CN110533036B - 一种票据扫描图像快速倾斜校正方法和系统 - Google Patents

Abstract

本发明公开了一种票据扫描图像快速倾斜校正方法和系统，其中方法包括：步骤1，获取票据的彩色扫描图像，依次进行灰度化和二值化处理；步骤2，对步骤1得到的二值图像进行图像金字塔处理，得到多个不同分辨率的二值图像；步骤3，选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；步骤4，基于粗检倾斜角度，选择图像金字塔非顶层二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；步骤5，根据精检倾斜角度对票据扫描图像进行旋转校正处理。本发明在保证倾斜角检测精度的同时，可以加快倾斜角检测的速度，因此具有较高的实时性和检测精度。

Description

一种票据扫描图像快速倾斜校正方法和系统

技术领域

本发明涉及图像处理和机器视觉技术领域，尤其涉及针对金融票据扫描图像的倾斜角检测方法及倾斜校正系统，具体是指一种票据扫描图像快速倾斜校正方法和系统。

背景技术

在金融票据系统中，票据受理模块对票据进行扫描过程前期，会通过传感器及电机等装置对扫描票据进行自动对齐，防止扫描图像出现倾斜现象。但是在票据受理模块实际扫描过程中，由于对齐设备敏感度问题，得到的扫描图像还是可能会存在较小角度的倾斜现象，影响票据图像的识别和鉴伪。

目前针对图像倾斜角的检测主要有基于Hough变换的方法和投影法。

基于Hough变换的方法原理简单，易于实现，但是计算量比较大，并且Hough变换需要借助前景像素点来拟合成一条直线，其拟合误差比较大，导致倾斜角检测误差比较大。而且，在金融票据系统，票据受理模块中CIS扫描的分辨率为300DPI，得到的扫描图像大，若采用 Hough变换来实现票据图像的倾斜校正，系统因票据扫描图像较大而难以达到快速检测图像是否存在是否倾斜的现象，严重影响票据受理模块的效率。

投影法虽然速度快，计算量少，但是扫描的票据可能出现缺角或破损的情况发生，造成严重的干扰和误差，严重影响倾斜角检测的精度。

发明内容

针对现有技术存在的缺陷，本发明提出了一种票据扫描图像快速倾斜校正方法和系统，提高扫描的票据图像倾斜校正速度，方便票据图像的后序处理。

为实现上述技术目的，本发明采用如下技术方案：

一种票据扫描图像快速倾斜校正方法，包括以下步骤：

步骤1，获取票据扫描图像中的彩色扫描图像，并依次进行灰度化和二值化处理，得到二值图像；

步骤2，对步骤1得到的二值图像进行图像金字塔处理，得到多个不同分辨率的二值图像；

步骤3，选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；

步骤4，基于粗检倾斜角度，选择图像金字塔非顶层二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；

步骤5，根据精检倾斜角度对票据扫描图像进行旋转校正处理。

在金融票据系统中，票据受理模块需要对票据进行扫描得到票据扫描图像，票据的识别和鉴伪流程，要求其票据扫描图像具有较高的分辨率且倾斜角度在规定范围内，因此本发明针对票据扫描图像高分辨率的情况下提出一种快速倾斜校正方法。

本发明在通过灰度化和二值化处理得到票据扫描图像的二值图像后，再对当前较高分辨率的二值图像进行图像金字塔处理，得到多层不同分辨率的二值图像，组成图像金字塔；然后采用先进行粗检再到精检两级倾斜角检测策略：首先在粗检过程中，由于对检测倾斜角的准确率要求低，可利用图像金字塔顶层的分辨率较低的顶层图像作为粗检对象进行倾斜角粗略检测，其数据处理量小，能达到快速处理的目的；然后，在精检过程中，选择图像金字塔非顶层的高分辨率(相对于顶层分辨率更高)的二值图像为精检对象，并依赖于粗检得到的粗检倾斜角度进行倾斜角精细检测，可以提高倾斜角的检测精度。

综上所述，本发明针对高分辨率的票据扫描图像，通过采用粗检和精检两级倾斜角检测策略，在保证倾斜角检测精度的同时，可以加快倾斜角检测的速度，因此具有较高的实时性和检测精度。在检测得到精检倾斜角度后，对票据扫描图像进行旋转校正后的图像，进而能够减少后续的票据识别和鉴伪误差，因此可广泛应用于票据扫描中。

进一步地，倾斜角粗检的具体过程为：

步骤3.1，以0为初始旋转角度、以预设的角度θ_step为粗检步长，在预设的最大倾斜角范围[-θ_max，+θ_max]内获取不同的粗检旋转角度；

步骤3.2，依次采用每个粗检旋转角度对粗检对象进行旋转，得到分别与各个粗检旋转角度对应的粗检旋转图像；

步骤3.3，针对每个粗检旋转图像，均计算其前景像素值的置信度；

步骤3.4，选择置信度最高的粗检旋转图像所对应的粗检旋转角度，即为粗检倾斜角度。

进一步地，采用折半搜索查找算法进行倾斜角精检。

在倾斜角精检过程中，由于精检对象的分辨率相对较高，处理的数据量较大，采用折半搜索查找算法进行倾斜角精检，可以进一步提高检测速度。

进一步地，倾斜角精检的具体过程为：

步骤4.1，将精检初始中心点倾斜角θ_Center设置为粗检倾斜角度θ，精检初始步长设置为粗检步长θ_step，并设置精检的步长最小阈值θ_MinStep，得到折半查找的初始左边界倾斜角为θ_Lmargin＝θ_Center+θ_Step和初始右边界倾斜角为θ_Rmargin＝θ_Center-θ_Step；

步骤4.2，以中心点倾斜角、左边界倾斜角和右边界倾斜角分别作为精检旋转角度，对精检对象进行旋转，得到与各个精检旋转角度对应的精检旋转图像；

步骤4.3，针对每个精检旋转图像，均计算其前景像素值的置信度；

步骤4.4，将精检步长θ_Step更新为当前的精检步长的1/2；

步骤4.5，判断当前的精检步长θ_Step是否小于精检步长最小阈值θ_MinStep；

步骤4.6，若当前的精检步长θ_Step小于精检步长最小阈值θ_MinStep，则中心倾斜角即为精检倾斜角度，结束倾斜角精检流程；否则执行步骤4.7；

步骤4.7，将左边界倾斜角更新为θ_Lmargin＝θ_Center+θ_Step，将右边界倾斜角更新为θ_Rmargin＝θ_Center-θ_Step；

步骤4.8，按步骤4.2获取与当前的中心点倾斜角、左边界倾斜角和右边界倾斜角对应的精检旋转图像，均按步骤4.3计算其前景像素值的置信度，并找到置信度最大的精检旋转图像及其对应的精检倾斜角；

步骤4.9，将中心点倾斜角θ_Center更新为步骤4.8得到的置信度最大的精检旋转图像对应的精检倾斜角，然后根据当前的中心点倾斜角θ_Center和精检步长θ_Step更新左边界倾斜角θ_Lmargin和右边界倾斜角θ_Rmargin：θ_Lmargin＝θ_Center+θ_Step，θ_Rmargin＝θ_Center-θ_Step；

步骤4.10，更新步长为：θ_Step＝θ_Step/2，返回步骤4.5。

进一步地，粗检旋转图像或精检旋转图像的前景像素值的置信度的计算方法为：

步骤A1，将粗检旋转图像或精检旋转图像作为置信度计算对象，针对置信度计算对象的每一行，均计算所有前景像素值之和，记为相应行的行像素值；

步骤A2，针对置信度计算对象中的每相邻两行的行像素值，计算其差值的绝对值；

步骤A3，计算步骤A2得到的所有差值的绝对值之总和，并将总和作为置信度计算对象的置信度。

进一步地，对粗检对象或精检对象进行旋转，采用图像垂直块剪切旋转方法，其具体过程为：

步骤B1，将粗检对象或精检对象作为源图像，新建与源图像尺寸相同的图像并记为旋转图像；获取源图像的大小[W,H]和旋转角度θ；

步骤B2，将源图像划分高为H的n+1个矩形块，前n个矩形块的宽为

第n+1个矩形块的宽度为W-n×△w，其中

步骤B3，以源图像最左端的矩形块为起始数据块，并把起始数据块设定为当前待剪切的数据块；

步骤B4，设置当前待剪切的数据块用i表示，源图像左上角像素点坐标为(0，0)，右下角像素点坐标为(W-1,H-1)，则数据块i的左上角像素点坐标为(△w*i,i)，右下角像素点坐标为(△w*(i+1)-1,H-1)；

步骤B5，判断数据块i是否为最后一个数据块；若是，则跳转执行步骤B8，否则执行步骤B6；

步骤B6，将数据块i剪切，并粘贴到旋转图像的左上角像素点坐标为(i*△w,0)、右下角像素点坐标为((i+1)*△w-1,H-1-i)的位置处；

步骤B7，设置源图像中下一个待剪切的数据块为当前数据块i；

步骤B8，将源图像中左上角像素点坐标为(i*△w,i)、右下角像素点坐标为 ((i+1)*△w-1,H-1)的数据块剪切，并粘贴到旋转图像的左上角像素点坐标为(i*△w,0)、右下角像素点坐标为(W-1,H-1-i)的位置处；

步骤B9，对旋转图像中没有被数据块粘贴的区域，使用背景像素值填充。

本方案采用图像垂直块剪切旋转方法进行旋转处理，其速度远快于传统的基于矩阵变换的旋转算法，在传统旋转算法中，图像像素旋转对应关系为

其中(x₀,y₀)、(x,y)为原图像和旋转图像像素坐标位置经过旋转角度为θ的对应关系。传统方法在旋转过程中精度高，但是存在计算量大的问题；而本方案中采用的图像垂直块剪切的方法无须大量计算，仅仅是图像数据块的复制，为了提高本方案旋转图像的精度，根据旋转角度来设置每个数据块的大小。

进一步地，对步骤1得到的二值图像进行下采样的具体过程为：

步骤2.1，根据票据彩色扫描图像的分辨率设置图像金字塔层数n，由下至上依次为第j 层，j＝0,1,2,…,n-1；取步骤1得到的二值图像作为图像金字塔的第0层的二值图像；

步骤2.2，初始化j＝0；

步骤2.3，取第j层的二值图像，将其划分为像素大小为2*2的单元格，统计每个单元格内前景像素值为1的个数；

步骤2.4，针对第j层的二值图像中的每个单元格，均判断前景像素值为1的个数是否大于预设阈值，若是则将单元格内全部填充为前景像素值1，否则将单元格内全部填充为背景像素值0，生成新的二值图像；

步骤2.5，对步骤2.4生成的新的二值图像进行隔行、隔列采样，将采样得到的图像作为图像金字塔的第j+1层的二值图像；

步骤2.6，判断j+1是否等于n-1：若是则结束下采样流程；否则令j＝j+1，返回执行步骤2.3。

进一步地，图像金字塔总共包括4层二值图像，并并选择图像金字塔的倒数第2层的二值图像作为精检对象。

进一步地，在步骤5之后还包括：步骤6，对旋转校正后的图像进行有效区域裁剪，具体过程为：

步骤6.1，对旋转校正后的彩色扫描图像，按步骤1相同方法进行灰度化和二值化处理，得到校正二值图像；

步骤6.2，采用Canny边缘检测方法，检测并标记二值图像中的左、右垂直边缘和上、下水平边缘的位置；

步骤6.3，对旋转校正后的票据扫描图像，沿步骤6.2得到的左、右垂直边缘和上、下水平边缘位置进行裁剪，得到由左、右垂直边缘和上、下水平边缘包围的票据扫描图像有效区域。

本发明还提供一种票据扫描图像快速倾斜校正系统，包括：

图像预处理单元，用于获取票据扫描图像，并依次进行灰度化和二值化处理，得到二值图像；

下采样单元，用于对图像预处理单元得到的二值图像进行金字塔处理，得到不同分辨率的多个二值图像，并与图像预处理单元得到的二值图像一起构成图像金字塔；

倾斜角粗检单元，用于选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；

倾斜角精检单元，用于选择图像金字塔非顶层的二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；

旋转校正单元，用于根据精检倾斜角度对票据扫描图像进行旋转校正处理。

有益效果

在金融票据系统中，票据受理模块需要对票据进行扫描得到票据扫描图像，票据的识别和鉴伪流程，要求其票据扫描图像具有较高的分辨率且倾斜角度在规定范围内，因此本发明针对票据扫描图像高分辨率的情况下提出一种快速倾斜校正方法。

本发明在通过灰度化和二值化处理得到票据扫描图像的二值图像后，再对当前较高分辨率的二值图像进行图像金字塔处理，得到不同分辨率的二值图像，组成图像金字塔；然后采用粗检和精检两级倾斜角检测策略：首先在粗检过程中，由于对检测倾斜角的准确率要求低，可利用其中的分辨率较低、尺寸较小的图像作为粗检对象进行倾斜角粗略检测，其数据处理量小，能达到快速处理的目的；然后，在粗检过程中，选择高分辨率、大尺寸的二值图像为精检对象，并依赖于粗检得到的粗检倾斜角度进行倾斜角精细检测，可以提高倾斜角的检测精度。

综上所述，本发明针对高分辨率的票据扫描图像，通过采用粗检和精检两级倾斜角检测策略，在保证倾斜角检测精度的同时，可以加快倾斜角检测的速度，因此具有较高的实时性和检测精度。在检测得到精检倾斜角度后，对票据扫描图像进行旋转校正后，并针对票据的有效区域进行准确剪裁，进而能够减少后续的票据识别和鉴伪误差，因此可广泛应用于票据扫描中。

附图说明

图1为本发明各实施例的票据受理模块扫描图像快速倾斜校正方法的结构框图；

图2为本发明实施例一在旋转、裁剪的结果对比图；

图3为本发明实施二对二值图像进行下采样的流程示意图；

图4为本发明实施二得到的由多分辨率的二值图像组成的图像金字塔示意图；

图5为本发明实施三在倾斜校正过程中，对票据扫描图像进行倾斜角精检的流程图；

图6为本发明实施四基于图像垂直块剪切的旋转处理流程示意图；

图7为本发明实施四基于图像垂直块剪切进行逆时钟旋转的结果对比图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。

实施例一

本实施例提供了一种针对票据受理模块的票据扫描图像进行快速倾斜校正的方法，如图 1所示，具体包括以下步骤：

步骤1，获取票据扫描图像中的彩色扫描图像，并依次进行灰度化和二值化处理，得到二值图像。

其中，票据扫描图像是通过金融票据系统CIS扫描并由票据受理模块获取得到，分辨率为300DPI，因而其图像尺寸比较大，而一般金融票据系统CIS扫描光源为白光、红外、紫外多光源，因此本实施例中的票据扫描图像包括彩色扫描图像、红外扫描图像和紫外扫描图像等多张图像。

本步骤1选用彩色扫描图像为对象对票据倾斜角进行检测，即此步骤中的票据扫描图像是指对票据的彩色扫描图像。

由于灰度图像需要处理的数据量远小于彩色图像需要处理的数据量，使用票据扫描图像灰度化处理所得到的灰度图像进行后续计算处理，能提高处理速度。其中，将票据的彩色扫描图像进行灰度化处理的计算关系为：

Grey＝R×0.299+G×0.587+B×0.114；

式中，Grey表示灰度图像中像素点的灰度值，R、G、B分别表示彩色扫描图像中像素点在RGB三个通道上的值。

本实施例通过OTSU算法对灰度图像进行二值化处理，得到二值图像。

OTSU算法是经典的求图像二值化全局阈值算法，当灰度图像中像素点的像素值大于或等于全局阈值时，将该像素点的像素值置1，作为前景像素；当灰度图像中像素点的像素值小于全局阈 值时，将该像素点的像素值置0，作为背景像素。

步骤2，对步骤1得到的二值图像进行图像金字塔处理，得到不同分辨率的多个二值图像，并与步骤1得到的二值图像一起构成图像金字塔。

本实施例采用下采样的方法对步骤1得到的二值图像进行处理，转换得到不同分辨率的 4层图像，构成图像金字塔。

步骤3，选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度。

在倾斜角粗检过程中，对检测倾斜角的准确率要求低，选择低分辨率、小尺寸的二值图像为粗检对象，能达到快速处理的目的。本实施例优选图像金字塔的第3层的二值图像作为粗检对象。

步骤4，基于粗检倾斜角度，选择图像金字塔非顶层的二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度。

在倾斜角精检过程中，为提高倾斜角的检测精度，选择高分辨率、大尺寸的二值图像为精检对象。但是处理的数据量较大，本实施例采用折半搜索查找算法进行倾斜角精检，可以提高检测速度。本实施例优选图像金字塔的第1层的二值图像作为精检对象。

步骤5，根据精检倾斜角度对票据扫描图像进行旋转校正处理。

在该步骤5中，使用精检倾斜角度进行旋转校正处理的对象，不仅包括彩色扫描图像，还包括红外扫描图像和紫外扫描图像。

步骤6，对旋转校正后的图像进行有效区域裁剪。

步骤6.1，对旋转校正后的彩色扫描图像，按步骤1相同方法进行灰度化和二值化处理，得到校正二值图像；

步骤6.2，采用canny边缘检测方法，检测并标记二值图像中的左、右垂直边缘和上、下水平边缘的位置；

步骤6.3，对旋转校正后的票据扫描图像，沿步骤6.2得到的左、右垂直边缘和上、下水平边缘位置进行裁剪，得到由左、右垂直边缘和上、下水平边缘包围的票据扫描图像有效区域。

在图2中，以实例图像展示了票据扫描图像的实施效果图，其中图(a)为票据扫描图像，图(b)为旋转后得到的旋转图像，图(c)为裁剪处理后得到的最终图像。

实施例二

相对于实施例一，本实施例对步骤1得到的二值图像进行下采样的过程进行进一步优化，如图3所示，包括以下步骤：

步骤2.1，根据票据彩色扫描图像的分辨率设置图像金字塔层数n＝4，由下至上依次为第j层，j＝0,1,2,…,3；取步骤1得到的二值图像作为图像金字塔的第0层的二值图像；

步骤2.2，初始化j＝0；

步骤2.3，取第j层的二值图像，将其划分为像素大小为2*2的单元格，统计每个单元格内前景像素值为1的个数；其中所有单元格之间没有重叠；

步骤2.4，针对第j层的二值图像中的每个单元格，均判断前景像素值为1的个数是否大于预设阈值，若是则将单元格内全部填充为前景像素值1，否则将单元格内全部填充为背景像素值0，生成新的二值图像；

步骤2.5，对步骤2.4生成的新的二值图像进行隔行、隔列采样，将采样得到的图像作为图像金字塔的第j+1层的二值图像；

步骤2.6，判断j+1是否等于3：若是则结束下采样流程；否则令j＝j+1，返回执行步骤2.3。

由此得到的第1层二值图像，其宽与高均为第0层二值图像的一半；第2层二值图像，其宽与高均为第1层二值图像的一半；第3层二值图像，其宽与高均为第2层二值图像的一半，如图4所示。

实施例三

相对于实施例一，本实施例对倾斜角粗检方法和倾斜角精检方法进一步优化，且倾斜角精检方法具体采用折半搜索查找算法，可以加速对票据扫描图像倾斜角的检测处理速度。

其中，倾斜角粗检的具体过程为：

步骤3.1，以0为初始旋转角度、以预设的角度θ_step为粗检步长，在预设的最大倾斜角范围[-θ_max，+θ_max]内获取不同的粗检旋转角度；

在本实施例中，由于票据受理模块扫描的票据扫描图像一般倾斜角度都会在±2°内，因此设置最大倾斜角θ_max＝2°，并设置粗检步长为θ_step＝1°，在[-θ_max,+θ_max]区间内取值作为旋转角度，对粗检对象进行旋转。

步骤3.2，依次采用每个粗检旋转角度对粗检对象进行旋转，得到分别与各个粗检旋转角度对应的粗检旋转图像；

步骤3.3，针对每个粗检旋转图像，均计算其前景像素值的置信度；

步骤3.4，选择置信度最高的粗检旋转图像所对应的粗检旋转角度，即为粗检倾斜角度。

采用折半搜索查找算法进行倾斜角精检的过程，如图5所示，具体包括以下步骤：

步骤4.1，将精检初始中心点倾斜角θ_Center设置为粗检倾斜角度θ，精检初始步长设置为粗检步长θ_step，并设置精检的步长最小阈值θ_MinStep，得到折半查找的初始左边界倾斜角为θ_Lmargin＝θ_Center+θ_Step和初始右边界倾斜角为θ_Rmargin＝θ_Center-θ_Step；

本实施例中，考虑到票据在倾斜角小于0.1°时，对后序的识别与鉴伪影响已经非常小，没有必要进一步提高倾斜角检测精度，所以停止折半查找的步长最小阈值θ_MinStep为：θ_MinStep＝0.05°；

步骤4.2，以中心点倾斜角、左边界倾斜角和右边界倾斜角分别作为精检旋转角度，对精检对象进行旋转，得到与各个精检旋转角度对应的精检旋转图像；

步骤4.3，针对每个精检旋转图像，均计算其前景像素值的置信度；

步骤4.4，将精检步长θ_Step更新为当前的精检步长的1/2；

步骤4.5，判断当前的精检步长θ_Step是否小于精检步长最小阈值θ_MinStep；

步骤4.6，若当前的精检步长θ_Step小于精检步长最小阈值θ_MinStep，则中心倾斜角即为精检倾斜角度，结束倾斜角精检流程；否则执行步骤4.7；

步骤4.7，将左边界倾斜角更新为θ_Lmargin＝θ_Center+θ_Step，将右边界倾斜角更新为θ_Rmargin＝θ_Center-θ_Step；

步骤4.8，按步骤4.2获取与当前的中心点倾斜角、左边界倾斜角和右边界倾斜角对应的精检旋转图像，均按步骤4.3计算其前景像素值的置信度，并找到置信度最大的精检旋转图像及其对应的精检倾斜角；

步骤4.9，将中心点倾斜角θ_Center更新为步骤4.8得到的置信度最大的精检旋转图像对应的精检倾斜角，然后根据当前的中心点倾斜角θ_Center和精检步长θ_Step更新左边界倾斜角θ_Lmargin和右边界倾斜角θ_Rmargin：θ_Lmargin＝θ_Center+θ_Step，θ_Rmargin＝θ_Center-θ_Step；

步骤4.10，更新步长为：θ_Step＝θ_Step/2，返回步骤4.5。

其中，粗检旋转图像或精检旋转图像的前景像素值的置信度的计算方法为：

步骤A1，将粗检旋转图像或精检旋转图像作为置信度计算对象，针对置信度计算对象的每一行，均计算所有前景像素值之和，记为相应行的行像素值；

步骤A2，针对置信度计算对象中的每相邻两行的行像素值，计算其差值的绝对值；

步骤A3，计算步骤A2得到的所有差值的绝对值之总和，并将总和作为置信度计算对象的置信度。

实施例四

相对于实施例三，本实施例对粗检对象或精检对象进行旋转的方法，进一步优化为采用图像垂直块剪切旋转方法，以下以旋转对象的左上角为旋转中心、逆时针旋转角度为例说明整个图像垂直块剪切旋转方法的实现过程，如图6所示，包括以下步骤：

步骤B1，将粗检对象或精检对象作为源图像，新建与源图像尺寸相同的图像并记为旋转图像；获取源图像的大小[W,H]和旋转角度θ；

步骤B2，将源图像划分高为H的n+1个矩形块，前n个矩形块的宽为

由于图像宽度不一定为△w整数倍，因此第n+1个矩形块的宽度为W-n×△w，其中

步骤B3，以源图像最左端的矩形块为起始数据块，并把起始数据块设定为当前待剪切的数据块；

步骤B4，设置当前待剪切的数据块用i表示，源图像左上角像素点坐标为(0，0)，右下角像素点坐标为(W-1,H-1)，则数据块i的左上角像素点坐标为(△w*i,i)，右下角像素点坐标为(△w*(i+1)-1,H-1)；

步骤B5，判断数据块i是否为最后一个数据块；若是，则跳转执行步骤B8，否则执行步骤B6；

步骤B6，将数据块i剪切，并粘贴到旋转图像的左上角像素点坐标为(i*△w,0)、右下角像素点坐标为((i+1)*△w-1,H-1-i)的位置处；

步骤B7，设置源图像中下一个待剪切的数据块为当前数据块i；

步骤B8，将源图像中左上角像素点坐标为(i*△w,i)、右下角像素点坐标为((i+1)*△w-1,H-1)的数据块剪切，并粘贴到旋转图像的左上角像素点坐标为(i*△w,0)、右下角像素点坐标为(W-1,H-1-i)的位置处；

步骤B9，对旋转图像中没有被数据块粘贴的区域，使用背景像素值填充。

在图6中，以实例图像展示了图像基于垂直块剪切的逆时钟旋转2°的过程。图(a)为源图像，图(b)为以左上角为中心，逆时针2°的旋转图像。

本实施例采用图像垂直块剪切旋转方法进行旋转处理，其速度远快于传统的基于矩阵变换的旋转算法。在传统旋转算法中，图像像素旋转对应关系为

其中(x₀,y₀)、(x,y)为原图像和旋转图像像素坐标位置经过旋转角度为θ的对应关系。传统方法在旋转过程中精度高，但是存在计算量大的问题；而本方案中采用的图像垂直块剪切的方法无须大量计算，仅仅是图像数据块的复制，为了提高本方案旋转图像的精度，根据旋转角度来设置每个数据块的大小。

实施例五

本实施例提供一种票据扫描图像快速倾斜校正系统，包括图像预处理单元、下采样单元、倾斜角粗检单元、倾斜角精检单元和旋转校正单元；其中，

图像预处理单元，用于获取票据扫描图像，并依次进行灰度化和二值化处理，得到二值图像；

下采样单元，用于对图像预处理单元得到的二值图像进行图像金字塔处理，得到不同分辨率的多个二值图像，并与图像预处理单元得到的二值图像一起构成图像金字塔；

倾斜角粗检单元，用于选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；

倾斜角精检单元，用于选择图像金字塔非顶层的二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；

旋转校正单元，用于根据精检倾斜角度对票据扫描图像进行旋转校正处理。

进一步地，系统还包括裁剪单元，用于对旋转校正后的图像进行有效区域裁剪。

以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (8)

1.一种票据扫描图像快速倾斜校正方法，其特征在于，包括以下步骤：

步骤1，获取票据扫描图像中的彩色扫描图像，并依次进行灰度化和二值化处理，得到二值图像；

步骤2，对步骤1得到的二值图像进行图像金字塔处理，得到多个不同分辨率的二值图像；

步骤3，选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；

步骤4，基于粗检倾斜角度，选择图像金字塔非顶层二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；

采用折半搜索查找算法进行倾斜角精检，倾斜角精检的具体过程为：

步骤4.1，将精检初始中心点倾斜角θ_Center设置为粗检倾斜角度θ，精检初始步长设置为粗检步长θ_step，并设置精检的步长最小阈值θ_MinStep，得到折半查找的初始左边界倾斜角为θ_Lmargin＝θ_Center+θ_Step和初始右边界倾斜角为θ_Rmargin＝θ_Center-θ_Step；

步骤4.2，以中心点倾斜角、左边界倾斜角和右边界倾斜角分别作为精检旋转角度，对精检对象进行旋转，得到与各个精检旋转角度对应的精检旋转图像；

步骤4.3，针对每个精检旋转图像，均计算其前景像素值的置信度；

步骤4.4，将精检步长θ_Step更新为当前的精检步长的1/2；

步骤4.5，判断当前的精检步长θ_Step是否小于精检步长最小阈值θ_MinStep；

步骤4.6，若当前的精检步长θ_Step小于精检步长最小阈值θ_MinStep，则中心倾斜角即为精检倾斜角度，结束倾斜角精检流程；否则执行步骤4.7；

步骤4.7，将左边界倾斜角更新为θ_Lmargin＝θ_Center+θ_Step，将右边界倾斜角更新为θ_Rmargin＝θ_Center-θ_Step；

步骤4.8，按步骤4.2获取与当前的中心点倾斜角、左边界倾斜角和右边界倾斜角对应的精检旋转图像，均按步骤4.3计算其前景像素值的置信度，并找到置信度最大的精检旋转图像及其对应的精检倾斜角；

步骤4.9，将中心点倾斜角θ_Center更新为步骤4.8得到的置信度最大的精检旋转图像对应的精检倾斜角，然后根据当前的中心点倾斜角θ_Center和精检步长θ_Step更新左边界倾斜角θ_Lmargin和右边界倾斜角θ_Rmargin：θ_Lmargin＝θ_Center+θ_Step，θ_Rmargin＝θ_Center-θ_Step；

步骤4.10，更新步长为：θ_Step＝θ_Step/2，返回步骤4.5；

步骤5，根据精检倾斜角度对票据扫描图像进行旋转校正处理。

2.根据权利要求1所述的方法，其特征在于，倾斜角粗检的具体过程为：

步骤3.1，以0为初始旋转角度、以预设的角度θ_step为粗检步长，在预设的最大倾斜角范围[-θ_max，+θ_max]内获取不同的粗检旋转角度；

步骤3.2，依次采用每个粗检旋转角度对粗检对象进行旋转，得到分别与各个粗检旋转角度对应的粗检旋转图像；

步骤3.3，针对每个粗检旋转图像，均计算其前景像素值的置信度；

步骤3.4，选择置信度最高的粗检旋转图像所对应的粗检旋转角度，即为粗检倾斜角度。

3.根据权利要求1或2所述的方法，其特征在于，粗检旋转图像或精检旋转图像的前景像素值的置信度的计算方法为：

步骤A1，将粗检旋转图像或精检旋转图像作为置信度计算对象，针对置信度计算对象的每一行，均计算所有前景像素值之和，记为相应行的行像素值；

步骤A2，针对置信度计算对象中的每相邻两行的行像素值，计算其差值的绝对值；

步骤A3，计算步骤A2得到的所有差值的绝对值之总和，并将总和作为置信度计算对象的置信度。

4.根据权利要求1或2所述的方法，其特征在于，对粗检对象或精检对象进行旋转，采用图像垂直块剪切旋转方法，其具体过程为：

步骤B1，将粗检对象或精检对象作为源图像，新建与源图像尺寸相同的图像并记为旋转图像；获取源图像的大小[W,H]和旋转角度θ；

步骤B2，将源图像划分高为H的n+1个矩形块，前n个矩形块的宽为

第n+1个矩形块的宽度为W-n×Δw，其中

步骤B3，以源图像最左端的矩形块为起始数据块，并把起始数据块设定为当前待剪切的数据块；

步骤B4，设置当前待剪切的数据块用i表示，源图像左上角像素点坐标为(0，0)，右下角像素点坐标为(W-1,H-1)，则数据块i的左上角像素点坐标为(Δw*i,i)，右下角像素点坐标为(Δw*(i+1)-1,H-1)；

步骤B5，判断数据块i是否为最后一个数据块；若是，则跳转执行步骤B8，否则执行步骤B6；

步骤B6，将数据块i剪切，并粘贴到旋转图像的左上角像素点坐标为(i*Δw,0)、右下角像素点坐标为((i+1)*Δw-1,H-1-i)的位置处；

步骤B7，设置源图像中下一个待剪切的数据块为当前数据块i；

步骤B8，将源图像中左上角像素点坐标为(i*Δw,i)、右下角像素点坐标为((i+1)*Δw-1,H-1)的数据块剪切，并粘贴到旋转图像的左上角像素点坐标为(i*Δw,0)、右下角像素点坐标为(W-1,H-1-i)的位置处；

步骤B9，对旋转图像中没有被数据块粘贴的区域，使用背景像素值填充。

5.根据权利要求1所述的方法，其特征在于，对步骤1得到的二值图像进行下采样的具体过程为：

步骤2.1，根据票据彩色扫描图像的分辨率设置图像金字塔层数n，由下至上依次为第j层，j＝0,1,2,…,n-1；取步骤1得到的二值图像作为图像金字塔的第0层的二值图像；

步骤2.2，初始化j＝0；

步骤2.3，取第j层的二值图像，将其划分为像素大小为2*2的单元格，统计每个单元格内前景像素值为1的个数；

步骤2.4，针对第j层的二值图像中的每个单元格，均判断前景像素值为1的个数是否大于预设阈值，若是则将单元格内全部填充为前景像素值1，否则将单元格内全部填充为背景像素值0，生成新的二值图像；

步骤2.5，对步骤2.4生成的新的二值图像进行隔行、隔列采样，将采样得到的图像作为图像金字塔的第j+1层的二值图像；

步骤2.6，判断j+1是否等于n-1：若是则结束下采样流程；否则令j＝j+1，返回执行步骤2.3。

6.根据权利要求1所述的方法，其特征在于，图像金字塔总共包括4层二值图像，并选择图像金字塔的倒数第2层的二值图像作为精检对象。

7.根据权利要求1所述的方法，其特征在于，在步骤5之后还包括：步骤6，对旋转校正后的图像进行有效区域裁剪，具体过程为：

步骤6.1，对旋转校正后的彩色扫描图像，按步骤1相同方法进行灰度化和二值化处理，得到校正二值图像；

步骤6.2，采用Canny边缘检测方法，检测并标记二值图像中的左、右垂直边缘和上、下水平边缘的位置；

步骤6.3，对旋转校正后的票据扫描图像，沿步骤6.2得到的左、右垂直边缘和上、下水平边缘位置进行裁剪，得到由左、右垂直边缘和上、下水平边缘包围的票据扫描图像有效区域。

8.一种票据扫描图像快速倾斜校正系统，其特征在于，包括：

图像预处理单元，用于获取票据扫描图像，并依次进行灰度化和二值化处理，得到二值图像；

下采样单元，用于对图像预处理单元得到的二值图像进行金字塔处理，得到不同分辨率的多个二值图像，并与图像预处理单元得到的二值图像一起构成图像金字塔；

倾斜角粗检单元，用于选择图像金字塔顶层的二值图像作为粗检对象进行倾斜角粗检，得到粗检倾斜角度；

倾斜角精检单元，用于选择图像金字塔非顶层的二值图像作为精检对象进行倾斜角精检，得到精检倾斜角度；其中，倾斜角精检单元采用折半搜索查找算法进行倾斜角精检，且倾斜角精检的具体过程为：

步骤4.1，将精检初始中心点倾斜角θ_Center设置为粗检倾斜角度θ，精检初始步长设置为粗检步长θ_step，并设置精检的步长最小阈值θ_MinStep，得到折半查找的初始左边界倾斜角为θ_Lmargin＝θ_Center+θ_Step和初始右边界倾斜角为θ_Rmargin＝θ_Center-θ_Step；

步骤4.2，以中心点倾斜角、左边界倾斜角和右边界倾斜角分别作为精检旋转角度，对精检对象进行旋转，得到与各个精检旋转角度对应的精检旋转图像；

步骤4.3，针对每个精检旋转图像，均计算其前景像素值的置信度；

步骤4.4，将精检步长θ_Step更新为当前的精检步长的1/2；

步骤4.5，判断当前的精检步长θ_Step是否小于精检步长最小阈值θ_MinStep；

步骤4.6，若当前的精检步长θ_Step小于精检步长最小阈值θ_MinStep，则中心倾斜角即为精检倾斜角度，结束倾斜角精检流程；否则执行步骤4.7；

步骤4.7，将左边界倾斜角更新为θ_Lmargin＝θ_Center+θ_Step，将右边界倾斜角更新为θ_Rmargin＝θ_Center-θ_Step；

步骤4.8，按步骤4.2获取与当前的中心点倾斜角、左边界倾斜角和右边界倾斜角对应的精检旋转图像，均按步骤4.3计算其前景像素值的置信度，并找到置信度最大的精检旋转图像及其对应的精检倾斜角；

步骤4.9，将中心点倾斜角θ_Center更新为步骤4.8得到的置信度最大的精检旋转图像对应的精检倾斜角，然后根据当前的中心点倾斜角θ_Center和精检步长θ_Step更新左边界倾斜角θ_Lmargin和右边界倾斜角θ_Rmargin：θ_Lmargin＝θ_Center+θ_Step，θ_Rmargin＝θ_Center-θ_Step；

步骤4.10，更新步长为：θ_Step＝θ_Step/2，返回步骤4.5；

旋转校正单元，用于根据精检倾斜角度对票据扫描图像进行旋转校正处理。

Images