CN106778761A

CN106778761A - 一种汽车交易发票的处理方法

Info

Publication number: CN106778761A
Application number: CN201611209500.1A
Authority: CN
Inventors: 潘敏
Original assignee: Individual
Current assignee: Individual
Priority date: 2016-12-23
Filing date: 2016-12-23
Publication date: 2017-05-31

Abstract

本发明涉及一种汽车交易发票的处理方法，第一步，采用光学分辨率为600×1200dpi的扫描仪，扫描汽车交易发票，读入汽车交易发票的图像，第二步，将汽车交易发票的图像转换成二值图像形式的发票，第三步，对二值化图像进行重构图像，本发明针对二值化图像为计算机系统主要识别图像的输入形式，对汽车交易发票进行扫描，转换为二值化图像，去除图像的噪声以及提高图像的质量，作为后续程序的前提，以解决人工处理汽车交易发票录入工作量大、数据录入不准确的问题。

Description

一种汽车交易发票的处理方法

技术领域

本发明涉及发票处理领域，涉及一种汽车交易发票的处理方法。

背景技术

随着我国经济和科技的持续高速发展，会计电算化已经基本普及，并逐渐在商业活动中起到重要作用。但是，鉴于经济工作的严谨性，经济往来中并没有完全实现无纸化办公，发票仍然为商品交易的法定记账凭证。我国的计算机网络已经基本覆盖全国，因此，把纸质发票承载的数据信息转化为计算机能够使用和存储的电子信息将为发票数据信息的传输、存储与查询带来极大的便利。传统的转换是依靠人工手动输入实现，但是随发票数量的日益增多，此种输入方式需要投入更多的人力、物力、财力，而且容易出错，因而需要研究出一种能够代替人工的汽车交易发票的处理方法将十分有意义。

发明内容

有鉴于此，本发明提供一种解决或部分解决上述问题的汽车交易发票的处理方法。

为达到上述技术方案的效果，本发明的技术方案为：一种汽车交易发票的处理方法，包含以下步骤：

1)采用光学分辨率为600×1200dp i的扫描仪，扫描汽车交易发票，读入汽车交易发票的图像；

2)将汽车交易发票的图像转换成二值图像形式的发票，具体过程为：

a)将汽车交易发票的图像通过颜色空间的灰度化转化为灰度图像，对灰度图像进行高斯去噪，对高斯去噪后的灰度图像进行多次小波分解，分解为在高低频率的水平细节分量、垂直细节分量、对角细节分量，并根据其计算出高斯去噪后的灰度图像中的各个像素点的空间频率；

b)将灰度图像的像素灰度值作为神经元的反馈输入，输入到脉冲耦合神经网络中，进行迭代，将高斯去噪后的灰度图像中的各个像素点的空间频率进行加权后作为链接输入，脉冲耦合神经网络的内部输入由反馈输入以及链接输入共同决定，并设置动态阈值，动态阈值可以动态地衰减，最后，基于空间相似性与灰度相似性对高斯去噪后的灰度图像进行动态地分组，最后达到增强高斯去噪后的灰度图像中的文字部分的效果；

c)再通过低通滤波平滑文字部分，并进行与a)步中小波分解的次数相同的小波重构，得到背景分布的缩略图，最后利用图像双三次插值将背景分布缩略图放大至汽车交易发票的图像的大小，得到了近似的背景分布；

d)将近似的背景分布与灰度图像做差运算得到灰度图像的前景分布，在灰度图像的前景分布加入文字信息，并计算全局二值化阈值，并将全局二值化阈值与近似的背景分布叠加后形成用于图像二值化的局部阈值，根据用于图像二值化的局部阈值来决定灰度图像中的每一个像素点的像素值，最终得到二值化图像；

4)对二值化图像再次进行小波分解，得到高频系数和低频系数，采用阈值判断加权法增大高频系数，低频系数乘以全局二值化阈值与用于图像二值化的局部阈值中较小的值得到新的低频系数，采用小波重构进行重构图像，得到优化后的二值化图像。

本发明的有益成果是：本发明针对二值化图像为计算机系统主要识别图像的输入形式，对汽车交易发票进行扫描，转换为二值化图像，去除图像的噪声以及提高图像的质量，作为后续程序的前提，以解决人工处理汽车交易发票录入工作量大、数据录入不准确的问题。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，能实现同样功能的产品属于等同替换和改进，均包含在本发明的保护范围之内。具体方法如下：

实施例1：图像的获取是系统处理的开始，它为系统提供所需的处理对象。目前获取处理对象的途径很多，譬如采用摄像机、扫描仪、照相机等。因为系统处理对象是机打商业发票，本发明的目的是准确高效地识别出发票版面上的数据信息，所以，对准确率和快速性有一定的要求，为了让所获得的发票形式更加有利于提高识别的准确率以及系统运行的速度，最终，本发明选择利用扫描仪将纸质发票转化为电子图像。

扫描仪转化成的电子图像可以保存为彩色图、灰度图或二值图。彩色图所保留的图像信息最接近真实的纸质图像，但是信息量大，计算和处理耗时严重，所以通常情况下都不会选择转化为彩色图像。灰度图是很多图像处理系统比较经常选择转换成为的图像，它不仅能通过图像增强技术使图像中感兴趣的特征更加突出，而且通过选择某个阈值来弱化了图像中的无关信息。二值图中每个像素点的取值范围有限，它是彩色图、灰度图或二值图中信息量最少的图像，也因此处理速度最快，所以一般实时图像处理系统都倾向于选择将对象转化为二值图。实验发现，对于光学分辨率为600×1200dpi的扫描仪，通过它转换成的二值图能够很好的保留发票版面上人们感兴趣的数据信息，而不会造成任何数据信息的缺损，二值图所占存储空间较小，当系统的处理对象成千上万而且只增不减时，对象占用存储空间小是一个很大的优势。同时二值图所含的数据量小，处理起来速度更快，因此，本发明选择把纸质图像保存为二值图，并以此作为处理的对象，即本发明的前提是图像获取和二值化是同时完成。如果存在处理对象是彩色或者灰度图像时，需要先通过二值化的处理，将原始图像转为二值图，以此二值图作为系统的处理对象。

实施例2：采用高斯去噪方法，高斯去噪是对图像中的所有像素点的灰度值进行加权求和之后取平均的过程，所有像素点的灰度值，全部是它自身以及邻域内的其它像素点的灰度值通过加权求和然后取平均值得到。高斯去噪的具体算法过程是：用一个窗口(或称卷积、模板)在整幅图像中滑动，用窗口内所有像素的加权平均灰度值去替换窗口中心像素点的值。

将灰度图像的像素灰度值作为神经元的反馈输入，输入到脉冲耦合神经网络中，进行迭代，将高斯去噪后的灰度图像中的各个像素点的空间频率进行加权后作为链接输入，脉冲耦合神经网络的内部输入由反馈输入以及链接输入共同决定，并设置动态阈值，动态阈值可以动态地衰减，最后，基于空间相似性与灰度相似性对高斯去噪后的灰度图像进行动态地分组，最后达到增强高斯去噪后的灰度图像中的文字部分的效果

脉冲耦合神经网络是新一代人工神经网络，它是基于Eckhorn提出的猫视觉皮层模型的一种拓展。由于脉冲耦合神经网络能对图像中具有空间临近性或灰度相似性的像素分组，而汽车交易发票又是这样一组像素相似的区域，因此它非常适合应用于用脉冲耦合神经网络表示。

在耦合链接状态下，此时神经元之间的信息传递通过反馈输入F和链接输入L的耦合来实现。当某一神经元受到外部刺激，当某一外部输入的刺激信号使神经元在t时刻点火，通过非线性耦合链接作用，该神经元会与其邻近的神经元的内部活动项在此时刻由被提升，表明神经元的亮度值被提升。

从脉冲耦合神经网络的神经元标准模型和数学表达式可知，神经元在首次(t＝0或n＝0)点火，即内部活动项大于阈值之后，动态阈值升到最大值，阈值在衰减时间系数的作用下按指数规律递减，直至下次点火。所以，其具有周期性点火能力是由动态阈值变化特性引起的，使得它与其他人工神经网络有着明显的不同。

对脉冲耦合神经网络进行改进，简化脉冲耦合神经网络是一个单层二维矩阵。每个神经元包括5个部分：反馈输入，链接输入，内部活动项，动态阈值以及脉冲产生器。简化脉冲耦合神经网络模型中的关键参数是依据图像空间和灰度特征自适应确定的，无需人工干预。而基于该模型的图像增强算法可以自动、实时地获得图像增强结果，并对于各种不同环境下的图像均能取得令人满意的处理效果。因为脉冲耦合神经网络是基于空间临近性和灰度相似性对图像进行像素分组，进而完成对图像的增强处理。而图像中字符区域正对应这样一组空间和强度均相似的像素集。因此，该算法在屏蔽掉图像中一些无关信息的同时，能有效凸显汽车交易发票的字符信息。

以上所述仅为本发明之较佳实施例，并非用以限定本发明的权利要求保护范围。同时以上说明，对于相关技术领域的技术人员应可以理解及实施，因此其他基于本发明所揭示内容所完成的等同改变，均应包含在本权利要求书的涵盖范围内。

Claims

1.一种汽车交易发票的处理方法，其特征在于，包含以下步骤：

1)采用光学分辨率为600×1200dpi的扫描仪，扫描汽车交易发票，读入汽车交易发票的图像；

2)将所述汽车交易发票的图像转换成二值图像形式的发票，具体过程为：

a)将所述汽车交易发票的图像通过颜色空间的灰度化转化为灰度图像，对所述灰度图像进行高斯去噪，对高斯去噪后的所述灰度图像进行多次小波分解，分解为在高低频率的水平细节分量、垂直细节分量、对角细节分量，并根据其计算出所述高斯去噪后的所述灰度图像中的各个像素点的空间频率；

b)将所述灰度图像的像素灰度值作为神经元的反馈输入，输入到脉冲耦合神经网络中，进行迭代，将所述高斯去噪后的所述灰度图像中的各个像素点的空间频率进行加权后作为链接输入，所述脉冲耦合神经网络的内部输入由所述反馈输入以及所述链接输入共同决定，并设置动态阈值，所述动态阈值可以动态地衰减，最后，基于空间相似性与灰度相似性对所述高斯去噪后的所述灰度图像进行动态地分组，最后达到增强所述高斯去噪后的所述灰度图像中的文字部分的效果；

c)再通过低通滤波平滑文字部分，并进行与a)步中小波分解的次数相同的小波重构，得到背景分布的缩略图，最后利用图像双三次插值将所述背景分布的缩略图放大至所述汽车交易发票的图像的大小，得到了近似的背景分布；

d)将所述近似的背景分布与所述灰度图像做差运算得到所述灰度图像的前景分布，在所述灰度图像的前景分布加入文字信息，来计算全局二值化阈值，并将所述全局二值化阈值与所述近似的背景分布叠加后形成用于图像二值化的局部阈值，根据所述用于图像二值化的局部阈值来决定所述灰度图像中的每一个像素点的像素值，最终得到二值化图像；

3)对所述二值化图像再次进行小波分解，得到高频系数和低频系数，采用阈值判断加权法增大所述高频系数，所述低频系数乘以所述全局二值化阈值与所述用于图像二值化的局部阈值中较小的值得到新的所述低频系数，最后，采用小波重构进行重构图像，得到优化后的所述二值化图像。