CN109584165A - 一种数字图像的矫正方法、装置、介质及电子设备 - Google Patents
一种数字图像的矫正方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN109584165A CN109584165A CN201811457114.3A CN201811457114A CN109584165A CN 109584165 A CN109584165 A CN 109584165A CN 201811457114 A CN201811457114 A CN 201811457114A CN 109584165 A CN109584165 A CN 109584165A
- Authority
- CN
- China
- Prior art keywords
- image
- mentioned
- digital picture
- straight line
- center
- 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
- 239000000729 antidote Substances 0.000 title claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 75
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 230000006854 communication Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种数字图像的矫正方法，该数字图像的矫正方法包括：对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。本发明实施例的技术方案不仅能够矫正格式简单的数字图像，同时对于图像内容复杂度较高的数字图像也有非常好的矫正效果。
Description
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种数字图像的矫正方法、装置、介质及电子设备。
背景技术
目前已经存在许多倾斜矫正方法，主要包括以下几类：基于投影的方法，基于Hough变换的方法，基于K-最近邻方法；其中，
(1)基于投影的方法就是对图像进行不同角度的投影，在得到一系列结果中选取最佳的投影结果，从而估算出图像的倾斜角度。
(2)Hough变换作为最常用的倾斜矫正方法，通过使用图像空间目标像素的坐标去计算参数空间中参考点的可能轨迹来拟合直线。
(3)基于K-最近邻方法通过找出所有连通区中心点的K个最近邻，计算每个邻近点的向量方向并统计生成直方图，直方图的峰值对应于整个页面的倾斜角。
但是，上述方法存在以下缺陷：
(1)这种方法只适合纯文本图的倾斜角检测，随着图像变换和内容的复杂情况增加，出错的几率大大增加；
(2)这种方法对于图像中有明显直线特征的图像检测结果较好，但是对于倾斜角度较大或不存在直线线条的图像表现效果较差；
(3)该方法对于图像中连通成分较多时，算法计算复杂度较高。
通过上述方法可确定出目前数字图像矫正技术算法存在如下主要缺陷：首先，传统的图像处理方法往往仅提供一种方式，对于图像矫正是否完备没有进行必要的判断；最后，现有的方法在处理各类发票数字图像中，效果还有待提高。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种数字图像的矫正方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面，提供了一种数字图像的矫正方法，包括：
对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；
提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；
计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；
将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。
在本发明的一个实施例中，上述对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像，包括：
通过预设的公式：
Gray＝R*0.299+G*0.587+B*0.114
对上述待矫正数字图像进行灰度转换，获得上述带矫正数字图像的灰度图像；其中，Gray表示灰度转换后灰色通道的数值，R表示上述待矫正数字图像中红色通道的数值，G表示上述待矫正数字图像中绿色通道的数值，B表示上述待矫正数字图像中蓝色通道的数值，0.299表示红色通道的数值分配至上述灰色通道中的比例，0.587表示绿色通道的数值分配至上述灰色通道中的比例，0.114表示蓝色通道的数值分配至上述灰色通道中的比例。
在本发明的一个实施例中，上述方法还包括：
通过公式：
对上述灰度图像进行均值滤波，获得第一图像；其中，f(x，y)表示上述第一图像，Gray(m,n)表示上述灰度图像，Sxy表示中心点在(x,y)处，大小为m*n的滤波器窗口。
在本发明的一个实施例中，上述提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像，包括：
通过预设的Canny算子对上述第一图像进行运算，获得包含有边缘轮廓信息的二值化图像；
根据上述二值化图像中边缘轮廓信息的最大坐标值和最小坐标值确定出上述第一图像中包含对象的外接矩形；
提取上述外接矩形区域，获得第二图像。
在本发明的一个实施例中，上述计算上述第二图像的质心，包括：
确定出对应于上述第二图像的矩函数：
其中，Mp,q表示第二图像的矩函数，p和q分别表示对应x方向和y方向的矩，Psub(x，y)表示第二图像在坐标(x，y)的数值，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度；
当p＝1，q＝0时，和/或p＝0，q＝1时，基于上述矩函数确定出上述第二图像的质心：
在本发明的一个实施例中，上述基于所计算出的质心确定出归一化中心距，根据上述归一化中心距确定出第一矫正角度，包括：
基于所计算出的质心，通过公式：
确定出归一化中心距；其中，M′p，q表示归一化中心距，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度，Psub(x，y)表示第二图像中坐标(x，y)处的数值，p和q分别表示对应x方向和y方向的矩；
基于上述归一化中心距，通过公式：
确定出第一矫正角度；其中，α表示第一矫正角度，M′1，1表示(p＝1，q＝1)时的归一化中心距，M′2，0表示(p＝2，q＝0)时的归一化中心距，M′0，2表示(p＝0，q＝2)时的归一化中心距。
在本发明的一个实施例中，上述对上述第二图像进行归一化中心距运算之前，上述方法还包括：
判断上述第二图像中是否包含有直线对象；
当上述第二图像中包含有直线对象时，对上述各个直线对象进行标记，并分别计算上述各个直线对象的倾斜角度；
对上述各个直线对象的倾斜角度进行平均，获得上述直线对象的倾斜角度均值。
在本发明的一个实施例中，上述方法还包括：
分别为上述第二图像的倾斜角度和上述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；
将上述第二图像以上述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
根据本发明实施例的第二方面，提供了一种数字图像的矫正装置，包括：
预处理模块，用于对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；
轮廓提取模块，用于提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；
矫正角度确定模块，用于计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；
矫正模块，用于将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。
在本发明的一个实施例中，上述预处理模块具体用于：
通过预设的公式：
Gray＝R*0.299+G*0.587+B*0.114
对上述待矫正数字图像进行灰度转换，获得上述带矫正数字图像的灰度图像；其中，Gray表示灰度转换后灰色通道的数值，R表示上述待矫正数字图像中红色通道的数值，G表示上述待矫正数字图像中绿色通道的数值，B表示上述待矫正数字图像中蓝色通道的数值，0.299表示红色通道的数值分配至上述灰色通道中的比例，0.587表示绿色通道的数值分配至上述灰色通道中的比例，0.114表示蓝色通道的数值分配至上述灰色通道中的比例。
在本发明的一个实施例中，上述预处理模块还用于：
通过公式：
对上述灰度图像进行均值滤波，获得第一图像；其中，f(x，y)表示上述第一图像，Gray(m,n)表示上述灰度图像，Sxy表示中心点在(x,y)处，大小为m*n的滤波器窗口。
在本发明的一个实施例中，上述轮廓提取模块用于：
通过预设的Canny算子对上述第一图像进行运算，获得包含有边缘轮廓信息的二值化图像；
根据上述二值化图像中边缘轮廓信息的最大坐标值和最小坐标值确定出上述第一图像中包含对象的外接矩形；
提取上述外接矩形区域，获得第二图像。
在本发明的一个实施例中，上述矫正角度确定模块用于：
确定出对应于上述第二图像的矩函数：
其中，Mp,q表示第二图像的矩函数，p和q分别表示对应x方向和y方向的矩，Psub(x，y)表示第二图像在坐标(x，y)的数值，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度；
当p＝1，q＝0时，和/或p＝0，q＝1时，基于上述矩函数确定出上述第二图像的质心：
在本发明的一个实施例中，上述矫正角度确定模块还用于：
基于所计算出的质心，通过公式：
确定出归一化中心距；其中，M′p，q表示归一化中心距，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度，Psub(x，y)表示第二图像中坐标(x，y)处的数值，p和q分别表示对应x方向和y方向的矩，表示质心在x轴方向上的位置，表示质心在y轴方向上的位置；
基于上述归一化中心距，通过公式：
确定出第一矫正角度；其中，α表示第一矫正角度，M′1，1表示(p＝1，q＝1)时的归一化中心距，M′2，0表示(p＝2，q＝0)时的归一化中心距，M′0，2表示(p＝0，q＝2)时的归一化中心距。
在本发明的一个实施例中，上述装置还包括：
第二矫正角度确定模块，用于判断上述第二图像中是否包含有直线对象；当上述第二图像中包含有直线对象时，对上述各个直线对象进行标记，并分别计算上述各个直线对象的倾斜角度；对上述各个直线对象的倾斜角度进行平均，获得上述直线对象的倾斜角度均值。
在本发明的一个实施例中，上述装置还包括：
第二矫正模块，用于分别为上述第二图像的倾斜角度和上述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；将上述第二图像以上述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
根据本发明实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述实施例中第一方面的数字图像的矫正方法。
根据本发明实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上述实施例中第一方面的数字图像的矫正方法。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明实施例提供了一种数字图像的矫正方法，该数字图像的矫正方法包括：对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。本发明实施例的技术方案不仅能够矫正格式简单的数字图像，同时对于图像内容复杂度较高的数字图像也有非常好的矫正效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出了根据本发明的一个实施例的数字图像的矫正方法的流程图。
图2示意性示出了根据本发明的一个实施例的数字图像的矫正直线对象方法的流程图。
图3示意性示出了根据本发明的一个实施例的数字图像的矫正装置的框图。
图4示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了根据本发明的一个实施例的数字图像的矫正方法的流程图。
参照图1所示，根据本发明的一个实施例的数字图像的矫正方法，包括如下步骤：
步骤S110，对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像。
在本发明的一个实施例中，由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。
在本发明的一个实施例中，待矫正数字图像可以是身份证、银行卡、护照以及驾驶证等图像，还可以是包含有文本、表格等对象的理赔材料等图像数据。
在本发明的一个实施例中，基于前述方案，通过预设的公式(1)：
Gray＝R*0.299+G*0.587+B*0.114
对上述待矫正数字图像进行灰度转换，获得上述带矫正数字图像的灰度图像；其中，Gray表示灰度转换后灰色通道的数值，R表示上述待矫正数字图像中红色通道的数值，G表示上述待矫正数字图像中绿色通道的数值，B表示上述待矫正数字图像中蓝色通道的数值，0.299表示红色通道的数值分配至上述灰色通道中的比例，0.587表示绿色通道+的数值分配至上述灰色通道中的比例，0.114表示蓝色通道的数值分配至上述灰色通道中的比例。
在本发明的一个实施例中，通过公式(2)：
对上述灰度图像进行均值滤波，获得第一图像；其中，f(x,y)表示上述第一图像，Gray(m，n)表示上述灰度图像，Sxy表示中心点在(x，y)处，大小为m*n的滤波器窗口。
在本发明的一个实施例中，通过上述的灰度转换和噪声过滤步骤后，将待矫正数字图像中不需要的元素去除掉，为后续的图像处理步骤提供了良好的基础，可以实现更精准的图像矫正。
步骤S120，提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像。
在本发明的一个实施例中，在图像的识别中，可以通过获取图像中的边缘轮廓信息来确定出该图像所包含对象(例如：文字、头像、格式等对象)，对于灰度转换后所获得的第一图像，通过检测图像局部区域灰度值变化显著的部分来确定出边缘轮廓信息，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值，为了提高检测边缘轮廓信息的敏感性和抑制噪声的需求，可以使用Canny算子提取所属第一图像中的边缘轮廓信息，具体地，使用Canny算子提取所属第一图像中的边缘轮廓信息包括以下步骤：(1)使用高斯滤波器对图像进行平滑处理；(2)用一阶偏导有限差分计算梯度幅值和方向；(3)对梯度幅值进行非极大值抑制；(4)用双阈值算法检测和连接边缘；由于上述Canny算子属于现有技术，这里不再赘述。
在本发明的一个实施例中，通过预设的Canny算子对上述第一图像进行运算，获得包含有边缘轮廓信息的二值化图像；根据上述二值化图像中边缘轮廓信息的最大坐标值和最小坐标值确定出上述第一图像中包含对象的外接矩形；提取上述外接矩形区域，获得第二图像。
步骤S130，计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度。
在本发明的一个实施例中，确定出对应于上述第二图像的矩函数(3)：
其中，Mp,q表示第二图像的矩函数，p和q分别表示对应x方向和y方向的矩，Psub(x,y)表示第二图像在坐标(x，y)处的数值，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度；
在本发明的一个实施例中，对于矩函数(3)，当p＝1，q＝0时，和/或p＝0，q＝1时，可以确定出上述第二图像的质心：
在本发明的一个实施例中，上述基于所计算出的质心确定出归一化中心距，根据上述归一化中心距确定出第一矫正角度，包括：
基于所计算出的质心，通过公式(4)：
确定出归一化中心距；其中，M′p，q表示归一化中心距，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度，Psub(x，y)表示第二图像中坐标(x，y)处的数值，p和q分别表示对应x轴方向和y轴方向的矩，表示质心在x轴方向上的位置，表示质心在y轴方向上的位置；
基于上述归一化中心距，通过公式(5)：
确定出第一矫正角度；其中，α表示第一矫正角度，M′1，1表示(p＝1，q＝1)时的归一化中心距，M′2，0表示(p＝2，q＝0)时的归一化中心距，M′0，2表示(p＝0，q＝2)时的归一化中心距。
步骤S140，将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。
在本发明的一个实施例中，针对于包含有线条类对象的数字图像，本发明还提出了对线条类数字图像的矫正方法，参照图2所示，包括：
步骤S150，判断上述第二图像中是否包含有直线对象，当确定包含有直线对象时，执行步骤S160；当确定不包含有直线对象时，返回步骤S140；
在本发明的一个实施例中，通过Radon变换可以判断第二图像是否包含直线对象，将第二图像映射到一个二维矩阵，其映射关系是第二图像的像素值在条直线上的线积分，也就是在这个直线方向的像素值累计求和，如此，在垂直于该直线的方向上，直线对象的积分会出现极值点，基于该极值点确定出直线对象的位置，具体地，设置一个方向(水平自左至右为0度，垂直自下至上为90度，以此类推)，按照设置的方向对第二图像进行列向量求和，例如：以0度为例，从图像的第1列开始，计算这一列上所有像素的灰度值之和；如此一直计算到最后一列，如果图像中有一条亮白的直线对象，那么会存在这样的情况：沿着某个方向积分得到的积分图没有突变，以及沿着与之垂直的一个方向则存在突变，如此，可以确定出第二图像中的直线对象以及直线对象的位置。
步骤S160，当上述第二图像中包含有直线对象时，对上述各个直线对象进行标记，并分别计算上述各个直线对象的倾斜角度；对上述各个直线对象的倾斜角度进行平均，获得上述直线对象的倾斜角度均值。
在本发明的一个实施例中，对所确定出的直线对象进行标记，并计算出各个直线对象相对于水平方向的倾斜角度，这里，为了使矫正效果更好，对各个直线对象的倾斜角度进行平均，具体地，将倾斜角度最大的和最小的两条直线对象滤除，对剩余的直线对象的倾斜角度进行平均，其中，通过公式(6)：
将对各个直线对象的倾斜角度进行平均，其中，β表示倾斜角度平均值，n表示直线对象的数量，βmax表示倾斜角度最大的直线对象，βmin表示倾斜角度最小的直线对象。
步骤S170，分别为上述第二图像的倾斜角度和上述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；
在本发明的一个实施例中，为上述第二图像的倾斜角度和上述直线对象的倾斜角度均值赋予权重，获得第二矫正角度，具体地，通过公式(7)：
α2＝T*α+(1-T)*β
可以确定出最终的旋转角度，其中，α2表示第二矫正角度，T表示权重(可以根据实际需求灵活设定，这里通常设置为0.5)，α表示第一矫正角度，β表示直线对象的倾斜角度均值。
步骤S180，将上述第二图像以上述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
以下介绍本发明的装置实施例，可以用于执行本发明上述的数字图像的矫正方法。
图3示意性示出了根据本发明的一个实施例数字图像的矫正装置的框图。
参照图3所示，根据本发明的一个实施例的数字图像的矫正装置300，包括：
预处理模块301，用于对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；
轮廓提取模块302，用于提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；
第一矫正角度确定模块303，用于计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；
第一矫正模块304，用于将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。
在本发明的一个实施例中，上述预处理模块301具体用于：
通过预设的公式(1)：
Gray＝R*0.299+G*0.587+B*0.114
对上述待矫正数字图像进行灰度转换，获得上述带矫正数字图像的灰度图像；其中，Gray表示灰度转换后灰色通道的数值，R表示上述待矫正数字图像中红色通道的数值，G表示上述待矫正数字图像中绿色通道的数值，B表示上述待矫正数字图像中蓝色通道的数值，0.299表示红色通道的数值分配至上述灰色通道中的比例，0.587表示绿色通道的数值分配至上述灰色通道中的比例，0.114表示蓝色通道的数值分配至上述灰色通道中的比例。
在本发明的一个实施例中，上述预处理模块301还用于：
通过公式(2)：
对上述灰度图像进行均值滤波，获得第一图像；其中，f(x，y)表示上述第一图像，Gray(m,n)表示上述灰度图像，Sxy表示中心点在(x,y)处，大小为m*n的滤波器窗口。
在本发明的一个实施例中，上述轮廓提取模块302用于：
通过预设的Canny算子对上述第一图像进行运算，获得包含有边缘轮廓信息的二值化图像；
根据上述二值化图像中边缘轮廓信息的最大坐标值和最小坐标值确定出上述第一图像中包含对象的外接矩形；
提取上述外接矩形区域，获得第二图像。
在本发明的一个实施例中，上述矫正角度确定模块303用于：
确定出对应于上述第二图像的矩函数(3)：
其中，Mp,q表示第二图像的矩函数，p和q分别表示对应x方向和y方向的矩，Psub(x,y)表示第二图像在坐标(x，y)的数值，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度；
当p＝1，q＝0时，和/或p＝0，q＝1时，基于上述矩函数确定出上述第二图像的质心：
在本发明的一个实施例中，上述矫正角度确定模块303还用于：
基于所计算出的质心，通过公式(4)：
确定出归一化中心距；其中，M′p，q表示归一化中心距，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度，Psub(x，y)表示第二图像中坐标(x，y)处的数值，p和q分别表示对应x方向和y方向的矩，表示质心在x轴方向上的位置，表示质心在y轴方向上的位置；
基于上述归一化中心距，通过公式(5)：
确定出第一矫正角度；其中，α表示第一矫正角度，M′1，1表示(p＝1，q＝1)时的归一化中心距，M′2，0表示(p＝2，q＝0)时的归一化中心距，M′0，2表示(p＝0，q＝2)时的归一化中心距。
在本发明的一个实施例中，上述装置还包括：
第二矫正角度确定模块305，用于判断上述第二图像中是否包含有直线对象；当上述第二图像中包含有直线对象时，对上述各个直线对象进行标记，并分别计算上述各个直线对象的倾斜角度；对上述各个直线对象的倾斜角度进行平均，获得上述直线对象的倾斜角度均值。
在本发明的一个实施例中，上述装置还包括：
第二矫正模块306，用于分别为上述第二图像的倾斜角度和上述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；将上述第二图像以上述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
由于本发明的示例实施例的数字图像的矫正装置的各个功能模块与上述数字图像的矫正方法的示例实施例的步骤对应，因此对于本发明装置实施例中未披露的细节，请参照本发明上述的数字图像的矫正方法的实施例。
下面参考图4，其示出了适于用来实现本发明实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中的数字图像的矫正方法。
例如，的电子设备可以实现如图1中所示的：步骤S110，对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；步骤S120，提取上述第一图像中的边缘轮廓信息，并基于上述边缘轮廓信息确定出上述第一图像中所包含的对象，获得第二图像；步骤S130，计算上述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据上述归一化中心距确定出第一矫正角度；步骤S140，将上述第二图像以上述第二图像的质心为中心向反方向旋转上述第一矫正角度，输出旋转后的图像。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种数字图像的矫正方法，其特征在于，包括：
对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；
提取所述第一图像中的边缘轮廓信息，并基于所述边缘轮廓信息确定出所述第一图像中所包含的对象，获得第二图像；
计算所述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据所述归一化中心距确定出第一矫正角度；
将所述第二图像以所述第二图像的质心为中心向反方向旋转所述第一矫正角度，输出旋转后的图像。
2.根据权利要求1所述的数字图像的矫正方法，其特征在于，所述对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像，包括：
通过预设的公式：
Gray＝R*0.299+G*0.587+B*0.114
对所述待矫正数字图像进行灰度转换，获得所述带矫正数字图像的灰度图像；其中，Gray表示灰度转换后灰色通道的数值，R表示所述待矫正数字图像中红色通道的数值，G表示所述待矫正数字图像中绿色通道的数值，B表示所述待矫正数字图像中蓝色通道的数值，0.299表示红色通道的数值分配至所述灰色通道中的比例，0.587表示绿色通道的数值分配至所述灰色通道中的比例，0.114表示蓝色通道的数值分配至所述灰色通道中的比例。
3.根据权利要求2所述的数字图像的矫正方法，其特征在于，所述方法还包括：
通过公式：
对所述灰度图像进行均值滤波，获得第一图像；其中，f(x,y)表示所述第一图像，Gray(m,n)表示所述灰度图像，Sxy表示中心点在(x,y)处，大小为m*n的滤波器窗口。
4.根据权利要求1所述的数字图像的矫正方法，其特征在于，所述提取所述第一图像中的边缘轮廓信息，并基于所述边缘轮廓信息确定出所述第一图像中所包含的对象，获得第二图像，包括：
通过预设的Canny算子对所述第一图像进行运算，获得包含有边缘轮廓信息的二值化图像；
根据所述二值化图像中边缘轮廓信息的最大坐标值和最小坐标值确定出所述第一图像中包含对象的外接矩形；
提取所述外接矩形区域，获得第二图像。
5.根据权利要求1所述的数字图像的矫正方法，其特征在于，所述计算所述第二图像的质心，包括：
确定出对应于所述第二图像的矩函数：
其中，Mp,q表示第二图像的矩函数，p和q分别表示对应x方向和y方向的矩，Psub(x,y)表示第二图像在坐标(x，y)的数值，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度；
当p＝1，q＝0时，和/或p＝0，q＝1时，基于所述矩函数确定出所述第二图像的质心：
6.根据权利要求1所述的数字图像的矫正方法，其特征在于，所述基于所计算出的质心确定出归一化中心距，根据所述归一化中心距确定出第一矫正角度，包括：
基于所计算出的质心，通过公式：
确定出归一化中心距；其中，M′p,q表示归一化中心距，M表示第二图像在x方向的长度，N表示第二图像在y方向上的长度，Psub(x,y)表示第二图像中坐标(x，y)处的数值，p和q分别表示对应x方向和y方向的矩，表示质心在x轴方向上的位置，表示质心在y轴方向上的位置；
基于所述归一化中心距，通过公式：
确定出第一矫正角度；其中，α表示第一矫正角度，M′1,1表示(p＝1，q＝1)时的归一化中心距，M′2,0表示(p＝2，q＝0)时的归一化中心距，M′0,2表示(p＝0，q＝2)时的归一化中心距。
7.根据权利要求1所述的数字图像的矫正方法，其特征在于，所述对所述第二图像进行归一化中心距运算之前，所述方法还包括：
判断所述第二图像中是否包含有直线对象；
当所述第二图像中包含有直线对象时，对所述各个直线对象进行标记，并分别计算所述各个直线对象的倾斜角度；
对所述各个直线对象的倾斜角度进行平均，获得所述直线对象的倾斜角度均值。
8.根据权利要求7所述的数字图像的矫正方法，其特征在于，所述方法还包括：
分别为所述第二图像的倾斜角度和所述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；
将所述第二图像以所述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
9.一种数字图像的矫正装置，其特征在于，包括：
预处理模块，用于对待矫正数字图像依次进行灰度转换和噪声过滤，获得第一图像；
轮廓提取模块，用于提取所述第一图像中的边缘轮廓信息，并基于所述边缘轮廓信息确定出所述第一图像中所包含的对象，获得第二图像；
第一矫正角度确定模块，用于计算所述第二图像的质心，并基于所计算出的质心确定出对应的归一化中心距，根据所述归一化中心距确定出第一矫正角度；
第一矫正模块，用于将所述第二图像以所述第二图像的质心为中心向反方向旋转所述第一矫正角度，输出旋转后的图像。
10.根据权利要求9所述的数字图像的矫正装置，其特征在于，所述装置还包括：
第二矫正角度确定模块，用于判断所述第二图像中是否包含有直线对象；当所述第二图像中包含有直线对象时，对所述各个直线对象进行标记，并分别计算所述各个直线对象的倾斜角度；对所述各个直线对象的倾斜角度进行平均，获得所述直线对象的倾斜角度均值；
第二矫正模块，用于分别为所述第二图像的倾斜角度和所述直线对象的倾斜角度均值赋予对应的权重并求和，获得第二矫正角度；将所述第二图像以所述第二图像的质心为中心旋转负第二矫正角度，输出所矫正后的图像。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的数字图像的矫正方法。
12.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的数字图像的矫正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811457114.3A CN109584165A (zh) | 2018-11-30 | 2018-11-30 | 一种数字图像的矫正方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811457114.3A CN109584165A (zh) | 2018-11-30 | 2018-11-30 | 一种数字图像的矫正方法、装置、介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109584165A true CN109584165A (zh) | 2019-04-05 |
Family
ID=65926781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811457114.3A Pending CN109584165A (zh) | 2018-11-30 | 2018-11-30 | 一种数字图像的矫正方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109584165A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753842A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 票据文本区域检测方法及装置 |
| CN111768414A (zh) * | 2020-06-05 | 2020-10-13 | 哈尔滨新光光电科技股份有限公司 | 一种用于激光对抗系统的光电快速瞄准方法及装置 |
| CN115082324A (zh) * | 2022-07-27 | 2022-09-20 | 四川赛狄信息技术股份公司 | 一种视频图像局部旋转处理方法、系统、终端及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100054595A1 (en) * | 2008-08-26 | 2010-03-04 | Microsoft Corporation | Automatic Image Straightening |
| CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
| CN105761219A (zh) * | 2016-02-03 | 2016-07-13 | 北京云江科技有限公司 | 文本图像倾斜矫正方法和系统 |
| 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 |
| CN107563330A (zh) * | 2017-09-04 | 2018-01-09 | 南京邮电大学 | 一种监控视频中的水平倾斜车牌矫正方法 |
| CN108460738A (zh) * | 2018-02-11 | 2018-08-28 | 湖南文理学院 | 基于b样条的医学图像倾斜校正方法 |
| CN108548820A (zh) * | 2018-03-28 | 2018-09-18 | 浙江理工大学 | 化妆品纸质标签缺陷检测方法 |
-
2018
- 2018-11-30 CN CN201811457114.3A patent/CN109584165A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100054595A1 (en) * | 2008-08-26 | 2010-03-04 | Microsoft Corporation | Automatic Image Straightening |
| CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
| CN105761219A (zh) * | 2016-02-03 | 2016-07-13 | 北京云江科技有限公司 | 文本图像倾斜矫正方法和系统 |
| 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 |
| CN107563330A (zh) * | 2017-09-04 | 2018-01-09 | 南京邮电大学 | 一种监控视频中的水平倾斜车牌矫正方法 |
| CN108460738A (zh) * | 2018-02-11 | 2018-08-28 | 湖南文理学院 | 基于b样条的医学图像倾斜校正方法 |
| CN108548820A (zh) * | 2018-03-28 | 2018-09-18 | 浙江理工大学 | 化妆品纸质标签缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宋万里等: "车牌识别中的倾斜车牌校正算法", 《科技信息》 * |
| 葛海江等: "车牌识别系统中车牌定位及倾斜矫正算法研究", 《杭州电子科技大学学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768414A (zh) * | 2020-06-05 | 2020-10-13 | 哈尔滨新光光电科技股份有限公司 | 一种用于激光对抗系统的光电快速瞄准方法及装置 |
| CN111753842A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 票据文本区域检测方法及装置 |
| CN111753842B (zh) * | 2020-06-28 | 2024-02-27 | 中国银行股份有限公司 | 票据文本区域检测方法及装置 |
| CN115082324A (zh) * | 2022-07-27 | 2022-09-20 | 四川赛狄信息技术股份公司 | 一种视频图像局部旋转处理方法、系统、终端及介质 |
| CN115082324B (zh) * | 2022-07-27 | 2022-11-01 | 四川赛狄信息技术股份公司 | 一种视频图像局部旋转处理方法、系统、终端及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kiryati et al. | Detecting symmetry in grey level images: The global optimization approach | |
| EP3161787B1 (en) | Detecting edges of a nucleus using image analysis | |
| CN103975342B (zh) | 用于移动图像捕获和处理的系统和方法 | |
| CN108846440B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| CN103914676B (zh) | 一种在人脸识别中使用的方法和装置 | |
| CN107103320B (zh) | 嵌入式医疗数据图像识别及集成方法 | |
| CN103632159B (zh) | 训练分类器、图像中文字区域检测的方法及系统 | |
| CN109584165A (zh) | 一种数字图像的矫正方法、装置、介质及电子设备 | |
| US11348275B2 (en) | Methods and apparatuses for determining bounding box of target object, media, and devices | |
| CN106484692A (zh) | 一种三维模型检索方法 | |
| CN108805128A (zh) | 一种字符分割方法和装置 | |
| CN110163096A (zh) | 人物识别方法、装置、电子设备和计算机可读介质 | |
| CN110414502A (zh) | 图像处理方法及装置、电子设备和计算机可读介质 | |
| CN109344762A (zh) | 图像处理方法和装置 | |
| CN109685142A (zh) | 一种图像匹配方法及装置 | |
| CN109961501A (zh) | 用于建立三维立体模型的方法和装置 | |
| CN112132812B (zh) | 证件校验方法、装置、电子设备及介质 | |
| CN113947611A (zh) | 一种液位检测方法、装置、存储介质及电子设备 | |
| CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
| Vyacheslavovich et al. | Advanced Hough-based method for on-device document localization | |
| CN112465050B (zh) | 一种图像模板选择方法、装置、设备及存储介质 | |
| CN109801428A (zh) | 纸币边缘直线的检测方法、检测装置及终端 | |
| US20200364875A1 (en) | Document boundary detection using deep learning model and image processing algorithms | |
| CN109523564A (zh) | 用于处理图像的方法和装置 | |
| CN113743366A (zh) | 人脸识别方法及大数据金融用户管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
| RJ01 | Rejection of invention patent application after publication |