图像处理方法及装置
技术领域
本公开涉及图像处理技术领域,特别是涉及一种图像处理方法、装置和计算机可读存储介质。
背景技术
随着智能终端技术的发展,用户可以使用终端中摄像头对文本进行拍照,例如将歌词、剧本等进行拍照,获得包含文字内容的图片,该包含文字内容的图片被称为文字图片。
后续在终端显示该文字图片的时候,有些情况下需要对文字图片中的文字进行标记处理,例如,按行对文字进行划线,这时就需要识别出每行文字的开始位置和结束位置。
在现有技术中对文字图片中的文字进行位置识别时,往往需要额外的文字信息,或通过迭代搜索的方式,这种实现时间复杂度较高,且无法在终端进行实时处理。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开解决的技术问题是提供一种图像处理方法,以至少部分地解决现有技术中实现时间复杂度较高,且无法在终端进行实时处理的技术问题。此外,还提供一种图像处理装置、图像处理硬件装置、计算机可读存储介质和图像处理终端。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种图像处理方法,包括:
获取待处理的第一图像,并识别所述第一图像中包含的文字区域;
将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;
根据所述线段对所述文字区域进行处理,得到目标图像。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种图像处理装置,包括:
文字识别模块,用于获取待处理的第一图像,并识别所述第一图像中包含的文字区域;
线段处理模块,用于将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;
文字处理模块,用于根据所述线段对所述文字区域进行处理,得到目标图像。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述任一项所述的图像处理方法。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述任一项所述的图像处理方法。
为了实现上述目的,根据本公开的又一个方面,还提供以下技术方案:
一种图像处理终端,包括上述任一图像处理装置。
本公开实施例通过将待处理的第一图像中的文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段,根据所述线段对所述文字区域进行处理,得到目标图像,可以降低计算复杂度,并能够在终端进行实时处理。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为根据本公开一个实施例的图像处理方法的流程示意图;
图2a为根据本公开一个实施例的图像处理方法的流程示意图;
图2b为根据本公开一个实施例的图像处理方法中提供的第一图像示意图;
图2c为根据本公开一个实施例的图像处理方法中提供的第二图像示意图;
图2d为根据本公开一个实施例的图像处理方法中提供的第三图像示意图;
图2e为根据本公开一个实施例的图像处理方法中提供的第一次膨胀腐蚀操作后的图像示意图;
图2f为根据本公开一个实施例的图像处理方法中提供的第二次膨胀腐蚀操作后的图像示意图;
图2g为根据本公开一个实施例的图像处理方法中提供的目标图像示意图;
图3为根据本公开一个实施例的图像处理装置的结构示意图;
图4为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
实施例一
为了解决现有技术中实现时间复杂度较高,且无法在终端进行实时处理的技术问题,本公开实施例提供一种图像处理方法。如图1所示,该图像处理方法主要包括如下步骤S11至步骤S13。
步骤S11:获取待处理的第一图像,并识别所述第一图像中包含的文字区域。
其中,第一图像为包含文字内容(例如,歌词、台词)的图像即文字图像。
具体的,可以为实时获取的视频图像,例如,短视频应用中的直播视频,也可以为预先存储在终端中的视频图像或图片。其中,终端可以为移动终端,例如智能手机、平板电脑,也可以为固定终端,例如台式电脑。
步骤S12:将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段。
具体的,图像中的文字可能为成行排列,也可能是成列排列。当成行排列时,则将每行文字处理成一条连续的线段,当成列排列时,则将每列文字处理成一条连续的线段。
步骤S13:根据所述线段对所述文字区域进行处理,得到目标图像。
具体的,根据每行或每列文字对应的线段,对文字进行标记处理,例如划线、加粗等。由于线段由文字区域变换而来,与文字区域唯一对应,因此线段的位置即为文字区域的位置,通过线段可以准确的获知文字区域的起始位置和结束位置,进而完成对文字区域的处理。
本实施例通过将待处理的第一图像中的文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段,根据所述线段对所述文字区域进行处理,得到目标图像,可以降低计算复杂度,并能够在终端进行实时处理。
在一个可选的实施例中,步骤S12具体包括:
步骤S121:将所述第一图像缩小预设倍数,得到第二图像。
其中,预设倍数可以预先自定义设置,或者根据文字模糊程度实时确定。
其中,第二图像为缩小后的图像,其包含的文字区域变的模糊。
具体的,可以通过对第一图像进行降采样处理达到缩小图像的目的。通过缩小图像可以减少图像大小以便加速算法。
步骤S122:对所述第二图像中的文字区域进行降采样处理,得到第三图像。
步骤S123:对所述第三图像进行至少一次膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
具体的,对所述第三图像进行至少一次膨胀和腐蚀操作,即对第三图像先进行膨胀后进行腐蚀(闭操作),进行至少一次上述操作用于填补空洞,使文字区域变得连续,然后再将图像还原为原来图像大小。
在一个可选的实施例中,步骤S13具体包括:
步骤S131:将线段的两个端点作为对应行或列文字的起始位置和终始位置。
步骤S132:根据每行或每列文字的起始位置和终始位置对所述文字区域进行处理,得到目标图像。
具体的,根据每行或每列文字对应的线段,对文字进行标记处理,例如划线、加粗等。由于线段由文字区域变换而来,与文字区域唯一对应,因此线段的起始位置和终始位置即为文字区域的起始位置和终始位置,通过线段可以准确的获知文字区域的起始位置和结束位置,进而完成对文字区域的处理。
实施例二
为了解决现有技术中实现时间复杂度较高,且无法在终端进行实时处理的技术问题,本公开实施例提供一种图像处理方法,本实施例为一具体实施例,用于对本公开的技术方案进行解释说明。如图2a所示,该图像处理方法主要包括如下步骤S21至步骤S27。
步骤S21:获取待处理的第一图像,并识别所述第一图像中包含的文字区域。
具体的,如图2b所示,为第一图像示例,在该第一图像中,文字区域按行排列。
步骤S22:将所述第一图像缩小预设倍数,得到第二图像。
如图2c所示,为得到的第二图像示例。
本步骤缩小的目的是减少图像大小以便加速算法。
步骤S23:对所述第二图像中的文字区域进行降采样处理,得到第三图像。
具体的,以图2c为例,以文字中线为中心,纵向均匀采3个像素点,然后取最大,得到第三图像,如图2d所示。
步骤S24:对所述第三图像进行膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
具体的,将所述第三图像先进行膨胀后腐蚀(闭操作),用于填补空洞,使文字区域变得连续。以图2d为例,进行如下膨胀和腐蚀操作后,得到如图2e所示的图像:
膨胀:以当前像素为中心,8领域内求最大,sxy=maxx-1≤i≤x+1,y-1≤j≤y+1sij,其中,x为当前像素的横坐标,y为当前像素的纵坐标。
腐蚀:以当前像素为中心,8领域内求最小,sxy=minx-1≤i≤x+1,y-1≤j≤y+1sij。
步骤S25:再次进行膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
具体的,本步骤再次进行膨胀和腐蚀操作,用于进一步填补空洞。以图2e为例,进行再次膨胀和腐蚀操作后,得到如图2f所示的图像。
步骤S26:根据所述线段对所述文字区域进行处理,得到目标图像。
步骤S27:将所述目标图像进行放大还原。
具体的,如图2g所示,为得到的对文本区域进行划线处理的目标图像示例。
本领域技术人员应能理解,在上述各个实施例的基础上,还可以进行明显变型(例如,对所列举的模式进行组合)或等同替换。
在上文中,虽然按照上述的顺序描述了图像处理方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
实施例三
为了解决现有技术中实现时间复杂度较高,且无法在终端进行实时处理的技术问题,本公开实施例提供一种图像处理装置。该装置可以执行上述实施例一所述的图像处理方法实施例中的步骤。如图3所示,该装置主要包括:文字识别模块31、线段处理模块32和文字处理模块33;其中,
文字识别模块31用于获取待处理的第一图像,并识别所述第一图像中包含的文字区域;
线段处理模块32用于将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;
文字处理模块33用于根据所述线段对所述文字区域进行处理,得到目标图像。
进一步的,所述线段处理模块32具体用于:将所述第一图像缩小预设倍数,得到第二图像;对所述第二图像中的文字区域进行降采样处理,得到第三图像;对所述第三图像进行至少一次膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
进一步的,所述文字处理模块33具体用于:将线段的两个端点作为对应行或列文字的起始位置和终始位置;根据每行或每列文字的起始位置和终始位置对所述文字区域进行处理,得到目标图像。
有关图像处理装置实施例的工作原理、实现的技术效果等详细说明可以参考前述图像处理方法实施例中的相关说明,在此不再赘述。
实施例四
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)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装置406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,还存储有电子设备400操作所需的各种程序和数据。处理装置401、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。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态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装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述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。在本公开中,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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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该电子设备执行时,使得该电子设备:获取待处理的第一图像,并识别所述第一图像中包含的文字区域;将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;根据所述线段对所述文字区域进行处理,得到目标图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开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。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,提供了一种图像处理方法,包括:
获取待处理的第一图像,并识别所述第一图像中包含的文字区域;
将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;
根据所述线段对所述文字区域进行处理,得到目标图像。
进一步的,所述将所述文字区域处理成至少一条连续的线段,包括:
将所述第一图像缩小预设倍数,得到第二图像;
对所述第二图像中的文字区域进行降采样处理,得到第三图像;
对所述第三图像进行至少一次膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
进一步的,所述根据所述线段对所述文字区域进行处理,得到目标图像,包括:
将线段的两个端点作为对应行或列文字的起始位置和终始位置;
根据每行或每列文字的起始位置和终始位置对所述文字区域进行处理,得到目标图像。
根据本公开的一个或多个实施例,提供了一种图像处理装置,包括:
文字识别模块,用于获取待处理的第一图像,并识别所述第一图像中包含的文字区域;
线段处理模块,用于将所述文字区域处理成至少一条连续的线段;其中,一行或一列文字分别对应一条线段;
文字处理模块,用于根据所述线段对所述文字区域进行处理,得到目标图像。
进一步的,所述线段处理模块具体用于:将所述第一图像缩小预设倍数,得到第二图像;对所述第二图像中的文字区域进行降采样处理,得到第三图像;对所述第三图像进行至少一次膨胀和腐蚀操作,使所述文字区域形成至少一条连续的线段。
进一步的,所述文字处理模块具体用于:将线段的两个端点作为对应行或列文字的起始位置和终始位置;根据每行或每列文字的起始位置和终始位置对所述文字区域进行处理,得到目标图像。
根据本公开的一个或多个实施例,提供了一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述的图像处理方法。
根据本公开的一个或多个实施例,提供了一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述的图像处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。