CN109636825A - 印章图形分割方法、装置及计算机可读存储介质 - Google Patents

印章图形分割方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN109636825A
CN109636825A CN201811293496.0A CN201811293496A CN109636825A CN 109636825 A CN109636825 A CN 109636825A CN 201811293496 A CN201811293496 A CN 201811293496A CN 109636825 A CN109636825 A CN 109636825A
Authority
CN
China
Prior art keywords
seal
point
graphics
pixel
value
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.)
Granted
Application number
CN201811293496.0A
Other languages
English (en)
Other versions
CN109636825B (zh
Inventor
孟君
江琳
何英
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 CN201811293496.0A priority Critical patent/CN109636825B/zh
Publication of CN109636825A publication Critical patent/CN109636825A/zh
Application granted granted Critical
Publication of CN109636825B publication Critical patent/CN109636825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像识别技术领域，揭露了一种印章图形分割方法，该方法包括：识别出印章的印文文件中的所有封闭区域；根据印模参数，从所述封闭区域中识别出预选印章图形；及利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。本发明还提出一种印章图形分割装置以及一种计算机可读存储介质。本发明可以快速地从印文文件中分离出印章图形。

Description

印章图形分割方法、装置及计算机可读存储介质
技术领域
本发明涉及计算机视觉技术领域，尤其涉及一种从印章印文文件中分割出印章图形的方法、装置及计算机可读存储介质。
背景技术
在我国，印章是证明党政机关、企事业、社会团体等单位组织的身份，代表其权益、具有法律效力的重要凭证。是国家行使权力、对社会进行管理，以及公民、法人行使民事权利的重要手段。它在社会政治、经济生活中起着极其重要的作用。由于当前我国在印章管理，印章防伪，以及伪造印章识别等方面技术手段落后，在巨大经济利益的驱使下，犯罪分子大肆伪造各级行政机关、执法部门、金融机构，以及企事业单位和法人的印章，给国家、集体和个人造成了严重的经济损失。每年两会期间，都有人大代表呼吁尽快完善国家统一的印章管理机制，加快印章制作防伪技术，以及伪造印章识别技术的研究，三管齐下，有效打击伪造印章的犯罪活动。
发明内容
本发明提供一种印章图形分割方法、装置及计算机可读存储介质，其主要目的在于快速地从印文文件中分离出印章图形。
为实现上述目的，本发明提供的一种印章图形分割方法，包括：
识别出印章的印文文件中的所有封闭区域；
根据印模参数，从所述封闭区域中识别出预选印章图形；及
利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
可选地，所述识别出印章的印文文件中的所有封闭区域包括：
对印文文件进行图像二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理；
扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，所述候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点；
向所述候选区域中的每一个候选点附加类别标号，包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号，如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1；
根据所述类别标号，识别印文文件中的封闭区域，包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
可选地，所述根据印模参数，从所述封闭区域中识别出预选印章图形包括：
对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
可选地，所述利用双阈值颜色分离法分割印章图形之前，该方法包括：
按照下述的一种或者几种方法的结合，从所述预选印章图形中分离出红色的像素点：
RGB空间的R-G、R-B差值法：计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
HSV空间的H分量法：计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
YCbCr空间的偏转角θ法：计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
可选地，所述利用双阈值颜色分离法从所述预选印章图形中分割出印章图形包括：
将图像按颜色划分聚类，获得红色所属聚类的θ值的上下界[a,b]；
在基于k-均值聚类获取的阈值[a,b]的基础上，先收缩取值范围，采用一个第一预设阈值来获取绝对属于印章的像素，并构成印章像素点集；
扩大取值范围，采用第二预设阈值范围来判定印章像素点集内各点的相邻点是否属于印章，以此来补充印章像素点集，保证印章图形的完整性。
此外，为实现上述目的，本发明还提供一种印章图形分割装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的印章图形分割程序，所述印章图形分割程序被所述处理器执行时实现如下步骤：
识别出印章的印文文件中的所有封闭区域；
根据印模参数，从所述封闭区域中识别出预选印章图形；及
利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
可选地，所述识别出印章的印文文件中的所有封闭区域包括：
对印文文件进行图像二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理；
扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，所述候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点；
向所述候选区域中的每一个候选点附加类别标号，包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号，如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1；
根据所述类别标号，识别印文文件中的封闭区域，包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
可选地，所述根据印模参数，从所述封闭区域中识别出预选印章图形包括：
对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
可选地，所述利用双阈值颜色分离法分割印章图形之前，还包括：
按照下述的一种或者几种方法的结合，从所述预选印章图形中分离出红色的像素点：
RGB空间的R-G、R-B差值法：计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
HSV空间的H分量法：计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
YCbCr空间的偏转角θ法：计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
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印章图形分割程序，所述印章图形分割程序可被一个或者多个处理器执行，以实现如上所述的印章图形分割方法的步骤。
本发明提出的印章图形分割方法、装置及计算机可读存储介质识别出印章的印文文件中的所有封闭区域；根据印模参数，从所述封闭区域中识别出预选印章图形；及利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。本方案能够快速地从印文文件中分离出印章图形。
附图说明
图1为本发明一实施例提供的印章图形分割方法的流程示意图；
图2为本发明一实施例提供的印章图形分割方法中其中一个步骤的子流程示意图；
图3为本发明一实施例提供的印章图形分割方法中另一个步骤的子流程示意图；
图4为本发明一实施例提供的印章图形分割装置的内部结构示意图；
图5为本发明一实施例提供的印章图形分割装置中印章图形分割程序的模块示意图。
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。
本发明提供一种印章图形分割方法。参照图1所示，为本发明一实施例提供的印章图形分割方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，所述印章图形分割方法包括：
S10，识别出印章的印文文件中的所有封闭区域。
本发明较佳实施例通过照相机、扫描仪、CCD摄像头等成像装置获取印章的印文文件，然后对该印文文件进行封闭区域的检测。
具体地，参阅图2所示，所述封闭区域的检测过程包括如下步骤：
S100、对印文文件进行图像预处理操作。
所述预处理包括对所述印文文件进行二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理。
所述二值化的步骤包括：
计算输入图像，即印文文件的每个像素点的多通道值的方差；
如果方差大于预设阈值，则将该像素点在二值化图像中的值设置为1；否则设置为0。
优选地，本方案通过9X9均值滤波器，采用邻域平均法，用均值代替原图像中的各个像素值，对二值化图像进行去噪处理。
S101、确定印文文件中的候选区域。
所述确定候选区域包括：扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点。其中，所述前景点与背景点相对应，是二值化图像前景所对应的像素点。
本案中，所述候选区域内的点被称为候选点。
S102、向候选区域内的每一个候选点附加类别标号。
所述向每一个候选点附加类别标号包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号；如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1。
S103、根据所述类别标号，识别印文文件中的封闭区域。
所述印文文件中的封闭区域包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
S20、根据印模参数，从所述封闭区域中识别出预选印章图形。
通过步骤S10已经获得印文文件中所有的连通的封闭区域，步骤S20是通过原印模参数来筛选出预选印章图形。所述印模参数为，例如印章图形的形状。
从所述封闭区域中识别出预选印章图形的方法为：对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，根据所述圆形、正方形、矩形以及椭圆形，识别出印章图形。
详细地，参阅图3所示，本发明所述识别出预选印章图形包括如下步骤：
S200、利用封闭区域的面积和周长存在的特征关系，对封闭区域进行第一次分类。其中，各封闭区域的面积为S，周长为L，进行如下计算：
(1)圆形(半径为r1)：
(2)正方形(边长为r2):
(3)矩形(不包含正方形)：
(4)椭圆(不包含圆)：
据此方法，由于圆形和正方形的面积和周长比为确定的值，因此，可以将封闭区域中的圆形、正方形区区分开来，但无法对椭圆和矩形进行恰当分类。
S201、用霍夫变换对形状进行直线检测，获得直线特征(直线数量，直线长度)，以据此对图像进行第二次分类。
其中，若检测到直线数量不等于四条，可直接判断为圆或椭圆，由于根据上述面积和周长比已经确定了圆形，因此，直线数量不等于四条的图形中，排除了圆形的其他图形可以设别为椭圆形。
若检测到直线数量等于四条，则计算直线长度，找出相等的直线对，若四条直线相等，可判断为正方形，若有两对相等的直线，可判断为矩形。
结合以上两种判断方法，对封闭区域的形状进行识别并分类。
优选地，考虑到印章图形多为椭圆形，所以本提案对椭圆轮廓检测的方法进行进一步优化，具体步骤为:
1、边缘检测：本文采用基于Sobel算子的Canny边缘检测算法，该方法能够很好地检测出印章的边缘，并且可以通过Sobel算子获得边缘点的梯度值。
2、霍夫变换检测椭圆：利用随机霍夫变换能够检测出椭圆，找到椭圆的位置并描绘出较为准确的椭圆轮廓，但是其随机取点的机制导致它很容易受到噪声的干扰，易出现在达到最大循环次数后依然找不到任何椭圆的结果。此外，它的椭圆参数计算方式也使得它不可能计算出非常精确的椭圆方程。因此，在检测椭圆形状时，进一步执行下述的方法3。
3、椭圆的直接最小二乘拟合：椭圆的直接最小二乘拟合是一种最优化的椭圆检测方法，它利用一组采样点数据，通过代数的方法拟合求解椭圆方程中的未知参数
利用霍夫变换与椭圆的直接最小二乘拟合相结合来进行椭圆的检测，此种方法对于印章图形的椭圆检测，其结果中往往包含同一形心大小不同的两个椭圆，分别对应印章边框的內缘和外缘，取其中较大的一个，就得到了椭圆的精确边缘。将边缘以外的像素颜色置为白色，并根据边缘所在位置对图像进行切割，就得到了轮廓以内的椭圆图像。
步骤S30、利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
通过步骤S10以及S20之后已经可以得到印文文件中的所有预选印章图形，步骤S30将实现根据彩色分量，从所述预选印章图形中分离出预设颜色像素点，以将印章图形从步骤S10以及S20处理过的印文文件中分离出来。
在印章图形提取中，本案研究的颜色主要是红色，因此本案分离出红色的像素点。针对这一问题，本方案根据不同色彩空间表达颜色的特点，提出了三种分离出红色的像素点的方法，分别是：
1、RGB空间的R-G、R-B差值法。
RGB空间的三个分量R、G、B分别表示红色、绿色、蓝色的混合量。直观地来讲，红色的R值，即红色分量一定是比较大的，实际上RGB空间中标准红色的RGB值为(255,0,0)。但是R值大并不代表该颜色就接近红色，G值和B的大小会对颜色产生明显的影响，例如(255,255,0)就代表黄色，而(255,0,255)则代表紫色。由此可以看出，R值较大同时G值和B值较小时，对应的颜色越接近红色，于是相应的，本方案提出了两个描述颜色的数值：R分量与G分量的差值R-G，以及R分量与B分量的差值R-B。
本发明计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色。
2、HSV空间的H分量法。
HSV空间中的H、S、V分别代表色相、饱和度和强度。HSV空间对颜色的描述更接近人类对颜色的认识：H即色相，用角度值的形式表示颜色的相位，从0°到360°表示红色到绿色到蓝色再回到红色的渐变过程，S表示对应色相下颜色的填充比例，取0-100％，V表示亮度，或者说光强度，取0-100％。对于印章来说，其红色的变化主要受到图像采集光线(对应亮度V)和纸张本身磨损(对应饱和度S的影响，因而H的取值能够较好地描述一般意义上的“颜色”差异。
本发明计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色。
3、YCbCr空间的偏转角θ法。
YCbCr空间不是一种绝对的色彩空间，它是一种对RGB空间的编码，编码规则如下：
实际上，YCbCr空间的各个分量依然是有意义的，Y代表灰度，Cb和Cr分别代表蓝色和红色的浓度偏移量成分。我们可以选取一种颜色映射到CbCr平面上的向量与Cr轴之间的夹角θ来描述颜色，其效果与HSV中的H类似，但是与H的分布情况不尽相同。其中：
θ＝a tan 2(Cb,Cr)。
本发明计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
利用双阈值颜色分离法分割印章图形包括：
为了解决噪声与印章本身的颜色相近的问题，本方案采用k-均值聚类法，假设以YCbCr空间中的θ值作为颜色描述方式，根据每个像素的θ值，将图像按颜色划分聚类，这样就可以获得印章颜色所属聚类的θ值的上下界[a,b]。印章边缘的颜色有向背景色靠近的趋势，这意味着这部分的颜色可能与部分噪声的颜色非常接近从而被认为是噪声而被去除，所以我们采取双阈值法，在基于k-均值聚类获取的阈值[a,b]的基础上，先收缩取值范围，采用一个严格的阈值来获取绝对属于印章的像素，并构成印章像素点集，然后再扩大取值范围，采用一个较为宽松的阈值范围来判定印章像素点集内各点的相邻点是否属于印章，以此来补充印章像素点集，保证印章图形的完整性。
本发明还提供一种印章图形分割装置。参照图2所示，为本发明一实施例提供的印章图形分割装置的内部结构示意图。
在本实施例中，印章图形分割装置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，或者也可以是服务器或者服务器集群等。该印章图形分割装置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存储介质，所述可读存储介质包括闪存、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印章图形分割装置1的内部存储单元，例如该印章图形分割装置1的硬盘。存储器11在另一些实施例中也可以是印章图形分割装置1的外部存储设备，例如印章图形分割装置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还可以既包括印章图形分割装置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印章图形分割装置1的应用软件及各类数据，例如印章图形分割程序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，例如执行印章图形分割程序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，用于显示在印章图形分割装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及印章图形分割程序01的印章图形分割装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对印章图形分割装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图2所示的装置1实施例中，存储器11中存储有印章图形分割程序01；处理器12执行存储器11中存储的印章图形分割程序01时实现如下步骤：
步骤1、识别出印章的印文文件中的所有封闭区域。
本发明较佳实施例通过照相机、扫描仪、CCD摄像头等成像装置获取印章的印文文件，然后对该印文文件进行封闭区域的检测。
具体地，所述封闭区域的检测过程如下所述：
步骤1.1、对印文文件进行图像预处理操作。
所述预处理包括对所述印文文件进行二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理。
所述二值化的步骤包括：
计算输入图像，即印文文件的每个像素点的多通道值的方差；
如果方差大于预设阈值，则将该像素点在二值化图像中的值设置为1；否则设置为0。
优选地，本方案通过9X9均值滤波器，采用邻域平均法，用均值代替原图像中的各个像素值，对二值化图像进行去噪处理。
步骤1.2、确定印文文件中的候选区域。
所述确定候选区域包括：扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域。其中，候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点。其中，所述前景点与背景点相对应，是二值化图像前景所对应的像素点。
本案中，所述候选区域内的点被称为候选点。
步骤1.3、向所述候选区域中的每一个候选点附加类别标号。
向所述候选区域中的每一个候选点附加类别标号包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号；如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1。
步骤1.4、根据所述类别标号，识别印文文件中的封闭区域。
所述印文文件中的封闭区域包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
步骤2、根据印模参数，从所述封闭区域中识别出预选印章图形。
通过步骤1已经获得印文文件中所有的连通的封闭区域，步骤2是通过原印模参数来筛选出预选印章图形。所述印模参数为，例如印章图形的形状。
从所述封闭区域中识别出候选印章图形的方法为：对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
所述识别出预选印章图形的详细步骤为：
步骤2.1、利用封闭区域的面积和周长存在的特征关系，对封闭区域进行第一次分类。其中，各封闭区域的面积为S，周长为L，进行如下计算：
(1)圆形(半径为r1)：
(2)正方形(边长为r2):
(3)矩形(不包含正方形)：
(4)椭圆(不包含圆)：
据此方法，由于圆形和正方形的面积和周长比为确定的值，因此，可以将封闭区域中的圆形、正方形区区分开来，但无法对椭圆和矩形进行恰当分类。
步骤2.1、用霍夫变换对形状进行直线检测，获得直线特征(直线数量，直线长度)，以据此对图像进行第二次分类。
其中，若检测到直线数量不等于四条，可直接判断为圆或椭圆，由于根据上述面积和周长比已经确定了圆形，因此，直线数量不等于四条的图形中，排除了圆形的其他图形可以设别为椭圆形。
若检测到直线数量等于四条，则计算直线长度，找出相等的直线对，若四条直线相等，可判断为正方形，若有两对相等的直线，可判断为矩形。
结合以上两种判断方法，对封闭区域的形状进行识别并分类。
优选地，考虑到印章图形多为椭圆形，所以本提案对椭圆轮廓检测的方法进行进一步优化，具体步骤为:
1、边缘检测：本文采用基于Sobel算子的Canny边缘检测算法，该方法能够很好地检测出印章的边缘，并且可以通过Sobel算子获得边缘点的梯度值。
2、霍夫变换检测椭圆：利用随机霍夫变换能够检测出椭圆，找到椭圆的位置并描绘出较为准确的椭圆轮廓，但是其随机取点的机制导致它很容易受到噪声的干扰，易出现在达到最大循环次数后依然找不到任何椭圆的结果。此外，它的椭圆参数计算方式也使得它不可能计算出非常精确的椭圆方程。因此，在检测椭圆形状时，进一步执行下述的方法3。
3、椭圆的直接最小二乘拟合：椭圆的直接最小二乘拟合是一种最优化的椭圆检测方法，它利用一组采样点数据，通过代数的方法拟合求解椭圆方程中的未知参数
利用霍夫变换与椭圆的直接最小二乘拟合相结合来进行椭圆的检测，此种方法对于印章图形的椭圆检测，其结果中往往包含同一形心大小不同的两个椭圆，分别对应印章边框的內缘和外缘，取其中较大的一个，就得到了椭圆的精确边缘。将边缘以外的像素颜色置为白色，并根据边缘所在位置对图像进行切割，就得到了轮廓以内的椭圆图像。
步骤3、利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
通过步骤1以及步骤2之后已经可以得到印文文件中的所有印章图形，步骤3将实现根据彩色分量，从所述预选印章图形中分离出预设颜色像素点，以将印章图形从步骤1以及步骤2处理过的印文文件中分离出来。
在印章图形提取中，本案研究的颜色主要是红色，因此本案分离出红色的像素点。针对这一问题，本方案根据不同色彩空间表达颜色的特点，提出了三种分离出红色的像素点的方法，分别是：
1、RGB空间的R-G、R-B差值法。
RGB空间的三个分量R、G、B分别表示红色、绿色、蓝色的混合量。直观地来讲，红色的R值，即红色分量一定是比较大的，实际上RGB空间中标准红色的RGB值为(255,0,0)。但是R值大并不代表该颜色就接近红色，G值和B的大小会对颜色产生明显的影响，例如(255,255,0)就代表黄色，而(255,0,255)则代表紫色。由此可以看出，R值较大同时G值和B值较小时，对应的颜色越接近红色，于是相应的，本方案提出了两个描述颜色的数值：R分量与G分量的差值R-G，以及R分量与B分量的差值R-B。
本发明计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色。
2、HSV空间的H分量法。
HSV空间中的H、S、V分别代表色相、饱和度和强度。HSV空间对颜色的描述更接近人类对颜色的认识：H即色相，用角度值的形式表示颜色的相位，从0°到360°表示红色到绿色到蓝色再回到红色的渐变过程，S表示对应色相下颜色的填充比例，取0-100％，V表示亮度，或者说光强度，取0-100％。对于印章来说，其红色的变化主要受到图像采集光线(对应亮度V)和纸张本身磨损(对应饱和度S的影响，因而H的取值能够较好地描述一般意义上的“颜色”差异。
本发明计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色。
3、YCbCr空间的偏转角θ法。
YCbCr空间不是一种绝对的色彩空间，它是一种对RGB空间的编码，编码规则如下：
实际上，YCbCr空间的各个分量依然是有意义的，Y代表灰度，Cb和Cr分别代表蓝色和红色的浓度偏移量成分。我们可以选取一种颜色映射到CbCr平面上的向量与Cr轴之间的夹角θ来描述颜色，其效果与HSV中的H类似，但是与H的分布情况不尽相同。其中：
θ＝a tan 2(Cb,Cr)。
本发明计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
利用双阈值颜色分离法分割印章图形包括：
为了解决噪声与印章本身的颜色相近的问题，本方案采用k-均值聚类法，假设以YCbCr空间中的θ值作为颜色描述方式，根据每个像素的θ值，将图像按颜色划分聚类，这样就可以获得印章颜色所属聚类的θ值的上下界[a,b]。印章边缘的颜色有向背景色靠近的趋势，这意味着这部分的颜色可能与部分噪声的颜色非常接近从而被认为是噪声而被去除，所以我们采取双阈值法，在基于k-均值聚类获取的阈值[a,b]的基础上，先收缩取值范围，采用一个严格的阈值来获取绝对属于印章的像素，并构成印章像素点集，然后再扩大取值范围，采用一个较为宽松的阈值范围来判定印章像素点集内各点的相邻点是否属于印章，以此来补充印章像素点集，保证印章图形的完整性。
可选地，在其他实施例中，印章图形分割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，用于描述印章图形分割程序在印章图形分割装置中的执行过程。
例如，参照图3所示，为本发明印章图形分割装置一实施例中的印章图形分割程序的程序模块示意图，该实施例中，印章图形分割程序可以被分割为封闭区域识别模块10、印章图形识别模块20、印章图形分离模块30，示例性地：
封闭区域识别模块10用于：识别出印章的印文文件中的所有封闭区域。
详细地，所述封闭区域识别模块10对印文文件进行图像二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理；扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，所述候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点；向所述候选区域中的每一个候选点附加类别标号，包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号，如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1；根据所述类别标号，识别印文文件中的封闭区域，包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
印章图形识别模块20用于：根据印模参数，从所述封闭区域中识别出预选印章图形；
详细地，所述印章图形识别模块20对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
印章图形分离模块30用于：利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
详细地，所述利用双阈值颜色分离法从所述预选印章图形中分割出印章图形包括：
将图像按颜色划分聚类，获得红色所属聚类的θ值的上下界[a,b]；
在基于k-均值聚类获取的阈值[a,b]的基础上，先收缩取值范围，采用一个第一预设阈值来获取绝对属于印章的像素，并构成印章像素点集；
扩大取值范围，采用第二预设阈值范围来判定印章像素点集内各点的相邻点是否属于印章，以此来补充印章像素点集，保证印章图形的完整性。
详细地，所述印章图形分离模块30还用于：按照下述的一种或者几种方法的结合，从所述预选印章图形中分离出红色的像素点：
RGB空间的R-G、R-B差值法：计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
HSV空间的H分量法：计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
YCbCr空间的偏转角θ法：计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
上述封闭区域识别模块10、印章图形识别模块20、以及印章图形分离模块30等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出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印章图形分割程序，所述印章图形分割程序可被一个或多个处理器执行，以实现如下操作：
识别出印章的印文文件中的所有封闭区域；
根据印模参数，从所述封闭区域中识别出预选印章图形；及
利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
本发明计算机可读存储介质具体实施方式与上述印章图形分割装置和方法各实施例基本相同，在此不作累述。
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存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(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)

1.一种印章图形分割方法，其特征在于，所述方法包括：
识别出印章的印文文件中的所有封闭区域；
根据印模参数，从所述封闭区域中识别出预选印章图形；及
利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
2.如权利要求1所述的印章图形分割方法，其特征在于，所述识别出印章的印文文件中的所有封闭区域包括：
对印文文件进行图像二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理；
扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，所述候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点；
向所述候选区域中的每一个候选点附加类别标号，包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号，如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1；
根据所述类别标号，识别印文文件中的封闭区域，包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
3.如权利要求1所述的印章图形分割方法，其特征在于，所述根据印模参数，从所述封闭区域中识别出预选印章图形包括：
对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
4.如权利要求1所述的印章图形分割方法，其特征在于，所述利用双阈值颜色分离法分割印章图形之前，该方法包括：
按照下述的一种或者几种方法的结合，从所述预选印章图形中分离出红色的像素点：RGB空间的R-G、R-B差值法：计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
HSV空间的H分量法：计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
YCbCr空间的偏转角θ法：计算像素点的YCbCr空间的偏转角θ＝a tan2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
5.如权利要求4所述的印章图形分割方法，其特征在于，所述利用双阈值颜色分离法从所述预选印章图形中分割出印章图形包括：
将图像按颜色划分聚类，获得红色所属聚类的θ值的上下界[a,b]；
在基于k-均值聚类获取的阈值[a,b]的基础上，先收缩取值范围，采用一个第一预设阈值来获取绝对属于印章的像素，并构成印章像素点集；
扩大取值范围，采用第二预设阈值范围来判定印章像素点集内各点的相邻点是否属于印章，以此来补充印章像素点集，保证印章图形的完整性。
6.一种印章图形分割装置，其特征在于，所述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印章图形分割程序，所述印章图形分割程序被所述处理器执行时实现如下步骤：
识别出印章的印文文件中的所有封闭区域；
根据印模参数，从所述封闭区域中识别出预选印章图形；及
利用双阈值颜色分离法从所述预选印章图形中分割出印章图形。
7.如权利要求6所述的印章图形分割装置，其特征在于，所述识别出印章的印文文件中的所有封闭区域包括：
对印文文件进行图像二值化处理，以获得二值化图像，并对所述二值化图像进行去噪处理；
扫描所述二值化图像，针对二值化图像的每行和每列确定候选区域，其中，所述候选区域的行的起始点和结束点分别是二值化图像中对应的行的第一个前景点和最后一个前景点，候选区域的列的起始点和结束点分别是二值化图像中对应的列的第一个前景点和最后一个前景点；
向所述候选区域中的每一个候选点附加类别标号，包括：依次扫描每一个候选点，并扫描所述候选点的相邻点，如果在所述相邻点中存在已被分配有类别标号的点，则将所述相邻点的类别标号中最小的值分配给该候选点，作为该候选点的类别标号，如果所述相邻点中不存在已被分配有类别标号的点，则赋予该候选点一个类别标号，其中，该类别标号的值为n＝n+1；
根据所述类别标号，识别印文文件中的封闭区域，包括：初始化所述二值化图像中的所有点的类别标号，将由具有相同类别标号值、且该类别标号值与不在候选区域内的点的类别标号值不同的候选点组成的区域识别为一个封闭区域。
8.如权利要求6所述的印章图形分割装置，其特征在于，所述根据印模参数，从所述封闭区域中识别出预选印章图形包括：
对所述封闭区域进行边缘检测，算出各个图形面积与周长二次方的比值关系，对图形进行直线检测，获得图形中直线的特征，结合面积与周长二次方的比值关系以及图像中直线的特征，对封闭区域进行分类，识别出封闭区域中的圆形、正方形、矩形以及椭圆形，并根据所述印模参数中包括的印章的形状信息，从所述封闭区域中识别出预选印章图形。
9.如权利要求8所述的印章图形分割装置，其特征在于，所述利用双阈值颜色分离法分割印章图形之前，还包括：
按照下述的一种或者几种方法的结合，从所述预选印章图形中分离出红色的像素点：
RGB空间的R-G、R-B差值法：计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
HSV空间的H分量法：计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
YCbCr空间的偏转角θ法：计算像素点的YCbCr空间的偏转角θ＝a tan2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有印章图形分割程序，所述印章图形分割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中任一项所述的印章图形分割方法的步骤。
CN201811293496.0A 2018-11-01 2018-11-01 印章图形分割方法、装置及计算机可读存储介质 Active CN109636825B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811293496.0A CN109636825B (zh) 2018-11-01 2018-11-01 印章图形分割方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811293496.0A CN109636825B (zh) 2018-11-01 2018-11-01 印章图形分割方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109636825A true CN109636825A (zh) 2019-04-16
CN109636825B CN109636825B (zh) 2023-07-18

Family

ID=66067106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811293496.0A Active CN109636825B (zh) 2018-11-01 2018-11-01 印章图形分割方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109636825B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619642A (zh) * 2019-09-05 2019-12-27 四川大学 一种票据图像中印章与背景文字分离方法
CN111046754A (zh) * 2019-11-26 2020-04-21 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111191657A (zh) * 2019-11-19 2020-05-22 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111291757A (zh) * 2020-02-17 2020-06-16 江苏诚印科技有限公司 一种印章唯一性识别的方法
CN112329756A (zh) * 2020-09-25 2021-02-05 武汉光谷信息技术股份有限公司 一种印章提取及文字识别的方法及装置
CN113255686A (zh) * 2021-07-15 2021-08-13 恒生电子股份有限公司 图像中印章的识别方法、装置、处理设备及存储介质
CN113538498A (zh) * 2021-08-02 2021-10-22 傲雄在线(重庆)科技有限公司 一种基于局部二值化的印章图像分割方法、电子设备和可读存储介质
CN113705571A (zh) * 2021-08-31 2021-11-26 平安银行股份有限公司 基于rgb阈值去红章的方法、装置、可读介质及电子设备
CN114936965A (zh) * 2022-06-07 2022-08-23 上海弘玑信息技术有限公司 一种印章去除方法、装置、设备及存储介质
CN115880490A (zh) * 2022-11-21 2023-03-31 广东石油化工学院 一种基于孤立森林的火焰分割方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012181618A (ja) * 2011-02-28 2012-09-20 Fujitsu Frontech Ltd 画像処理プログラムおよび画像処理装置
US20170024629A1 (en) * 2015-07-20 2017-01-26 Kofax, Inc. Iterative recognition-guided thresholding and data extraction
CN107944452A (zh) * 2017-12-12 2018-04-20 深圳市创业印章实业有限公司 一种圆形印章文字识别方法
CN108197642A (zh) * 2017-12-25 2018-06-22 山东浪潮云服务信息科技有限公司 一种印章鉴别方法及装置
CN108509992A (zh) * 2017-12-27 2018-09-07 广西新章物电防伪技术开发有限公司 一种基于机器学习技术的印章印文智能化识别防伪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012181618A (ja) * 2011-02-28 2012-09-20 Fujitsu Frontech Ltd 画像処理プログラムおよび画像処理装置
US20170024629A1 (en) * 2015-07-20 2017-01-26 Kofax, Inc. Iterative recognition-guided thresholding and data extraction
CN107944452A (zh) * 2017-12-12 2018-04-20 深圳市创业印章实业有限公司 一种圆形印章文字识别方法
CN108197642A (zh) * 2017-12-25 2018-06-22 山东浪潮云服务信息科技有限公司 一种印章鉴别方法及装置
CN108509992A (zh) * 2017-12-27 2018-09-07 广西新章物电防伪技术开发有限公司 一种基于机器学习技术的印章印文智能化识别防伪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘志慧;: "椭圆印章自动定位系统的实现", 物联网技术, no. 04 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619642A (zh) * 2019-09-05 2019-12-27 四川大学 一种票据图像中印章与背景文字分离方法
CN110619642B (zh) * 2019-09-05 2022-02-01 四川大学 一种票据图像中印章与背景文字分离方法
CN111191657A (zh) * 2019-11-19 2020-05-22 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111191657B (zh) * 2019-11-19 2023-08-18 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111046754A (zh) * 2019-11-26 2020-04-21 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111046754B (zh) * 2019-11-26 2023-08-25 泰康保险集团股份有限公司 一种文字识别方法、装置及计算机可读存储介质
CN111291757B (zh) * 2020-02-17 2023-08-15 江苏诚印科技有限公司 一种印章唯一性识别的方法
CN111291757A (zh) * 2020-02-17 2020-06-16 江苏诚印科技有限公司 一种印章唯一性识别的方法
CN112329756A (zh) * 2020-09-25 2021-02-05 武汉光谷信息技术股份有限公司 一种印章提取及文字识别的方法及装置
CN113255686A (zh) * 2021-07-15 2021-08-13 恒生电子股份有限公司 图像中印章的识别方法、装置、处理设备及存储介质
CN113538498A (zh) * 2021-08-02 2021-10-22 傲雄在线(重庆)科技有限公司 一种基于局部二值化的印章图像分割方法、电子设备和可读存储介质
CN113705571A (zh) * 2021-08-31 2021-11-26 平安银行股份有限公司 基于rgb阈值去红章的方法、装置、可读介质及电子设备
CN114936965A (zh) * 2022-06-07 2022-08-23 上海弘玑信息技术有限公司 一种印章去除方法、装置、设备及存储介质
CN115880490A (zh) * 2022-11-21 2023-03-31 广东石油化工学院 一种基于孤立森林的火焰分割方法
CN115880490B (zh) * 2022-11-21 2023-10-27 广东石油化工学院 一种基于孤立森林的火焰分割方法

Also Published As

Publication number Publication date
CN109636825B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN109636825A (zh) 印章图形分割方法、装置及计算机可读存储介质
CN108446697B (zh) 图片处理方法、电子装置及存储介质
WO2020082577A1 (zh) 印章防伪检验方法、装置及计算机可读存储介质
CN104899586B (zh) 对图像中包含的文字内容进行识别方法及装置
EP2833288B1 (en) Face calibration method and system, and computer storage medium
CN108090511B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN107909580A (zh) 一种行人衣着颜色识别方法、电子设备及存储介质
WO2014137806A2 (en) Visual language for human computer interfaces
CN107292307B (zh) 一种倒置汉字验证码自动识别方法及系统
CN107659799B (zh) 摄像装置、图像处理方法和存储介质
CN111784703B (zh) 一种图像分割方法、装置、电子设备和存储介质
CN108877030B (zh) 图像处理方法、装置、终端和计算机可读存储介质
CN114627561A (zh) 动态手势识别方法、装置、可读存储介质及电子设备
CN111160194A (zh) 一种基于多特征融合的静态手势图像识别方法
CN108805838A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN108491820B (zh) 图像中肢体表示信息的识别方法、装置及设备、存储介质
CN113052194A (zh) 一种基于深度学习的服装色彩认知系统及其认知方法
CN105868768A (zh) 一种识别图片是否带有特定标记的方法及系统
Ojo et al. Illumination invariant face detection using hybrid skin segmentation method
CN112734767B (zh) 基于病理图像组织区域的提取方法、装置、设备及介质
CN109871910A (zh) 一种手写字符识别方法及装置
Pichai et al. Human skin detection in digital images using multi colour scheme system
CN105678313B (zh) 一种图像分离方法及装置
CN109978889A (zh) 一种图像处理方法、系统、装置、存储介质及黑板装置
CN114639108B (zh) 主观题的判分标记识别方法、系统、存储介质及设备

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
GR01 Patent grant
GR01 Patent grant