CN109598683A - 影像截取方法、装置及计算机可读存储介质 - Google Patents

影像截取方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN109598683A
CN109598683A CN201811339607.7A CN201811339607A CN109598683A CN 109598683 A CN109598683 A CN 109598683A CN 201811339607 A CN201811339607 A CN 201811339607A CN 109598683 A CN109598683 A CN 109598683A
Authority
CN
China
Prior art keywords
image
image display
original image
gray
original
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
Application number
CN201811339607.7A
Other languages
English (en)
Inventor
肖玉宾
喻红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201811339607.7A priority Critical patent/CN109598683A/zh
Publication of CN109598683A publication Critical patent/CN109598683A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种图像检测技术，揭露了一种影像截取方法、装置及计算机可读存储介质，该方法包括：接收影像截取指令，获取一待测目标的原始图像；对所述原始图像依次进行高斯模糊降噪处理、灰度处理、腐蚀处理；提取所述腐蚀处理后的图像的特征模板；对所述特征模板及所述原始图像进行匹配计算；将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述换算成在所述原始图像上对应的坐标，从原始图像上截取待测目标的影像。本发明可以减小影像存储的数据量和传输量，提升后续待测目标的识别率。

Description

影像截取方法、装置及计算机可读存储介质
技术领域
本发明涉及图像检测技术领域，尤其涉及一种影像截取方法、装置及计算机可读存储介质。
背景技术
目前，许多业务办理中都要求用户提供身份证复印件，如银行业务办理中，大部分业务中都要求提交个人身份证复印件等证明文件进行存储备案，为了后续方便查验，需将身份证复印件扫描成电子档，然而身份证复印件一般都是采用A4纸张进行复印后再采用扫描仪进行扫描成电子档，事实上身份证复印件占据A4的纸张面积很小，直接将整个A4纸张扫描后存储占用太多的存储空间，增加了银行服务器的负担。
发明内容
本发明的主要目的在于提供一种影像截取方法、装置及计算机可读存储介质，旨在解决复印件占据大量的存储空间的问题。
为实现上述目的，本发明提供一种影像截取方法，所述影像截取方法包括以下步骤：
接收影像截取指令，获取一待测目标的原始图像；
对所述原始图像进行高斯模糊降噪处理；
对所述高斯模糊降噪后的图像进行灰度处理；
对所述灰度处理后的图像进行腐蚀处理；
提取所述腐蚀处理后的图像的特征模板；
对所述特征模板及所述原始图像进行匹配计算；
将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从所述原始图像上截取所述待测目标的影像。
可选地，所述对所述高斯模糊降噪后的图像进行灰度处理包括以下步骤：
获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
可选地，所述对所述灰度处理后的图像进行腐蚀处理包括以下步骤：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
可选地，所述对所述特征模板及所述原始图像进行匹配计算的步骤中采用归一化相关系数匹配。
可选地，所述对所述特征模板及所述原始图像进行匹配计算包括以下步骤：
设定匹配阈值r；
通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R为相似度值，T为特征模板，S是原始图像，i、j、M、N、m、n为自然数。
此外，为实现上述目的，本发明还提供一种电子装置，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的影像截取程序，所述影像截取程序被所述处理器执行时实现如下步骤：
接收影像截取指令，获取一待测目标的原始图像；
对所述原始图像进行高斯模糊降噪处理；
对所述高斯模糊降噪后的图像进行灰度处理；
对所述灰度处理后的图像进行腐蚀处理；
提取所述腐蚀处理后的图像的特征模板；
对所述特征模板及所述原始图像进行匹配计算；
将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从原始图像上截取待测目标的影像。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有影像截取程序，其中所述影像截取程序被处理器执行时，实现如上述的影像截取方法的步骤。
本发明通过在接收到影像截取指令时，获取原始图像，将原始图像经过高斯模糊降噪处理、灰度处理、腐蚀处理后再进行特征模板提取，减少了计算量，加快了处理速度，得到特征模板之后与原始图像采用归一化匹配计算得到原始图像对应的坐标，该计算方法具有不受比例因子误差影响和抗白噪声干扰能力强等优点，通过对应的坐标截取待测目标的图像进行保存或者传输，减小影像存储的数据量和传输量，提升后续待测目标，如身份证复印件识别率。
附图说明
图1为本发明实施例方案中涉及的电子装置的硬件结构示意图；
图2为本发明电子装置的功能模板示意图；
图3为本发明影像截取方法的一流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例涉及的影像截取方法主要应用于电子装置，该电子装置可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1，为本发明一实施例提供的电子装置的内部结构示意图。
在本实施例中，电子装置1可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该电子装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读计算机存储介质，所述可读计算机存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子装置1的内部存储单元，例如该电子装置1的硬盘。存储器11在另一些实施例中也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子装置1的应用软件及各类数据，例如影像截取程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行影像截取程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
在图1所示的装置1实施例中，存储器11中存储有影像截取程序01；处理器12执行存储器11中存储的影像截取程序01时实现如下步骤：
接收影像截取指令，获取一待测目标的原始图像；
对所述原始图像进行高斯模糊降噪处理；
对所述高斯模糊降噪后的图像进行灰度处理；
对所述灰度处理后的图像进行腐蚀处理；
提取所述腐蚀处理后的图像的特征模板；
对所述特征模板及所述原始图像进行匹配计算；
将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从所述原始图像上截取所述待测目标的影像。
进一步地，在本发明装置的另一实施例中，影像截取程序还可被处理器调用，以在对所述高斯模糊降噪后的图像进行灰度处理的步骤中具体实现如下步骤：
获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
进一步地，在本发明装置的另一实施例中，影像截取程序还可被处理器调用，以在对所述灰度处理后的图像进行腐蚀处理的步骤中具体实现如下步骤：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
进一步地，所述对所述特征模板及所述原始图像进行匹配计算的步骤中采用归一化相关系数匹配。
进一步地，在本发明装置的另一实施例中，影像截取程序还可被处理器调用，以在对所述特征模板及所述原始图像进行匹配计算的步骤中具体实现以下步骤：
设定匹配阈值r；
通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R即为相似性的度量值，该值越大，代表相似性越大。T是模板，S是搜索图，i、j、M、N、m、n为自然数。将模板T放在搜索图S上平移，模板覆盖下的那块搜索图叫做Sij，(i,j)为这块子图左上角像点在S图中的坐标，称为参考点。式中分子位置的项是子图像和模板的互相关，随(i，j)的改变而改变，分母的第二项表示的是模板的总能量，第一项表示的是子图S的总能量。当T和Sij匹配时，R即为最大值。
可选地，在其他实施例中，影像截取程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述影像截取程序在电子装置中的执行过程。
例如，参照图2所示，为本发明电子装置一实施例中的影像截取程序的程序模块示意图，该实施例中，影像截取程序可以被分割为获取模块21、第一处理模块22、第二处理模块23、第三处理模块24、提取模块25、匹配计算模块26、换算和截取模块27，示例性地：
获取模块21，用于接收影像截取指令，获取一待测目标的原始图像；
第一处理模块22，用于对所述原始图像进行高斯模糊降噪处理；
第二处理模块23，用于对所述高斯模糊降噪后的图像进行灰度处理；
第三处理模块24，用于对所述灰度处理后的图像进行腐蚀处理；
提取模块25，用于提取所述腐蚀处理后的图像的特征模板；
匹配计算模块26，用于对所述特征模板及所述原始图像进行匹配计算；
换算和截取模块27，用于将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从原始图像上截取待测目标的影像。
进一步地，影像截取程序中的第二处理模块还可以被分割为第一获取单元及灰度值计算单元，示例性地：
第一获取单元，用于获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
灰度值计算单元，用于根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
进一步地，第三处理模块24用于所述灰度处理后的图像进行腐蚀处理的具体步骤包括：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
进一步地，所述对所述特征模板及所述原始图像进行匹配计算的步骤中采用归一化相关系数匹配。
进一步地，影像截取程序中的匹配计算模块还可以被分割为设定单元及匹配计算单元，示例性地：
设定单元，用于设定匹配阈值r；
匹配计算单元，用于通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R即为相似性的度量值，该值越大，代表相似性越大。T是模板，S是搜索图，i、j、M、N、m、n为自然数。将模板T放在搜索图S上平移，模板覆盖下的那块搜索图叫做Sij，(i,j)为这块子图左上角像点在S图中的坐标，称为参考点。式中分子位置的项是子图像和模板的互相关，随(i，j)的改变而改变，分母的第二项表示的是模板的总能量，第一项表示的是子图S的总能量。当T和Sij匹配时，R即为最大值。
本发明提供一种影像截取方法。
参照图3，图3为本发明影像截取方法一实施例的流程示意图。
本实施例中，所述影像截取方法包括以下步骤：
步骤S100，接收影像截取指令，获取一待测目标的原始图像。
具体的，本实施例中的电子装置以PC为例进行说明。电子装置通常设置有影像截取选择按钮，当用户需要进行影像截取时，可选择影像截取按钮，以触发影像截取指令。PC在接收到该影像截取指令时，将进入到影像截取流程。
首先要获取待测目标的原始图像，该待测目标可以是任何物体的图像，在本申请中以待测目标为证件进行说明，该证件可以是身份证、房产证、借书证、毕业证等；该原始图像可通过扫描仪设备进行扫描获得或者通过查询存储器中是否存储有原始图像。
步骤S101，对所述原始图像进行高斯模糊降噪处理。
在本实施例中，所述高斯模糊处理实际上是一种数据平滑处理技术。所谓的“模糊”可以理解成每一个像素都取周边像素的平均值，即“中间点”取“周围点”的平均值，这在数值上为一种“平滑化”，而在图形上相当于产生了“模糊”效果，即“中间点”失去了细节。在图形处理时，有时候需要得到高斯模糊处理的效果。可以对整张图像进行高斯模糊处理，也可以对整张原图像的局部区域进行高斯模糊处理。
本实施例中，可以直接采用现有的图像处理软件，如Adobe Photoshop、GIMP以及Paint.NET等图像处理软件。
在另外的实施例中，该高斯模糊降噪处理采用正态分布计算图像中每个像素的变换，N维空间正态分布方程为：
其中r是模糊半径，σ是正态分布的标准偏差，在高斯模糊处理过程中，在计算平均值时，取值范围越大，"模糊效果"越强烈，也就是说，高斯模糊半径越大，图像就越模糊。因此，根据需求先设定出高斯模糊半径。
步骤S102，对所述高斯模糊降噪后的图像进行灰度处理。
彩色图像是由三个不同的分量组成，称之为三通道图像，对彩图图像处理时，耗时大，因此，为了达到提高图像处理速度，需要减少所需处理的数据量。图像的灰度化就是把由RGB三通道的数据的彩色图像变为单通道的数据的灰度图像。
具体地，因在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些，而灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
步骤S103，对所述灰度处理后的图像进行腐蚀处理。
具体地，图像经过高斯模糊降噪仍然存在噪声，用于通过腐蚀图像的方法把剩余的噪声去除掉。
步骤S104，提取所述腐蚀处理后的图像的特征模板。
步骤S105,对所述特征模板及所述原始图像进行匹配计算。
将所述特征模板与原始图像进行匹配计算；进行模板匹配时，匹配计算的方法包括多种，例如：差值平方和匹配(CV_TM_SQDIFF)、归一化差值平方和匹配(CV_TM_SQDIFF_NORMED)、相关匹配(CV_TM_CCORR)、归一化相关匹配(CV_TM_CCORR_NORMED)、相关系数匹配(CV_TM_CCOEFF)、以及归一化相关系数匹配(CV_TM_CCOEFF_NORMED)。在本实施例中，采用归一化相关系数匹配法对所述特征模板及所述原始图像进行匹配。
步骤S106，将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从原始图像上截取待测目标的影像。
进一步地，对所述高斯模糊降噪后的图像进行灰度处理包括以下步骤：
获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
进一步地，所述对所述灰度处理后的图像进行腐蚀处理包括以下步骤：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
进一步地，对所述特征模板及所述原始图像进行匹配计算包括以下步骤：
设定匹配阈值r；
通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R即为相似性的度量值，该值越大，代表相似性越大。T是模板，S是搜索图，i、j、M、N、m、n为自然数。将模板T放在搜索图S上平移，模板覆盖下的那块搜索图叫做Sij，(i,j)为这块子图左上角像点在S图中的坐标，称为参考点。式中分子位置的项是子图像和模板的互相关，随(i，j)的改变而改变，分母的第二项表示的是模板的总能量，第一项表示的是子图S的总能量。当T和Sij匹配时，R即为最大值。
进一步地，将匹配计算的结果换算成在所述原始图像上对应的坐标的具体方法为：上述步骤获取到开始坐标点后，原始模板的宽高为：(tmp_w,tmp_h),计算复印件上的对应区域坐标为[(x,y),(x+tmp_w,y+tmp_h)]，通过该对应区域坐标截取待测目标的影像。
本发明实施例获取原始图像，将原始图像经过高斯模糊降噪处理、灰度处理、腐蚀处理后再进行特征模板提取，减少了计算量，加快了处理速度，得到特征模板之后与原始图像采用归一化匹配计算得到原始图像对应的坐标，该计算方法具有不受比例因子误差影响和抗白噪声干扰能力强等优点，通过对应的坐标截取待测目标的图像进行保存或者传输，减小影像存储的数据量和传输量，提升后续身份证复印件识别的率。
此外，本发明实施例还提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述经纪人业绩影像截取方法的步骤。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在电子装置中的执行过程。例如，上述计算机程序可以被分割成上述各个系统实施例提供的信息获取装置的单元或模块。
本领域技术人员可以理解，上述电子装置的描述仅仅是示例，并不构成对电子装置的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述电子装置的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述电子装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如出行需求信息接收功能、可停车信息和所述目的地信息输出功能等)等；存储数据区可存储根据信息获取方法的使用所创建的数据(比如出行需求信息、可停车信息、目的地信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
电子装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取计算机存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
在本发明实施例中，电子装置接收到用户的触发信号后，接收用户输入的账户，并在判断账户等级之后发送给服务器，服务器根据账户等级将报表选择页面展示给用户，根据用户选择的报表，可进行多部门多报表的同时展示在电子装置，以方便用户进行业绩的对比，除此，还可以对展示后的报表数量进行增加或删除、表头及列头的固定，展示后报表的滑动等以方便多部门多报表的业绩数据对比，非常适用于屏幕比较小的终端浏览和比较报表数据。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台电子装置(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种影像截取方法，其特征在于，所述方法包括以下步骤：
接收影像截取指令，获取一待测目标的原始图像；
对所述原始图像进行高斯模糊降噪处理；
对所述高斯模糊降噪后的图像进行灰度处理；
对所述灰度处理后的图像进行腐蚀处理；
提取所述腐蚀处理后的图像的特征模板；
对所述特征模板及所述原始图像进行匹配计算；
将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从所述原始图像上截取所述待测目标的影像。
2.如权利要求1所述的影像截取方法，其特征在于，所述对所述高斯模糊降噪后的图像进行灰度处理包括以下步骤：
获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
3.如权利要求1所述的影像截取方法，其特征在于，所述对所述灰度处理后的图像进行腐蚀处理包括以下步骤：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
4.如权利要求1所述的影像截取方法，其特征在于，所述对所述特征模板及所述原始图像进行匹配计算的步骤中的匹配计算采用归一化相关系数匹配。
5.如权利要求4所述的影像截取方法，其特征在于，所述对所述特征模板及所述原始图像进行匹配计算的步骤包括以下步骤：
设定匹配阈值r；
通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R为相似度值，T为特征模板，S是原始图像，i、j、M、N、m、n为自然数。
6.一种电子装置，其特征在于，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的影像截取程序，所述影像截取程序被所述处理器执行时实现如下步骤：
接收影像截取指令，获取一待测目标的原始图像；
对所述原始图像进行高斯模糊降噪处理；
对所述高斯模糊降噪后的图像进行灰度处理；
对所述灰度处理后的图像进行腐蚀处理；
提取所述腐蚀处理后的图像的特征模板；
对所述特征模板及所述原始图像进行匹配计算；
将匹配计算的结果换算成在所述原始图像上对应的坐标，通过所述坐标，从所述原始图像上截取所述待测目标的影像。
7.如权利要求6所述的电子装置，其特征在于，所述影像截取程序还可被所述处理器执行，以在对所述高斯模糊降噪后的图像进行灰度处理的步骤中具体实现如下步骤：
获取所述高斯模糊降噪后的图像中每一像素的R、G、B颜色值；
根据每一像素的R、G、B颜色值计算每一像素的灰度值，该灰度值的计算公式为：Gray＝R×0.299+G×0.587+B×0.114。
8.如权利要求6所述的电子装置，其特征在于，所述影像截取程序还可被所述处理器执行，以在对所述灰度处理后的图像进行腐蚀处理的步骤中具体实现如下步骤：
获取所述灰度处理后的图像的每一行像素的宽度值；
创建一幅与所述灰度处理后的图像大小相同、所有像素置黑的目标图像；
将所述灰度处理后的图像的当前点在目标图像中的对应像素点置白。
9.如权利要求6所述的电子装置，其特征在于，所述影像截取程序还可被所述处理器执行，以在对所述特征模板及所述原始图像进行匹配计算的步骤中具体实现如下步骤：
设定匹配阈值r；
通过归一化相关系数匹配法，匹配得到所述原始图像与所述特征模板的相似区域，对比所述特征模板与所述相似区域的相似度tmp_r，如果相似度tmp_r大于设定的阈值r则获取该相似区域的位置信息(x,y)，使用的相似性度量定义如下：
其中，R为相似度值，T为特征模板，S是原始图像，i、j、M、N、m、n为自然数。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质上存储有影像截取程序，所述影像截取程序可被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的影像截取方法的步骤。
CN201811339607.7A 2018-11-12 2018-11-12 影像截取方法、装置及计算机可读存储介质 Pending CN109598683A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811339607.7A CN109598683A (zh) 2018-11-12 2018-11-12 影像截取方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811339607.7A CN109598683A (zh) 2018-11-12 2018-11-12 影像截取方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN109598683A true CN109598683A (zh) 2019-04-09

Family

ID=65958414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811339607.7A Pending CN109598683A (zh) 2018-11-12 2018-11-12 影像截取方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109598683A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012068A (zh) * 2021-03-16 2021-06-22 深圳壹账通智能科技有限公司 图像去噪方法、装置、电子设备及计算机可读存储介质
CN113553261A (zh) * 2021-07-22 2021-10-26 上汽通用五菱汽车股份有限公司 软件自动化测试方法、设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107566776A (zh) * 2017-08-14 2018-01-09 深圳市金立通信设备有限公司 一种图像处理方法、终端及计算机可读存储介质
CN107945215A (zh) * 2017-12-14 2018-04-20 湖南华南光电(集团)有限责任公司 高精度红外图像跟踪器及一种目标快速跟踪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107566776A (zh) * 2017-08-14 2018-01-09 深圳市金立通信设备有限公司 一种图像处理方法、终端及计算机可读存储介质
CN107945215A (zh) * 2017-12-14 2018-04-20 湖南华南光电(集团)有限责任公司 高精度红外图像跟踪器及一种目标快速跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梁佳楠等: ""基于图像处理的位置坐标获取方法应用"", 《自动化与信息工程》, vol. 39, no. 3, pages 22 - 25 *
黄敏: ""基于模板匹配的苹果果实识别"", 《计算机应用与软件》, vol. 27, no. 5, pages 240 - 242 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012068A (zh) * 2021-03-16 2021-06-22 深圳壹账通智能科技有限公司 图像去噪方法、装置、电子设备及计算机可读存储介质
CN113553261A (zh) * 2021-07-22 2021-10-26 上汽通用五菱汽车股份有限公司 软件自动化测试方法、设备及计算机可读存储介质
CN113553261B (zh) * 2021-07-22 2023-09-15 上汽通用五菱汽车股份有限公司 软件自动化测试方法、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107798299B (zh) 票据信息识别方法、电子装置及可读存储介质
US9235758B1 (en) Robust method to find layout similarity between two documents
WO2022042365A1 (zh) 一种基于图神经网络识别证件的方法及系统
CN111476227A (zh) 基于ocr的目标字段识别方法、装置及存储介质
US20020031264A1 (en) Document image recognition apparatus and computer-readable storage medium storing document image recognition program
CN111898411B (zh) 文本图像标注系统、方法、计算机设备和存储介质
CN110503100B (zh) 一种医疗单据识别方法、装置、计算机装置及计算机可读存储介质
JP3943638B2 (ja) Ｏｃｒを利用しない文書画像中のドロップワードの自動認識方法
CN108596168B (zh) 用于识别图像中字符的方法、装置及介质
CN106326802B (zh) 二维码校正方法、装置及终端设备
CN107274543B (zh) 一种纸币的识别方法、装置、终端设备和计算机存储介质
CN112102402B (zh) 闪光灯光斑位置识别方法、装置、电子设备及存储介质
US11727701B2 (en) Techniques to determine document recognition errors
CN111738252B (zh) 图像中的文本行检测方法、装置及计算机系统
CN112966583A (zh) 图像处理方法、装置、计算机设备和存储介质
CN112581344A (zh) 一种图像处理方法、装置、计算机设备及存储介质
CN110288755A (zh) 基于文本识别的发票检验方法、服务器及存储介质
CN111553251A (zh) 证件四角残缺检测方法、装置、设备及存储介质
CN112965645A (zh) 页面拖拽方法、装置、计算机设备及存储介质
CN109598683A (zh) 影像截取方法、装置及计算机可读存储介质
CN114332514B (zh) 一种字体测评方法及系统
US20210117666A1 (en) Multiple channels of rasterized content for page decomposition using machine learning
CN107168635A (zh) 信息呈现方法和装置
CN116311327B (zh) 处方图像检测方法
CN112840622B (zh) 推送方法及相关产品

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