发明内容
本公开的实施例提出了用于处理图像的方法和装置。
第一方面,本公开的实施例提供了一种用于处理图像的方法,该方法包括:获取非刚性形变的文档图像作为待处理图像;对待处理图像进行分割,生成分割区域;基于分割区域的轮廓,生成目标外接多边形;根据目标外接多边形的顶点的位置,确定待处理图像的关键点;根据关键点对待处理图像进行透视变换,生成处理后图像。
在一些实施例中,上述对待处理图像进行分割,生成分割区域,包括:将待处理图像输入至预先训练的图像分割模型,生成与待处理图像对应的预设数目个预分割区域,其中,图像分割模型用于表征待处理图像与预设数目个预分割区域之间的对应关系;从预设数目个预分割区域中确定分割区域,其中,分割区域包括完整分割区域。
在一些实施例中,上述预设数目个预分割区域包括第一预分割区域、第二预分割区域和第三预分割区域,上述第二预分割区域的轮廓位于上述第一预分割区域的轮廓与上述第三预分割区域的轮廓之间,上述第一预分割区域的轮廓位于上述第三预分割区域的轮廓外部;以及上述从预设数目个预分割区域中确定分割区域,包括:按照从外到内的顺序从预设数目个预分割区域中选取预分割区域,以及执行以下确定步骤:确定所选取的预分割区域对应的分割点是否位于待处理图像的边缘;响应于确定所选取的预分割区域对应的分割点未位于待处理图像的边缘,将所选取的预分割区域确定为分割区域;响应于确定所选取的预分割区域对应的分割点位于待处理图像的边缘,确定预设数目个预分割区域中是否存在未被选取的预分割区域;响应于确定存在,按照从外到内的顺序选取下一个预分割区域,以及继续执行确定步骤。
在一些实施例中,上述图像分割模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括样本待处理图像和对应的预设数目个已分割区域的样本二值图像;将训练样本集合中的训练样本的样本待处理图像作为输入,将与输入的样本待处理图像对应的预设数目个已分割区域的样本二值图像作为期望输出,训练得到图像分割模型。
在一些实施例中,上述基于分割区域的轮廓,生成目标外接多边形,包括:根据分割区域的轮廓,生成连通域集合;从连通域集合中选取面积最大的连通域作为目标连通域;确定目标连通域的最小外接多边形;基于最小外接多边形生成目标外接矩形作为目标外接多边形。
在一些实施例中,上述最小外接多边形包括最小外接矩形(minimum boundingrectangle,MBR);以及上述基于最小外接多边形生成目标外接矩形,包括:根据最小外接矩形的宽和高,按照比例进行扩展以生成扩展矩形;响应于确定扩展矩形未超出待处理图像的图像区域,将扩展矩形确定为目标外接矩形。
在一些实施例中,上述根据目标外接多边形的顶点的位置,确定待处理图像的关键点,包括:根据目标连通域生成凸包;从凸包上选取距离目标外接多边形的各顶点位置最近的点作为关键点。
第二方面,本公开的实施例提供了一种用于处理图像的装置,该装置包括:获取单元,被配置成获取非刚性形变的文档图像作为待处理图像;分割单元,被配置成对待处理图像进行分割,生成分割区域;第一生成单元,被配置成基于分割区域的轮廓,生成目标外接多边形;确定单元,被配置成根据目标外接多边形的顶点的位置,确定待处理图像的关键点;第二生成单元,被配置成根据关键点对待处理图像进行透视变换,生成处理后图像。
在一些实施例中,上述分割单元包括:第一生成模块,被配置成将待处理图像输入至预先训练的图像分割模型,生成与待处理图像对应的预设数目个预分割区域,其中,图像分割模型用于表征待处理图像与预设数目个预分割区域之间的对应关系;第一确定模块,被配置成从预设数目个预分割区域中确定分割区域,其中,分割区域包括完整分割区域。
在一些实施例中,上述预设数目个预分割区域包括第一预分割区域、第二预分割区域和第三预分割区域,上述第二预分割区域的轮廓位于上述第一预分割区域的轮廓与上述第三预分割区域的轮廓之间,上述第一预分割区域的轮廓位于上述第三预分割区域的轮廓外部;第一确定模块包括:第一确定子模块,被配置成按照从外到内的顺序从预设数目个预分割区域中选取预分割区域,以及执行以下确定步骤:确定所选取的预分割区域对应的分割点是否位于待处理图像的边缘;响应于确定所选取的预分割区域对应的分割点未位于待处理图像的边缘,将所选取的预分割区域确定为分割区域;第二确定子模块,被配置成响应于确定所选取的预分割区域对应的分割点位于待处理图像的边缘,确定预设数目个预分割区域中是否存在未被选取的预分割区域;响应于确定存在,按照从外到内的顺序选取下一个预分割区域,以及继续执行确定步骤。
在一些实施例中,上述图像分割模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括样本待处理图像和对应的预设数目个已分割区域的样本二值图像;将训练样本集合中的训练样本的样本待处理图像作为输入,将与输入的样本待处理图像对应的预设数目个已分割区域的样本二值图像作为期望输出,训练得到图像分割模型。
在一些实施例中,上述第一生成单元包括:第一生成子单元,被配置成根据分割区域的轮廓,生成连通域集合;选取子单元,被配置成从连通域集合中选取面积最大的连通域作为目标连通域;确定子单元,被配置成确定目标连通域的最小外接多边形;第二生成子单元,被配置成基于最小外接多边形生成目标外接矩形作为目标外接多边形。
在一些实施例中,上述最小外接多边形包括最小外接矩形。上述第二生成子单元包括:扩展模块,被配置成根据最小外接矩形的宽和高,按照比例进行扩展以生成扩展矩形;第二确定模块,被配置成响应于确定扩展矩形未超出待处理图像的图像区域,将扩展矩形确定为目标外接矩形。
在一些实施例中,上述确定单元包括:第二生成模块,被配置成根据目标连通域生成凸包;选取模块,被配置成从凸包上选取距离目标外接多边形的各顶点位置最近的点作为关键点。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于处理图像的方法和装置,首先获取非刚性形变的文档图像作为待处理图像;之后,对待处理图像进行分割,生成分割区域;而后,基于分割区域的轮廓,生成目标外接多边形;接下来,根据目标外接多边形的顶点的位置,确定待处理图像的关键点;最后,根据关键点对待处理图像进行透视变换,生成处理后图像。从而可以更多地体现非刚性形变的细节特征,有助于关键点的确定。进而实现了图像矫正准确度的提升。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于处理图像的方法或用于处理图像的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件、图像编辑类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上图像编辑软件提供支持的后台服务器。后台服务器可以对接收的待处理图像进行分析、变换等处理,并将处理结果(如矫正处理后的图像)反馈给终端设备。
需要说明的是,上述待处理图像也可以直接存储在服务器105的本地,服务器105可以直接提取本地所存储的待处理图像并进行处理,此时,可以不存在终端设备101、102、103和网络104。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于处理图像的方法一般由服务器105执行,相应地,用于处理图像的装置一般设置于服务器105中。
还需要说明的是,终端101、102、103也可以用于执行该用于处理图像的方法。此时,也可以不存在服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法包括以下步骤:
步骤201,获取非刚性形变的文档图像作为待处理图像。
在本实施例中,用于处理图像的方法的执行主体(如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取非刚性形变的文档图像作为待处理图像。其中,上述非刚性形变的文档图像可以包括各种产生非刚性形变的纸质文档、票据类的物品的图像。作为示例,上述非刚性形变的文档图像可以是带有折痕的纸质发票的图像。
具体地,上述执行主体可以获取预先存储于本地的非刚性形变的文档图像,也可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的非刚性形变的文档图像。在此不作限定。
步骤202,对待处理图像进行分割,生成分割区域。
在本实施例中,上述执行主体可以采用各种图像分割算法对步骤201所获取的待处理图像进行分割,从而生成分割区域。上述图像分割算法可以包括但不限于以下至少一项:基于边缘的图像分割算法(例如采用sobel算子、roberts算子、拉普拉斯算子),基于区域分割的算法(例如区域生长算法、分水岭算法、基于语义的深度学习分割算法等),基于图论的分割算法(例如GraphCut、GrabCut、Random Walk等)。需要说明的是,上述分割区域可以是一个,也可以是多个。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤生成分割区域:
第一步,将待处理图像输入至预先训练的图像分割模型,生成与待处理图像对应的预设数目个预分割区域。
在这些实现方式中,上述图像分割模型可以用于表征待处理图像与预设数目个预分割区域之间的对应关系。上述图像分割模型可以是通过机器学习方法训练得到的。
基于上述可选的实现方式,可选地,上述预设数目个预分割区域可以包括第一预分割区域、第二预分割区域和第三预分割区域。上述第二预分割区域的轮廓可以位于上述第一预分割区域的轮廓与上述第三预分割区域的轮廓之间。上述第一预分割区域的轮廓可以位于上述第三预分割区域的轮廓外部。从而,上述第一预分割区域的范围可以涵盖上述第二预分割区域。上述第二预分割区域的范围可以涵盖上述第三预分割区域。
基于上述可选的实现方式,可选地,上述图像分割模型通过如下步骤训练得到:
S1、获取训练样本集合,
在这些实现方式中,用于训练上述图像分割模型的执行主体可以通过各种方式获取训练样本集合。其中,上述训练样本可以包括样本待处理图像和对应的预设数目个已分割区域的样本二值图像。
实践中,上述训练样本集合可以通过多种方式得到。作为示例,可以将针对有折皱的纸质发票的拍摄图像作为样本待处理图像。而后,由技术人员针对发票中的表格定义预设数目组区域。例如,发票中表格最外边框所围成的第一区域,除去最上和最下一行表格的剩余表格区域作为第二区域,从第二区域中选取表格边框所围成的子区域作为第三区域。之后,采用各种分割算法对上述预设数目组区域进行图像分割,从而生成上述样本待处理图像对应的预设数目个已分割区域的样本二值图像。
S2、将训练样本集合中的训练样本的样本待处理图像作为输入,将与输入的样本待处理图像对应的预设数目个已分割区域的样本二值图像作为期望输出,训练得到图像分割模型。
在这些实现方式中,上述执行主体可以将训练样本集合中的训练样本的样本待处理图像作为初始模型的输入,得到该训练样本的预设数目个已分割的二值图像。其中,上述初始模型可以包括各种深度卷积神经网络(Deep Convolutional Neural Networks,DCNNs),例如DeepLab模型。然后,可以根据所得到的预设数目个已分割的二值图像与该训练样本的各已分割区域的样本二值图像之间的差异程度调整上述初始模型的结构参数,并在满足预设的训练结束条件的情况下,结束训练。最后,将训练得到的初始模型确定为上述图像分割模型。
需要说明的是,上述预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异程度小于预设的差异阈值;测试集上的准确率达到预设的准确率阈值;测试集上的覆盖率达到预设的覆盖率阈值。
值得注意的是,上述训练步骤的执行主体可以与用于处理图像的方法的执行主体相同或者不同。如果相同,则上述训练步骤的执行主体可以在训练得到图像分割模型后将训练好的图像分割模型的网络结构和参数值存储在本地。如果不同,则上述训练步骤的执行主体可以在训练得到图像分割模型后将训练好的图像分割模型的网络结构和参数值发送给用于处理图像的方法的执行主体。
第二步,从预设数目个预分割区域中确定分割区域。
在这些实现方式中,上述执行主体可以通过各种方式从上述第一步所生成的预设数目个预分割区域中确定分割区域。其中,上述分割区域可以包括完整分割区域。作为示例,上述执行主体可以首先从所生成的预设数目个预分割区域中选取完整分割区域(例如分割区域所对应的分割点均位于待处理图像的轮廓之内)作为准分割区域。而后,上述执行主体可以从上述准分割区域中按照面积由大到小的顺序选取目标数目个准分割区域作为上述分割区域。其中,上述目标数目可以是预先指定的任意数目,也可以是根据规则而定的数目,例如上述准分割区域的数目的50%。
基于上述可选的实现方式,可选地,上述执行主体还可以按照如下步骤从上述预设数目个预分割区域中确定分割区域:
S1、按照从外到内的顺序从预设数目个预分割区域中选取预分割区域,以及执行以下确定步骤:确定所选取的预分割区域对应的分割点是否位于待处理图像的边缘;响应于确定所选取的预分割区域对应的分割点未位于待处理图像的边缘,将所选取的预分割区域确定为分割区域。
基于上述可选的实现方式,上述按照从外到内的顺序从预设数目个预分割区域中选取预分割区域即按照第一预分割区域、第二预分割区域、第三预分割区域的顺序。上述预分割区域对应的分割点可以包括顶点(例如待处理图像中表格边框所对应的四个顶点)。
S2、响应于确定所选取的预分割区域对应的分割点位于待处理图像的边缘,确定预设数目个预分割区域中是否存在未被选取的预分割区域;响应于确定存在,按照从外到内的顺序选取下一个预分割区域,以及继续执行上述确定步骤。
基于上述可选的实现方式,上述执行主体可以选取面积较大的完整区域作为分隔区域,从而提升图像矫正的效果。
基于上述可选的实现方式,可选地,响应于确定预设数目个预分割区域中不存在未被选取的预分割区域,上述执行主体可以确定此次图像分割失败。可选地,上述执行主体还可以重新将待处理图像输入至预先训练的图像分割模型,生成与待处理图像对应的预设数目个预分割区域,并继续执行后续步骤以重新进行图像分割。可选地,上述执行主体还可以确定重新分割的次数是否大于预设阈值(例如2)。响应于确定重新分割的次数大于上述预设阈值,上述执行主体可以发送表征上述待处理图像不具有可矫正性的信息。
步骤203,基于分割区域的轮廓,生成目标外接多边形。
在本实施例中,基于步骤202所生成的至少一个分割区域的轮廓,上述执行主体可以通过各种方式生成目标外接多边形。作为示例,上述执行主体可以从步骤202所生成的至少一个分割区域中选取面积最大的分割区域,生成最小外接多边形作为上述目标外接多边形。其中,上述外接多边形通常可以包括但不限于矩形、梯形、正六边形等。
步骤204,根据目标外接多边形的顶点的位置,确定待处理图像的关键点。
在本实施例中,上述执行主体可以根据上述步骤203所生成的目标外接多边形的顶点的位置,通过各种方式确定上述待处理图像的关键点。作为示例,上述执行主体首先可以分别确定上述目标外接多边形的各顶点到其所对应的分割区域的轮廓的距离。而后,上述执行主体可以从所确定的距离中选取最短的四个距离各自对应的轮廓上的点作为上述待处理图像的关键点。
步骤205,根据关键点对待处理图像进行透视变换,生成处理后图像。
在本实施例中,上述执行主体可以根据步骤204所确定的关键点,采用各种方法对待处理图像进行透视变换,从而生成处理后图像。具体地,上述执行主体可以首先根据标准图像(例如无形变的纸质发票图像)中对应的关键点和上述待处理图像的关键点计算透视变换矩阵。之后,上述执行主体可以利用计算出的透视变换矩阵对上述待处理图像进行透视变换,生成处理后图像即为对非刚性形变的文档图像进行矫正后的图像。
继续参见图3a,图3a是根据本公开的实施例的用于处理图像的方法的应用场景的一个示意图。在图3a的应用场景中,用户301使用终端设备302对具有折皱的发票进行拍摄,并将所拍摄的图像作为待处理图像303发送至后台服务器304。继续参见图3b,后台服务器304首先对待处理图像303进行分割,生成图示3031中ABDC所形成的区域。而后,根据ABDC所形成的区域的轮廓,生成图示3032中的外接矩形A’B’D’C’。接下来,根据外接矩形A’B’D’C’的各顶点位置,后台服务器304确定待处理图像303的关键点为点A’、点B’、点C’和点D’。最后,后台服务器304根据上述关键点对待处理图像303进行透视变换,生成处理后图像305。可选地,继续参见图3a,服务器304还可以将处理后图像305发送至终端设备302。从而,用户301可以通过终端设备302获知经过矫正后的发票图像。
目前,现有技术之一通常是通过检测图像边缘的直线来确定透视变换操作的关键点,由于非刚性形变的文档图像可能检测到大于四条直线,从而导致依据图像边缘直线检测的方式所确定的顶点计算存在较大偏差,进而影响图像矫正的准确性。而本公开的上述实施例提供的方法,通过根据分割区域的轮廓生成外接多边形,并根据外接多边形顶点的位置确定待处理图像的关键点,可以更多地体现非刚性形变的细节特征。从而可以减小由于仅检测边缘直线而带来的偏差,有助于关键点的确定,进而提升图像矫正的准确度。进一步地,还可以为OCR(optical character recognition,光学字符识别)技术的应用和版面分析提供数据基础。
进一步参考图4,其示出了用于处理图像的方法的又一个实施例的流程400。该用于处理图像的方法的流程400,包括以下步骤:
步骤401,获取非刚性形变的文档图像作为待处理图像。
步骤402,对待处理图像进行分割,生成分割区域。
步骤403,根据分割区域的轮廓,生成连通域集合。
在本实施例中,用于处理图像的方法的执行主体(例如图1所示的服务器105)可以根据步骤402所生成的分割区域的轮廓,通过各种方式生成连通域集合。其中,上述连通域集合中的连通域可以与上述分割区域的轮廓相对应。
步骤404,从连通域集合中选取面积最大的连通域作为目标连通域。
在本实施例中,上述执行主体可以从步骤403所生成的连通域集合中选取面积最大的连通域作为目标连通域。
步骤405,确定目标连通域的最小外接多边形。
在本实施例中,上述执行主体可以通过各种方式确定上述步骤404所选取的目标连通域的最小外接多边形。其中,上述最小外接多边形可以包括但不限于以下至少一项:矩形,梯形,正六边形等。
步骤406,基于最小外接多边形生成目标外接矩形作为目标外接多边形。
在本实施例中,基于步骤405所确定的最小外接多边形,上述执行主体可以通过各种方式生成目标外接矩形。作为示例,上述执行主体可以直接将所确定的最小外接矩形确定为上述目标外接矩形。
在本实施例的一些可选的实现方式中,上述最小外接多边形可以包括最小外接矩形。基于最小外接矩形,上述执行主体可以按照如下步骤生成目标外接矩形作为目标外接多边形:
第一步,根据最小外接矩形的宽和高,按照比例进行扩展以生成扩展矩形。
在这些实现方式中,根据最小外接矩形的宽和高,上述执行主体还可以按照比例进行扩展。作为示例,上述执行主体可以保持原来的宽高比对上述最小外接矩形进行扩展,生成扩展矩形。其中,上述扩展的中心可以是上述最小外接矩形的中心,也可以是上述最小外接矩形的顶点,在此不作限定。可选地,上述执行主体还可以将所生成的扩展矩形进行平移,以改变上述扩展矩形与上述分割区域的轮廓之间的相对位置。
第二步,响应于确定扩展矩形未超出待处理图像的图像区域,将扩展矩形确定为目标外接多边形。
基于上述可选的实现方式,响应于确定上述第一步所生成的扩展矩形未超出待处理图像的图像区域,即上述扩展矩形所对应的区域为待处理图像的图像区域的子集,上述执行主体可以将上述扩展矩形确定为上述目标外接多边形。可选地,响应于确定平移后的扩展矩形未超出待处理图像的图像区域,上述执行主体可以将平移后的扩展矩形确定为目标外接多边形。
步骤407,根据目标外接多边形的顶点的位置,确定待处理图像的关键点。
在本实施例的一些可选的实现方式中,基于上述最小外接多边形可以包括最小外接矩形,上述执行主体还可以按照如下步骤确定待处理图像的关键点:
第一步,根据目标连通域生成凸包。
基于上述可选的实现方式,根据目标连通域,上述执行主体可以通过各种方式生成凸包。
第二步,从凸包上选取距离目标外接多边形的各顶点位置最近的点作为关键点。
基于上述可选的实现方式,上述执行主体可以遍历上述第一步所生成的凸包上的点,分别计算距离上述目标外接多边形各顶点的距离。而后,上述执行主体可以将距离某个顶点最近的凸包上的点确定为关键点之一,从而得到与目标外接多边形顶点数目相同的关键点。
步骤408,根据关键点对待处理图像进行透视变换,生成处理后图像。
上述步骤401、步骤402、步骤407、步骤408分别与前述实施例中的步骤201、步骤202、步骤204、步骤205及其可选的实现方式一致,上文针对步骤201、步骤202、步骤204和步骤205及其可选的实现方式的描述也适用于步骤401、步骤402、步骤407和步骤408,此处不再赘述。
从图4中可以看出,本实施例中的用于处理图像的方法的流程400细化了基于分割区域的轮廓,生成目标外接多边形的步骤。由此,本实施例描述的方案可以根据所生成的面积最大的连通域来生成目标外接多边形。通过选取面积最大的连通域能够实现最大限度地保证待处理图像的矫正范围,进而提升了图像矫正的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于处理图像的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于处理图像的装置500包括获取单元501、分割单元502、第一生成单元503、确定单元504和第二生成单元505。其中,获取单元501,被配置成获取非刚性形变的文档图像作为待处理图像;分割单元502,被配置成对待处理图像进行分割,生成分割区域;第一生成单元503,被配置成基于分割区域的轮廓,生成目标外接多边形;确定单元504,被配置成根据目标外接多边形的顶点的位置,确定待处理图像的关键点;第二生成单元505,被配置成根据关键点对待处理图像进行透视变换,生成处理后图像。
在本实施例中,用于处理图像的装置500中:获取单元501、分割单元502、第一生成单元503、确定单元504和第二生成单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述分割单元502可以包括:第一生成模块(图中未示出)、第一确定模块(图中未示出)。其中,上述第一生成模块,可以被配置成将待处理图像输入至预先训练的图像分割模型,生成与待处理图像对应的预设数目个预分割区域。其中,图像分割模型可以用于表征待处理图像与预设数目个预分割区域之间的对应关系。上述第一确定模块,可以被配置成从预设数目个预分割区域中确定分割区域。其中,上述分割区域可以包括完整分割区域。
在本实施例的一些可选的实现方式中,上述预设数目个预分割区域可以包括第一预分割区域、第二预分割区域和第三预分割区域。上述第二预分割区域的轮廓可以位于上述第一预分割区域的轮廓与上述第三预分割区域的轮廓之间。上述第一预分割区域的轮廓可以位于上述第三预分割区域的轮廓外部。上述第一确定模块可以包括:第一确定子模块(图中未示出)、第二确定子模块(图中未示出)。其中,上述第一确定子模块,可以被配置成按照从外到内的顺序从预设数目个预分割区域中选取预分割区域,以及执行以下确定步骤:确定所选取的预分割区域对应的分割点是否位于待处理图像的边缘;响应于确定所选取的预分割区域对应的分割点未位于待处理图像的边缘,将所选取的预分割区域确定为分割区域。上述第二确定子模块,可以被配置成响应于确定所选取的预分割区域对应的分割点位于待处理图像的边缘,确定预设数目个预分割区域中是否存在未被选取的预分割区域;响应于确定存在,按照从外到内的顺序选取下一个预分割区域,以及继续执行上述确定步骤。
在本实施例的一些可选的实现方式中,上述图像分割模型可以通过如下步骤训练得到:获取训练样本集合。其中,训练样本可以包括样本待处理图像和对应的预设数目个已分割区域的样本二值图像。将训练样本集合中的训练样本的样本待处理图像作为输入,将与输入的样本待处理图像对应的预设数目个已分割区域的样本二值图像作为期望输出,训练得到图像分割模型。
在本实施例的一些可选的实现方式中,上述第一生成单元503可以包括:第一生成子单元(图中未示出)、选取子单元(图中未示出)、确定子单元(图中未示出)、第二生成子单元(图中未示出)。其中,上述第一生成子单元,可以被配置成根据分割区域的轮廓,生成连通域集合。上述选取子单元,可以被配置成从连通域集合中选取面积最大的连通域作为目标连通域。上述确定子单元,可以被配置成确定目标连通域的最小外接多边形。上述第二生成子单元,可以被配置成基于最小外接多边形生成目标外接矩形作为目标外接多边形。
在本实施例的一些可选的实现方式中,上述最小外接多边形可以包括最小外接矩形。上述第二生成子单元可以包括:扩展模块(图中未示出)、第二确定模块(图中未示出)。其中,上述扩展模块,可以被配置成根据最小外接矩形的宽和高,按照比例进行扩展以生成扩展矩形。上述第二确定模块,可以被配置成响应于确定扩展矩形未超出待处理图像的图像区域,将扩展矩形确定为目标外接矩形。
在本实施例的一些可选的实现方式中,上述确定单元504可以包括:第二生成模块(图中未示出)、选取模块(图中未示出)。其中,上述第二生成模块,可以被配置成根据目标连通域生成凸包。上述选取模块,可以被配置成从凸包上选取距离目标外接多边形的各顶点位置最近的点作为关键点。
本公开的上述实施例提供的装置,首先通过获取单元501获取非刚性形变的文档图像作为待处理图像。而后,分割单元502对待处理图像进行分割,生成分割区域。接下来,第一生成单元503基于分割区域的轮廓,生成目标外接多边形。之后,确定单元504根据目标外接多边形的顶点的位置,确定待处理图像的关键点。最后,第二生成单元根据关键点对待处理图像进行透视变换,生成处理后图像。从而可以更多地体现非刚性形变的细节特征,有助于关键点的确定,进而实现了图像矫正准确度的提升。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的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、PAD(平板电脑)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6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD,LiquidCrystal Display)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所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。在本公开的实施例中,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。而在本公开的实施例中,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(Radio Frequency,射频)等等,或者上述的任意合适的组合。
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:获取非刚性形变的文档图像作为待处理图像;对待处理图像进行分割,生成分割区域;基于分割区域的轮廓,生成目标外接多边形;根据目标外接多边形的顶点的位置,确定待处理图像的关键点;根据关键点对待处理图像进行透视变换,生成处理后图像。
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实施例的操作的计算机程序代码,所述程序设计语言包括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,图示了按照本公开的各种实施例的系统、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。
描述于本公开的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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、分割单元、第一生成单元、确定单元、第二生成单元。其中,这些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,获取单元还可以被描述为“获取非刚性形变的文档图像作为待处理图像的单元”。
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,本公开的实施例中所涉及的发明范围,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发明构思的情况下,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的实施例中公开的(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。