩形物体的图像处理装置包括：

获取模块81，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；

确定模块82，被配置为确定所述指定区域图像中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

校正模块83，被配置为根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

处理模块84，被配置为根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

在该实施例中，确定指定区域中矩形物体图像的四条目标边界，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。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。

如图9所示，在一个实施例中，所述确定模块82包括：

第一确定子模块91，被配置为确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

区域分割子模块92，被配置为将所述外边界和所述预设内边界之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

第二确定子模块93，被配置为根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

在该实施例中，确定指定区域中矩形物体图像的四条目标边界，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。

在一个实施例中，所述第二确定子模块93用于：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

在该实施例中，通过索贝尔算子算法和霍夫变换算法确定矩形物体图像对应边的目标边界，可以使确定出的目标边界更准确，从而根据目标边界和透视投影变换规则校正物体图像，使得校正后的物体图像的边能和四条目标边界重合，这样，可以使得校正后的矩形物体图像不会出现倾斜，从而实现对矩形物体上的信息的准确识别，大大提高识别率。

如图10所示，在一个实施例中，所述处理模块84包括：

位置确定子模块101，被配置为根据所述矩形物体的实际尺寸的宽高比和所述矩形物体的矩形物体图像上的宽高比，确定所述信息在所述矩形物体上的实际位置；

信息分割子模块102，被配置为根据所述实际位置，在所述矩形物体图像上分割出所述信息；

识别子模块103，被配置为对所述信息进行光学字符识别。

在该实施例中，根据矩形物体的实际尺寸的宽高比和矩形物体的矩形物体图像上的宽高比，确定信息在矩形物体上的实际位置，进而根据实际位置在矩形物体图像上分割出信，对信息进行光学字符识别。例如，提取到矩形物体图像的四条边缘后，进行校正，这样就得到了校正好的矩形(此时整个矩形物体图像充满图片，即图片长便是矩形物体的宽度，图像的高度也即矩形物体的高度)。这样所有信息的位置便可以根据比例算出。假设图像长度(也即图像中的矩形物体长度，如身份证卡片长)为w，宽为h，那么举例来说，如果想切割卡号部分，根据身份证的版型，18位卡号数字部分的x轴坐标范围为为0.35*w～0.9*w，y轴的范围为0.89*h～0.92*h(注意这里0.35,0.9，0.89与0.92为例子，并不完全符合实际情况)，那么可以直接将满足上述范围的矩形从原图中截出来，这样就不用其它算法判断卡号具体位置。在得到截取后的矩形后，只需要做自适应二值化，再根据投影图进行文字切割即可。

在一个实施例中，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。

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。

根据本公开实施例的第三方面，提供一种矩形物体的图像处理装置，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：

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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

上述处理器还可被配置为：

所述确定所述指定区域图像中矩形物体图像的四条目标边界，包括：

确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

将所述外边界和所述预设内边界之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

上述处理器还可被配置为：

所述根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界，包括：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

上述处理器还可被配置为：

所述根据所述校正后的矩形物体图像分割并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和所述矩形物体的矩形物体图像上的宽高比，确定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，在所述矩形物体图像上分割出所述信息；

对所述信息进行光学字符识别。

上述处理器还可被配置为：

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。

图11是根据一示例性实施例示出的一种用于图片拍摄装置的框图，该装置适用于终端设备。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。

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。处理组件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，处理组件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装置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。

电源组件1106为装置1100的各种组件提供电力。电源组件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。当装置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、记录模式和语音分割并识别模式时，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可以检测到装置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，通信组件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，所述通信组件1116还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频分割并识别(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装置1100的处理器执行时，使得装置1100能够执行上述矩形物体的图像处理方法，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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

在一个实施例中，所述确定所述指定区域图像中矩形物体图像的四条目标边界，包括：

确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

将所述外边界和所述预设内边界之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

在一个实施例中，所述根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界，包括：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

在一个实施例中，所述根据所述校正后的矩形物体图像分割并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和所述矩形物体的矩形物体图像上的宽高比，确定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，在所述矩形物体图像上分割出所述信息；

对所述信息进行光学字符识别。

在一个实施例中，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。

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 (11)

1.一种矩形物体的图像处理方法，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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

2.根据权利要求1所述的方法，其特征在于，所述确定所述指定区域图像中矩形物体图像的四条目标边界，包括：

确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

将所述外边界和所述预设内边界之间的区域按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界，包括：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

4.根据权利要求1所述的方法，其特征在于，所述根据所述校正后的矩形物体图像分割并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和所述矩形物体的矩形物体图像上的宽高比，确定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，在所述矩形物体图像上分割出所述信息；

对所述信息进行光学字符识别。

5.根据权利要求1至4中任一项所述的方法，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。

6.一种矩形物体的图像处理装置，其特征在于，包括：

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；

确定模块，用于确定所述指定区域图像中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

校正模块，用于根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

处理模块，用于根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。

7.根据权利要求6所述的装置，其特征在于，所述确定模块包括：

第一确定子模块，用于确定所述指定区域图像的四条外边界及四条预设内边界，其中，所述四条预设内边界位于所述矩形物体图像的内部；

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按照上，下，左，右四个方位进行分割，得到四个矩形区域，其中，每个矩形区域分别对应所述矩形物体图像的每个边；

第二确定子模块，用于根据所述每个矩形区域确定所述矩形物体图像对应边的目标边界。

8.根据权利要求7所述的装置，其特征在于，所述第二确定子模块用于：

对于每个矩形区域，按照所处方位使用索贝尔算子算法进行水平方向或竖直方向的梯度提取，得到每个矩形区域对应的灰度图；

对所述每个矩形区域对应的灰度图进行二值化，得到每个矩形区域对应的黑白二值图；

采用霍夫变换算法查找每个黑白二值图中白色长度大于预设阈值的目标直线段；

从所述目标直线段中选取出长度最长的直线段，所述长度最长的直线段为所述矩形物体图像对应边的目标边界。

9.根据权利要求6所述的装置，其特征在于，所述处理模块包括：

位置确定子模块，用于根据所述矩形物体的实际尺寸的宽高比和所述矩形物体的矩形物体图像上的宽高比，确定所述信息在所述矩形物体上的实际位置；

信息分割子模块，用于根据所述实际位置，在所述矩形物体图像上分割出所述信息；

识别子模块，用于对所述信息进行光学字符识别。

10.根据权利要求6至9中任一项所述的装置，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。

11.一种矩形物体的图像处理装置，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中矩形物体图像的四条目标边界，其中，所述四条目标边界包括上边界，下边界，左边界和右边界；

根据所述矩形物体图像的四条目标边界和透视投影变换规则，校正所述矩形物体图像，得到校正后的矩形物体图像，其中，所述校正后的矩形物体图像的上下两条边处于水平方向，并分别与所述上边界和下边界重合，左右两条边处于竖直方向，并分别与所述左边界和右边界重合；

根据所述校正后的矩形物体图像分割并识别出所述矩形物体上的信息。