CN110390260B - 图片扫描件处理方法、装置、计算机设备及存储介质 - Google Patents

图片扫描件处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110390260B
CN110390260B CN201910505226.XA CN201910505226A CN110390260B CN 110390260 B CN110390260 B CN 110390260B CN 201910505226 A CN201910505226 A CN 201910505226A CN 110390260 B CN110390260 B CN 110390260B
Authority
CN
China
Prior art keywords
preset
identified
image
feature vector
scanning piece
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.)
Active
Application number
CN201910505226.XA
Other languages
English (en)
Other versions
CN110390260A (zh
Inventor
孙强
陆凯杰
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 CN201910505226.XA priority Critical patent/CN110390260B/zh
Publication of CN110390260A publication Critical patent/CN110390260A/zh
Priority to PCT/CN2019/118237 priority patent/WO2020248497A1/zh
Application granted granted Critical
Publication of CN110390260B publication Critical patent/CN110390260B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10008—Still image; Photographic image from scanner, fax or copier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

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

Abstract

本申请实施例提供一种图片扫描件处理方法、装置、计算机设备及存储介质，其中，该图片扫描件处理方法，通过根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。该方法基于图像处理技术，可对图片扫描件进行智能化处理，以提升用户的体验。

Description

图片扫描件处理方法、装置、计算机设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种图片扫描件处理方法、装置、计算机设备及存储介质。
背景技术
现有技术中，对于包含有文字、符号以及图形的纸质文件进行扫描以生成图片扫描件，用于作为该纸质文件的电子存档资料。扫描件通常不便于用户根据其需要进行编辑和修改。譬如，用户无法对扫描件中的部分文字段落进行整体的替换，或者对扫描件中的图形进行替换。这就使得扫描件只能成为纸质文件在计算机系统下的另一不可编辑的表现形式，影响了用户的体验。
发明内容
本申请实施例提出一种图片扫描件处理方法、装置、计算机设备及存储介质，旨在对图片扫描件进行智能化处理，以提升用户的体验。
第一方面，本申请提供一种图片扫描件处理方法，其包括：
根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
第二方面，本申请提供一种图片扫描件处理装置，其包括：
预处理单元，用于根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；分割单元，用于根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取单元，用于获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；识别单元，用于获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；目标文件生成单元，用于获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
第三方面，本申请又提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请提供的任一项所述的图片扫描件处理方法。
第四方面，本申请还提供了一种存储介质，其中所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行本申请提供的任一项所述的图片扫描件处理方法。
本申请提供一种图片扫描件处理方法、装置、计算机设备及存储介质，其中，该图片扫描件处理方法，通过根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。采用本申请实施例提供的图片扫描件处理方法，可通过对图片扫描件进行预处理，得到不可编辑的第一图片扫描件，进而对该第一图片扫描件的进行分割处理，以得到多个待识别区域，其中，该多个待识别区域为不可编辑需识别的多个图片区域，该多个图片区域的可识别内容可包括文字、符号以及图像，因此，需获取该多个待识别区域对应的特征参数并根据该特征参数设置对应的特征标签，并获取与该特征标签相对应的对象识别模型，具体可例如为文字识别模型、符号识别模型以及图像识别模型，利用上述对象识别模型可对该多个待识别区域进行识别，进而可获得该多个待识别区域的识别结果，即获得多个可进行再编辑的文字、符号以及图像等目标对象，从而可利用所获取的目标组合模板以及多个目标对象生成目标文件，以实现对初始图片扫描件进行再编辑的目的，因此，用户可以对初始图片扫描件中的部分文字段落、图像以及符号进行替换或调整初始图片扫描件的原布局结构，使得该原始图片扫描件能在计算机系统下再进行编辑，可以有效提升用户的体验。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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。
图1为本申请实施例提供的图片扫描件处理方法的流程示意图；
图2为本申请实施例提供的图片扫描件处理方法的子流程示意图；
图3为本申请另一实施例提供的图片扫描件处理方法的子流程示意图；
图4为本申请另一实施例提供的图片扫描件处理方法的子流程示意图；
图5为本申请又一实施例提供的图片扫描件处理方法的子流程示意图；
图6为本申请又一实施例提供的图片扫描件处理方法的子流程示意图；
图7为本申请又一实施例提供的图片扫描件处理方法的子流程示意图；
图8为本申请再一实施例提供的图片扫描件处理方法的子流程示意图；
图9为本申请实施例提供的图片扫描件处理装置的示意性框图；
图10为本申请另一实施例提供的图片扫描件处理装置的示意性框图；
图11为本申请又一实施例提供的图片扫描件处理装置的示意性框图；
图12为本申请又一实施例提供的图片扫描件处理装置的示意性框图；
图13为本申请又一实施例提供的图片扫描件处理装置的示意性框图；
图14为本申请又一实施例提供的图片扫描件处理装置的示意性框图；
图15为本申请又一实施例提供的图片扫描件处理装置的示意性框图；
图16为本申请再一实施例提供的图片扫描件处理装置的示意性框图；
图17为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1是本申请实施例提供的图片扫描件处理方法的流程示意图。如图1所示，本申请实施例提出一种图片扫描件处理方法，包括步骤S110～S140。
S110、根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件。
在本发明实施例中，针对初始图片扫描件需采用预设的图像预处理方法进行预处理，以得到经过处理后的第一图片扫描件。具体地，初始图片扫描件通常为彩色图片，为了便于对图片扫描件进行识别，在本实施例中，可先对图片扫描件进行灰度处理，以便于将彩色的图片扫描件转化为初始灰度图像。而在初始图片扫描件的生成过程中，可能由于扫描镜头存在的畸变问题，而导致该图片扫描件存在畸变区域，造成了畸变区域中的文字、符号或者图形变形，影响了对图片扫描件进行识别的准确率。因此，还需通过预设图像畸变检测算法对初始图片扫描件进行畸变检测，以判断所述初始图片扫描件是否存在畸变区域。若所述初始图片扫描件存在畸变区域，则可根据预设畸变校正算法对所述初始图像扫描进行畸变校正处理，将得到的校正后的图片扫描件作为第一图片扫描件。
请参阅图2，图2是本申请实施例提供的图片扫描件处理方法的子流程示意图。如图2所示，在某些实施例，例如本实施例中，所述步骤S110包括子步骤S1100～S1102。
S1100、对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像。
通过对所述初始图片扫描件进行灰度处理，可将彩色图像转化为灰度图像，以便于对该扫描件进行识别。
S1101、根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域。
在图片扫描件的形成中，因镜头本身的工艺存在瑕疵，会导致所形成的图片存在畸变问题，且畸变的程度跟镜头的工艺相关，不同厂家所生产的镜头其所导致的图像畸变程度也不一样。根据预设图像畸变检测算法，可判断所述灰度图像是否存在畸变区域，以便于后续通过畸变校正算法对所述灰度图像进行畸变校正，以提高对文字、符号以及图形的识别准确率。其中，所述预设图像畸变检测算法可以为：获取所述初始灰度图像的多个采样点；根据预设畸变检测计算公式计算每一所述采样点的校正值；判断每一所述采样点与其相对应的所述校正值的差值是否在预设阈值范围内，若在预设阈值范围内则确认所述灰度图像存在畸变区域。
S1102、若所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件。
在本发明实施例中，若判断结果为所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件。其中，所述预设畸变校正算法为：获取所述初始灰度图像的每一像素点坐标值，根据预设畸变校正公式计算每一所述像素点坐标值的目标坐标值。譬如，对于径向畸变而言，预设畸变校正公式为：
u′＝u(1+k1r2+k2r4+k3r6) (1)
v′＝v(1+k1r2+k2r4+k3r6) (2)
其中，(u，v)为目标坐标值，而(u'，v')为像素点坐标值，k1，k2，k3为畸变系数，而r2＝u2+v2。
S120、根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域。
在本发明实施例中，所述第一图片扫描件可能存在多个文字区域、符号区域以及图形区域，为了便于对不同区域的内容进行识别，在本实施例中，对所述第一图片扫描件根据预设图像分割方法进行处理，以生成多个待识别区域。其中，可根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量，并通过特征向量比对的方式，从预设特征向量组中，确定与所述第一图片扫描件的对象特征向量的差值小于第一预设阈值的第一预设特征向量，进而获取与所述第一预设特征向量相关联的图像分割模板，然后根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域。根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量。若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数。以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
请参阅图3，图3是本申请另一实施例提供的图片扫描件处理方法的子流程示意图。如图3所示，在某些实施例，例如本实施例中，所述步骤S120包括子步骤S1200～S1202。
S1200、根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量。
在本发明实施例中，通过特征向量比对的方式，用于确定对所述第一图片扫描件进行分割所采用的分割模板。因此，先通过根据预设特征向量计算方法对所述第一图片扫描件进行计算，生成该第一图片扫描件的对象特征向量。其中，所述预设特征向量计算方法可以为主成分分析算法，通过主成分分析算法计算所述第一图片扫描件的对象特征向量。其中，可通过预先存储有预设特征向量组，且对所述预设特征向量组中的每一预设特征向量与相应的图像分割模板进行关联，以便于在预设特征向量组中获取与所述对象特征向量的差值在预设阈值范围内的第一预设特征向量，利用与所述第一预设特征向量相关联的图像分割模板对第一图像扫描件进行分割。
S1201、若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板。
通过计算预设特征向量组中的特征向量与所述对象特征向量的差值，并与第一预设阈值进行比对，来确定相应的图像分割模板。其中，在本实施例中，若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板。
S1202、根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域。
在本发明实施例中，通过根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域，以便于后续对不同的待识别区域进行识别，生成相应的识别结果。
S130、获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签。
在本发明实施例中，所生成多个待识别区域可能存在多个文字区域、符号区域以及图形区域，为了便于对不同区域的内容进行识别，在本实施例中，还需根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量。若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数。以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
请参阅图4，图4是本申请另一实施例提供的图片扫描件处理方法的子流程示意图。如图4所示，在某些实施例，例如本实施例中，所述步骤S130包括子步骤S1300～S1302。
S1300、根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量。
在本发明实施例中，通过根据所述预设特征向量计算方法获取每一所述待识别区域的特征向量作为子对象特征向量，以便于确定与每一所述待识别区域相对应的特征参数，进而根据该特征参数确定用于对该待识别区域进行识别所采用的识别模型。
S1301、若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数。
在本发明实施例中，若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数。其中，所述特征参数可以为关键字，譬如，若所述第一图片扫描件可划分为三个待识别区域，分别为文字待识别区域、图形待识别区域以及符号待识别区域，对于文字待识别区域，经计算获得的子对象特征向量与预设特征向量组中的第二预设特征向量，其差值小于第二预设阈值，而与所述第二预设特征向量相关联的特征参数为关键字“文字”；同理，对于图形待识别区域而言，获取的与其相对应的关键字则为“图形”，对符号待识别区域，获取的与其相对应的关键字则为“符号”。
S1302、以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
在本发明实施例中，以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联，以便于通过所述特征标签对所述待识别区域进行识别。
S140、获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象。
在本发明实施例中，初始图片扫描件包含的对象可能有文字、符号以及图形。针对不同的对象，应用不同的识别模型进行识别。其中，若所述特征标签是文字标签，获取文字识别模型；根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。若所述特征标签是符号标签，获取符号识别模型；根据所述符号识别模型对所述待识别区域进行识别，以获取符号识别结果。若所述特征标签是图形标签，获取图形识别模型；根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
请参阅图5，图5是本申请又一实施例提供的图片扫描件处理方法的子流程示意图。如图5所示，在某些实施例，例如本实施例中，所述步骤S140包括子步骤S1400和S1401。
S1400、若所述特征标签是文字标签，获取文字识别模型。
在本发明实施例中，若所述特征标签是文字标签，即该待识别区域的内容是文字，则获取文字识别模型。
S1401、根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
在本实施例中，通过根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
在另一实施例中，请参阅图6，图6是本申请又一实施例提供的图片扫描件处理方法的子流程示意图。如图6所示，在某些实施例，例如本实施例中，所述步骤S140包括子步骤S1402和S1403。
S1402、若所述特征标签是符号标签，获取符号识别模型。
在本发明实施例中，若所述特征标签是符号标签，即该待识别区域的内容是符号，则获取符号识别模型。
S1403、根据所述符号识别模型对所述待识别区域进行识别，以获取符号识别结果。
在本实施例中，通过根据所述符号识别模型对所述待识别区域进行识别，以获取符号识别结果。
请参阅图7，图7是本申请又一实施例提供的图片扫描件处理方法的子流程示意图。如图7所示，在某些实施例，例如本实施例中，所述步骤S140包括子步骤S1404和S1405。
S1404、若所述特征标签是图像标签，获取图形识别模型。
在本发明实施例中，若所述特征标签是图形标签，即该待识别区域的内容是图形，则获取图形识别模型。
S1405、根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
在本实施例中，通过根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
S150、获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
在本发明实施例中，可通过生成一用户界面，并在所述用户界面上显示多个预设组合模板，获取用户对多个所述预设组合模板进行选择而生成的目标组合模板，然后根据所述目标组合模板和多个所述目标对象生成所述目标文件。
请参阅图8，图8是本申请再一实施例提供的图片扫描件处理方法的子流程示意图。如图8所示，在某些实施例，例如本实施例中，所述步骤S140包括子步骤S1500～S1502。
S1500、生成一用户界面，并在所述用户界面上显示多个预设组合模板。
在本实施例中，系统存储有多个预设的组合模板，通过生成一用户界面，并在所述用户界面上显示该多个预设组合模板，可便于用户进行选择。
S1501、获取用户对多个所述预设组合模板进行选择而生成的目标组合模板。
通过获取用户对多个所述预设组合模板进行选择而生成的目标组合模板，以便于后续通过该目标组合模板对多个目标对象进行组合生成目标文件。
S1502、根据所述目标组合模板和多个所述目标对象生成所述目标文件。
通过根据所述目标组合模板和多个所述目标对象生成所述目标文件。譬如，若所述初始图片扫描件中存在的待识别区域的数目为5个，其中，存在3个文字区域，1个符号区域，1个图形区域，且所述初始图片扫描件的5个区域为自上而下的布局方式。通过获取目标组合模板，譬如该目标组合模板为左三右二的格局，通过在所述目标组合模板的左侧三栏中显示相应的文字内容，在右侧上栏显示符号内容，在右侧下栏显示图形内容，可呈现相比于扫描件更为美观的格局。此外，目标组合模板下的每一栏的内容，都是可进行编辑和修改的，例如，对文字栏可进行新增、修改或删除。
参见图9，其为本申请实施例提供的图片扫描件处理装置200的示意性框图。如图9所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250。
预处理单元210，用于根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；
分割单元220，用于根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域，并对每一所述待识别区域设置特征标签；
获取单元230，用于获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；
识别单元240，用于获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；
目标文件生成单元250，用于获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
参见图10，其为本申请另一实施例提供的图片扫描件处理装置200的示意性框图。如图10所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述预处理单元210包括灰度处理单元2100、判断单元2101以及畸变校正单元2102。
灰度处理单元2100，用于对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像。
判断单元2101，用于根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域。
畸变校正单元2102，用于若判断所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件。
参见图11，其为本申请又一实施例提供的图片扫描件处理装置200的示意性框图。如图11所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述分割单元220包括：对象特征向量获取单元2200、图像分割模板获取单元2201、待识别区域生成单元2202。
对象特征向量获取单元2200，用于根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量。
图像分割模板获取单元2201，用于若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板。
待识别区域生成单元2202，用于根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域。
参见图12，其为本申请又一实施例提供的图片扫描件处理装置200的示意性框图。如图12所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述获取单元230包括：子对象特征向量获取单元2300、特征参数获取单元2301以及关联单元2302。
子对象特征向量获取单元2300，用于根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量。
特征参数获取单元2301，用于若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数。
关联单元2302，用于以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
参见图13，其为本申请又一实施例提供的图片扫描件处理装置200的示意性框图。如图13所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述识别单元240包括文字识别模型获取单元2400和文字识别结果获取单元2401。
文字识别模型获取单元2400，用于若所述特征标签是文字标签，获取文字识别模型。
文字识别结果获取单元2401，用于根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
参见图14，其为本申请又一实施例提供的图片扫描件处理装置200的示意性框图。如图14所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述识别单元240包括符号识别模型获取单元2402和符号识别结果获取单元2403。
符号识别模型获取单元2402，用于若所述特征标签是符号标签，获取符号识别模型。
符号识别结果获取单元2403，用于根据所述符号识别模型对所述待识别区域进行识别，以获取符号识别结果。
参见图15，其为本申请又一实施例提供的图片扫描件处理装置200的示意性框图。如图15所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述识别单元240包括图形识别模型获取单元2404和图形识别结果获取单元2405。
图形识别模型获取单元2404，用于若所述特征标签是图像标签，获取图形识别模型。
图形识别结果获取单元2405，用于根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
参见图16，其为本申请再一实施例提供的图片扫描件处理装置200的示意性框图。如图16所示，本申请实施例提出的图片扫描件处理装置200，包括：预处理单元210、分割单元220、获取单元230、识别单元240以及目标文件生成单元250，其中，所述目标文件生成单元250包括用户界面生成单元2500、目标组合模板获取单元2501以及组合单元2502。
用户界面生成单元2500，用于生成一用户界面，并在所述用户界面上显示多个预设组合模板。
目标组合模板获取单元2501，用于获取用户对多个所述预设组合模板进行选择而生成的目标组合模板。
组合单元2502，用于根据所述目标组合模板和多个所述目标对象生成所述目标文件。
上述图片扫描件处理装置可以实现为一种计算机程序的形式，该计算机程序可以在如图17所示的计算机设备上运行。
请参阅图17，图17是本申请实施例提供的计算机设备的示意性框图。该计算机设备300设备可以是终端。参阅图17，该计算机设备300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括非易失性存储介质303和内存储器304。该非易失性存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032包括程序指令，该程序指令被执行时，可使得处理器302执行一种图片扫描件处理方法。该处理器302用于提供计算和控制能力，支撑整个计算机设备300的运行。该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种图片扫描件处理方法。该网络接口305用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图17中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备300的限定，具体的计算机设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现如下功能：根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
在一实施例中，处理器302在执行所述根据预设图像处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件，具体实现如下功能：对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像；根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域；若判断所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件。
在一实施例中，处理器302在执行所述根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域，具体实现如下功能：根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量；若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板；根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域。
在一实施例中，处理器302在执行所述获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签，具体实现如下功能：根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量；若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数；以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
在一实施例中，处理器302在执行所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，具体实现以下功能：若所述特征标签是文字标签，获取文字识别模型；根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
在一实施例中，处理器302在执行所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，具体实现以下功能：若所述特征标签是图像标签，获取图形识别模型；根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
在一实施例中，处理器302在执行所述获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件，具体实现以下功能：生成一用户界面，并在所述用户界面上显示多个预设组合模板；获取用户对多个所述预设组合模板进行选择而生成的目标组合模板；根据所述目标组合模板和多个所述目标对象生成所述目标文件。
应当理解，在本申请实施例中，处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，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。其中，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。
在本申请的另一实施例中提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下程序：根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件；根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域；获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签；获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
在一实施例中，该程序指令被处理器执行所述根据预设图像处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件，具体执行如下程序：对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像；根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域；若判断所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件。
在一实施例中，该程序指令被处理器执行所述根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域，具体执行如下程序：根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量；若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板；根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域。
在一实施例中，该程序指令被处理器执行所述获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签，具体执行如下程序：根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量；若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数；以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联。
在一实施例中，该程序指令被处理器执行所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，具体执行如下程序：若所述特征标签是文字标签，获取文字识别模型；根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
在一实施例中，该程序指令被处理器执行所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，具体执行如下程序：若所述特征标签是图像标签，获取图形识别模型；根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
在一实施例中，该程序指令被处理器执行所述获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件，具体执行如下程序：生成一用户界面，并在所述用户界面上显示多个预设组合模板；获取用户对多个所述预设组合模板进行选择而生成的目标组合模板；根据所述目标组合模板和多个所述目标对象生成所述目标文件。
该存储介质可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本申请实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。该集成的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，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种图片扫描件处理方法，其特征在于，包括：
根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件，其包括：
对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像；
根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域；
若判断所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件；
根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域，其包括：
根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量；
若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板；
根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域；
获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签，其包括：
根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量；
若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数；
以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联；
获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；
获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
2.根据权利要求1所述的图片扫描件处理方法，其特征在于，所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，包括：
若所述特征标签是文字标签，获取文字识别模型；
根据所述文字识别模型对所述待识别区域进行识别，以获取文字识别结果。
3.根据权利要求1所述的图片扫描件处理方法，其特征在于，所述获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象，包括：
若所述特征标签是图像标签，获取图形识别模型；
根据所述图形识别模型对所述待识别区域进行识别，以获取图形识别结果。
4.根据权利要求1所述的图片扫描件处理方法，其特征在于，所述获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件，包括：
生成一用户界面，并在所述用户界面上显示多个预设组合模板；
获取用户对多个所述预设组合模板进行选择而生成的目标组合模板；
根据所述目标组合模板和多个所述目标对象生成所述目标文件。
5.一种图片扫描件处理装置，其特征在于，包括：
预处理单元，用于根据预设图像预处理方法对初始图片扫描件进行预处理，以生成第一图片扫描件，其包括：
对所述初始图片扫描件进行灰度处理，以生成与所述初始图片扫描件相对应的初始灰度图像；
根据预设图像畸变检测方法，判断所述初始灰度图像是否存在畸变区域；
若判断所述初始灰度图像存在畸变区域，根据预设畸变校正算法对所述初始灰度图像进行畸变校正以生成所述第一图片扫描件；
分割单元，用于根据预设图像分割方法对所述第一图片扫描件进行分割，以形成多个待识别区域，其包括：
根据预设特征向量计算方法获取所述第一图片扫描件的对象特征向量；
若预设特征向量组中存在与所述对象特征向量的差值小于第一预设阈值的第一预设特征向量，获取与所述第一预设特征向量相关联的图像分割模板；
根据所述图像分割模板对所述第一图片扫描件进行分割，以生成多个所述待识别区域；
获取单元，用于获取每一所述待识别区域的特征参数，并根据每一所述待识别区域的特征参数设置对应的特征标签，其包括：
根据所述预设特征向量计算方法获取每一所述待识别区域的子对象特征向量；
若预设特征向量组中存在与所述子对象特征向量的差值小于第二预设阈值的第二预设特征向量，获取与所述第二预设特征向量相关联的特征参数；
以所述特征参数作为特征标签，将每一所述待识别区域与所述特征标签相关联；
识别单元，用于获取与所述特征标签相对应的对象识别模型，根据所述对象识别模型对所述待识别区域进行识别，以获取目标对象；
目标文件生成单元，用于获取目标组合模板，根据所述目标组合模板和多个所述目标对象生成目标文件。
6.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的图片扫描件处理方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至4中任一项所述的图片扫描件处理方法。
CN201910505226.XA 2019-06-12 2019-06-12 图片扫描件处理方法、装置、计算机设备及存储介质 Active CN110390260B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910505226.XA CN110390260B (zh) 2019-06-12 2019-06-12 图片扫描件处理方法、装置、计算机设备及存储介质
PCT/CN2019/118237 WO2020248497A1 (zh) 2019-06-12 2019-11-14 图片扫描件处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910505226.XA CN110390260B (zh) 2019-06-12 2019-06-12 图片扫描件处理方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110390260A CN110390260A (zh) 2019-10-29
CN110390260B true CN110390260B (zh) 2024-03-22

Family

ID=68285517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910505226.XA Active CN110390260B (zh) 2019-06-12 2019-06-12 图片扫描件处理方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN110390260B (zh)
WO (1) WO2020248497A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390260B (zh) * 2019-06-12 2024-03-22 平安科技（深圳）有限公司 图片扫描件处理方法、装置、计算机设备及存储介质
CN111079528B (zh) * 2019-11-07 2024-07-05 国网辽宁省电力有限公司电力科学研究院 一种基于深度学习的图元图纸校核方法及系统
CN111192340A (zh) * 2019-12-24 2020-05-22 武汉嘉铭激光股份有限公司 一种基于图像识别的自动生成激光标记模板文件的方法
CN111238388B (zh) * 2020-01-08 2021-11-16 安徽逻根农业科技有限公司 一种高空支架形态监测装置和方法
CN112257719A (zh) * 2020-10-14 2021-01-22 深圳市天维大数据技术有限公司 一种文字识别方法、系统及存储介质
CN112633251B (zh) * 2021-01-07 2024-07-19 南方电网数字平台科技(广东)有限公司 基于文本识别的目标单据获取方法、装置及存储介质
CN113469165A (zh) * 2021-07-06 2021-10-01 安徽淘云科技股份有限公司 扫描识别方法、存储介质、电子设备及扫描设备
CN113486828B (zh) * 2021-07-13 2024-04-30 杭州睿胜软件有限公司 图像处理方法、装置、设备和存储介质
CN114005121A (zh) * 2021-10-14 2022-02-01 上海探寻信息技术有限公司 一种移动终端的文本识别方法及设备
CN115983199B (zh) * 2023-03-16 2023-05-30 山东天成书业有限公司 一种移动数字出版系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6323934B1 (en) * 1997-12-04 2001-11-27 Fuji Photo Film Co., Ltd. Image processing method and apparatus
WO2018133717A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 图片的二值化方法、装置及终端
CN109284756A (zh) * 2018-08-01 2019-01-29 河海大学 一种基于ocr技术的计算机终端保密检查方法
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质
WO2019085985A1 (en) * 2017-11-02 2019-05-09 Shenzhen United Imaging Healthcare Co., Ltd. Systems and methods for generating semantic information for scanning image

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488983B (zh) * 2013-09-13 2016-10-26 复旦大学 一种基于知识库的名片ocr数据修正方法和系统
JP6696445B2 (ja) * 2017-01-18 2020-05-20 京セラドキュメントソリューションズ株式会社 画像処理装置
CN107945194A (zh) * 2017-10-31 2018-04-20 四川长虹电器股份有限公司 基于OpenCV技术的票据分割方法
CN110390260B (zh) * 2019-06-12 2024-03-22 平安科技（深圳）有限公司 图片扫描件处理方法、装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6323934B1 (en) * 1997-12-04 2001-11-27 Fuji Photo Film Co., Ltd. Image processing method and apparatus
WO2018133717A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 图片的二值化方法、装置及终端
WO2019085985A1 (en) * 2017-11-02 2019-05-09 Shenzhen United Imaging Healthcare Co., Ltd. Systems and methods for generating semantic information for scanning image
CN109284756A (zh) * 2018-08-01 2019-01-29 河海大学 一种基于ocr技术的计算机终端保密检查方法
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
WO2020248497A1 (zh) 2020-12-17
CN110390260A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
CN110390260B (zh) 图片扫描件处理方法、装置、计算机设备及存储介质
JP5713790B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN109409398B (zh) 图像处理装置、图像处理方法以及存储介质
JP4175413B2 (ja) 画像類似度算出システム、画像検索システム、画像類似度算出方法および画像類似度算出用プログラム
EP0853293B1 (en) Subject image extraction method and apparatus
US6385338B1 (en) Image processing method and apparatus
JP5616308B2 (ja) 文字の形状特徴を使用した文字比較による文書改変検知方法
JP2001109895A (ja) 複数のディジタル画像の処理方法
JP2001043376A (ja) 画像抽出方法及び装置並びに記憶媒体
CN110196917B (zh) 个性化logo版式定制方法、系统和存储介质
JP2001101426A (ja) ディジタル画像処理方法
US11915465B2 (en) Apparatus and methods for converting lineless tables into lined tables using generative adversarial networks
CN113034492B (zh) 一种印刷质量缺陷检测方法、存储介质
JP2019046094A (ja) 情報処理装置、情報処理装置の制御方法及びプログラム
JP7282551B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP2022067086A (ja) デジタル化された筆記の処理
US6968501B2 (en) Document format identification apparatus and method
JP4942623B2 (ja) 彩色処理装置、彩色処理方法およびプログラム
CN117541546A (zh) 图像裁剪效果的确定方法和装置、存储介质及电子设备
JP3716455B2 (ja) 領域抽出方法及び領域抽出装置
KR101903617B1 (ko) 복수 개의 객체 이미지를 포함한 정적인 디지털 결합 이미지의 편집 방법
JP2015176252A (ja) 画像処理装置および画像処理方法
JPH11272800A (ja) 文字認識装置
JP4396328B2 (ja) 画像類似度算出システム、画像検索システム、画像類似度算出方法および画像類似度算出用プログラム
CN112419208A (zh) 一种基于施工图审查矢量图纸编译方法及系统

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
GR01 Patent grant
GR01 Patent grant