CN107644222A - 一种身份证图像中信息定位方法 - Google Patents
一种身份证图像中信息定位方法 Download PDFInfo
- Publication number
- CN107644222A CN107644222A CN201610580529.4A CN201610580529A CN107644222A CN 107644222 A CN107644222 A CN 107644222A CN 201610580529 A CN201610580529 A CN 201610580529A CN 107644222 A CN107644222 A CN 107644222A
- Authority
- CN
- China
- Prior art keywords
- image
- card
- information
- region
- carried out
- 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
Landscapes
- Credit Cards Or The Like (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种身份证图像中信息定位方法,步骤包括有:A、获取身份证图像;B、对身份证图像进行灰度化处理;C、对身份证图像进行锐化处理;D、对身份证号码进行定位;E、对身份证图像上的其它信息块进行定位。本发明能够改进现有技术的不足,提高了识别方法的鲁棒性。
Description
技术领域
本发明涉及图像处理和模式识别技术领域,尤其是一种身份证图像中信息定位方法。
背景技术
身份证作为个人身份信息证明的最重要证件,在对个人身份验真的过程中起着至关重要的作用。现有的服务流程中,需要用户手动输入姓名以及身份证号码,这种方式存在两个方面的缺点:
(1)需要用户手动输入,用户体验较差。
(2)姓名和身份证很容易被盗取,手动填写对于欺诈行为的门槛很低,事后追查也没有影像资料进行参考。
因此,对身份证图像进行自动识别,提取其中信息,有助于服务流程的流畅。同时,身份证本身被盗取的可能性很低,识别所需的影像也可以作为证据进行留存,保证了验真过程的高可靠性。
身份证上信息识别的第一步是对信息所在位置进行确定,在确定的位置上进行识别,获得身份信息。在图像获取过程中,由于拍摄图像的设备不同,拍摄人对要求的理解不同,光线不同,导致获得的图像存在局部过亮,局部过暗,倾斜,部分阴影,高亮等问题。
中国发明专利CN 102509138B公开了一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法,提高了身份证识别的正确率。但是,这种识别方法的鲁棒性较差,在欠佳的图像获取情况下,其识别正确率的波动较大。
发明内容
本发明要解决的技术问题是提供一种身份证图像中信息定位方法,能够解决现有技术的不足,提高了识别方法的鲁棒性。
为解决上述技术问题,本发明所采取的技术方案如下。
1、一种身份证图像中信息定位方法,包括以下步骤:
A、获取身份证图像;
B、对身份证图像进行灰度化处理;
C、对身份证图像进行锐化处理;
D、对身份证号码进行定位;
E、对身份证图像上的其它信息块进行定位。
作为优选,步骤B中,对身份证图像进行灰度处理使用下述公式进行,
作为优选,步骤C中,对身份证图像进行锐化处理包括以下步骤,
C1、检查图像的有效性;
C2、分别使用巴特沃斯高通型滤波器和高斯低通滤波器对图像进行滤波处理,将处理后的图像进行叠加;
C3、使用原图像减去使用高斯低通滤波器进行滤波处理后的图像,将得到的差值图像与使用巴特沃斯高通型滤波器进行滤波处理后的图像进行对比,将差值图像中不存在的高频图像部分在使用巴特沃斯高通型滤波器进行滤波处理后的图像中进行删除,然后根据删除结果对步骤C中的巴特沃斯高通型滤波器进行调整,然后重新获得叠加图像。
作为优选,步骤D中,对身份证号码进行定位包括以下步骤,
D1、检查图像的有效性;
D2、对输入的有效图像进行高斯低通滤波;
D3、使用Canny算法进行边缘检测,得到边缘图像;
D4、对边缘图像进行分块,使用每块边缘图像的灰度值建立灰度矩阵P,求得每个灰度矩阵的特征向量T,求取每个灰度矩阵所包含特征向量的相似度f,
f=pwcorr(T);
D5、通过调整边缘图像的灰度值,使相似度f取得最大值;
D6、将步骤C2中使用高斯低通滤波器过滤去掉的图像分量叠加入调整后的边缘图像;
D7、对叠加后的图像进行形态学处理,过滤孤立点,同时将信息区域进行连接;
D8、查找图像连通区域,并获得连通区域的最小外接矩形;
D9、根据连通区域的长宽比进行第一次过滤,只保留长宽比在设定阈值范围内的位置区域;
D10、根据区域中有效像素的占比进行第二次过滤,该项过滤主要去除身份证边缘出现的单独的倾斜直线造成的干扰;
D11、选择过滤后得到的区域中最大的连通区域作为最终的身份证号码的位置。
作为优选,步骤E中,对身份证图像上的其它信息块进行定位包括以下步骤,
E1、对数据进行有效性检查,包括输入图像的信息有效和对身份证号码位置信息有效性进行验证;
E2、根据身份证号码位置的最小外接矩形预估人脸图像块的位置;
E3、在预估的人脸图像块位置范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的人脸图像块范围内,则认为该连通区域是人脸图像块的组成部分,否则剔除;
E4、获取包含步骤E3中找到的所有外接矩形的最小外接矩形作为准确的人脸图像块区域外接矩形;
E5、获得人脸图像块区域外接矩形,结合身份证的外接矩形信息,预估其他信息块的整体位置区域;
E6、在估计的其他信息块外接矩形范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的其他信息块外接矩形的范围内,则认为该连通区域是有效组成部分,否则剔除;
E7、获取包含步骤E6中找到的所有外接矩形的最小外接矩形作为准确的其他信息块区域外接矩形;
E8、拷贝步骤E7中获得的外接矩形内的有效像素,组成新的待检测图像;
E9、对新的待检测图像进行形态学处理,去除孤立点,并将同一内容的信息进行连接;
E10、在待检测图像中查找连通区域,获取距离图像左上角最近的区域作为姓名所在的位置,同时结合身份证号码区域外接矩形的长宽,估计姓名所在区域的真实大小,包括姓名位置的起点和长宽;
E11、根据姓名的位置信息,身份证号码区域的位置信息和外接矩形信息,身份证上信息的位置结构关系以及步骤E10中获得的连通区域的外接矩形位置信息,逐一定位其他信息的位置。
作为优选,步骤E8中,在拷贝有效像素前,对有效像素进行如下处理,
计算目标像素的偏移量,
Si=(pi-ph)×(pi-pv)
将像素偏移量组成偏移量矩阵,使用对角矩阵与偏移量矩阵进行卷积处理,得到目标矩阵,计算目标矩阵的特征向量,然后计算每个特征向量的特征值;若特征值大于0,则缩小目标像素与水平相邻像素和垂直相邻像素的灰度差,若特征值大于0,则增大目标像素与水平相邻像素和垂直相邻像素的灰度差;
其中,Si为像素偏移量,pi为目标像素,ph为目标像素的水平相邻像素,pv为目标像素的垂直相邻像素。
采用上述技术方案所带来的有益效果在于:
1、本发明可以降低身份证图像输入时对拍摄效果的要求,方法对于轻度倾斜,光线不均匀等问题都具有较好的鲁棒性。
2、本发明通过改进灰度图的计算方式,可以有效降低对图像锐化过程的失真度。在锐化过程中使用差值图像对巴特沃斯高通型滤波器进行调整,可以有效抑制锐化过程的噪点生成。通过进一步调整图像的灰度值并使用步骤C中去除的图像进行叠加,可以降低由于锐化导致的图像失真,提高身份证号码定位的准确性。在定位其它信息块时,通过对有效像素灰度的进一步处理,可以有效降低进行形态学处理时所产生的图像局部缺失的可能。
具体实施方式
一种身份证图像中信息定位方法,包括以下步骤:
A、获取身份证图像;
B、对身份证图像进行灰度化处理;
C、对身份证图像进行锐化处理;
D、对身份证号码进行定位;
E、对身份证图像上的其它信息块进行定位。
步骤B中,对身份证图像进行灰度处理使用下述公式进行,
步骤C中,对身份证图像进行锐化处理包括以下步骤,
C1、检查图像的有效性;
C2、分别使用巴特沃斯高通型滤波器和高斯低通滤波器对图像进行滤波处理,将处理后的图像进行叠加;
C3、使用原图像减去使用高斯低通滤波器进行滤波处理后的图像,将得到的差值图像与使用巴特沃斯高通型滤波器进行滤波处理后的图像进行对比,将差值图像中不存在的高频图像部分在使用巴特沃斯高通型滤波器进行滤波处理后的图像中进行删除,然后根据删除结果对步骤C中的巴特沃斯高通型滤波器进行调整,然后重新获得叠加图像。
步骤D中,对身份证号码进行定位包括以下步骤,
D1、检查图像的有效性;
D2、对输入的有效图像进行高斯低通滤波;
D3、使用Canny算法进行边缘检测,得到边缘图像;
D4、对边缘图像进行分块,使用每块边缘图像的灰度值建立灰度矩阵P,求得每个灰度矩阵的特征向量T,求取每个灰度矩阵所包含特征向量的相似度f,
f=pwcorr(T);
D5、通过调整边缘图像的灰度值,使相似度f取得最大值;
D6、将步骤C2中使用高斯低通滤波器过滤去掉的图像分量叠加入调整后的边缘图像;
D7、对叠加后的图像进行形态学处理,过滤孤立点,同时将信息区域进行连接;
D8、查找图像连通区域,并获得连通区域的最小外接矩形;
D9、根据连通区域的长宽比进行第一次过滤,只保留长宽比在设定阈值范围内的位置区域;
D10、根据区域中有效像素的占比进行第二次过滤,该项过滤主要去除身份证边缘出现的单独的倾斜直线造成的干扰;
D11、选择过滤后得到的区域中最大的连通区域作为最终的身份证号码的位置。
步骤E中,对身份证图像上的其它信息块进行定位包括以下步骤,
E1、对数据进行有效性检查,包括输入图像的信息有效和对身份证号码位置信息有效性进行验证;
E2、根据身份证号码位置的最小外接矩形预估人脸图像块的位置;
E3、在预估的人脸图像块位置范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的人脸图像块范围内,则认为该连通区域是人脸图像块的组成部分,否则剔除;
E4、获取包含步骤E3中找到的所有外接矩形的最小外接矩形作为准确的人脸图像块区域外接矩形;
E5、获得人脸图像块区域外接矩形,结合身份证的外接矩形信息,预估其他信息块的整体位置区域;
E6、在估计的其他信息块外接矩形范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的其他信息块外接矩形的范围内,则认为该连通区域是有效组成部分,否则剔除;
E7、获取包含步骤E6中找到的所有外接矩形的最小外接矩形作为准确的其他信息块区域外接矩形;
E8、拷贝步骤E7中获得的外接矩形内的有效像素,组成新的待检测图像;
E9、对新的待检测图像进行形态学处理,去除孤立点,并将同一内容的信息进行连接;
E10、在待检测图像中查找连通区域,获取距离图像左上角最近的区域作为姓名所在的位置,同时结合身份证号码区域外接矩形的长宽,估计姓名所在区域的真实大小,包括姓名位置的起点和长宽;
E11、根据姓名的位置信息,身份证号码区域的位置信息和外接矩形信息,身份证上信息的位置结构关系以及步骤E10中获得的连通区域的外接矩形位置信息,逐一定位其他信息的位置。
步骤E8中,在拷贝有效像素前,对有效像素进行如下处理,
计算目标像素的偏移量,
Si=(pi-ph)×(pi-pv)
将像素偏移量组成偏移量矩阵,使用对角矩阵与偏移量矩阵进行卷积处理,得到目标矩阵,计算目标矩阵的特征向量,然后计算每个特征向量的特征值;若特征值大于0,则缩小目标像素与水平相邻像素和垂直相邻像素的灰度差,若特征值大于0,则增大目标像素与水平相邻像素和垂直相邻像素的灰度差;
其中,Si为像素偏移量,pi为目标像素,ph为目标像素的水平相邻像素,pv为目标像素的垂直相邻像素。
分别使用背景技术所引用的专利方法和本发明所提供的定位方法对反光、弱光和不规则阴影这三种身份证表面情况进行识别定位实验,成功率的结果如下:
反光 | 弱光 | 不规则阴影 | |
现有专利技术 | 86.3% | 89.7% | 73.5% |
本发明技术 | 91.6% | 92.3% | 90.8% |
由此可知,本发明可以有效提高在欠佳的图像获取情况下的识别定位成功率。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种身份证图像中信息定位方法,其特征在于包括以下步骤:
A、获取身份证图像;
B、对身份证图像进行灰度化处理;
C、对身份证图像进行锐化处理;
D、对身份证号码进行定位;
E、对身份证图像上的其它信息块进行定位。
2.根据权利要求1所述的身份证图像中信息定位方法,其特征在于:步骤B中,对身份证图像进行灰度处理使用下述公式进行,
<mrow>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>&times;</mo>
<mn>0.299</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>G</mi>
<mo>&times;</mo>
<mn>0.587</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>B</mi>
<mo>&times;</mo>
<mn>0.114</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
3.根据权利要求1所述的身份证图像中信息定位方法,其特征在于:步骤C中,对身份证图像进行锐化处理包括以下步骤,
C1、检查图像的有效性;
C2、分别使用巴特沃斯高通型滤波器和高斯低通滤波器对图像进行滤波处理,将处理后的图像进行叠加;
C3、使用原图像减去使用高斯低通滤波器进行滤波处理后的图像,将得到的差值图像与使用巴特沃斯高通型滤波器进行滤波处理后的图像进行对比,将差值图像中不存在的高频图像部分在使用巴特沃斯高通型滤波器进行滤波处理后的图像中进行删除,然后根据删除结果对步骤C中的巴特沃斯高通型滤波器进行调整,然后重新获得叠加图像。
4.根据权利要求3所述的身份证图像中信息定位方法,其特征在于:步骤D中,对身份证号码进行定位包括以下步骤,
D1、检查图像的有效性;
D2、对输入的有效图像进行高斯低通滤波;
D3、使用Canny算法进行边缘检测,得到边缘图像;
D4、对边缘图像进行分块,使用每块边缘图像的灰度值建立灰度矩阵P,求得每个灰度矩阵的特征向量T,求取每个灰度矩阵所包含特征向量的相似度f,
f=pwcorr(T);
D5、通过调整边缘图像的灰度值,使相似度f取得最大值;
D6、将步骤C2中使用高斯低通滤波器过滤去掉的图像分量叠加入调整后的边缘图像;
D7、对叠加后的图像进行形态学处理,过滤孤立点,同时将信息区域进行连接;
D8、查找图像连通区域,并获得连通区域的最小外接矩形;
D9、根据连通区域的长宽比进行第一次过滤,只保留长宽比在设定阈值范围内的位置区域;
D10、根据区域中有效像素的占比进行第二次过滤,该项过滤主要去除身份证边缘出现的单独的倾斜直线造成的干扰;
D11、选择过滤后得到的区域中最大的连通区域作为最终的身份证号码的位置。
5.根据权利要求4所述的身份证图像中信息定位方法,其特征在于:步骤E中,对身份证图像上的其它信息块进行定位包括以下步骤,
E1、对数据进行有效性检查,包括输入图像的信息有效和对身份证号码位置信息有效性进行验证;
E2、根据身份证号码位置的最小外接矩形预估人脸图像块的位置;
E3、在预估的人脸图像块位置范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的人脸图像块范围内,则认为该连通区域是人脸图像块的组成部分,否则剔除;
E4、获取包含步骤E3中找到的所有外接矩形的最小外接矩形作为准确的人脸图像块区域外接矩形;
E5、获得人脸图像块区域外接矩形,结合身份证的外接矩形信息,预估其他信息块的整体位置区域;
E6、在估计的其他信息块外接矩形范围内,遍历检测数字位置时获得的连通区域,计算连通区域最小外接矩形的中心坐标,如果中心坐标在估计的其他信息块外接矩形的范围内,则认为该连通区域是有效组成部分,否则剔除;
E7、获取包含步骤E6中找到的所有外接矩形的最小外接矩形作为准确的其他信息块区域外接矩形;
E8、拷贝步骤E7中获得的外接矩形内的有效像素,组成新的待检测图像;
E9、对新的待检测图像进行形态学处理,去除孤立点,并将同一内容的信息进行连接;
E10、在待检测图像中查找连通区域,获取距离图像左上角最近的区域作为姓名所在的位置,同时结合身份证号码区域外接矩形的长宽,估计姓名所在区域的真实大小,包括姓名位置的起点和长宽;
E11、根据姓名的位置信息,身份证号码区域的位置信息和外接矩形信息,身份证上信息的位置结构关系以及步骤E10中获得的连通区域的外接矩形位置信息,逐一定位其他信息的位置。
6.根据权利要求5所述的身份证图像中信息定位方法,其特征在于:步骤E8中,在拷贝有效像素前,对有效像素进行如下处理,
计算目标像素的偏移量,
Si=(pi-ph)×(pi-pv)
将像素偏移量组成偏移量矩阵,使用对角矩阵与偏移量矩阵进行卷积处理,得到目标矩阵,计算目标矩阵的特征向量,然后计算每个特征向量的特征值;若特征值大于0,则缩小目标像素与水平相邻像素和垂直相邻像素的灰度差,若特征值大于0,则增大目标像素与水平相邻像素和垂直相邻像素的灰度差;
其中,Si为像素偏移量,pi为目标像素,ph为目标像素的水平相邻像素,pv为目标像素的垂直相邻像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610580529.4A CN107644222A (zh) | 2016-07-22 | 2016-07-22 | 一种身份证图像中信息定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610580529.4A CN107644222A (zh) | 2016-07-22 | 2016-07-22 | 一种身份证图像中信息定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107644222A true CN107644222A (zh) | 2018-01-30 |
Family
ID=61107945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610580529.4A Pending CN107644222A (zh) | 2016-07-22 | 2016-07-22 | 一种身份证图像中信息定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107644222A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734235A (zh) * | 2018-04-04 | 2018-11-02 | 四川骏逸富顿科技有限公司 | 一种用于电子处方的身份识别方法及系统 |
CN108759678A (zh) * | 2018-07-19 | 2018-11-06 | 广州富唯电子科技有限公司 | 散热片尺寸及平整度线上自动测量设备及其测量方法 |
CN109034113A (zh) * | 2018-08-21 | 2018-12-18 | 李叶 | 双重图像滤波系统 |
CN109101960A (zh) * | 2018-07-26 | 2018-12-28 | 中国科学院半导体研究所 | 身份文本信息检测方法及装置 |
CN111008987A (zh) * | 2019-12-06 | 2020-04-14 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
CN111866254A (zh) * | 2020-07-31 | 2020-10-30 | 广东佳米科技有限公司 | 一种智能识别划词的快速拨号系统及其实施方法 |
-
2016
- 2016-07-22 CN CN201610580529.4A patent/CN107644222A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734235A (zh) * | 2018-04-04 | 2018-11-02 | 四川骏逸富顿科技有限公司 | 一种用于电子处方的身份识别方法及系统 |
CN108759678A (zh) * | 2018-07-19 | 2018-11-06 | 广州富唯电子科技有限公司 | 散热片尺寸及平整度线上自动测量设备及其测量方法 |
CN109101960A (zh) * | 2018-07-26 | 2018-12-28 | 中国科学院半导体研究所 | 身份文本信息检测方法及装置 |
CN109034113A (zh) * | 2018-08-21 | 2018-12-18 | 李叶 | 双重图像滤波系统 |
CN109034113B (zh) * | 2018-08-21 | 2019-04-19 | 上海极链网络科技有限公司 | 双重图像滤波系统 |
CN111008987A (zh) * | 2019-12-06 | 2020-04-14 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
CN111008987B (zh) * | 2019-12-06 | 2023-06-09 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
CN111866254A (zh) * | 2020-07-31 | 2020-10-30 | 广东佳米科技有限公司 | 一种智能识别划词的快速拨号系统及其实施方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107644222A (zh) | 一种身份证图像中信息定位方法 | |
CN105913396B (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN104915963B (zh) | 一种用于plcc元件的检测与定位方法 | |
CN105069394B (zh) | 二维码加权平均灰度法解码方法及系统 | |
CN107067382A (zh) | 一种改进的图像边缘检测方法 | |
CN106682646A (zh) | 一种车道线的识别方法及装置 | |
CN104680130A (zh) | 一种身份证汉字识别方法 | |
CN108427946A (zh) | 复杂场景下基于内特征和文本域布局的驾驶证检测识别方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN110909631B (zh) | 一种手指静脉图像roi提取和增强方法 | |
CN105844655A (zh) | 一种激光线条纹边缘提取方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN101615241B (zh) | 一种证件照片的筛选方法 | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN105225243B (zh) | 一种可抗噪声的图像边缘检测方法 | |
CN107437251A (zh) | 头部mri影像颅骨剥离模块 | |
CN109671092A (zh) | 一种改进的Canny图像分割方法和系统 | |
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN103425985B (zh) | 一种人脸抬头纹检测方法 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
CN104732530A (zh) | 一种图像边缘的检测方法 | |
CN112016566B (zh) | 一种金融票据大写金额处手写汉字的分割方法 | |
CN106898081B (zh) | 一种折角纸币的提取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180130 |