CN106446881B - 从医疗化验单图像中提取化验结果信息的方法 - Google Patents

从医疗化验单图像中提取化验结果信息的方法 Download PDF

Info

Publication number
CN106446881B
CN106446881B CN201610617483.9A CN201610617483A CN106446881B CN 106446881 B CN106446881 B CN 106446881B CN 201610617483 A CN201610617483 A CN 201610617483A CN 106446881 B CN106446881 B CN 106446881B
Authority
CN
China
Prior art keywords
image
laboratory test
value
information
character
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
Application number
CN201610617483.9A
Other languages
English (en)
Other versions
CN106446881A (zh
Inventor
李清勇
薛文元
张振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201610617483.9A priority Critical patent/CN106446881B/zh
Publication of CN106446881A publication Critical patent/CN106446881A/zh
Application granted granted Critical
Publication of CN106446881B publication Critical patent/CN106446881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种从医疗化验单图像中提取化验结果信息的方法。该方法主要包括：基于医疗化验单的表格特点，从医疗化验单的原始图像中提取出所述医疗化验单的表格区域；采用垂直投影方法对所述医疗化验单的表格区域中的各个栏进行分离，提取出需要的信息栏；从所述信息栏中分割出文本行；采用垂直投影方法对所述文本行进行分割，得到字符块，从所述字符块中提取出化验字符信息。本发明通过从医疗化验单数字图像中分割出表格区域，继而在表格区域中提取出有用的化验字符信息，可以有效地对医疗化验单图像进行化验信息识别。本发明的方法简单有效，可操作性强，特别适用于在PAD和手机等移动终端实施。

Description

从医疗化验单图像中提取化验结果信息的方法
技术领域
本发明涉及字符识别技术领域，尤其涉及一种从医疗化验单图像中提取化验结果信息的方法。
背景技术
医疗化验单是医生对患者病情做出诊断，观察患者健康状况的重要依据。然而在现有医疗体系下，患者的健康信息并没有建立起有效的共享流通机制，每当患者转院往往需要进行一些重复的化验检查，甚至在一些常规性的检查中，患者也要不断经历排队、挂号、等待的阵痛。如何节省患者就诊的时间开销，如何为患者建立可以有效流通的健康信息，从医疗化验单——这一患者最容易接触到的纸质健康数据入手，是一种值得尝试的探索。从纸质医疗化验单中提取信息主要用到了OCR(Optical Character Recognition，光学字符识别)的相关技术。
最初的OCR应用要追溯到1914年，Emanuel Goldberg(俄国)发明了一种可以读取字符，并将其转化为标准电报编码的机器。从19世纪初到现在，OCR随着相关技术的发展，已经形成了一些通用的操作流程，如预处理操作、字符识别及后处理过程，其中如何准确获取到单个字符的图像块(以下简称字符块)是一个难点。针对不同的具体任务，我们需要将整个过程具体化，方法明确化。国外对OCR的研究工作起步较早，且英文字符有着总量少、单个字母笔画连通、结构简单等特点，这些特点都有助与对文本的定位进而提取字符块，所以英文字符的识别有着较为成熟的技术。与之相比，中文汉字由象形文字发展而来，结构繁杂，字体变化多样，笔画间并不连通，且汉字中有大量的形近字，这都为字符块的提取以及之后的识别工作带来了相当大困难。国内对汉字识别的研究始于70年代末，虽然起步较晚，但是在国内外众多学者的努力下，汉字识别的准确率已达到95％以上。但是仅仅有识别的准确率还不够，想要在实际中应用汉字识别技术，必须得从复杂的文本图片中提取出字符块，这就需要我们进行版面分析。
版面分析是OCR中很重要的一环，几乎所有的OCR技术都需要我们将图片中的文本转变成文本行或者字符块之后再进行识别，但是现实中的文本图片常常排版复杂、文本与图像交错。对于版面分析的研究，国内外的学者都做了大量的研究工作，提出了一些用于版面分析的模型，如清华大学丁晓青教授团队提出的基于多层次基元的版面分析模型，然而这些模型或过于复杂，或通用性不强。
发明内容
本发明的实施例提供了一种从医疗化验单图像中提取化验结果信息的方法，以实现有效地对医疗化验单图像进行化验信息识别。
为了实现上述目的，本发明采取了如下技术方案。
一种从医疗化验单图像中提取化验结果信息的方法，包括：
基于医疗化验单的表格特点，从医疗化验单的原始图像中提取出所述医疗化验单的表格区域；
采用垂直投影方法对所述医疗化验单的表格区域中的各个栏进行分离，提取出需要的信息栏；
从所述信息栏中分割出文本行；
采用垂直投影方法对所述文本行进行分割，得到字符块，从所述字符块中提取出化验字符信息。
进一步地，根据权利要求1所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的基于医疗化验单的表格特点，从医疗化验单的原始图像中提取出所述医疗化验单的表格区域，包括：
对医疗化验单的原始图像Image进行归一化处理，归一化处理后的图像为ImageNorm；
对所述图像ImageNorm依据以下公式(2)筛选直线：
其中，L表示直线的长度，以像素为单位，k表示直线的斜率，K表示当前所筛选出来的直线的斜率均值，初始值为0，对所有直线进行筛选之后，K的值即为所有符合条件直线的斜率均值，根据所述K值计算出所述医疗化验单主方向的倾斜角度，并根据所述倾斜角度对所述图像ImageNorm做旋转矫正；
对进行过旋转矫正的图像ImageNorm再依据以下公式(3)筛选直线：
其中，L表示直线的长度，以像素为单位，θ为直线的倾斜角度，单位为度，当筛选出的两条直线之间的距离小于设定数值，则将所述两条直线合并，计算出每条直线两个端点纵坐标的均值，将该均值作为直线的高度信息，选取高度相差最大的两条直线，该两条直线即为表格的底线与表头的第二条直线，分别记为L_bottom，L_middle，选取位于L_middle上方且与之相距最近的直线为表头的顶部直线，记为L_top，在图像Image上分割出L_top于L_bottom之间的区域，即得到化验单的表格区域Image_body。
进一步地，所述的方法还包括：
将所述化验单的表格区域Image_body分为6×4共24个区域，对每个区域进行灰度直方图统计，并归一化，使用Yen算法选择阈值，最后将灰度值大于阈值的像素点的灰度值全部设置为255，得到对比度增强处理后的所述化验单的表格区域Image_body。
进一步地，所述的采用垂直投影方法对所述化验单的表格区域中的各个栏进行分离，提取出需要的信息栏，包括：
对所述化验单的表格区域Image_body进行归一化处理，得到归一化处理后的图像ImageNorm_body，对图像ImageNorm_body所有像素的灰度值进行直方图统计，并根据Yen算法选出的阈值对图像ImageNorm_body进行二值化处理，对二值化之后的ImageNorm_body使用Size(8,2)的结构元素进行腐蚀处理；
取腐蚀处理后的图像ImageNorm_body位于垂直方向的上半部ImageNorm_body_half用作接下来的投影分析，按如下式子(5)计算ImageNorm_body_half特征值featureColi:
其中，featureColi表示第i列的特征值，meanColi和stdDevColi分别表示第i列均值与标准差，求出所有特征值的均值meanCols与标准差stdDevCols，并按下式(6)计算阈值：
threshold＝meanCols+0.5×stdDevCols (6)
将特征值小于阈值的列作为表格中的信息栏，利用字符识别程序识别各个信息栏的表头文字，抽取出需要的信息栏。
进一步地，所述的从所述信息栏中分割出文本行，包括：
采用MSER方法对所述信息栏进行文字检测，再将检测到的文字区域合并成块，并合并成行，使用矩形框从合并后的文字区域中截取出文本行。
进一步地，所述的采用垂直投影方法对所述文本行进行分割，得到字符块，从所述字符块中提取出化验字符信息，包括：
采用垂直投影的方法对所述文本行进行字符分割，设当前的文本行为MatLine，先按下式求得MatLine的特征值：
其中featureLineColi表示第i列的特征值，meanLineColi和stdDevLineColi分别表示第i列均值与标准差，按照如下公式(8)、(9)求得特征值的阈值：
从特征值的第6个值开始，逐个遍历特征值，并计算
maxDiff＝max(maxDiff，|featureLineColi-featureLineColi-5|) (8)
其中maxDiff的初始值为0，若maxDiff的值发生更新，则按照下式更新阈值：
将特征值小于阈值thresholdLine的列作为文本行中字符所在的位置，根据所述字符所在的位置将字符块从文本行中分割出来，从所述字符块中提取出化验字符信息。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例通过从医疗化验单数字图像中分割出表格区域，继而在表格区域中提取出有用的化验字符信息，可以有效地对医疗化验单图像进行化验信息识别。本发明实施例的方法简洁，可操作性强。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于数字图像处理的医疗化验单表格字符的提取方法流程图。
图2为本发明实施例提供的一种“三线表格”示意图。
图3为本发明实施例提供的一种将表格从图像中截取出来并进行对比度增强处理后的示意图。
图4a为本发明实施例提供的一种对表格进行二值化和形态学处理后的示意图，图4b是图4a的特征值可视化的示意图。
图5a～g为本发明实施例提供的一种对不同信息栏分割之后的示意图。
图6为本发明实施例提供的一种从信息栏中提取文本行的示意图。
图7a、b为本发明实施例提供的一种对文本行进行垂直投影的示意图。
图8为本发明实施例提供的一种字符分割结果的示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明实施例提出了一种从医疗化验单图像中提取化验结果信息的方法，该方法首先利用数字图像处理技术将化验单图像中的表格截取出来，并根据表格中的栏目对表格进行分割，然后利用机器学习方法分别对每一栏的表头进行识别，筛选出感兴趣的信息栏，并对信息栏内的文本进行行分割，最终提取出化验字符信息。
本发明实施例提出的从医疗化验单图像中提取化验结果信息的方法的处理流程如图1所示，包括如下的处理步骤：
步骤S110、化验单表格区域提取
本方法首先从输入的医疗化验单的原始图像中提取出化验单的表格部分。医疗化验单的原始图像包含整张化验单的内容，但是其中只有表格中的检验信息是最主要的，因此，利用化验单“三线表格”的特点，利用数字图像处理方法定位化验单表格三条直线的位置，并将表格区域提取出来，并对表格区域进行对比度增强的处理。
首先，对原始图像进行归一化处理。记原始灰度图像为Image，若Image的宽度大于1000个像素值，则按照如下比例对其进行归一化：
其中.cols和.rows分别代表图像的宽度和高度，以像素为单位。
归一化后的图像为ImageNorm。对ImageNorm使用LSD(Line Segment Detector,直线分割检测)方法检测直线，并依据以下公式筛选直线：
其中，L表示直线的长度，以像素为单位。k表示直线的斜率，K表示当前所筛选出来的直线的斜率均值，初始值为0。对所有检测到的直线进行筛选之后，K的值即为所有符合条件直线的斜率均值。根据K值，由斜率与倾斜角的关系，K＝tanα，可求得化验单主方向的倾斜角度α,并基于倾斜角度对图像Image和ImageNorm做旋转矫正。对进行过矫正的图像ImageNorm再次使用LSD方法进行直线检测，并按照如下公式进行过滤：
其中，L表示直线的长度，以像素为单位。θ为直线的倾斜角度，单位为度。由于LSD检测到的直线都较短，需要将相邻的直线进行合并。设L1，L2分别为两条直线，以L2左端点到L1的距离作为度量，若该距离小于15.0(像素)，则视L1，L2为同一条直线进行合并。
图2本发明实施例提供的一种“三线表格”示意图，计算每条直线两个端点纵坐标的均值，将该均值作为直线的高度信息，选取高度相差最大的两条直线，该两条直线即为表格的底线与表头的第二条直线，分别记为L_bottom，L_middle。进而，选取位于L_middle上方且与之相距最近的直线为表头的顶部直线，记为L_top如图2。最后，在Image上分割出L_top于L_bottom之间的区域，即为化验单表格区域，记为Image_body。
由于拍摄时光线的不充足会导致图像对比度下降，所以还需要对Image_body进行比度增强的处理。首先将Image_body分为6×4共24个区域，对每个区域进行灰度直方图统计，并归一化，使用Yen算法，即前K条最短路径算法选择阈值，最后将灰度值大于阈值的像素点的灰度值全部设置为255(白色)，本发明实施例提供的一种将表格从图像中截取出来并进行对比度增强处理后的示意图如图3所示。
步骤S120、筛选表格中感兴趣的信息栏。
化验单表格中的信息分成了“检验项目”、“结果”、“参考范围”等若干栏，为了更准确提取感兴趣的信息，该步骤通过在垂直方向上进行投影将表格中的各个栏分离，并提取表头中的文字进行识别，从而判断哪些属于感兴趣的信息栏，并交由下一步进行处理。
首先，同样对Image_body进行归一化处理。记归一化后的图像为ImageNorm_body，若Image_body的宽度大于750个像素值，则按照如下比例对其进行归一化：
对ImageNorm_body所有像素的灰度值进行直方图统计，并归一化，然后根据Yen算法选出的阈值，对ImageNorm_body进行二值化处理。对二值化之后的ImageNorm_body使用Size(8,2)的结构元素进行腐蚀处理，则可得到如图4(a)所示对表格进行二值化和形态学处理后的示意图。
由于大部分表格中的内容都集中在上半部，所以取ImageNorm_body位于垂直方向的上半部用作接下来的投影分析，记为ImageNorm_body_half。按如下式子计算ImageNorm_body_half特征值:
其中featureColi表示第i列的特征值，meanColi和stdDevColi分别表示第i列均值与标准差。接着，求出所有特征值的均值与标准差，分别记为meanCols和stdDevCols，并按下式计算阈值：
threshold＝meanCols+0.5×stdDevCols (6)
将特征值小于阈值的连续几列视为表格中栏目所在的位置，即为信息栏。为了避免文字间的空隙对分离信息栏造成影响，最后，还应该使用中值滤波对特征值进行处理。处理后，特征值的可视化结果如图4(b)所示。
根据如上所述的由表格中每列像素的特征值和求得的阈值，即可分离出表格中各个信息栏，图5a～g为本发明实施例提供的一种对不同信息栏分割之后的示意图。利用步骤S110中得到的表格线信息，可以确定信息栏中表头的位置，进而对其进行分割，并利用字符识别程序识别表头文字，抽取所感兴趣的信息栏，这里，我们抽取了“项目名称”和“结果”，分别记为Roi1，Roi2。
步骤S130、信息栏文本的行分割。
该步骤将上一步得到的信息栏进一步处理，分割出文本行。这里采用MSER(Maximally Stable Extremal Regions，最大稳定极值区域)的方法对信息栏进行文字检测，再将检测到的文字区域合并成块，进而合并成行，最后，使用矩形框从合并后的文字区域中截取出文本行。MSER算法的基本原理是对一幅灰度图像(灰度值为0到255)取阈值进行二值化处理，阈值从0到255依次递增。在得到的所有二值化图像中，有些连通区域变化很小或者没有变化，那么这些区域就被称为最大稳定极值区域，利用这一算法，我们可以提取出二值化图像中的文字所在区域。
将上步骤中已得到的Roi1截去表头，使用MSER方法对剩余部分进行字符检测，对检测到的区域予以合并，则得到如图6所示结果。此时，就可以将Roi1中的文本行截取出来。利用相同的高度信息，我们进而可以截取出Roi2的文本行。
步骤S140、文本行的字符分割。
该步骤采用垂直投影的方法，结合阈值选择策略，将输入的文本行分割得到字符块。
该步骤主要是将上述步骤得到的所有文本行进行字符分割。设当前的文本行为MatLine，先按下式求得MatLine的特征值：
其中featureLineColi表示第i列的特征值，meanLineColi和stdDevLineColi分别表示第i列均值与标准差。然后，按照如下策略求得特征值的阈值。
从特征值的第6个值开始，逐个遍历特征值，分割后的文本行可能在左侧边界存在噪声点，所以第6个特征值开始，此值为实验所得。并计算
maxDiff＝max(maxDiff，|featureLineColi-featureLineColi-5|) (8)
其中maxDiff的初始值为0，若maxDiff的值发生更新，则按照下式更新阈值：
最后，同样使用阈值thresholdLine对特征值二值化，并用中值滤波进行处理，特征值小于阈值的连续几列视为文本行中字符所在的位置，图7a、b为本发明实施例提供的一种对文本行进行垂直投影的示意图。如图7a、b所示，按照文本行中字符所在的位置，即可将字符块从文本行中分割出来，从所述字符块中提取出化验字符信息。图8为本发明实施例提供的一种字符分割结果的示意图。
本发明实施例的方案可以适用于移动终端和固定终端，特别适用于在PAD(portable android device，平板电脑)和手机等移动终端实施。
综上所述，本发明实施例通过从医疗化验单数字图像中分割出表格区域，继而在表格区域中提取出有用的化验字符信息，可以有效地对医疗化验单图像进行化验信息识别。本发明实施例的方法简洁，可操作性强。
本发明实施例对图像采集环境具有一定的自适应性，能有效消除拍摄时造成的偏光、倾斜等不利因素影响，本发明实施例对图像的处理速度快，非极端情况下的结果可靠性高。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种从医疗化验单图像中提取化验结果信息的方法，其特征在于，包括：
基于医疗化验单的表格特点，从医疗化验单的原始图像中提取出所述医疗化验单的表格区域；
采用垂直投影方法对所述医疗化验单的表格区域中的各个栏进行分离，提取出需要的信息栏；
从所述信息栏中分割出文本行；
采用垂直投影方法对所述文本行进行分割，得到字符块，从所述字符块中提取出化验字符信息。
2.根据权利要求1所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的基于医疗化验单的表格特点，从医疗化验单的原始图像中提取出所述医疗化验单的表格区域，包括：
对医疗化验单的原始图像Image进行归一化处理，归一化处理后的图像为ImageNorm；
对所述图像ImageNorm依据以下公式(2)筛选直线：
其中，L表示直线的长度，以像素为单位，k表示直线的斜率，K表示当前所筛选出来的直线的斜率均值，初始值为0，对所有直线进行筛选之后，K的值即为所有符合条件直线的斜率均值，根据所述K值计算出所述医疗化验单主方向的倾斜角度，并根据所述倾斜角度对所述图像ImageNorm做旋转矫正；
对进行过旋转矫正的图像ImageNorm再依据以下公式(3)筛选直线：
其中，L表示直线的长度，以像素为单位，θ为直线的倾斜角度，单位为度，当筛选出的两条直线之间的距离小于设定数值，则将所述两条直线合并，计算出每条直线两个端点纵坐标的均值，将该均值作为直线的高度信息，选取高度相差最大的两条直线，该两条直线即为表格的底线与表头的第二条直线，分别记为L_bottom，L_middle，选取位于L_middle上方且与之相距最近的直线为表头的顶部直线，记为L_top，在图像Image上分割出L_top于L_bottom之间的区域，即得到化验单的表格区域Image_body。
3.根据权利要求1所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的方法还包括：
将所述化验单的表格区域Image_body分为6×4共24个区域，对每个区域进行灰度直方图统计，并归一化，使用Yen算法选择阈值，最后将灰度值大于阈值的像素点的灰度值全部设置为255，得到对比度增强处理后的所述化验单的表格区域Image_body。
4.根据权利要求2所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的采用垂直投影方法对所述化验单的表格区域中的各个栏进行分离，提取出需要的信息栏，包括：
对所述化验单的表格区域Image_body进行归一化处理，得到归一化处理后的图像ImageNorm_body，对图像ImageNorm_body所有像素的灰度值进行直方图统计，并根据Yen算法选出的阈值对图像ImageNorm_body进行二值化处理，对二值化之后的ImageNorm_body使用Size(8,2)的结构元素进行腐蚀处理；
取腐蚀处理后的图像ImageNorm_body位于垂直方向的上半部ImageNorm_body_half用作接下来的投影分析，按如下式子(5)计算ImageNorm_body_half特征值featureColi:
其中，featureColi表示ImageNorm_body_half第i列的特征值，meanColi和stdDevColi分别表示ImageNorm_body_half第i列均值与标准差，求出所有特征值的均值meanCols与标准差stdDevCols，并按下式(6)计算阈值：
threshold＝meanCols+0.5×stdDevCols(6)
将特征值小于阈值的列作为表格中的信息栏，利用字符识别程序识别各个信息栏的表头文字，抽取出需要的信息栏。
5.根据权利要求4所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的从所述信息栏中分割出文本行，包括：
采用MSER方法对所述信息栏进行文字检测，再将检测到的文字区域合并成块，并合并成行，使用矩形框从合并后的文字区域中截取出文本行。
6.根据权利要求5所述的从医疗化验单图像中提取化验结果信息的方法，其特征在于，所述的采用垂直投影方法对所述文本行进行分割，得到字符块，从所述字符块中提取出化验字符信息，包括：
采用垂直投影的方法对所述文本行进行字符分割，设当前的文本行为MatLine，先按下式求得MatLine的特征值：
按照如下公式(8)、(9)求得特征值的阈值：
从特征值的第6个值开始，逐个遍历特征值，并计算
maxDiff＝max(maxDiff，|featureLineColi-featureLineColi-5|)(8)
若maxDiff的值发生更新，则按照下式更新阈值：
将特征值小于阈值thresholdLine的列作为文本行中字符所在的位置，根据所述字符所在的位置将字符块从文本行中分割出来，从所述字符块中提取出化验字符信息；
其中，featureLineColi表示MatLine的第i列的特征值，meanLineColi和stdDevLineColi分别表示MatLine的第i列均值与标准差，其中，maxDiff表示featureLineColi与featureLineColi-5之差的绝对值的最大值，maxDiff的初始值为0。
CN201610617483.9A 2016-07-29 2016-07-29 从医疗化验单图像中提取化验结果信息的方法 Active CN106446881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610617483.9A CN106446881B (zh) 2016-07-29 2016-07-29 从医疗化验单图像中提取化验结果信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610617483.9A CN106446881B (zh) 2016-07-29 2016-07-29 从医疗化验单图像中提取化验结果信息的方法

Publications (2)

Publication Number Publication Date
CN106446881A CN106446881A (zh) 2017-02-22
CN106446881B true CN106446881B (zh) 2019-05-21

Family

ID=58184436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610617483.9A Active CN106446881B (zh) 2016-07-29 2016-07-29 从医疗化验单图像中提取化验结果信息的方法

Country Status (1)

Country Link
CN (1) CN106446881B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110634222A (zh) * 2019-08-27 2019-12-31 河海大学 一种银行票据信息识别方法

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991416A (zh) * 2017-03-14 2017-07-28 浙江大学 一种基于手动拍照的化验单识别方法
CN108629340A (zh) * 2017-03-20 2018-10-09 深圳怡化电脑股份有限公司 一种存单识别方法及识别系统
CN107220648B (zh) * 2017-04-11 2018-06-22 平安科技（深圳）有限公司 理赔单据的字符识别方法及服务器
CN107315989B (zh) * 2017-05-03 2020-06-12 天方创新（北京）信息技术有限公司 针对医学资料图片的文本识别方法和装置
CN107516004A (zh) * 2017-07-06 2017-12-26 贵阳朗玛信息技术股份有限公司 医学影像图片的识别处理方法及装置
CN107491730A (zh) * 2017-07-14 2017-12-19 浙江大学 一种基于图像处理的化验单识别方法
CN109840520A (zh) * 2017-11-24 2019-06-04 中国移动通信集团广东有限公司 一种发票关键信息识别方法及系统
CN107909064B (zh) * 2017-12-27 2018-11-16 掌阅科技股份有限公司 三线表识别方法、电子设备及存储介质
CN109543525B (zh) * 2018-10-18 2020-12-11 成都中科信息技术有限公司 一种通用表格图像的表格提取方法
CN111079756B (zh) * 2018-10-19 2023-09-19 杭州萤石软件有限公司 一种单据图像中的表格提取与重建方法和设备
CN109460387A (zh) * 2018-11-05 2019-03-12 帝麦克斯(苏州)医疗科技有限公司 文件名生成方法及装置
CN109685052A (zh) * 2018-12-06 2019-04-26 泰康保险集团股份有限公司 文本图像处理方法、装置、电子设备及计算机可读介质
CN109977910B (zh) * 2019-04-04 2021-08-20 厦门商集网络科技有限责任公司 基于彩色线段的票据快速定位方法及其系统
CN110348360B (zh) * 2019-07-04 2020-11-24 上海眼控科技股份有限公司 一种检测报告识别方法及设备
CN110458070A (zh) * 2019-08-01 2019-11-15 上海眼控科技股份有限公司 基于机动车年检检验表图片识别检验次数的方法与系统
CN111079531A (zh) * 2019-11-12 2020-04-28 泰康保险集团股份有限公司 数据结构化输出方法、装置、电子设备、存储介质
CN111144336A (zh) * 2019-12-30 2020-05-12 贵州近邻宝科技有限公司 面向快递面单的收件人手机号码、运单号的自动识别方法
CN111753727B (zh) * 2020-06-24 2023-06-23 北京百度网讯科技有限公司 用于提取结构化信息的方法、装置、设备及可读存储介质
CN111860502A (zh) * 2020-07-15 2020-10-30 北京思图场景数据科技服务有限公司 图片表格的识别方法、装置、电子设备及存储介质
CN112418204A (zh) * 2020-11-18 2021-02-26 杭州未名信科科技有限公司 基于纸质文档的文本识别方法、系统及计算机介质
CN112308046A (zh) * 2020-12-02 2021-02-02 龙马智芯（珠海横琴）科技有限公司 图像的文本区域定位方法、装置、服务器及可读存储介质
CN112686247A (zh) * 2020-12-10 2021-04-20 广州广电运通金融电子股份有限公司 一种身份证号码检测方法、装置、可读存储介质和终端
CN113158755A (zh) * 2021-02-07 2021-07-23 上海孚厘科技有限公司 一种提高银行流水识别准确率的方法
CN113505588A (zh) * 2021-07-14 2021-10-15 京东科技控股股份有限公司 信息抽取方法、装置和电子设备
CN113705576B (zh) * 2021-11-01 2022-03-25 江西中业智能科技有限公司 一种文本识别方法、装置、可读存储介质及设备
CN114092479B (zh) * 2022-01-21 2022-05-03 武汉大学 一种医学图像评估方法及装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5075895A (en) * 1989-04-05 1991-12-24 Ricoh Company, Ltd. Method and apparatus for recognizing table area formed in binary image of document
EP0758775A2 (en) * 1995-08-11 1997-02-19 Canon Kabushiki Kaisha Feature extraction system
CN1237745A (zh) * 1998-01-05 1999-12-08 佳能株式会社 用来分析表格图像的系统
CN1949249A (zh) * 2005-10-11 2007-04-18 株式会社理光 表格提取方法和设备
CN101149790A (zh) * 2007-11-14 2008-03-26 哈尔滨工程大学 中文印刷体公式识别方法
CN101676930A (zh) * 2008-09-17 2010-03-24 北大方正集团有限公司 一种识别扫描图像中表格单元的方法及装置
CN102750531A (zh) * 2012-06-05 2012-10-24 江苏尚博信息科技有限公司 用于票据文档定位格的手写体标记符号检测方法
CN103020621A (zh) * 2012-12-25 2013-04-03 深圳深讯和科技有限公司 中英文混排文字图像的切割方法及装置
CN104517112A (zh) * 2013-09-29 2015-04-15 北大方正集团有限公司 一种表格识别方法与系统
CN104966109A (zh) * 2015-07-17 2015-10-07 北京旷视科技有限公司 医疗化验单图像分类方法及装置
CN105184265A (zh) * 2015-09-14 2015-12-23 哈尔滨工业大学 一种基于自学习的手写表格数字字符串快速识别的方法
CN105426856A (zh) * 2015-11-25 2016-03-23 成都数联铭品科技有限公司 一种图像表格文字识别方法
CN105469053A (zh) * 2015-11-25 2016-04-06 成都数联铭品科技有限公司 一种基于贝叶斯优化的图像表格文字切分方法
CN105654072A (zh) * 2016-03-24 2016-06-08 哈尔滨工业大学 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249905A1 (en) * 2010-01-15 2011-10-13 Copanion, Inc. Systems and methods for automatically extracting data from electronic documents including tables

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5075895A (en) * 1989-04-05 1991-12-24 Ricoh Company, Ltd. Method and apparatus for recognizing table area formed in binary image of document
EP0758775A2 (en) * 1995-08-11 1997-02-19 Canon Kabushiki Kaisha Feature extraction system
CN1237745A (zh) * 1998-01-05 1999-12-08 佳能株式会社 用来分析表格图像的系统
CN1949249A (zh) * 2005-10-11 2007-04-18 株式会社理光 表格提取方法和设备
CN101149790A (zh) * 2007-11-14 2008-03-26 哈尔滨工程大学 中文印刷体公式识别方法
CN101676930A (zh) * 2008-09-17 2010-03-24 北大方正集团有限公司 一种识别扫描图像中表格单元的方法及装置
CN102750531A (zh) * 2012-06-05 2012-10-24 江苏尚博信息科技有限公司 用于票据文档定位格的手写体标记符号检测方法
CN103020621A (zh) * 2012-12-25 2013-04-03 深圳深讯和科技有限公司 中英文混排文字图像的切割方法及装置
CN104517112A (zh) * 2013-09-29 2015-04-15 北大方正集团有限公司 一种表格识别方法与系统
CN104966109A (zh) * 2015-07-17 2015-10-07 北京旷视科技有限公司 医疗化验单图像分类方法及装置
CN105184265A (zh) * 2015-09-14 2015-12-23 哈尔滨工业大学 一种基于自学习的手写表格数字字符串快速识别的方法
CN105426856A (zh) * 2015-11-25 2016-03-23 成都数联铭品科技有限公司 一种图像表格文字识别方法
CN105469053A (zh) * 2015-11-25 2016-04-06 成都数联铭品科技有限公司 一种基于贝叶斯优化的图像表格文字切分方法
CN105654072A (zh) * 2016-03-24 2016-06-08 哈尔滨工业大学 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Learning to Detect Tables in Scanned Document Images using Line Information》;T Kasar等;《2013 12th International Conference on Document Analysis and Recognition》;20131231;第1185-1189页
《一种表格框线检测和字线分离算法》;刘长松等;《电子与信息学报》;20020930;第24卷(第9期);第1190-1196页
《基于投影特征与结构特征的表格图像识别》;王绪等;《计算机工程》;20110131;第37卷(第1期);第210-212页

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110634222A (zh) * 2019-08-27 2019-12-31 河海大学 一种银行票据信息识别方法
CN110634222B (zh) * 2019-08-27 2021-07-09 河海大学 一种银行票据信息识别方法

Also Published As

Publication number Publication date
CN106446881A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106446881B (zh) 从医疗化验单图像中提取化验结果信息的方法
Wang et al. Localizing microaneurysms in fundus images through singular spectrum analysis
Nandy et al. The nature of letter crowding as revealed by first-and second-order classification images
Wang et al. Retinal vessel segmentation using multiwavelet kernels and multiscale hierarchical decomposition
Vijayarani et al. Performance analysis of canny and sobel edge detection algorithms in image mining
Jitpakdee et al. A survey on hemorrhage detection in diabetic retinopathy retinal images
Semary et al. Currency recognition system for visually impaired: Egyptian banknote as a study case
Sinha et al. Optic disk localization using L 1 minimization
EP3666177B1 (en) Electronic device for determining degree of conjunctival hyperemia
WO2014195802A2 (en) Method and system for recognizing information
CN109584202A (zh) 图像处理装置、方法和非暂时性计算机可读存储介质
TWI719587B (zh) 眼底圖像定量分析的前置處理方法及存放裝置
US20180068440A1 (en) Detection of microaneurysms
Alvino et al. Computerized measurement of facial expression of emotions in schizophrenia
WO2019061659A1 (zh) 人脸图像眼镜去除方法、装置及存储介质
CN104424633B (zh) 一种视频对比度异常检测方法及装置
Shivakumara et al. A new RGB based fusion for forged IMEI number detection in mobile images
CN108021913A (zh) 证件照片信息识别方法及装置
Hortinela IV et al. Development of abnormal red blood cells classifier using image processing techniques with support vector machine
Batliner et al. Automated areas of interest analysis for usability studies of tangible screen-based user interfaces using mobile eye tracking
Jost et al. Contribution of depth to visual attention: comparison of a computer model and human behavior
CN113469942B (zh) 一种ct图像病变检测方法
CN106611417A (zh) 将视觉元素分类为前景或背景的方法及装置
Bindhu et al. Analytical study on digital image processing applications
Kurup et al. Automated malarial retinopathy detection using transfer learning and multi-camera retinal images

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