CN106341549A - 一种移动终端有声阅读装置及方法 - Google Patents
一种移动终端有声阅读装置及方法 Download PDFInfo
- Publication number
- CN106341549A CN106341549A CN201610900483.XA CN201610900483A CN106341549A CN 106341549 A CN106341549 A CN 106341549A CN 201610900483 A CN201610900483 A CN 201610900483A CN 106341549 A CN106341549 A CN 106341549A
- Authority
- CN
- China
- Prior art keywords
- read
- text image
- character
- image
- mobile terminal
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/17—Image acquisition using hand-held instruments
-
- 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
-
- 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
- G06V10/225—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 based on a marking or identifier characterising the area
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种移动终端有声阅读装置及方法,所述装置包括:文本资料获取模块,用于通过所述移动终端摄像头获取待阅读的文本图像;图像预处理模块,用于对获取的待阅读文本图像进行预处理;字符获取模块,用于从预处理后的所述待阅读文本图像中获取文字信息;阅读模块,用于对获取的文字信息进行语音播报。本发明还公开了一种移动终端有声阅读方法。本发明提供的移动终端有声阅读装置及方法,充分利用智能移动终终端配置的照相机模块和字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
Description
技术领域
本发明涉及领域移动终端领域,尤其涉及一种移动终端有声阅读装置及方法。
背景技术
当前随着智能手机的广泛普及,用户对产品的体验要求也越来越丰富。当前用户也逐渐呈现多样化,如分布于各个阶层年龄段的群体用户,文化素质参差不齐。随着信息化进程的不断推进,信息量与日俱增,人们对阅读的需求也越来越强烈。
但是,对于老年人、具有视力障碍、及不认识字的用户而言,阅读是一件非常困难的事情。因此,急需一种方法解决该类用户遇到的困难。
光学字符识别(Optical Character Recognition,OCR),是指对文本资料图像文件进行分析处理,获取文字及版面信息的过程。作为模式识别与人工智能领域重要的研究组成与方向,光学字符识别技术一直是学术界与工业界重点研究目标之一,主要用于自动化与信息处理。
发明内容
本发明的主要目的在于提出一种移动终端有声阅读装置及方法,旨在解决用户的文本阅读障碍问题。
为实现上述目的,本发明提供了一种移动终端有声阅读装置,包括:
文本资料获取模块,用于通过所述移动终端摄像头获取待阅读的文本图像;
图像预处理模块,用于对获取的待阅读文本图像进行预处理;
字符获取模块,用于从预处理后的所述待阅读文本图像中获取文字信息;
阅读模块,用于对获取的文字信息进行语音播报。
进一步地,所述字符获取模块包括字符分割子模块和识别子模块;
所述字符分割子模块,用于对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
识别子模块,用于按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
进一步地,所述图像预处理模块包括:灰度化处理子模块和平滑去噪子模块;
所述灰度化处理子模块,用于去除所述获取的待阅读文本图像的色彩;
所述平滑去噪子模块,用于去除灰度化处理后的所述待阅读文本图像中的冗余信息。
进一步地,所述图像预处理模块,还包括补偿子模块和校正子模块;
所述补偿子模块,用于压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
所述校正子模块,用于计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
进一步地,所述字符获取模块还包括字符归一化处理子模块;
所述字符归一化子模块,用于对所述字符分割子模块获取的字符进行归一化缩放处理,得到大小相等的字符,以便所述识别子模块进行字符识别。
为实现上述目的,本发明还提供了一种移动终端有声阅读方法,包括:
通过所述移动终端摄像头获取待阅读的文本图像;
对获取的待阅读文本图像进行预处理;
从预处理后的所述待阅读文本图像中获取文字信息;
对获取的文字信息进行语音播报。
进一步地,其中,所述从预处理后的所述待阅读文本图像中获取文字信息,包括:
对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
进一步地,其中,所述对获取的待阅读文本图像进行预处理,包括:
去除所述获取的待阅读文本图像的色彩;
去除灰度化处理后的所述待阅读文本图像中的冗余信息。
进一步地,所述对获取的待阅读文本图像进行预处理,还包括:
压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
进一步地,在对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符后,按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符前,还包括:
对获取的字符进行归一化缩放处理,得到大小相等的字符。
本发明提供的移动终端有声阅读装置及方法,利用智能移动终终端配置的照相机模块和字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
附图说明
图1为实现本发明各个实施例的移动终端的硬件结构示意图;
图2为本发明第一实施例的一种移动终端有声阅读装置的结构示意图;
图3为本发明第一实施例第一种可选的子模块结构示意图;
图4为本发明第一实施例第二种可选的子模块结构示意图;
图5为本发明第一实施例第三种可选的子模块结构示意图;
图6为本发明第一实施例第四种可选的子模块结构示意图;
图7为本发明第二实施例的一种移动终端有声阅读方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面将结合附图及实施例对本发明的技术方案进行更详细的说明。
需要说明的是,如果不冲突,本发明实施例以及实施例中的各个特征可以相互结合,均在本发明的保护范围之内。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中,使用用于表示元件的诸如“模块”、“模块”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,"模块"与"模块"可以混合地使用。
移动终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如移动电话、智能电话、PDA(个人数字助理)、PAD(平板电脑)等等的移动终端。
图1为实现本发明各个实施例的移动终端的硬件结构示意。
移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、存储器140、输出单元150、控制器160等等。图1示出了具有各种组件的移动终端,但是应理解的是,并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。
无线通信单元110通常包括一个或多个组件,其允许移动终端100与无线通信系统或网络之间的无线电通信。例如,无线通信单元可以包括广播接收模块、移动通信模块、无线互联网模块、短程通信模块和位置信息模块中的至少一个。
A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括照相机121和麦克风1220,相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经相机121处理后的图像帧可以存储在存储器140(或其它存储介质)中或者经由无线通信单元110进行发送,可以根据移动终端的构造提供两个或更多相机121。麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据),并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息,并且可以包括键盘、锅仔片、触摸板(例如,检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地,当触摸板以层的形式叠加在显示单元151上时,可以形成触摸屏。
显示单元151可以显示在移动终端100中处理的信息。例如,当移动终端100处于电话通话模式时,显示单元151可以显示与通话或其它通信(例如,文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时,显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。
同时,当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时,显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看,这可以称为透明显示器,典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式,移动终端100可以包括两个或更多显示单元(或其它显示装置),例如,移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。
音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时,将无线通信单元110接收的或者在存储器140中存储的音频数据转换音频信号并且输出为声音。而且,音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。
存储器140可以存储由控制器160执行的处理和控制操作的软件程序等等,或者可以暂时地存储己经输出或将要输出的数据(例如,电话簿、消息、静态图像、视频等等)。而且,存储器140可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。
存储器140可以包括至少一种类型的存储介质,所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且,移动终端100可以与通过网络连接执行存储器140的存储功能的网络存储装置协作。
控制器160通常控制移动终端的总体操作。例如,控制器160执行与语音通话、数据通信、视频通话等等相关的控制和处理。控制器160可以执行模式识别处理,以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。
这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施,这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施,在一些情况下,这样的实施方式可以在控制器160中实施。对于软件实施,诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施,软件代码可以存储在存储器140中并且由控制器160执行。
至此,己经按照其功能描述了移动终端。下面,为了简要起见,将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此,本发明能够应用于任何类型的移动终端,并且不限于滑动型移动终端。
基于上述移动终端硬件结构,提出本发明方法各个实施例。
如图2所示,本发明第一实施例提出一种移动终端有声阅读装置,包括:
文本资料获取模块,用于通过所述移动终端摄像头获取待阅读的文本图像;
图像预处理模块,用于对获取的待阅读文本图像进行预处理;
字符获取模块,用于从预处理后的所述待阅读文本图像中获取文字信息;
阅读模块,用于对获取的文字信息进行语音播报。
摄像头已经成为智能手机的标准配置,同时智能手机也具备了功能强大的处理器和存储空间。因此,当老年人、视力障碍人员、以及不识字的用户希望阅读印刷文本资料上的内容时,可以利用智能手机的摄像头拍摄待阅读的文本图像,以数字信号的形式存储在智能手机中;由于拍摄的角度、光线和印刷质量的影响,可能是文字产生字形畸变,而且交连、污点等干扰也会影响文字识别效果,所以识别前要对图像信号进行预处理。
在对拍摄的文本图像进行预处理后,就可以获取其上的文字信息,然后利用智能手机中存储的字符语音库,通过调用相关程序即可对获取的待阅读文本的字符信息进行语音播报。
本发明实施例提供的移动终端有声阅读装置,利用智能移动终终端配置的照相机模块和字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
可选地,所述装置的字符获取模块包括字符分割子模块和识别子模块,如图3所示:
所述字符分割子模块,用于对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
识别子模块,用于按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
本发明在拍摄待阅读文本资料的图像后,需要按照阅读顺序提取相应的文字字符,然后才能调用字符语音库进行自动播报。文档图像字符分割分为行切分和字切分。行切分就是利用相邻行间的空隙,将行按水平方向进行切分;字切分就是将行切分得到的每个文本行中的字符一一切分出来。对于切分出的字符需要按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符,然后实时调用字符语音数据库,进行语音播报,从而不仅可以获得与常人阅读文本资料的阅读效果,而且可以大大方便视力不便人士的阅读需要。
可选地,所述图像预处理模块包括:灰度化处理子模块和平滑去噪子模块,如图4所示:
所述灰度化处理子模块,用于去除所述获取的待阅读文本图像的色彩;
所述平滑去噪子模块,用于去除灰度化处理后的所述待阅读文本图像中的冗余信息。
本发明实施例中,灰度化是对同时含有亮度和色彩的图像在保留亮度信息的前提下去除其中的色彩信息的过程。通常采用的灰度化处理方法主要有分量法、平均法、最大值法以及加权平均法。
由于受到输入转化器件及环境等因素的影响,取样图片上有可能随机出现各种类型的噪声。这些噪声会改变图像的轮廓,降低特征提取精度,干扰字符识别的准确度。
平滑去噪的作用是在对图像提取有用信息前,将图像中的冗余成分去除,以达到提升图像质量、增大信噪比的目的,使得图像携带信息得到更好体现。
平滑去噪算法主要有领域平均和中值平均等。
可选地,所述图像预处理模块在图4基础上,还包括:补偿子模块和校正子模块,如图5所示:
所述补偿子模块,用于压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
所述校正子模块,用于计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
本发明实施例,为了提高识别精度、减轻计算负担,文档图像预处理首先需要压缩采集到的高分辨真彩色图像。二值化可有效减少干扰字符识别的冗余信息,凸显文档中的字符信息,提高识别速度和精度。主要方法有全局阀值法和局部阀值法。
此外,利用光学设备进行图像采集时,不可避免的会出现倾斜,若角度较小(一般3度以内),则不会影响识别结果,但是当倾斜角度大于3度时,就必须进行校正后才能正确识别。图像倾斜校正主要分为两个步骤:
1)计算出倾斜角;
2)按照计算出的角度把图像进行旋转,得到校正后的图像。
一般校正包含倾斜校正和水平校。
可选地,所述装置中所述字符获取模块在图3基础上,还包括字符归一化处理子模块,如图6所示:
所述字符归一化子模块,用于对所述字符分割子模块获取的字符进行归一化缩放处理,得到大小相等的字符,以便所述识别子模块进行字符识别。
本发明实施例中,由于拍摄环境的差异,可能导致得到的字符图像中字符大小不一,为了方便字符提取,在对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符后,按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符前,需要对分割出来的单个字符进行归一化处理。
归一化处理一般选用图像缩放法,处理过程包括尺寸放大和缩小,以便得到大小一致的字符,从而便于识别获取待阅读文本图像中的所有字符。在识别获取到待阅读文本的所有字符(按原始字符的排版顺序)后,同时实时调用智能手机中的字符语音数据库,即可通过智能手机播放待阅读的文本。
本发明实施例提供的移动终端有声阅读装置,利用智能移动终终端配置的照相机模块获取待阅读文本的图像,对获取的图像进行预处理,去除冗余和进行必要的补充和校正,从而可以准确获取待阅读文本的所有字符,按阅读顺序,实时调用移动终端的字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
相应地,本发明实施例还提供了一种移动终端有声阅读方法,如图7所示,包括:
步骤10:通过所述移动终端摄像头获取待阅读的文本图像;
步骤12:对获取的待阅读文本图像进行预处理;
步骤14:从预处理后的所述待阅读文本图像中获取文字信息;
步骤16:对获取的文字信息进行语音播报。
摄像头已经成为智能手机的标准配置,同时智能手机也具备了功能强大的处理器和存储空间。因此,当老年人、视力障碍人员、以及不识字的用户希望阅读印刷文本资料上的内容时,可以利用智能手机的摄像头拍摄待阅读的文本图像,以数字信号的形式存储在智能手机中;由于拍摄的角度、光线和印刷质量的影响,可能是文字产生字形畸变,而且交连、污点等干扰也会影响文字识别效果,所以识别前要对图像信号进行预处理。
在对拍摄的文本图像进行预处理后,就可以获取其上的文字信息,然后利用智能手机中存储的字符语音库,通过调用相关程序即可对获取的待阅读文本的字符信息进行语音播报。
本发明实施例提供的移动终端有声阅读方法,利用智能移动终终端配置的照相机模块和字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
可选地,所述方法中,所述从预处理后的所述待阅读文本图像中获取文字信息,包括:
步骤141:对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
步骤142:按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
本发明在拍摄待阅读文本资料的图像后,需要按照阅读顺序提取相应的文字字符,然后才能调用字符语音库进行自动播报。文档图像字符分割分为行切分和字切分。行切分就是利用相邻行间的空隙,将行按水平方向进行切分;字切分就是将行切分得到的每个文本行中的字符一一切分出来。对于切分出的字符需要按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符,然后实时调用字符语音数据库,进行语音播报,从而不仅可以获得与常人阅读文本资料的阅读效果,而且可以大大方便视力不便人士的阅读需要。
可选地,所述方法中,所述对获取的待阅读文本图像进行预处理,包括:
步骤121:去除所述获取的待阅读文本图像的色彩;
步骤122:去除灰度化处理后的所述待阅读文本图像中的冗余信息。
本发明实施例中,灰度化是对同时含有亮度和色彩的图像在保留亮度信息的前提下去除其中的色彩信息的过程。通常采用的灰度化处理方法主要有分量法、平均法、最大值法以及加权平均法。
由于受到输入转化器件及环境等因素的影响,取样图片上有可能随机出现各种类型的噪声。这些噪声会改变图像的轮廓,降低特征提取精度,干扰字符识别的准确度。
平滑去噪的作用是在对图像提取有用信息前,将图像中的冗余成分去除,以达到提升图像质量、增大信噪比的目的,使得图像携带信息得到更好体现。
平滑去噪算法主要有领域平均和中值平均等。
可选地,所述方法中,所述对获取的待阅读文本图像进行预处理,还包括:
步骤123:压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
步骤124:计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
本发明实施例,为了提高识别精度、减轻计算负担,文档图像预处理首先需要压缩采集到的高分辨真彩色图像。二值化可有效减少干扰字符识别的冗余信息,凸显文档中的字符信息,提高识别速度和精度。主要方法有全局阀值法和局部阀值法。
此外,利用光学设备进行图像采集时,不可避免的会出现倾斜,若角度较小(一般3度以内),则不会影响识别结果,但是当倾斜角度大于3度时,就必须进行校正后才能正确识别。图像倾斜校正主要分为两个步骤:
1)计算出倾斜角;
2)按照计算出的角度把图像进行旋转,得到校正后的图像。
一般校正包含倾斜校正和水平校。
可选地,所述方法中,在对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符后,按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符前,还包括:
步骤143:对获取的字符进行归一化缩放处理,得到大小相等的字符。
本发明实施例中,由于拍摄环境的差异,可能导致得到的字符图像中字符大小不一,为了方便字符提取,在对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符后,按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符前,需要对分割出来的单个字符进行归一化处理。
归一化处理一般选用图像缩放法,处理过程包括尺寸放大和缩小,以便得到大小一致的字符,从而便于识别获取待阅读文本图像中的所有字符。在识别获取到待阅读文本的所有字符(按原始字符的排版顺序)后,同时实时调用智能手机中的字符语音数据库,即可通过智能手机播放待阅读的文本。
本发明实施例可以借助于Android NDK编译技术,在Android平台上实现了针对印刷字符的识别算法。
系统中处理图像的部分使用的语言是C,而Android平台使用的语言是Java,为了让Java代码能够调用C/C++的程序,因此,还需要使用Java本地接口JNI,通过JNI可以实现Java代码和其它语言的交互。
本发明实施例提供的移动终端有声阅读方法,利用智能移动终终端配置的照相机模块获取待阅读文本的图像,对获取的图像进行预处理,去除冗余和进行必要的补充和校正,从而可以准确获取待阅读文本的所有字符,按阅读顺序,实时调用移动终端的字符语音库,将印刷文本实时转换为语音播报,为老年人、视力障碍人员、以及不识字的用户提供了一种简单便捷的阅读手段,扩展了移动终端的功能。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM)中,包括若干指令用以使得一台终端设备(可以是手机,PDA等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种移动终端有声阅读装置,其特征在于,包括:
文本资料获取模块,用于通过所述移动终端摄像头获取待阅读的文本图像;
图像预处理模块,用于对获取的待阅读文本图像进行预处理;
字符获取模块,用于从预处理后的所述待阅读文本图像中获取文字信息;
阅读模块,用于对获取的文字信息进行语音播报。
2.如权利要求1所述的装置,其特征在于,
所述字符获取模块包括字符分割子模块和识别子模块;
所述字符分割子模块,用于对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
识别子模块,用于按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
3.如权利要求1所述的装置,其特征在于,
所述图像预处理模块包括:灰度化处理子模块和平滑去噪子模块;
所述灰度化处理子模块,用于去除所述获取的待阅读文本图像的色彩;
所述平滑去噪子模块,用于去除灰度化处理后的所述待阅读文本图像中的冗余信息。
4.如权利要求3所述的装置,其特征在于,
所述图像预处理模块,还包括补偿子模块和校正子模块;
所述补偿子模块,用于压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
所述校正子模块,用于计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
5.如权利要求2所述的装置,其特征在于,
所述字符获取模块还包括字符归一化处理子模块;
所述字符归一化子模块,用于对所述字符分割子模块获取的字符进行归一化缩放处理,得到大小相等的字符,以便所述识别子模块进行字符识别。
6.一种移动终端有声阅读方法,其特征在于,包括:
通过所述移动终端摄像头获取待阅读的文本图像;
对获取的待阅读文本图像进行预处理;
从预处理后的所述待阅读文本图像中获取文字信息;
对获取的文字信息进行语音播报。
7.如权利要求6所述的方法,其特征在于,所述从预处理后的所述待阅读文本图像中获取文字信息,包括:
对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符;
按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符。
8.如权利要求6所述的方法,其特征在于,
所述对获取的待阅读文本图像进行预处理,包括:
去除所述获取的待阅读文本图像的色彩;
去除灰度化处理后的所述待阅读文本图像中的冗余信息。
9.如权利要求8所述的方法,其特征在于,
所述对获取的待阅读文本图像进行预处理,还包括:
压缩所述获取的待阅读文本图像,对压缩后的待阅读文本图像进行二值化处理;
计算所述获取的待阅读文本图像的倾斜角,按照计算出的倾斜角对图像进行旋转,得到校正后的待阅读文本图像。
10.如权利要求7所述的方法,其特征在于,
在对所述预处理后的待阅读文本图像进行行切分,对切分出的每行分别进行字切分得到字符后,按切分出的行在待阅读文本图像中的排列顺序,以及切分出的字符在行中的排列顺序,依序获取所述待阅读文本图像中的所有字符前,还包括:
对获取的字符进行归一化缩放处理,得到大小相等的字符。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900483.XA CN106341549A (zh) | 2016-10-14 | 2016-10-14 | 一种移动终端有声阅读装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900483.XA CN106341549A (zh) | 2016-10-14 | 2016-10-14 | 一种移动终端有声阅读装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106341549A true CN106341549A (zh) | 2017-01-18 |
Family
ID=57838815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610900483.XA Pending CN106341549A (zh) | 2016-10-14 | 2016-10-14 | 一种移动终端有声阅读装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106341549A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169430A (zh) * | 2017-05-02 | 2017-09-15 | 哈尔滨工业大学深圳研究生院 | 基于图像处理语义分析的阅读环境音效增强系统及方法 |
CN107346629A (zh) * | 2017-08-22 | 2017-11-14 | 贵州大学 | 一种智能盲人阅读方法及智能盲人阅读器系统 |
CN109256123A (zh) * | 2018-09-06 | 2019-01-22 | 徐喜成 | 一种辅助老年人阅读文字以及防走失实时交互阅读系统 |
CN109828711A (zh) * | 2019-01-25 | 2019-05-31 | 努比亚技术有限公司 | 一种移动终端的阅读管理方法、移动终端及存储介质 |
CN110222684A (zh) * | 2019-04-19 | 2019-09-10 | 黑龙江大学 | 一种盲人“读书”系统 |
CN110287830A (zh) * | 2019-06-11 | 2019-09-27 | 广州市小篆科技有限公司 | 智能穿戴终端、云端服务器和数据处理方法 |
CN110929684A (zh) * | 2019-12-09 | 2020-03-27 | 北京光年无限科技有限公司 | 用于绘本的内容识别方法及装置 |
CN110970011A (zh) * | 2019-11-27 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 图片处理方法、装置、设备及计算机可读存储介质 |
CN111292716A (zh) * | 2020-02-13 | 2020-06-16 | 百度在线网络技术(北京)有限公司 | 语音芯片和电子设备 |
CN111741162A (zh) * | 2020-06-01 | 2020-10-02 | 广东小天才科技有限公司 | 背诵提示方法及电子设备、计算机可读存储介质 |
CN111813301A (zh) * | 2020-06-03 | 2020-10-23 | 维沃移动通信有限公司 | 内容播放方法、装置、电子设备及可读存储介质 |
CN111814800A (zh) * | 2020-07-24 | 2020-10-23 | 广州广杰网络科技有限公司 | 基于5G+AIoT技术的老人书报阅读器及其使用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1773523A (zh) * | 2004-11-08 | 2006-05-17 | 乐金电子(昆山)电脑有限公司 | 带摄像头的便携式信息终端机的文字识别及声音输出的装置和方法 |
CN101493996A (zh) * | 2009-01-15 | 2009-07-29 | 北方工业大学 | 一种智能阅读器及其实现方法 |
US7570842B2 (en) * | 2005-03-15 | 2009-08-04 | Kabushiki Kaisha Toshiba | OCR apparatus and OCR result verification method |
CN104143084A (zh) * | 2014-07-17 | 2014-11-12 | 武汉理工大学 | 一种针对视力障碍人群的辅助阅读眼镜 |
-
2016
- 2016-10-14 CN CN201610900483.XA patent/CN106341549A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1773523A (zh) * | 2004-11-08 | 2006-05-17 | 乐金电子(昆山)电脑有限公司 | 带摄像头的便携式信息终端机的文字识别及声音输出的装置和方法 |
US7570842B2 (en) * | 2005-03-15 | 2009-08-04 | Kabushiki Kaisha Toshiba | OCR apparatus and OCR result verification method |
CN101493996A (zh) * | 2009-01-15 | 2009-07-29 | 北方工业大学 | 一种智能阅读器及其实现方法 |
CN104143084A (zh) * | 2014-07-17 | 2014-11-12 | 武汉理工大学 | 一种针对视力障碍人群的辅助阅读眼镜 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169430A (zh) * | 2017-05-02 | 2017-09-15 | 哈尔滨工业大学深圳研究生院 | 基于图像处理语义分析的阅读环境音效增强系统及方法 |
CN107346629A (zh) * | 2017-08-22 | 2017-11-14 | 贵州大学 | 一种智能盲人阅读方法及智能盲人阅读器系统 |
CN109256123A (zh) * | 2018-09-06 | 2019-01-22 | 徐喜成 | 一种辅助老年人阅读文字以及防走失实时交互阅读系统 |
CN109828711A (zh) * | 2019-01-25 | 2019-05-31 | 努比亚技术有限公司 | 一种移动终端的阅读管理方法、移动终端及存储介质 |
CN110222684A (zh) * | 2019-04-19 | 2019-09-10 | 黑龙江大学 | 一种盲人“读书”系统 |
CN110287830A (zh) * | 2019-06-11 | 2019-09-27 | 广州市小篆科技有限公司 | 智能穿戴终端、云端服务器和数据处理方法 |
CN110970011A (zh) * | 2019-11-27 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 图片处理方法、装置、设备及计算机可读存储介质 |
CN110929684A (zh) * | 2019-12-09 | 2020-03-27 | 北京光年无限科技有限公司 | 用于绘本的内容识别方法及装置 |
CN110929684B (zh) * | 2019-12-09 | 2023-04-18 | 北京光年无限科技有限公司 | 用于绘本的内容识别方法及装置 |
CN111292716A (zh) * | 2020-02-13 | 2020-06-16 | 百度在线网络技术(北京)有限公司 | 语音芯片和电子设备 |
US11735179B2 (en) | 2020-02-13 | 2023-08-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Speech chip and electronic device |
CN111741162A (zh) * | 2020-06-01 | 2020-10-02 | 广东小天才科技有限公司 | 背诵提示方法及电子设备、计算机可读存储介质 |
CN111813301A (zh) * | 2020-06-03 | 2020-10-23 | 维沃移动通信有限公司 | 内容播放方法、装置、电子设备及可读存储介质 |
CN111813301B (zh) * | 2020-06-03 | 2022-04-15 | 维沃移动通信有限公司 | 内容播放方法、装置、电子设备及可读存储介质 |
CN111814800A (zh) * | 2020-07-24 | 2020-10-23 | 广州广杰网络科技有限公司 | 基于5G+AIoT技术的老人书报阅读器及其使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106341549A (zh) | 一种移动终端有声阅读装置及方法 | |
Du et al. | Wordrecorder: Accurate acoustic-based handwriting recognition using deep learning | |
US9430766B1 (en) | Gift card recognition using a camera | |
US20160344860A1 (en) | Document and image processing | |
US7840033B2 (en) | Text stitching from multiple images | |
US9104261B2 (en) | Method and apparatus for notification of input environment | |
US8036895B2 (en) | Cooperative processing for portable reading machine | |
CN109635627A (zh) | 图片信息提取方法、装置、计算机设备及存储介质 | |
CN110706179B (zh) | 一种图像处理方法及电子设备 | |
US20150042562A1 (en) | Image Resizing For Optical Character Recognition In Portable Reading Machine | |
CN108076290B (zh) | 一种图像处理方法及移动终端 | |
CN111586237B (zh) | 一种图像显示方法及电子设备 | |
CN103778250A (zh) | 中文五笔草书字典查询系统实现方法 | |
CN109871843A (zh) | 字符识别方法和装置、用于字符识别的装置 | |
CN106612396A (zh) | 一种拍照装置、终端及方法 | |
KR20130066819A (ko) | 촬영 이미지 기반의 문자 인식 장치 및 방법 | |
CN110930329A (zh) | 星空图像处理方法及装置 | |
CN103854019A (zh) | 图像中的字段提取方法及装置 | |
CN110442879A (zh) | 一种内容翻译的方法和终端 | |
Tymoshenko et al. | Real-Time Ukrainian Text Recognition and Voicing. | |
CN113744160B (zh) | 图像处理模型训练方法、图像处理方法、装置及电子设备 | |
Gaudissart et al. | SYPOLE: mobile reading assistant for blind people | |
US20220335752A1 (en) | Emotion recognition and notification system | |
CN106780394A (zh) | 一种图像锐化方法及终端 | |
CN116863017A (zh) | 图像处理方法、网络模型训练方法、装置、设备、介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170118 |