CN106295630B - 字符识别方法及装置 - Google Patents

Abstract

本公开是关于一种字符识别方法及装置。该方法包括：获取包含待识别字符的图像；基于样本权重确定所述图像中的字符区域；对于字符区域进行字符切割；识别切割得到的单个字符。该技术方案在确定字符区域时考虑每个样本的权重值，能够摒弃一些噪声区域或者不完整字符区域的边缘点，更为精确的得到字符区域的上下边界线，进而得到准确的字符区域，最终能够有效提高字符识别的准确率。

Description

字符识别方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种字符识别方法及装置。

背景技术

目前，在车牌识别、充值卡识别、信用卡识别等字符识别中，为了提高字符识别的准确率和识别速度，经常需要先确定字符所在区域的上下边界线，然后再确定字符所在区域，进而进行字符的识别。有关技术中一般采用线性回归拟合的方法来确定字符所在区域的上下边界线，但该方法准确率低，经常出现误判的情况。

发明内容

本公开实施例提供一种字符识别方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种字符识别方法，该方法包括：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符。

可选地，获取包含待识别字符的图像之后，所述方法还包括：提取所述图像中的感兴趣区域。

可选地，基于样本权重确定所述图像中的字符区域之前，所述方法还包括：对所述图像进行预处理。

可选地，对所述图像进行预处理的步骤包括：

对所述图像进行二值化；

对二值化后的图像进行去噪。

可选地，所述去噪包括阈值去噪、滤波去噪、小波变换去噪、连通域去噪、形态学去噪中的一种或几种。

可选地，对所述图像进行预处理的步骤还包括：

对去噪后的图像提取连通域；

根据预设规则剔除不含有字符的连通域。

可选地，基于样本权重确定所述图像中的字符区域的步骤包括：

根据预设规则在所述图像中确定单个字符区域；

提取单个字符区域的顶部端点和底部端点；

剔除样本权重值小于一预定阈值的端点；

基于剩余的端点得到上下边界线，组成字符区域。

可选地，所述预设规则包括：字符的宽度和高度符合一预设比例，字符的宽度符合一预设大小，单个字符区域的像素和大小在一预设范围内中的一个或多个。

可选地，所述样本权重值为某一端点所在区域为一个完整的字符区域的概率值。

可选地，利用拟合的方法基于剩余的端点得到上下边界线。

根据本公开实施例的第二方面，提供一种字符识别装置，该装置包括：

图像获取模块，用于获取包含待识别字符的图像；

字符区域确定模块，用于基于样本权重确定所述图像中的字符区域；

字符切割模块，用于对于字符区域进行字符切割；

字符识别模块，用于识别切割得到的单个字符。

可选地，所述装置还包括：感兴趣区域提取模块，用于提取所述图像中的感兴趣区域。

可选地，所述装置还包括：预处理模块，用于对所述图像进行预处理。

可选地，所述预处理模块包括：

二值化子模块，用于对所述图像进行二值化；

去噪子模块，用于对二值化后的图像进行去噪。

可选地，所述去噪子模块使用阈值去噪、滤波去噪、小波变换去噪、连通域去噪、形态学去噪中的一种或几种对于图像进行去噪。

可选地，所述预处理模块还包括：

连通域提取子模块，用于对去噪后的图像提取连通域；

连通域筛选子模块，用于根据预设规则筛除不含有字符的连通域。

可选地，所述字符区域确定模块包括：

单个字符区域确定子模块，用于根据预设规则在所述图像中确定单个字符区域；

端点提取子模块，用于提取单个字符区域的顶部端点和底部端点；

端点筛选子模块，用于剔除样本权重值小于一预定阈值的端点；

边界线确定子模块，用于基于剩余的端点得到上下边界线，组成字符区域。

可选地，所述预设规则包括：字符的宽度和高度符合一预设比例，字符的宽度符合一预设大小，单个字符区域的像素和大小在一预设范围内中的一个或多个。

可选地，所述样本权重值为某一端点所在区域为一个完整的字符区域的概率值。

可选地，所述边界线确定子模块利用拟合的方法基于剩余的端点得到上下边界线。

根据本公开实施例的第三方面，提供一种字符识别装置，该装置包括：

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：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符。

本公开的实施例提供的技术方案可以包括以下有益效果：

上述技术方案，基于样本的权重进行字符区域的确定，即在通过提取出的单个字符区域端点确定字符区域的上下边界线时，获取某一端点所在区域为字符区域而非噪声区域的概率，并将该概率值作为该端点的样本权重参与到字符区域上下边界线的确定中去。由此，在确定字符区域时考虑每个样本的权重值，能够摒弃一些噪声区域或者不完整字符区域的边缘点，更为精确的得到字符区域的上下边界线，进而得到准确的字符区域，最终能够有效提高字符识别的准确率。

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字符识别方法的流程图。

图2是根据另一示例性实施例示出的字符识别方法的流程图。

图3是根据一示例性实施例提取得到的感兴趣区域图像。

图4是根据另一示例性实施例示出的字符识别方法的流程图。

图5是根据一示例性实施例示出的对图像进行预处理的流程图。

图6是根据一示例性实施例对于二值化图像进行去噪后得到的图像。

图7是根据另一示例性实施例示出的对图像进行预处理的流程图。

图8是根据一示例性实施例示出的基于样本权重确定所述图像中的字符区域的流程图。

图9是根据一示例性实施例提取得到的顶部端点和底部端点。

图10是根据一示例性实施例拟合得到的字符区域上下边界线。

图11是有关技术中线性回归拟合原理图。

图12是根据一示例性实施例示出的字符识别装置的框图。

图13是根据另一示例性实施例示出的字符识别装置的框图。

图14是根据另一示例性实施例示出的字符识别装置的框图。

图15是根据一示例性实施例示出的预处理模块的框图。

图16是根据另一示例性实施例示出的预处理模块的框图。

图17是根据一示例性实施例示出的字符区域确定模块的框图。

图18是根据一示例性实施例示出的适用于字符识别装置的框图。

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，基于样本的权重进行字符区域的确定，即在通过提取出的单个字符区域端点确定字符区域的上下边界线时，获取某一端点所在区域为字符区域而非噪声区域的概率，并将该概率值作为该端点的样本权重参与到字符区域上下边界线的确定中去。由此，在确定字符区域时考虑每个样本的权重值，能够摒弃一些噪声区域或者不完整字符区域的边缘点，更为精确的得到字符区域的上下边界线，进而得到准确的字符区域，最终能够有效提高字符识别的准确率。

图1是根据一示例性实施例示出的一种字符识别方法的流程图，如图1所示，所述字符识别方法包括以下步骤S101-S104：

在步骤S101中，获取包含待识别字符的图像；

在步骤S102中，基于样本权重确定所述图像中的字符区域；

在步骤S103中，对于字符区域进行字符切割；

在步骤S104中，识别切割得到的单个字符。

在该实施例中，基于样本的权重进行字符区域的确定，这样能够摒弃一些噪声字符区域或者不完整字符区域的边缘点，更为精确的得到字符区域的上下边界线，进而得到准确的字符区域，最终能够有效提高字符识别的准确率

在一个实施例中，所述待识别字符包括：数字、英文字符、中文中的一种或几种。也就是说，本公开能够识别数字、英文字符和中文中的任一种字符，当然只要数据库能够提供样本支持，本公开还能够识别其他语言字符，在此，本公开对于所能够识别的字符类型不作具体限定。

在一个实施例中，获取包含待识别字符的图像之后，所述方法还包括：提取所述图像中的感兴趣区域的步骤，如图2所示，即所述字符识别方法包括以下步骤S201-S205：

在步骤S201中，获取包含待识别字符的图像；

在步骤S202中，提取所述图像中的感兴趣区域；

在步骤S203中，基于样本权重确定感兴趣区域图像中的字符区域；

在步骤S204中，对于字符区域进行字符切割；

在步骤S205中，识别切割得到的单个字符。

在该实施例中，首先提取待识别字符图像的感兴趣区域，其中所述感兴趣区域可设置为包括字符的粗略区域，然后基于提取的感兴趣区域进行后续的字符区域提取以及字符切割识别的工作，感兴趣区域的提取能够使得后续的字符识别工作只在有效区域中进行，避免了在无字符区域进行无谓的工作，减少了噪声产生的影响，因此可以有效减少整个字符识别工作的计算量，提高字符识别的准确率，提升字符识别的速度。其中，感兴趣区域的提取方法有很多种，本领域技术人员可根据实际应用的需要进行选择，本公开对其不作具体限定。根据该实施例提取得到的感兴趣区域图像如图3所示。

在一个实施例中，基于样本权重确定所述图像中的字符区域之前，或者在提取所述图像中的感兴趣区域之后、基于样本权重确定所述图像中的字符区域之前，所述方法还包括：对所述图像进行预处理的步骤，如图4所示，即所述字符识别方法包括以下步骤S401-S405：

在步骤S401中，获取包含待识别字符的图像；

在步骤S402中，对所述图像进行预处理；

在步骤S403中，基于样本权重确定预处理后图像中的字符区域；

在步骤S404中，对于字符区域进行字符切割；

在步骤S405中，识别切割得到的单个字符。

在一个实施例中，如图5所示，对所述图像进行预处理的步骤包括以下步骤S501-S502：

在步骤S501中，对所述图像进行二值化；

在步骤S502中，对二值化后的图像进行去噪。

在一个实施例中，采用自适应阈值的二值化或局部二值化方法对所述图像进行二值化，当然，所述步骤S501也可以采用其他图像二值化方法，本公开对于具体的二值化方法选择不作具体限定。

在一个实施例中，所述步骤S502可使用预设阈值去噪方法、中值滤波和均值滤波等滤波去噪方法、小波变换去噪方法、连通域去噪方法、形态学去噪方法等方法中的一种或几种对于二值化后的图像进行去噪，比如在采用连通域去噪方法时，可以先进行连通域的提取，然后将一些面积小于某一预定阈值的连通域过滤掉，即可完成图像去噪的工作，使用连通域去噪方法对于二值化图像进行去噪后得到的图像如图6所示。事实上，图像去噪方法有很多种，本领域技术人员可根据实际应用的需要进行选择，本公开对其不作具体限定。

在该实施例中，先对待处理图像，比如包含待识别字符的图像或者提取得到的感兴趣区域图像进行二值化处理和去噪处理，能够先行去除一些由于成像设备或光照变化、污点等外部环境影响产生的噪声点或者噪声区域，从而减少后续字符识别的计算量，提高字符识别的准确率。

在一个实施例中，对所述图像进行预处理的步骤还包括借助连通域剔除不含有字符区域的步骤，如图7所示，即对所述图像进行预处理的步骤包括以下步骤S701-S704：

在步骤S701中，对所述图像进行二值化；

在步骤S702中，对二值化后的图像进行去噪；

在步骤S703中，对去噪后的图像提取连通域；

在步骤S704中，根据预设规则剔除不含有字符的连通域。

其中，所述预设规则指的是根据字符的固有的形态特点和特征得到的相关先验知识，比如一个字符的宽度和高度需符合一预设的比例、一个字符的宽度需符合一预设的大小、一个字符所在区域的像素和大小需在一预设的范围内，等等。在该实施例中，认为符合上述预设规则的连通域极有可能是字符所在的区域。

在该实施例中，根据字符的相关先验知识对形成的连通域进行筛选，保留可能含有字符的连通域，去除可能不含有字符的连通域，这样能够进一步减少后续字符识别的计算量，提高字符识别的准确率。

在一个实施例中，如图8所示，所述步骤S102，基于样本权重确定所述图像中的字符区域的步骤进一步包括以下步骤S801-S804：

在步骤S801中，根据预设规则在所述图像中确定单个字符区域；

在步骤S802中，提取单个字符区域的顶部端点和底部端点；

在步骤S803中，剔除样本权重值小于一预定阈值的端点；

在步骤S804中，基于剩余的端点得到上下边界线，组成字符区域。

其中，所述预设规则与对连通域进行筛选时所使用的预设规则相同，均为根据字符的形态特点和特征得到的相关先验知识，在此不作赘述。

在一个实施例中，将所述样本权重值设置为某一端点所在的区域为一个完整的字符区域的概率值。

在一个实施例中，利用拟合的方法基于剩余的端点得到字符区域的上下边界线。

在该实施例中，先根据预设规则确定单个字符区域，然后提取单个字符区域的顶部端点和底部端点，根据该实施例提取得到的顶部端点和底部端点如图9所示，并为每个单个字符区域的顶部端点和底部端点均赋予一个样本权重值，样本权重值可设置为该端点所在的区域为一个完整的字符区域的概率值，该概率值可通过字符相关的先验知识获得，然后将样本权重值小于一预定阈值的端点删除，即将不完整的单个字符区域的端点删除，基于剩余的有效端点通过拟合的方法就可以得到两条线，如图10所示，将这两条线作为字符区域的上下边界线，从而可以得到字符区域。删除有可能是不完整单个字符区域的端点，能够避免字符区域的上下边界线出现错位，进而避免出现最终得到的字符区域不完整不准确的情况。

有关技术中，通常基于所有得到的单个字符区域的顶部端点和底部端点，利用线性回归拟合的方法得到字符区域的上下边界线，线性回归拟合是在二维空间上，基于给出的一些点，拟合出一条直线，如图11所示。在有关技术中，通常用x₁，x₂..x_n来描述线性回归拟合特征分量，比如可令x₁表示横坐标，x₂表示纵坐标，进而得到一个估计函数h(x)：

h(x)＝h_θ(x)＝θ₀+θ₁x₁+θ₂x₂，

其中，θ₀、θ₁、θ₂为待定参数。

上述待定参数通过下式所示的错误估计函数J(θ)来确定：

其中，m为参与线性回归拟合的点的数量，x⁽ⁱ⁾为某一点的横坐标，h_θ(x⁽ⁱ⁾)为根据上述估计函数得到的纵坐标估计值，y⁽ⁱ⁾为该点的横坐标真实值。

也就是说，线性回归拟合的目的就是为了找到那条对所有点来说残差平方和最小的直线。

在有关技术的线性回归拟合中，考虑所有的点来拟合得到一条直线，也就是说，在直线的拟合过程中，每个点的作用是一样的。但是应用到字符识别过程中时，考虑到每个区域是完整的字符所在区域的可能性不一样，也就是说，有可能目前得到的某一个端点所在的区域只是一个残缺的字符区域，如果将这个端点同等重要地应用到直线拟合中，必定会为字符区域的确定带来不利的因素，因此，该实施例在进行直线拟合时，考虑每个获取的端点对最终拟合得到的直线的贡献程度，并将这个贡献程度设置为某一端点所在区域为一个完整的字符区域的概率值，这样最后拟合得到的直线基本上都穿过正确的字符区域的端点，进而能够得到准确的字符区域，为后续的字符分隔和识别打好基础。

对于基于字符区域的字符切割以及识别切割得到的单个字符，有关技术中有很多可选择的方法，本领域技术人员可根据实际应用的需要进行具体选择，本公开对其不作具体限定。

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12是根据一示例性实施例示出的一种字符识别装置的框图，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12所示，该字符识别装置包括：

图像获取模块1201，用于获取包含待识别字符的图像；

字符区域确定模块1202，用于基于样本权重确定所述图像中的字符区域；

字符切割模块1203，用于对于字符区域进行字符切割；

字符识别模块1204，用于识别切割得到的单个字符。

在该实施例中，基于样本的权重进行字符区域的确定，这样能够摒弃一些噪声字符区域或者不完整字符区域的边缘点，更为精确的得到字符区域的上下边界线，进而得到准确的字符区域，最终能够有效提高字符识别的准确率

在一个实施例中，所述待识别字符包括：数字、英文字符、中文中的一种或几种。也就是说，本公开能够识别数字、英文字符和中文中的任一种字符，当然只要数据库能够提供样本支持，本公开还能够识别其他语言字符，在此，本公开对于所能够识别的字符类型不作具体限定。

在一个实施例中，所述装置还包括感兴趣区域提取模块，连接在所述图像获取模块1201与字符区域确定模块1202之间，如图13所示，即所述字符识别装置包括：

图像获取模块1301，用于获取包含待识别字符的图像；

感兴趣区域提取模块1302，用于提取所述图像中的感兴趣区域；

字符区域确定模块1303，用于基于样本权重确定感兴趣区域图像中的字符区域；

字符切割模块1304，用于对于字符区域进行字符切割；

字符识别模块1305，用于识别切割得到的单个字符。

在该实施例中，首先提取待识别字符图像的感兴趣区域，其中所述感兴趣区域可设置为包括字符的粗略区域，然后基于提取的感兴趣区域进行后续的字符区域提取以及字符切割识别的工作，感兴趣区域的提取能够使得后续的字符识别工作只在有效区域中进行，避免了在无字符区域进行无谓的工作，减少了噪声产生的影响，因此可以有效减少整个字符识别工作的计算量，提高字符识别的准确率，提升字符识别的速度。其中，感兴趣区域的提取方法有很多种，本领域技术人员可根据实际应用的需要进行选择，本公开对其不作具体限定。

在一个实施例中，所述装置还包括预处理模块，连接在所述图像获取模块1201与字符区域确定模块1202之间，或感兴趣区域提取模块1302与字符区域确定模块1303之间，如图14所示，即所述字符识别装置包括：

图像获取模块1401，用于获取包含待识别字符的图像；

预处理模块1402，用于对所述图像进行预处理

字符区域确定模块1403，用于基于样本权重确定预处理后图像中的字符区域；

字符切割模块1404，用于对于字符区域进行字符切割；

字符识别模块1405，用于识别切割得到的单个字符。

在一个实施例中，如图15所示，所述预处理模块包括：

二值化子模块1501，用于对所述图像进行二值化；

去噪子模块1502，用于对二值化后的图像进行去噪。

在一个实施例中，所述二值化子模块1501采用自适应阈值的二值化或局部二值化方法对所述图像进行二值化，当然，所述二值化子模块1501也可以采用其他图像二值化方法，本公开对于具体的二值化方法选择不作具体限定。

在一个实施例中，所述去噪子模块1502可使用预设阈值去噪方法、中值滤波和均值滤波等滤波去噪方法、小波变换去噪方法、连通域去噪方法、形态学去噪方法等方法中的一种或几种对于二值化后的图像进行去噪，比如在采用连通域去噪方法时，可以先进行连通域的提取，然后将一些面积小于某一预定阈值的连通域过滤掉，即可完成图像去噪的工作。事实上，图像去噪方法有很多种，本领域技术人员可根据实际应用的需要进行选择，本公开对其不作具体限定。

在该实施例中，先对待处理图像，比如包含待识别字符的图像或者提取得到的感兴趣区域图像进行二值化处理和去噪处理，能够先行去除一些由于成像设备或光照变化、污点等外部环境影响产生的噪声点或者噪声区域，从而减少后续字符识别的计算量，提高字符识别的准确率。

在一个实施例中，如图16所示，所述预处理模块还包括：

连通域提取子模块1601，用于对去噪后的图像提取连通域；

连通域筛选子模块1602，用于根据预设规则筛除不含有字符的连通域。

其中，所述预设规则指的是根据字符的固有的形态特点和特征得到的相关先验知识，比如一个字符的宽度和高度需符合一预设的比例、一个字符的宽度需符合一预设的大小、一个字符所在区域的像素和大小需在一预设的范围内，等等。在该实施例中，认为符合上述预设规则的连通域极有可能是字符所在的区域。

在该实施例中，根据字符的相关先验知识对形成的连通域进行筛选，保留可能含有字符的连通域，去除可能不含有字符的连通域，这样能够进一步减少后续字符识别的计算量，提高字符识别的准确率。

在一个实施例中，如图17所示，所述字符区域确定模块包括：

单个字符区域确定子模块1701，用于根据预设规则在所述图像中确定单个字符区域；

端点提取子模块1702，用于提取单个字符区域的顶部端点和底部端点；

端点筛选子模块1703，用于剔除样本权重值小于一预定阈值的端点；

边界线确定子模块1704，用于基于剩余的端点得到上下边界线，组成字符区域。

其中，所述预设规则与连通域筛选子模块1602所使用的预设规则相同，均为根据字符的形态特点和特征得到的相关先验知识，在此不作赘述。

在一个实施例中，将所述样本权重值设置为某一端点所在的区域为一个完整的字符区域的概率值。

在一个实施例中，利用拟合的方法基于剩余的端点得到字符区域的上下边界线。

在该实施例中，先根据预设规则确定单个字符区域，然后提取单个字符区域的顶部端点和底部端点，并为每个单个字符区域的顶部端点和底部端点均赋予一个样本权重值，样本权重值可设置为该端点所在的区域为一个完整的字符区域的概率值，该概率值可通过字符相关的先验知识获得，然后将样本权重值小于一预定阈值的端点删除，即将不完整的单个字符区域的端点删除，基于剩余的有效端点通过拟合的方法就可以得到两条线，将这两条线作为字符区域的上下边界线，从而可以得到字符区域。删除有可能是不完整单个字符区域的端点，能够避免字符区域的上下边界线出现错位，进而避免出现最终得到的字符区域不完整不准确的情况。

有关技术中，通常基于所有得到的单个字符区域的顶部端点和底部端点，利用线性回归拟合的方法得到字符区域的上下边界线，线性回归拟合是在二维空间上，基于给出的一些点，拟合出一条直线。在有关技术的线性回归拟合中，考虑所有的点来拟合得到一条直线，也就是说，在直线的拟合过程中，每个点的作用是一样的。但是应用到字符识别过程中时，考虑到每个区域是完整的字符所在区域的可能性不一样，也就是说，有可能目前得到的某一个端点所在的区域只是一个残缺的字符区域，如果将这个端点同等重要地应用到直线拟合中，必定会为字符区域的确定带来不利的因素，因此，该实施例在进行直线拟合时，考虑每个获取的端点对最终拟合得到的直线的贡献程度，并将这个贡献程度设置为某一端点所在区域为一个完整的字符区域的概率值，这样最后拟合得到的直线基本上都穿过正确的字符区域的端点，进而能够得到准确的字符区域，为后续的字符分隔和识别打好基础。

对于字符切割模块和字符识别模块，有关技术中有很多可选择的实现方法，本领域技术人员可根据实际应用的需要进行具体选择，本公开对其不作具体限定。

根据本公开实施例的第三方面，提供一种字符识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符。

上述处理器还可被配置为：

获取包含待识别字符的图像之后，提取所述图像中的感兴趣区域。

基于样本权重确定所述图像中的字符区域之前，对所述图像进行预处理。

对所述图像进行预处理的步骤包括：

对所述图像进行二值化；

对二值化后的图像进行去噪。

所述去噪包括阈值去噪、滤波去噪、小波变换去噪、连通域去噪、形态学去噪中的一种或几种。

对所述图像进行预处理的步骤还包括：

对去噪后的图像提取连通域；

根据预设规则剔除不含有字符的连通域。

基于样本权重确定所述图像中的字符区域的步骤包括：

根据预设规则在所述图像中确定单个字符区域；

提取单个字符区域的顶部端点和底部端点；

剔除样本权重值小于一预定阈值的端点；

基于剩余的端点得到上下边界线，组成字符区域。

所述预设规则包括：字符的宽度和高度符合一预设比例，字符的宽度符合一预设大小，单个字符区域的像素和大小在一预设范围内中的一个或多个。

所述样本权重值为某一端点所在区域为一个完整的字符区域的概率值。

利用拟合的方法基于剩余的端点得到上下边界线。

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18是根据一示例性实施例示出的一种用于字符识别装置的框图，该装置适用于终端设备。例如，装置1800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1800可以包括以下一个或多个组件：处理组件1802，存储器1804，电源组件1806，多媒体组件1808，音频组件1810，输入/输出(I/O)的接口1812，传感器组件1814，以及通信组件1816。

处理组件1802通常控制装置1800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1802可以包括一个或多个处理器1820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1802可以包括一个或多个模块，便于处理组件1802和其他组件之间的交互。例如，处理组件1802可以包括多媒体模块，以方便多媒体组件1808和处理组件1802之间的交互。

存储器1804被配置为存储各种类型的数据以支持在装置1800的操作。这些数据的示例包括用于在装置1800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1804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1806为装置1800的各种组件提供电力。电源组件1806可以包括电源管理系统，一个或多个电源，及其他与为装置1800生成、管理和分配电力相关联的组件。

多媒体组件1808包括在所述装置1800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1808包括一个前置摄像头和/或后置摄像头。当装置1800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1810被配置为输出和/或输入音频信号。例如，音频组件1810包括一个麦克风(MIC)，当装置1800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1804或经由通信组件1816发送。在一些实施例中，音频组件1810还包括一个扬声器，用于输出音频信号。

I/O接口1812为处理组件1802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1814包括一个或多个传感器，用于为装置1800提供各个方面的状态评估。例如，传感器组件1814可以检测到装置1800的打开/关闭状态，组件的相对定位，例如所述组件为装置1800的显示器和小键盘，传感器组件1814还可以检测装置1800或装置1800一个组件的位置改变，用户与装置1800接触的存在或不存在，装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814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1814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1814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1816被配置为便于装置1800和其他设备之间有线或无线方式的通信。装置1800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1816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1816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1800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1804，上述指令可由装置1800的处理器1820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1800的处理器执行时，使得装置1800能够执行上述字符识别方法，所述方法包括：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符。

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 (18)

1.一种字符识别方法，其特征在于，包括：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符；

基于样本权重确定所述图像中的字符区域的步骤包括：

根据预设规则在所述图像中确定单个字符区域；

提取单个字符区域的顶部端点和底部端点；

剔除样本权重值小于一预定阈值的端点；

基于剩余的端点得到上下边界线，组成字符区域；

基于剩余的端点得到上下边界线包括：

利用拟合的方法基于剩余的端点得到上下边界线；

在进行拟合时，确定每个剩余的端点对最终拟合得到的直线的贡献程度，所述贡献程度为所述端点所在区域为一个完整的字符区域的概率值；

根据每个端点的贡献程度，利用拟合的方法得到所述上下边界线。

2.根据权利要求1所述的方法，其特征在于，获取包含待识别字符的图像之后，所述方法还包括：

提取所述图像中的感兴趣区域。

3.根据权利要求1所述的方法，其特征在于，基于样本权重确定所述图像中的字符区域之前，所述方法还包括：

对所述图像进行预处理。

4.根据权利要求3所述的方法，其特征在于，对所述图像进行预处理的步骤包括：

对所述图像进行二值化；

对二值化后的图像进行去噪。

5.根据权利要求4所述的方法，其特征在于，所述去噪包括阈值去噪、滤波去噪、小波变换去噪、连通域去噪、形态学去噪中的一种或几种。

6.根据权利要求4所述的方法，其特征在于，对所述图像进行预处理的步骤还包括：

对去噪后的图像提取连通域；

根据预设规则剔除不含有字符的连通域。

7.根据权利要求1或6所述的方法，其特征在于，所述预设规则包括：字符的宽度和高度符合一预设比例，字符的宽度符合一预设大小，单个字符区域的像素和大小在一预设范围内中的一个或多个。

8.根据权利要求1所述的方法，其特征在于，所述样本权重值为某一端点所在区域为一个完整的字符区域的概率值。

9.一种字符识别装置，其特征在于，包括：

图像获取模块，用于获取包含待识别字符的图像；

字符区域确定模块，用于基于样本权重确定所述图像中的字符区域；

字符切割模块，用于对于字符区域进行字符切割；

字符识别模块，用于识别切割得到的单个字符；

所述字符区域确定模块包括：

单个字符区域确定子模块，用于根据预设规则在所述图像中确定单个字符区域；

端点提取子模块，用于提取单个字符区域的顶部端点和底部端点；

端点筛选子模块，用于剔除样本权重值小于一预定阈值的端点；

边界线确定子模块，用于基于剩余的端点得到上下边界线，组成字符区域；

所述边界线确定子模块利用拟合的方法基于剩余的端点得到上下边界线；

在进行拟合时，确定每个剩余的端点对最终拟合得到的直线的贡献程度，所述贡献程度为所述端点所在区域为一个完整的字符区域的概率值；

根据每个端点的贡献程度，利用拟合的方法得到所述上下边界线。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

感兴趣区域提取模块，用于提取所述图像中的感兴趣区域。

11.根据权利要求9所述的装置，其特征在于，所述装置还包括：

预处理模块，用于对所述图像进行预处理。

12.根据权利要求11所述的装置，其特征在于，所述预处理模块包括：

二值化子模块，用于对所述图像进行二值化；

去噪子模块，用于对二值化后的图像进行去噪。

13.根据权利要求12所述的装置，其特征在于，所述去噪子模块使用阈值去噪、滤波去噪、小波变换去噪、连通域去噪、形态学去噪中的一种或几种对于图像进行去噪。

14.根据权利要求12所述的装置，其特征在于，所述预处理模块还包括：

连通域提取子模块，用于对去噪后的图像提取连通域；

连通域筛选子模块，用于根据预设规则筛除不含有字符的连通域。

15.根据权利要求9或14所述的装置，其特征在于，所述预设规则包括：字符的宽度和高度符合一预设比例，字符的宽度符合一预设大小，单个字符区域的像素和大小在一预设范围内中的一个或多个。

16.根据权利要求9所述的装置，其特征在于，所述样本权重值为某一端点所在区域为一个完整的字符区域的概率值。

17.一种字符识别装置，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：

获取包含待识别字符的图像；

基于样本权重确定所述图像中的字符区域；

对于字符区域进行字符切割；

识别切割得到的单个字符；

基于样本权重确定所述图像中的字符区域的步骤包括：

根据预设规则在所述图像中确定单个字符区域；

提取单个字符区域的顶部端点和底部端点；

剔除样本权重值小于一预定阈值的端点；

基于剩余的端点得到上下边界线，组成字符区域；

基于剩余的端点得到上下边界线包括：

利用拟合的方法基于剩余的端点得到上下边界线；

在进行拟合时，确定每个剩余的端点对最终拟合得到的直线的贡献程度，所述贡献程度为所述端点所在区域为一个完整的字符区域的概率值；

根据每个端点的贡献程度，利用拟合的方法得到所述上下边界线。

18.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现上述权利要求1-8中任一项所述方法的步骤。

Images