CN108549890A - 基于图像识别的发票倾斜检测及几何校正方法 - Google Patents

Abstract

本发明公开了一种基于图像识别的发票倾斜检测及几何校正方法，其以检测发票图像的倾斜角度为目标。首先利用图像采集设备采集发票图像，接着对采集的发票图像进行灰度处理，得到灰度图像。再将灰度图像转化为二值图像，然后利用Sobel算子对发票的二值图像进行边缘检测，得到发票的边缘图像。最后对发票的边缘图像采用Hough变换，检测出发票中最长的直线，计算出发票倾斜角，旋转发票图像得到校正好的发票图像。本发明引入图像处理领域的Sobel算子以及Hough变换，能准确检测出发票图像的倾斜角度，根据该倾斜角度对发票进行几何校正；解决了发票识别中因发票存在倾斜而无法正常识别的问题，能适用于多种不同类别的发票，在智能财务报销中拥有较高的应用价值。

Description

基于图像识别的发票倾斜检测及几何校正方法

技术领域

本发明涉及一种基于图像识别的发票倾斜检测及几何校正方法，属于图像处理、人工智能领域。

背景技术

随着社会经济的高速发展，我国发票使用量日益上升。目前，我国每年报销使用的发票数以亿计，而且呈现出上升的趋势。但是现在大部分发票报销工作是由人工完成。人工报销发票效率低，报销流程长，消耗时间多，出错率极高。人工报销发票不仅加重了财务人员的工作负担，而且会占用报销者大量额外的精力，更会加重企业的生产成本。

近些年来，随着图像处理以及计算机视觉技术的飞快发展，高精度、高效率、低成本的文字识别技术得以实现。许多国内外的科研机构和科研人员将计算机视觉这一新兴技术引入到发票识别等相关领域中去，并对该技术的可行性进行了严谨深刻的分析。

利用图像处理及计算机视觉技术识别发票实现智能报销，能提高报销效率，减少报销者在报销上浪费的精力和时间，降低财务人员的工作负担，降低中小型企业的人力资源成本，这对社会发展十分重要。

发明内容

针对现有技术的不足，本发明提供一种基于图像识别的发票倾斜检测及几何校正方法，创造性引入先进的计算机视觉这一新兴学科，利用图像处理技术准确地检测出所采集的发票图像的倾斜角度，并根据这一角度对发票图像进行几何校正。

本发明为解决上述技术问题采用以下技术方案：

一方面，本发明提供一种基于图像识别的发票倾斜检测方法，具体包括以下步骤：

步骤1，将发票放置于纯色无条纹的背景上，通过图像采集设备采集发票图像A；

步骤2，对步骤一采集到的图像A进行灰度处理，得到灰度图像B；

步骤3，将步骤二得到的灰度图像B进行二值化处理，得到二值图像BW；

步骤4，采用Sobel边缘检测算子对步骤三得到的二值图像BW进行滤波，检测并提取出二值图像BW的边缘线，并强化发票边缘线、平滑抑制图像中噪声，得到边缘图像C；

步骤5，对步骤四得到的边缘图像C使用Hough变换检测出发票的倾斜角。

作为本发明的进一步技术方案，步骤4中采用Sobel边缘检测算子对步骤三得到的二值图像BW进行滤波，检测并提取出二值图像BW的边缘线，其具体包含如下步骤：

步骤4-1，采用Sobel边缘检测算子对二值图像BW进行滤波，得到二值图像BW的横向灰度值G_x与纵向灰度值G_y，并计算二值图像BW的灰度值

步骤4-2，遍历灰度值G，标记并加强灰度值大于自定义阈值的点，从而提取出二值图像BW的边缘线。

作为本发明的进一步技术方案，步骤5中步骤五对步骤四得到的边缘图像C使用Hough变换检测出发票的倾斜角，其具体包含如下步骤：

步骤5-1，在直角坐标系下将边缘图像C离散化，并计算出边缘图像C的长m和宽n；

步骤5-2，建立离散化的参数空间ρ-θ，并将其初始化，建立二维累加数组K(θ,ρ)，其中，θ∈[0,180]，

步骤5-3，遍历步骤5-1中离散化的边缘图像C，找出所有像素值不为0的点，对找出的每个点，将其坐标(x,y)带入方程ρ＝x cosθ+y sinθ中，并以1为步长遍历θ∈[0,180]，求出每个θ_i所对应的ρ_i，在相应的二维累加数组K(θ_i,ρ_i)上加1，其中，θ_i为第i次遍历的θ值，ρ_i为第i次遍历的θ值对应的ρ的值；

步骤5-4，遍历二维累加数组K(θ,ρ)，找出其中的最大值，最大值对应的θ值即为发票的倾斜角。

另一方面，本发明还提供一种基于图像识别的发票倾斜几何校正方法，首先，基于如上所述的检测方法对发票的倾斜角进行检测，然后，根据发票倾斜角旋转发票图像，最后得到校正的发票图像。

作为本发明的进一步技术方案，将发票旋转90-θ或者180-θ即得到校正水平或者竖直的发票图像。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明能有效的解决发票识别中因发票图票倾斜而不能识别的问题。创造性地引入Sobel算子以及Hough变换，能检测出发票最长边缘线的倾斜角度，根据这一角度完成发票的几何校正；而且本发明能对多种发票进行几何校正校正，具有较高的稳定性和鲁棒性。

附图说明

图1是本发明的方法流程图；

图2是灰度图像B；

图3是二值图像BW；

图4是边缘图像C；

图5是完成几何校正的图像。

具体实施方式

下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明：

本发明一种基于图像识别的发票倾斜检测及几何校正方法，如图1所示，包括以下具体步骤：

首先，将发票放置于纯色且无条纹的背景上，通过图像采集设备采集发票的RGB图像A。

然后，对RGB图像A进行灰度处理：采用的是对图像A的R、G、B分量进行加权平均的算法，将RGB图像A转换为灰度图像B，如图2所示。

接着，将灰度图像B进行二值化处理：

设定一个阈值P_threshold∈(0.2,0.9)，并对灰度图像B进行阈值变换。凡是在灰度图像B中像素值大于P_threshold的点，则将其变为白色(255)，否则将其变为黑色(0)，由此可将灰度图像B转化为二值图像BW，如图3所示。

之后，采用Sobel边缘检测算子对二值图像BW进行滤波，检测并提取出发票的边缘线，强化发票边缘线，平滑抑制图像中噪声，得到边缘图像C，如图4所示。

具体而言，采用Sobell边缘检测算子对二值图像BW进行边缘检测，包含以下三个步骤：

步骤1，采用Sobell边缘检测算子对二值图像BW进行滤波，计算出二值图像BW的横向灰度值G_x与纵向灰度值G_y，并根据G_x以及G_y计算图像的灰度值G。其中，计算G_x、G_y和G的公式如下：

步骤2，自定义阈值G_threshold，遍历G，若存在点(x,y)，其所对应的G(x,y)＞G_threshold，标记并加强这些点，即可得到边缘图像C。

最后，对边缘图像C进行Hough变换，检测出发票最长边缘线的倾斜角，根据发票倾斜角旋转发票图像，得到校正好的发票图像，如图5所示。

具体而言，对边缘图像C采用Hough变换检测发票最长边缘线的倾斜角，具体包括如下步骤：

步骤1，在直角坐标系下将边缘图像C离散化，计算出边缘图像C的长和宽，分别记为m,n。

步骤2，建立离散化的参数空间ρ-θ，并将其初始化，其中，θ∈[0,180]，建立二维累加数组K(θ,ρ)。

步骤3，遍历边缘图像C，寻找出所有像素值不为0的点(x,y)。每找出一个点，将其带入方程ρ＝x cosθ+y sinθ中，并以1为步长，遍历θ∈[0,180]，求出θ_i所对应的ρ_i，在相应的二维累加数组K(θ_i,ρ_i)上加1。

步骤4，寻找出二维累加数组K(θ,ρ)中的最大值，将其所对应的(θ,ρ)带入可以得到ρ＝x cosθ+y sinθ发票最长边缘线方程。将发票旋转90-θ或者180-θ(若得到正值，则做逆时针旋转；若得到负值，则做顺时针旋转)，就可以得到校正水平或者竖直的发票图像。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.基于图像识别的发票倾斜检测方法，其特征在于，具体包括以下步骤：

步骤1，将发票放置于纯色无条纹的背景上，通过图像采集设备采集发票图像A；

步骤2，对步骤一采集到的图像A进行灰度处理，得到灰度图像B；

步骤3，将步骤二得到的灰度图像B进行二值化处理，得到二值图像BW；

步骤4，采用Sobel边缘检测算子对步骤三得到的二值图像BW进行滤波，检测并提取出二值图像BW的边缘线，并强化发票边缘线、平滑抑制图像中噪声，得到边缘图像C；

步骤5，对步骤四得到的边缘图像C使用Hough变换检测出发票的倾斜角。

2.根据权利要求1所述的基于图像识别的发票倾斜检测及几何校正方法，其特征在于，步骤4中采用Sobel边缘检测算子对步骤三得到的二值图像BW进行滤波，检测并提取出二值图像BW的边缘线，其具体包含如下步骤：

步骤4-1，采用Sobel边缘检测算子对二值图像BW进行滤波，得到二值图像BW的横向灰度值G_x与纵向灰度值G_y，并计算二值图像BW的灰度值

步骤4-2，遍历灰度值G，标记并加强灰度值大于自定义阈值的点，从而提取出二值图像BW的边缘线。

3.根据权利要求1所述的基于图像识别的发票倾斜检测及几何校正方法，其特征在于，步骤5中步骤五对步骤四得到的边缘图像C使用Hough变换检测出发票的倾斜角，其具体包含如下步骤：

步骤5-1，在直角坐标系下将边缘图像C离散化，并计算出边缘图像C的长m和宽n；

步骤5-2，建立离散化的参数空间ρ-θ，并将其初始化，建立二维累加数组K(θ,ρ)，其中，θ∈[0,180]，

步骤5-3，遍历步骤5-1中离散化的边缘图像C，找出所有像素值不为0的点，对找出的每个点，将其坐标(x,y)带入方程ρ＝xcosθ+ysinθ中，并以1为步长遍历θ∈[0,180]，求出每个θ_i所对应的ρ_i，在相应的二维累加数组K(θ_i,ρ_i)上加1，其中，θ_i为第i次遍历的θ值，ρ_i为第i次遍历的θ值对应的ρ的值；

步骤5-4，遍历二维累加数组K(θ,ρ)，找出其中的最大值，最大值对应的θ值即为发票的倾斜角。

4.基于图像识别的发票倾斜几何校正方法，其特征在于，首先，基于如权利要求1至3中任一所述的检测方法对发票的倾斜角进行检测，然后，根据发票倾斜角旋转发票图像，最后得到校正的发票图像。

5.根据权利要求4所述的基于图像识别的发票倾斜几何校正方法，其特征在于，将发票旋转90-θ或者180-θ即得到校正水平或者竖直的发票图像。