CN106599940B - 图片文字的识别方法及装置 - Google Patents
图片文字的识别方法及装置 Download PDFInfo
- Publication number
- CN106599940B CN106599940B CN201611060177.6A CN201611060177A CN106599940B CN 106599940 B CN106599940 B CN 106599940B CN 201611060177 A CN201611060177 A CN 201611060177A CN 106599940 B CN106599940 B CN 106599940B
- Authority
- CN
- China
- Prior art keywords
- character
- pixels
- matched
- characters
- picture
- 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
Images
Classifications
-
- 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
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- 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
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种图片文字的识别方法及装置,涉及图像处理技术领域,主要目的在于解决在识别图片中的文字过程中,在将其与文字库中预先存储的文字进行比对时,为确保比对结果的正确性,文字库中的文字同样为标准排版,导致文字库中的数据量较大,使得现有技术中的比对方式计算量大,文字识别时间较长、性能较低的问题,本发明的技术方案包括:将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;将所述矩形文字框内的文字编码为待匹配字符串,并将所述待匹配字符串与预设文字库中的字符串进行匹配;根据匹配结果识别所述待匹配字符串对应的文字。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图片文字的识别方法及装置。
背景技术
伴随着互联网技术的快速发展,在网页中展示信息的形式也越来越多,越多越丰富。例如,网页中为了吸引更多的访客可以通过图片的形式进行内容的展示,在通过图片展示网页内容时,可将展示的内容置于图片中,以增强展示效果的趣味性。
目前,在使用图片展示网页内容时,一些恶意用户可能会将一些非法广告、敏感词汇、污秽谩骂诅咒词汇等恶意信息放置于图片中进行展示,给网络环境带去一定的不良影响。为了营造一个良好的网络环境,需对上述类型的图片进行过滤、屏蔽,现有技术中,通过识别图片中文字的方式避免恶意图片的展示;在识别图片中的文字时,将整个图片切分成多个小块图片,确定每个小块图片的色差,依次将小块图片的色差与文字库中预先存储的文字对应的色差进行相似度的匹配,色差相似度越高,说明文字的相似度越高,从而实现图片文字的识别。
发明人在实现上述过程时发现,现有技术中由于图片中的文字为标准排版的文字,在将其与文字库中预先存储的文字进行比对时,为确保比对结果的正确性,文字库中的文字同样为标准排版,导致文字库中的数据量较大,使得现有技术中的比对方式计算量大,文字识别时间较长、性能较低。
发明内容
有鉴于此,本发明提供的一种图片文字的识别方法及装置,主要目的在于解决现有技术中在识别图片中的文字过程中,在将其与文字库中预先存储的文字进行比对时,为确保比对结果的正确性,文字库中的文字同样为标准排版,导致文字库中的数据量较大,使得现有技术中的比对方式计算量大,文字识别时间较长、性能较低的问题。
依据本发明一个方面,本发明提供了一种图片文字的识别方法,包括:
将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;
将所述矩形文字框内的文字编码为待匹配字符串,并将所述待匹配字符串与预设文字库中的字符串进行匹配;
根据匹配结果识别所述待匹配字符串对应的文字。
可选的,将图片中的文字拆分为多个矩形文字框包括:
对所述图片中的文字进行解析,确定图片中文字的识别起始点;
从所述识别起始点确认各个文字的字高度及字宽度;
根据所述字高度及字宽度将图片中的文字进行拆分。
可选的,将所述矩形文字框内的文字编码为待匹配字符串包括:
获取所述矩形文字框内的文字像素及空白像素,并分别对所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;
将二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。
可选的,在分别对所述文字像素及空白像素进行二进制编码之前,所述方法包括:
计算所述矩形文字框内文字像素及空白像素的第一像素总数;
获取所述预设文字库中一个字包含的第二像素总数;
将所述第一像素总数与所述第二像素总数进行比对;
若所述第一像素总数与所述第二像素总数不相同,则根据所述第二像素总数对所述矩形文字框进行等比缩放;
所述分别对所述文字像素及空白像素进行二进制编码包括:
若所述第一像素总数与所述第二像素总数相同,则分别对所述文字像素及空白像素进行二进制编码。
可选的,在将所述矩形文字框内的文字编码为待匹配字符串之前,所述方法包括:
使用预置降噪算法对所述图片进行降噪处理。
可选的,根据匹配结果识别所述待匹配字符串对应的文字包括:
确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;
若确定所述待匹配字符串与所述预设文字库内的字符串完全匹配,则将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;
若确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配,则获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将与所述待匹配字符串相似度最高的字符串对应的文字确定为所述待匹配字符串对应的文字。
依据本发明另一个方面,本发明提供了一种图片文字的识别装置,该装置包括:
拆分单元,用于将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;
编码单元,用于将所述拆分单元拆分后的所述矩形文字框内的文字编码为待匹配字符串;
匹配单元,用于将所述编码单元编码后的所述待匹配字符串与预设文字库中的字符串进行匹配;
识别单元,用于根据所述匹配单元的匹配结果识别所述待匹配字符串对应的文字。
可选的,所述拆分单元包括:
解析模块,用于对所述图片中的文字进行解析;
第一确定模块,用于在所述解析模块对所述图片中的文字进行解析过程中,确定图片中文字的识别起始点;
第二确定模块,用于从所述识别起始点确认各个文字的字高度及字宽度;
拆分模块,用于根据所述第二确定模块确定的所述字高度及字宽度将图片中的文字进行拆分。
可选的,所述编码单元包括:
获取模块,用于获取所述矩形文字框内的文字像素及空白像素;
编码模块,用于分别对所述获取模块获取的所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;
转换模块,用于将所述编码模块二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。
可选的,所述编码单元还包括:
计算模块,用于在所述编码模块分别对所述文字像素及空白像素进行二进制编码之前,计算所述矩形文字框内文字像素及空白像素的第一像素总数;
获取模块,用于获取所述预设文字库中一个字包含的第二像素总数;
比对模块,用于将所述计算模块计算的所述第一像素总数与所述获取模块获取的所述第二像素总数进行比对;
缩放模块,用于当所述比对模块确定所述第一像素总数与所述第二像素总数不相同时,根据所述第二像素总数对所述矩形文字框进行等比缩放;
所述编码模块,还用于当所述比对模块确定所述第一像素总数与所述第二像素总数相同时,分别对所述文字像素及空白像素进行二进制编码。
可选的,所述装置包括:
处理单元,用于在所述编码单元将所述矩形文字框内的文字编码为待匹配字符串之前,使用预置降噪算法对所述图片进行降噪处理。
可选的,所述识别单元包括:
第一确定模块,用于确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;
第二确定模块,用于当所述第一确定模块确定所述待匹配字符串与所述预设文字库内的字符串完全匹配时,将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;
第三确定模块,用于当所述第一确定模块确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配时,获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将与所述待匹配字符串相似度最高的字符串对应的文字确定为所述待匹配字符串对应的文字。
本发明提供的一种图片文字的识别方法及装置,在识别图片中的文字时,首先,将图片中的文字拆分为多个矩形文字框,该矩形文字框的个数与图片中文字的个数一致,逐字进行识别,能够提高识别文字的准确性,其次,将矩形文字框内的文字编码为待匹配字符串,并将待匹配字符串与预设文字库中的字符串进行匹配;最后,根据匹配结果识别待匹配字符串对应的文字;在基于预设文字库进行识别时,涉及字符串的比对,而预设文字库存储的是文字对应的字符串,数据占用量小,字符串的比对较为灵活且提高了比对的速度,减少了识别文字的消耗时长,提高了识别性能。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种图片文字的识别方法的流程图;
图2示出了本发明实施例提供的一种将图片中的文字拆分为多个矩形文字框的示意图;
图3示出了本发明实施例提供的一种对矩形文字框内的文字进行编码的示意图;
图4示出了本发明实施例提供的一种图片文字的识别装置的组成框图;
图5示出了本发明实施例提供的另一种图片文字的识别装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种图片文字的识别方法,如图1所示,所述方法包括:
101、将图片中的文字拆分为多个矩形文字框。
在网页、邮件等页面中展示的内容中包含图片,图片中包含不同类型的文字,所述文字的类型包括但不局限于以下内容,例如:汉字、大小写英文、阿拉伯数字等等,具体的,本发明实施例对图片中的文字类型不作限定。
在未对图片中的文字进行识别之前,计算机无法确定图片中的文字内容,为了使互联网络中拥有一个良好的传播环境,服务器需要对图片中的文字进行识别,将图片中涉及非法广告或者谩骂等污秽词汇的内容进行过滤屏蔽,以维护良好的互联网环境。在对图片中的文字进行识别时,为了提高识别文字的准确性,在获取到一个图片,并确定该图片中包含多个文字后,将该些文字拆分为多个矩形文字框,在本发明实施例中,图片中文字的个数与拆分的矩形文字框的个数一致,即将图片中一个文字对应一个矩形文字框。
在具体实施过程中,所述图片中的文字要求为标准排版的文字,而非手写的文字,所述标准排版的文字拥有预设字体的种类、字与字之间的间距可以确定,行与行之间的行距可以确定。本发明实施例所述的将图片中的文字拆分成多个矩形文字框,该矩形文字框的大小根据文字的实际大小确定,文字的实际大小包括文字的字高度、字宽度及占用像素数等等,图片中文字越大,其对应的矩形文字框越大;图片中文字越小,其对应的矩形文字框越小,不同的文字对应的矩形文字框大小可能存在差异;本发明实施例所述的字体种类可以包含但不局限于宋体、楷体、Times New Roman等等,本发明实施例对文字的字体、字形、字号、行间距及矩形文字框的大小等信息不作限定。
在将图片中的文字拆分成多个矩形文字框后,在该矩形文字框内包含文字部分及空白部分。为了便于对矩形文字框内的文字部分及空白部分进行更好的理解,以下将以示例的形式进行详细说明;示例性的,假设,在一张图片中至少包含的文字有:“图片文字识别”6个文字,在对图片中的文字进行拆分时,拆分为6个矩形文字框,如图2所示,图2示出了本发明实施例提供的一种将图片中的文字拆分为多个矩形文字框的示意图,在矩形文字框内,除文字部分外的其他部分均为空白部分,从用户层面讲,用户只关心文字的外在形式特征,所述空白部分不包含任何的文字,可能会包含底纹等。需要说明的是,图2仅为示例性的举例,本发明实施例对图片的内容、图片中包含的文字个数、文字类型、文字的排版等内容不作具体限定。
示例性的,假设,某图片中共包含10个文字,该10个文字均为宋体字体,那么在对该图片中进行拆分时,将其中的文字拆分为10个矩形文字框。具体的,本发明实施例对图片中文字的个数以及文字的字体等信息不作限定。
102、将所述矩形文字框内的文字编码为待匹配字符串,并将所述待匹配字符串与预设文字库中的字符串进行匹配。
现有技术中,在通过文字库中预先存储的文字进行识别图片中的文字时,文字库中的内容均为明文存储的形式,即文字库中的文字形式与图片中的文字形式一致,在构建文字库时,需要预留大量的存储空间,以满足识别图片中大容量文字的需求,使得文字库中的数据量较大,在识别数据的过程中也不灵活。
为了解决现有技术中的问题,本发明实施例中,在构建预设文字库时,将预设文字进行编码,编码为十六进制、六十四进制或者一百二十八进制的字符串,字符串的数据占用空间较小,能够节省预设文字库中存储预设文字的存储空间。适应于预设文字库的构建方式,在识别图片中的文字时,需要将拆分后的矩形文字框中的文字进行编码,编码为待匹配字符串;编码完成后,将待匹配字符串与预设文字库中的字符串进行匹配。
作为本发明实施例的一种实现方式,将所述待匹配字符串与预设文字库中的字符串进行匹配过程中,可以将图片中的文字对应的待匹配字符串与预设文字库中的字符串依次进行匹配,如,首先,将图片中第一个文字对应的待匹配字符串与预设文字库中的字符串进行匹配,匹配完成后,继续将图片中的第二个文字对应的待匹配字符串与预设文字库中的字符串进行匹配,直到匹配完图片中的所有文字。作为本发明实施例的另一种实现方式,将图片中的文字对应的待匹配字符串并行与预设文字库中的字符串进行匹配,即将矩形文字框内的所有文字编码为待匹配字符串后,并行执行与预设文字库中的字符串的匹配,能够提高识别图片文字的速度。具体的,本发明实施例对待匹配字符串与预设文字库中的字符串的匹配方式不作限定。
103、根据匹配结果识别所述待匹配字符串对应的文字。
在步骤102执行将所述待匹配字符串与预设文字库中的字符串进行匹配的过程中,会对应三种结果,第一种:所述待匹配字符串与预设文字库中的字符串完全匹配;第二种:所述待匹配字符串与预设文字库中的字符串完全不匹配;第三种:所述待匹配字符串与预设文字库中的字符串部分匹配。理想状态下,若基于预设文字库能够识别出图片中的文字,则匹配结果为上述第一种匹配结果,即所述待匹配字符串与预设文字库中的字符串完全匹配,说明基于预设文字库匹配的文字正确率高。
但是,在实际应用中,在将矩形文字框内的文字进行编码时,该矩形文字框内可能会存在一些线条或者其他非文字的颜色、底纹等干扰内容,在编码时,编码的待匹配字符串可能包含一些干扰内容对应的编码,导致待匹配字符串与预设文字库中的字符串匹配时,确定的匹配结果,为待匹配字符串只有部分与预设文字库中的字符串一致。
本发明实施例提供的一种图片文字的识别方法,在识别图片中的文字时,首先,将图片中的文字拆分为多个矩形文字框,该矩形文字框的个数与图片中文字的个数一致,逐字进行识别,能够提高识别文字的准确性,其次,将矩形文字框内的文字编码为待匹配字符串,并将待匹配字符串与预设文字库中的字符串进行匹配;最后,根据匹配结果识别待匹配字符串对应的文字;在基于预设文字库进行识别时,涉及字符串的比对,而预设文字库存储的是文字对应的字符串,数据占用量小,字符串的比对较为灵活且提高了比对的速度,减少了识别文字的消耗时长,提高了识别性能。
为了更好的对上述图1所示的方法进行理解,作为对图1所示方法的细化和扩展,如下所示,本发明实施例将针对图1中的步骤进行详细说明。
为了确保识别图片中文字的准确性,在将图片中的文字拆分为多个文字框时,需要对图片中的文字进行解析,确定图片中文字的识别起始点,从确定的识别起始点开始依次确认图片中各个文字的字高度及字宽度,根据确定的字高度及字宽度将图片中的文字进行拆分。在实际应用中,在确定图片中文字的识别起始点时,可以将图片中的第一个文字作为识别起始点,也可以将图片中的最后一个文字作为识别起始点;示例性的,请继续参阅图2,假设,图片中只有6个文字,其中,文字“图”为图片中的第一个文字,文字“别”为图片中的最后一个文字,在确定识别起始点时,既可以将图片中的第一个文字“图”作为识别起始点,又可以将图片中的最后一个文字“别”作为识别起始点,具体的,本发明实施例对识别起始点的确定方式不作限定。
在本发明实施中,将图片中的文字拆分为多个矩形文字框时,将确认的字高度作为矩形文字框的高度,将确认的字宽度作为矩形文字框的宽度,不同的文字,其字高度及字宽度可能存在差异,本发明实施例对字高度及字宽度的具体值不作限定。
在将所述矩形文字框内的文字编码为待匹配字符串时,可以包含但不局限于以下方法实现,包括:获取所述矩形文字框内的文字像素及空白像素,并分别对所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;将二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。请继续参考图2,所述矩形框内的文字部分对应为矩形文字框的文字像素,所述矩形文字框的空白部分对应矩形文字框的空白像素。示例性的,图3示出了本发明实施例提供的一种对矩形文字框内的文字进行编码的示意图,该处以一个矩形文字框内的一个文字“人”为例进行说明,获取到矩形文字框内的文字像素与空白像素后,分别使用0对空白像素进行编码,使用1对文字像素进行编码得到一个二进制编码后的矩形文字框,将二进制编码后的矩形文字框转换为十六进制,得到待匹配字符串0E00A0BC00E。请继续参阅图3,图3中所述的虚拟像素编码为了便于阅读者直观的理解,给出了编码前的文字与编码后的文字(虚拟像素编码)的示意图。图3仅为示例性的举例,本发明实施例对二进制编码及十六进制编码的具体实现过程不作限定。
需要说明的是,在对矩形文字框内的文字像素及空白像素编码后,可以将二进制编码后的文字像素及空白像素转换为十六进制,也可以将编码后的文字像素及空白像素转换为六十四进制或者一百二十八进制,在实际应用中,将二进制编码后的文字像素及空白像素转换为十六进制,其转换速度相对较慢,但是,其识别图片文字的准确性相对较高;将二进制编码后的文字像素及空白像素转换为六十四进制或者一百二十八进制,其转化待匹配字符串的速度较快,但是,其识别图片文字的准确性相对较低,具体在将二进制编码后的文字像素及空白像素转化为待匹配字符串时,要根据实际需求选择,本发明实施例对此不作限定。
为了进一步提高识别图片文字的准确性,在分别对所述文字像素及空白像素进行二进制编码之前,计算所述矩形文字框内文字像素及空白像素的第一像素总数;获取所述预设文字库中一个字包含的第二像素总数;将所述第一像素总数与所述第二像素总数进行比对;若所述第一像素总数与所述第二像素总数不相同,则根据所述第二像素总数对所述矩形文字框进行等比缩放;若所述第一像素总数与所述第二像素总数相同,则分别对所述文字像素及空白像素进行二进制编码。
本发明实施例中,所述预设文字库会对其存储的文字所占的像素总数进行标识说明,例如,标识一个文字占用的第二像素总数为30万。假设,矩形文字框内文字像素及空白像素的第一像素总数为20万,第二像素总数大于第一像素总数,需要对该矩形文字框进行等比缩放,放大到像素为30万,才会继续执行对所述文字像素及空白像素进行二进制编码。需要说明的是,本发明实施例所述的对所述矩形文字框进行等比缩放,并不是对该矩形文字框内的每个像素点进行放大或者缩小,若仅仅为矩形文字框内的每个像素点的放大或者缩小,则放大倍数及缩小倍数过大,会造成图片中文字的失真,给识别图片文字增加了难度。本发明实施例所述的对所述矩形文字框进行等比缩放,为根据第二像素总数对所述矩形文字框内的第一像素总数的增加或缩减,能够确保矩形文字框内文字的真实性。
在实际应用过程中,若矩形文字框内包含颜色、线条等干扰因素存在时,在执行对文字像素及空白像素的编码时,可能导致编码后待匹配字符串不准确,直接导致识别图片中的文字的准确性,为了解决上述问题,在将所述矩形文字框内的文字编码为待匹配字符串之前,使用预置降噪算法对所述图片进行降噪处理。降噪处理的目的在于主要是将图片中的干扰信息剔除掉,防止干扰内容影响图片中文字的编码。需要说明的是,在对图片进行降噪时,若图片中的文字有带有颜色的文字,降噪后,图片中的文字为黑白颜色。本发明实施例所述的预置降噪算法可以采用但不局限于以下算法,例如:空间域的中值滤波、阈值萎缩等等,具体的预置降噪算法,本发明实施例不作限定。
根据匹配结果识别所述待匹配字符串对应的文字具体包括:确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;若确定所述待匹配字符串与所述预设文字库内的字符串完全匹配,则将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;若确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配,则获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将其对应的文字确定为所述待匹配字符串对应的文字。以待匹配字符串与预设文字库内字符串未完全匹配的情况进行说明,示例性的,假设,编码得到的待匹配字符串A长度为10,预设文字库内的字符串B与待匹配字符串A相同的字符为8个,预设文字库内的字符串C与待匹配字符串A相同的字符为9个,那么在识别图片中的文字时,确定待匹配字符串A与预设文字库内的字符串C相似度最高,即确定预设文字库内的字符串C对应的文字为待匹配字符串A对应的文字。
进一步的,作为对上述图1所示方法的实现,本发明另一实施例还提供了一种图片文字的识别装置。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供一种图片文字的识别装置,如图4所示,所述装置包括:
拆分单元41,用于将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;
编码单元42,用于将所述拆分单元41拆分后的所述矩形文字框内的文字编码为待匹配字符串;
匹配单元43,用于将所述编码单元42编码后的所述待匹配字符串与预设文字库中的字符串进行匹配;
识别单元44,用于根据所述匹配单元43的匹配结果识别所述待匹配字符串对应的文字。
为了确保识别图片中文字的准确性,在识别单元44对图片中的文字进行拆分时,要确保拆分文字的准确性;如图5所示,所述拆分单元41包括:
解析模块411,用于对所述图片中的文字进行解析;
第一确定模块412,用于在所述解析模块411对所述图片中的文字进行解析过程中,确定图片中文字的识别起始点;
第二确定模块413,用于从所述识别起始点确认各个文字的字高度及字宽度;
拆分模块414,用于根据所述第二确定模块413确定的所述字高度及字宽度将图片中的文字进行拆分。
为了提高编码单元42执行对矩形文字框内的文字编码为待匹配字符串的准确性,如图5所示,所述编码单元42包括:
获取模块421,用于获取所述矩形文字框内的文字像素及空白像素;
编码模块422,用于分别对所述获取模块421获取的所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;
转换模块423,用于将所述编码模块二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。
为了提高识别图片文字的准确性,如图5所示,所述编码单元还包括:
计算模块424,用于在所述编码模块422分别对所述文字像素及空白像素进行二进制编码之前,计算所述矩形文字框内文字像素及空白像素的第一像素总数;
获取模块425,用于获取所述预设文字库中一个字包含的第二像素总数;
比对模块426,用于将所述计算模块424计算的所述第一像素总数与所述获取模块425获取的所述第二像素总数进行比对;
缩放模块427,用于当所述比对模块426确定所述第一像素总数与所述第二像素总数不相同时,根据所述第二像素总数对所述矩形文字框进行等比缩放;需要说明的是,本发明实施例所述的对所述矩形文字框进行等比缩放,并不是对该矩形文字框内的每个像素点进行放大或者缩小,若仅仅为矩形文字框内的每个像素点的放大或者缩小,则放大倍数及缩小倍数过大,会造成图片中文字的失真,给识别图片文字增加了难度。
所述编码模块422,还用于当所述比对模块426确定所述第一像素总数与所述第二像素总数相同时,分别对所述文字像素及空白像素进行二进制编码。
在所述编码模块422对所述文字像素及空白像素进行二进制编码之前,若矩形文字框内包含颜色、线条等干扰因素存在时,在执行对文字像素及空白像素的编码时,可能导致编码后待匹配字符串不准确,直接导致识别图片中的文字的准确性,为了解决上述问题,如图5所示,所述装置包括:
处理单元45,用于在所述编码单元42将所述矩形文字框内的文字编码为待匹配字符串之前,使用预置降噪算法对所述图片进行降噪处理。
进一步的,如图5所示,所述识别单元44包括:
第一确定模块441,用于确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;
第二确定模块442,用于当所述第一确定模块441确定所述待匹配字符串与所述预设文字库内的字符串完全匹配时,将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;
第三确定模块443,用于当所述第一确定模块441确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配时,获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将与所述待匹配字符串相似度最高的字符串对应的文字确定为所述待匹配字符串对应的文字。
本发明实施例提供的一种图片文字的识别装置,在识别图片中的文字时,首先,将图片中的文字拆分为多个矩形文字框,该矩形文字框的个数与图片中文字的个数一致,逐字进行识别,能够提高识别文字的准确性,其次,将矩形文字框内的文字编码为待匹配字符串,并将待匹配字符串与预设文字库中的字符串进行匹配;最后,根据匹配结果识别待匹配字符串对应的文字;在基于预设文字库进行识别时,涉及字符串的比对,而预设文字库存储的是文字对应的字符串,数据占用量小,字符串的比对较为灵活且提高了比对的速度,减少了识别文字的消耗时长,提高了识别性能。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的发明名称(如确定网站内链接等级的装置)中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (12)
1.一种图片文字的识别方法,其特征在于,包括:
将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;
将所述矩形文字框内的文字编码为待匹配字符串,并将所述待匹配字符串与预设文字库中的字符串进行匹配;
根据匹配结果识别所述待匹配字符串对应的文字;
将所述矩形文字框内的文字编码为待匹配字符串包括:
获取所述矩形文字框内的文字像素及空白像素,并分别对所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;
在分别对所述文字像素及空白像素进行二进制编码之前,所述方法包括:
计算所述矩形文字框内文字像素及空白像素的第一像素总数;
获取所述预设文字库中一个字包含的第二像素总数;
将所述第一像素总数与所述第二像素总数进行比对;
若所述第一像素总数与所述第二像素总数不相同,则根据所述第二像素总数对所述矩形文字框进行等比缩放;所述对所述矩形文字框进行等比缩放是根据所述第二像素总数对所述矩形文字框内的所述第一像素总数进行增加或缩减。
2.根据权利要求1所述的方法,其特征在于,将图片中的文字拆分为多个矩形文字框包括:
对所述图片中的文字进行解析,确定图片中文字的识别起始点;
从所述识别起始点确认各个文字的字高度及字宽度;
根据所述字高度及字宽度将图片中的文字进行拆分。
3.根据权利要求1所述的方法,其特征在于,将所述矩形文字框内的文字编码为待匹配字符串还包括:
将二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。
4.根据权利要求3所述的方法,其特征在于,所述分别对所述文字像素及空白像素进行二进制编码包括:
若所述第一像素总数与所述第二像素总数相同,则分别对所述文字像素及空白像素进行二进制编码。
5.根据权利要求1-4中任一项所述的方法,其特征在于,在将所述矩形文字框内的文字编码为待匹配字符串之前,所述方法包括:
使用预置降噪算法对所述图片进行降噪处理。
6.根据权利要求5所述的方法,其特征在于,根据匹配结果识别所述待匹配字符串对应的文字包括:
确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;
若确定所述待匹配字符串与所述预设文字库内的字符串完全匹配,则将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;
若确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配,则获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将与所述待匹配字符串相似度最高的字符串对应的文字确定为所述待匹配字符串对应的文字。
7.一种图片文字的识别装置,其特征在于,包括:
拆分单元,用于将图片中的文字拆分为多个矩形文字框,其中,矩形文字框的个数与图片中文字的个数一致;
编码单元,用于将所述拆分单元拆分后的所述矩形文字框内的文字编码为待匹配字符串;
匹配单元,用于将所述编码单元编码后的所述待匹配字符串与预设文字库中的字符串进行匹配;
识别单元,用于根据所述匹配单元的匹配结果识别所述待匹配字符串对应的文字;
所述编码单元包括:
获取模块,用于获取所述矩形文字框内的文字像素及空白像素;
编码模块,用于分别对所述获取模块获取的所述文字像素及空白像素进行二进制编码;其中,所述文字像素使用二进制中的1表示,所述空白像素使用二进制中的0标识;
计算模块,用于在所述编码模块分别对所述文字像素及空白像素进行二进制编码之前,计算所述矩形文字框内文字像素及空白像素的第一像素总数;
获取模块,用于获取所述预设文字库中一个字包含的第二像素总数;
比对模块,用于将所述计算模块计算的所述第一像素总数与所述获取模块获取的所述第二像素总数进行比对;
缩放模块,用于当所述比对模块确定所述第一像素总数与所述第二像素总数不相同时,根据所述第二像素总数对所述矩形文字框进行等比缩放;所述对所述矩形文字框进行等比缩放是根据所述第二像素总数对所述矩形文字框内的所述第一像素总数进行增加或缩减。
8.根据权利要求7所述的装置,其特征在于,所述拆分单元包括:
解析模块,用于对所述图片中的文字进行解析;
第一确定模块,用于在所述解析模块对所述图片中的文字进行解析过程中,确定图片中文字的识别起始点;
第二确定模块,用于从所述识别起始点确认各个文字的字高度及字宽度;
拆分模块,用于根据所述第二确定模块确定的所述字高度及字宽度将图片中的文字进行拆分。
9.根据权利要求7所述的装置,其特征在于,所述编码单元还包括:
转换模块,用于将所述编码模块二进制编码后的文字像素及空白像素转换为十六进制,得到所述待匹配字符串。
10.根据权利要求9所述的装置,其特征在于,所述编码单元还包括:
所述编码模块,还用于当所述比对模块确定所述第一像素总数与所述第二像素总数相同时,分别对所述文字像素及空白像素进行二进制编码。
11.根据权利要求7-10中任一项所述的装置,其特征在于,所述装置包括:
处理单元,用于在所述编码单元将所述矩形文字框内的文字编码为待匹配字符串之前,使用预置降噪算法对所述图片进行降噪处理。
12.根据权利要求11所述的装置,其特征在于,所述识别单元包括:
第一确定模块,用于确定所述待匹配字符串与所述预设文字库内的字符串是否完全匹配;
第二确定模块,用于当所述第一确定模块确定所述待匹配字符串与所述预设文字库内的字符串完全匹配时,将所述预设文字库内的字符串对应的文字,确定为所述待匹配字符串对应的文字;
第三确定模块,用于当所述第一确定模块确定所述待匹配字符串与所述预设文字库内的字符串未完全匹配时,获取所述预设文字库内与所述待匹配字符串相似度最高的字符串,并将与所述待匹配字符串相似度最高的字符串对应的文字确定为所述待匹配字符串对应的文字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611060177.6A CN106599940B (zh) | 2016-11-25 | 2016-11-25 | 图片文字的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611060177.6A CN106599940B (zh) | 2016-11-25 | 2016-11-25 | 图片文字的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106599940A CN106599940A (zh) | 2017-04-26 |
CN106599940B true CN106599940B (zh) | 2020-04-17 |
Family
ID=58594119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611060177.6A Active CN106599940B (zh) | 2016-11-25 | 2016-11-25 | 图片文字的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106599940B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633062B (zh) * | 2017-09-20 | 2020-05-15 | 广州四三九九信息科技有限公司 | 敏感词查找方法、装置及电子设备 |
CN110008478B (zh) * | 2017-12-30 | 2023-10-31 | 中国移动通信集团贵州有限公司 | 语言转换方法、装置、计算设备及存储介质 |
CN109255355A (zh) * | 2018-05-28 | 2019-01-22 | 北京京东尚科信息技术有限公司 | 图像处理方法、装置、终端、电子设备及计算机可读介质 |
CN109766893A (zh) * | 2019-01-09 | 2019-05-17 | 北京数衍科技有限公司 | 适于购物小票的图片文字识别方法 |
CN111914513A (zh) * | 2019-05-08 | 2020-11-10 | 亿阳安全技术有限公司 | 一种rdp窗口标题文字识别的方法及装置 |
CN111131376A (zh) * | 2019-10-22 | 2020-05-08 | 国网新疆电力有限公司信息通信公司 | 极端网络环境下图片切分传输方法、系统、终端及服务器 |
CN111091128B (zh) * | 2019-12-18 | 2023-09-22 | 北京数衍科技有限公司 | 字符图片分类方法、装置和电子设备 |
CN112270214A (zh) * | 2020-10-12 | 2021-01-26 | 国网新疆电力有限公司信息通信公司 | 基于图片自动识别对问题的解决方法 |
CN113112395B (zh) * | 2021-03-11 | 2024-01-09 | 宇龙计算机通信科技(深圳)有限公司 | 图片处理方法、装置及存储介质 |
CN113438543B (zh) * | 2021-06-22 | 2023-02-03 | 深圳市大头兄弟科技有限公司 | 文档转视频的匹配方法、装置、设备及存储介质 |
CN113554012B (zh) * | 2021-09-22 | 2022-01-11 | 江西博微新技术有限公司 | 三维工程中图元模型分类方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957919A (zh) * | 2010-09-22 | 2011-01-26 | 上海交通大学 | 基于图像局部特征检索的文字识别方法 |
CN103425980A (zh) * | 2012-05-17 | 2013-12-04 | 腾讯科技(深圳)有限公司 | 一种图片中文字区域的获取方法及装置 |
CN103577475A (zh) * | 2012-08-03 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图片自动化分类方法、图片处理方法及其装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764799A (en) * | 1995-06-26 | 1998-06-09 | Research Foundation Of State Of State Of New York | OCR method and apparatus using image equivalents |
-
2016
- 2016-11-25 CN CN201611060177.6A patent/CN106599940B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957919A (zh) * | 2010-09-22 | 2011-01-26 | 上海交通大学 | 基于图像局部特征检索的文字识别方法 |
CN103425980A (zh) * | 2012-05-17 | 2013-12-04 | 腾讯科技(深圳)有限公司 | 一种图片中文字区域的获取方法及装置 |
CN103577475A (zh) * | 2012-08-03 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图片自动化分类方法、图片处理方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106599940A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599940B (zh) | 图片文字的识别方法及装置 | |
EP3117369B1 (en) | Detecting and extracting image document components to create flow document | |
JP5972468B2 (ja) | 画像からのラベルの検出 | |
US9471550B2 (en) | Method and apparatus for document conversion with font metrics adjustment for format compatibility | |
CN109933756A (zh) | 基于ocr的图像转档方法、装置、设备及可读存储介质 | |
WO2019237549A1 (zh) | 验证码识别方法、装置、计算机设备及存储介质 | |
CN110738203B (zh) | 字段结构化输出方法、装置及计算机可读存储介质 | |
CN110598686B (zh) | 发票的识别方法、系统、电子设备和介质 | |
RU2619712C1 (ru) | Оптическое распознавание символов серии изображений | |
CN110084172B (zh) | 文字识别方法、装置和电子设备 | |
US20150169511A1 (en) | System and method for identifying floor of main body of webpage | |
CN110942074A (zh) | 字符切分识别方法、装置、电子设备、存储介质 | |
US20210304749A1 (en) | Method and system for extraction of key-terms and synonyms for the key-terms | |
CN110942004A (zh) | 基于神经网络模型的手写识别方法、装置及电子设备 | |
CN111340037A (zh) | 文本版面分析方法、装置、计算机设备和存储介质 | |
KR20200020305A (ko) | 문자 인식을 위한 방법 및 장치 | |
CN112580637A (zh) | 文本信息识别方法、提取方法、装置及系统 | |
CN115983227A (zh) | 一种文案生成方法、装置、设备及存储介质 | |
CN110633251B (zh) | 一种文件转换方法及设备 | |
CN114996360B (zh) | 数据分析方法、系统、可读存储介质及计算机设备 | |
CN109101973B (zh) | 文字识别方法、电子设备、存储介质 | |
CN111079745A (zh) | 公式识别方法、装置、设备及存储介质 | |
CN115270711A (zh) | 电子签名方法、电子签名装置、电子设备、存储介质 | |
CN115050025A (zh) | 基于公式识别的知识点抽取方法及装置 | |
CN115034177A (zh) | 演示文稿转换方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |