CN111104936A - 文本图像识别方法、装置、设备及存储介质 - Google Patents
文本图像识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111104936A CN111104936A CN201911133872.4A CN201911133872A CN111104936A CN 111104936 A CN111104936 A CN 111104936A CN 201911133872 A CN201911133872 A CN 201911133872A CN 111104936 A CN111104936 A CN 111104936A
- Authority
- CN
- China
- Prior art keywords
- text
- pixel point
- pixel
- pixel points
- recognized
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Character Input (AREA)
Abstract
本公开提供了一种文本图像识别方法、装置、设备及存储介质,涉及图像识别技术领域。该方法包括:获取待识别文本图像,待识别图像中包含文本;基于待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;分别计算各像素点到各类中心的距离;基于各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中;以及基于与文本的预设特征值对应的类别中的所有像素点,识别出文本。该方法能够将图像中的文本及其边缘清晰地分割出来,保持文本的完整性。
Description
技术领域
本公开涉及图像识别技术领域,尤其涉及一种文本图像识别方法、装置、设备及存储介质。
背景技术
对于在自然场景下人为拍摄的文本图像照片,会出现一定程度的文字印章压盖、模糊褶皱等情况,这些情况对文本图像的OCR(Optical Character Recognition,光学字符识别)造成了困难。
相关技术中的文本图像识别方法,对于模糊或者具有文字印章压盖的文本图像,由于文字边缘与文字主体颜色略有差异,往往不能保证文本的完整性,识别效果较差。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种文本图像识别方法、装置、设备及存储介质,能够将图像中的文本及其边缘清晰地分割出来,保持文本的完整性。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种文本图像识别方法,包括:获取待识别文本图像,所述待识别图像中包含文本;基于所述待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;分别计算各像素点到各类中心的距离;基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中;以及基于与所述文本的预设特征值对应的类别中的所有像素点,识别出所述文本。
在本公开一个实施例中,基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中包括:分别对各像素点执行如下操作:确定出所述像素点到各类中心的距离中的最小值;将所述像素点归属到所述最小值对应的类别中;分别计算所述最小值与所述像素点到其他类中心的各距离的比值;分别将各比值与预设系数进行比较;以及当所述比值大于或等于所述系数时,将所述像素点归属到与所述比值对应的类别中。
在本公开一个实施例中,所述预设特征值为颜色特征值。
在本公开一个实施例中,基于与所述文本颜色对应的类别中的所有像素点,识别出所述文本包括:将所述待识别图像中,不属于与所述文本颜色对应的类别中的所有像素点替换为预定颜色的像素点,以识别出所述文本。
在本公开一个实施例中,对所述待识别文本图像包含的像素点进行聚类,并确定各类别的类中心包括:基于kmeans方法,对所述待识别文本图像包含的像素点进行聚类,并确定各类别的类中心。
在本公开一个实施例中,各像素点到各类中心的距离为欧式距离,由以下公式确定:
其中,d为两个像素点i和j之间的欧氏距离,ri,gi,bi分别为像素点i的红色分量、绿色分量及蓝色分量的像素值,rj,gj,bj为像素点j的红色分量、绿色分量及蓝色分量的像素值。
在本公开一个实施例中,其中所述类别的数量基于所述待识别文本图像包含颜色的数量确定。
根据本公开的另一个方面,提供一种文本图像识别装置,包括:图像获取模块,用于获取待识别文本图像,所述待识别图像中包含文本;像素点聚类模块,用于基于所述待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;距离计算模块,用于分别计算各像素点到各类中心的距离;像素点归类模块,用于基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中;以及文本识别模块,用于基于与所述文本的预设特征值对应的类别中的所有像素点,识别出所述文本。
根据本公开的再一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述的文本图像识别方法。
根据本公开的又一个方面,提供一种如计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的文本图像识别方法。
本公开的实施例所提供的文本图像识别方法,基于预设特征值,分别对各像素点进行聚类并确定各类别的类中心,通过计算各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中,根据预设特征值对应类别中的所有像素点,识别出文本。该方法能够将图像中的文本及其边缘清晰地分割出来,保持文本的完整性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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是根据一示例示出的一个待识别文本图像的示意图。
图2是根据一示例性实施方式示出的一种文本图像识别方法流程图。
图3是根据相关技术中的文本图像识别方法识别出的文本图像。
图4是根据本公开实施例中一种文本图像识别方法识别出的文本图像。
图5是根据一示例性实施方式示出的另一种文本图像识别方法流程图。
图6是根据一示例性实施方式示出的另一种文本图像识别方法流程图。
图7是根据一示例性实施方式示出的一种文本图像识别装置的框图。
图8是根据一示例性实施方式示出的一种电子设备的结构示意图。
图9是根据一示例性实施方式示出的一种计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面,将结合附图及实施例对本示例实施方式中的文本图像识别方法方法的各个步骤进行更详细的说明。
图1是根据一示例示出的一个待识别文本图像的示意图。
图1所示的文本图像为票据的一部分,该票据中有部分文字被印章压盖,该印章为红色,图像中的文字为黑色,均与图像的背景颜色不同。
图2是根据一示例性实施方式示出的一种文本图像识别方法流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行。
如图2所示,文本图像识别方法20包括:
在步骤S21中,获取待识别文本图像,待识别图像中包含文本。
待识别文本图像例如可以是如图1所示的文本图像,其中包含文本。
在步骤S22中,基于待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心。
在一些实施例中,预设特征值如可以为颜色特征值。可以使用各像素点的RGB像素值为特征值,对每个像素点进行聚类,确定每个类别的类中心。
当预设特征值为颜色特征值时,类别的数量例如可以基于待识别文本图像包含的颜色的数量确定。如图1所示的文本图像,包含3种颜色:印章的红色、文字的黑色和背景颜色,在对图1所示的文本图像进行识别时,可以将类别数量确定为3,然后对各像素点进行聚类,分别确定出这3个类别的类中心。
预设特征值也可以是基于待识别文本图像的其他特征属性设置的,例如图像的对比度、饱和度、光照等特征属性。相应地,类别的数量可以基于对应的特征属性进行设定,如根据图像的对比度特征值设定、或根据图像的饱和度特征值设定、或根据图像的光照特征值设定等。
在步骤S23中,分别计算各像素点到各类中心的距离。
为了对各像素点进行聚类,先计算出各像素点到各类中心的距离。
仍以识别图1所示的文本图像为例,分别计算出各像素点到3个类中心的距离。
在一些实施例中,仍以预设特征值为颜色特征值为例,各像素点到各类中心的距离可以是欧式距离,由以下公式确定:
其中,d为两个像素点i和j之间的欧氏距离,ri,gi,bi分别为像素点i的红色分量、绿色分量及蓝色分量的像素值,rj,gj,bj为像素点j的红色分量、绿色分量及蓝色分量的像素值。
本领域技术人员应理解的是,虽然上述以预设特征值为颜色特征值为例,但如果预设特征值为上述的其他特征属性时,相应地可以计算出各像素点到各类中心的距离。
在步骤S24中,基于各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中。
仍以识别图1所述的文本图像为例,且预设特征值为颜色特征值,根据计算出的各像素点到3个类中心的距离,分别将各像素点归属到至少一个类别中,其中,一个像素点可以属于1个类中心,也可以属于2个或3个类中心。如对于印章压盖文字的像素点,将归属到2个类中心中。
在步骤S25中,基于与文本的预设特征值对应的类别中的所有像素点,识别出文本。
仍以预设特征值为颜色特征值为例,根据文本颜色特征值可以确定文本对应的类别,将该类别中的所有像素点在原文本图像中显示出来,以识别出文本。
在一些实施例中,可以将待识别图像中不属于与文本颜色对应的类别中的所有像素点替换为预定颜色的像素点。其中,预定颜色例如可以为纯白色,也可以为待识别图像中的背景颜色。
仍以识别图1所示的文本图像为例,预设特征值可以设为文字的颜色:黑色,将黑色对应的类别中的所有像素点在原文本图像中显示出来,其余的不属于该类别的像素点用纯白像素点替换,这样就可以得到识别后的文本,如图4所示。
图3是根据相关技术中的文本图像识别方法识别出的文本图像。图4是根据本公开实施例中一种文本图像识别方法识别出的文本图像。通过比较图3和图4的识别效果,可以看出,图3不能很好地完整识别出文本,尤其是在文本和印章压盖的像素区域;而本公开的文本图像识别方法克服了以上困难,即使存在多种不同颜色压盖的情况,也能够将文本有效的完整的识别出来。
本公开的实施例所提供的文本图像识别方法,基于预设特征值,分别对各像素点进行聚类并确定各类别的类中心,通过计算各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中,根据预设特征值对应类别中的所有像素点,识别出文本。该方法能够将图像中的文本及其边缘清晰地分割出来,保持文本的完整性。
应清楚地理解,本发明描述了如何形成和使用特定示例,但本发明的原理不限于这些示例的任何细节。相反,基于本发明公开的内容的教导,这些原理能够应用于许多其它实施方式。
图5是根据一示例性实施方式示出的另一种文本图像识别方法流程图。与图2所示的方法20不同之处在于,图5进一步提供了如何基于各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中,也即图5所示的方法,进一步提供了对图2中步骤S24的实施例。
参考图5,步骤S24包括:
在步骤S241中,分别对各像素点执行步骤S2411-S2415的操作。
在步骤S2411中,确定出像素点到各类中心的距离中的最小值。
在计算出像素点到各类中心的距离后,通过比较各距离的大小,确定出该像素点到各类中心的距离的最小值。
在计算出像素点到各类中心的距离后,也可以对距离按照从小到大的顺序进行排序,然后确定出该像素点到各类中心的距离的最小值。
在步骤S2412中,将该像素点归属到最小值对应的类别中。
该像素点属于与其距离最小的类中心对应的类别,即一个像素点至少属于一个类,通过后续步骤,该像素点还可以属于其他类别。
在步骤S2413中,分别计算最小值与该像素点到其他类中心的各距离的比值。
若分类的类别数为N,那么类中心就有N个,分别计算最小距离值和其他N-1个类中心的距离的N-1个比值。
在步骤S2414中,分别将各比值与预设系数进行比较。
将上述N-1个比值与预设系数进行比较。
预设系数例如可以是0.8,也可以根据具体情况设置。
在步骤S2415中,当比值大于或等于系数时,将该像素点归属到与比值对应的类别中。
该像素点除了属于与其距离最小的类中心对应的类别,还可以属于其他类别中。
重复上述步骤S2411-S2415,对待识别文本图像的所有像素点进行类别划分,每个像素点可能属于一个类或多个类。
图6是根据一示例性实施方式示出的另一种文本图像识别方法流程图。与图2所示的方法20不同之处在于,图6进一步提供了如何对待识别文本图像包含的像素点进行聚类,并确定各类别的类中心,也即图6所示的方法,进一步提供了对图2中步骤S22的实施例。
参考图6,步骤S22包括:
在步骤S222中,基于kmeans方法,对待识别文本图像包含的像素点进行聚类,并确定各类别的类中心。
Kmeans(K均值聚类算法)具体的算法流程如下:
(1)从待识别文本图像中所有的像素点D={x1,x2,…,xm}随机选取n个像素点的RGB值作为初始类中心,选取的初始类中心记为C1,C2,…,Cn;
(2)对于每个像素点,计算其RGB值与每个类中心C1,C2,…,Cn的欧氏距离,选择与该像素点的欧氏距离最小的初始类中心Ci(1≤i≤n);
(3)更新各个类中心,其计算表达式为:C’i=mean(x,x∈Ci),其中,C’i为Ci更新后的类别中心,x为属于类中心Ci的全部像素点;
(4)重复步骤(2)和(3)直至所有的类中心均不再更新。
基于kmeans方法,可以对待识别图像中的像素点进行聚类,并确定出各类别的类中心,以便于后续计算各像素点到各类中心的距离。
需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图7是根据一示例性实施方式示出的一种文本图像识别装置的框图。
参考图7,文本图像识别装置70包括:图像获取模块702、像素点聚类模块704、距离计算模块706、像素点归类模块708及文本识别模块710。
其中,图像获取模块702用于获取待识别文本图像,其中,待识别图像中包含文本。
像素点聚类模块704用于基于待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心。
距离计算模块706用于分别计算各像素点到各类中心的距离。
像素点归类模块708用于基于各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中。
文本识别模块710用于基于与文本的预设特征值对应的类别中的所有像素点,识别出文本。
在一些实施例中,像素点归类模块708包括像素点处理模块,用于分别对各像素点执行操作。像素点处理模块包括:最小值确定模块,用于确定出像素点到各类中心的距离中的最小值;第一归类模块,用于将像素点归属到最小值对应的类别中;比值计算模块,用于分别计算最小值与像素点到其他类中心的各距离的比值;数值比较模块,用于分别将各比值与预设系数进行比较;以及第二归类模块,用于当比值大于或等于系数时,将像素点归属到与比值对应的类别中。
在一些实施例中,预设特征值为颜色特征值。
在一些实施例中,像素点聚类模块704包括像素点替换模块,用于将待识别图像中,不属于与文本颜色对应的类别中的所有像素点替换为预定颜色的像素点,以识别出文本。
在一些实施例中,像素点聚类模块704包括聚类模块,用于基于kmeans方法,对待识别文本图像包含的像素点进行聚类,并确定各类别的类中心。
在一些实施例中,各像素点到各类中心的距离为欧式距离,由以下公式确定:
其中,d为两个像素点i和j之间的欧氏距离,ri,gi,bi分别为像素点i的红色分量、绿色分量及蓝色分量的像素值,rj,gj,bj为像素点j的红色分量、绿色分量及蓝色分量的像素值。
在一些实施例中,类别的数量基于待识别文本图像包含颜色的数量确定。
本公开的实施例所提供的文本图像识别装置,基于预设特征值,分别对各像素点进行聚类并确定各类别的类中心,通过计算各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中,根据预设特征值对应类别中的所有像素点,识别出文本。该装置能够将图像中的文本及其边缘清晰地分割出来,保持文本的完整性。
需要注意的是,上述附图中所示的框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元810可以执行如图2中所示的S1,获取待识别文本图像,待识别图像中包含文本;S2,基于待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;S3,分别计算各像素点到各类中心的距离;S4,基于各像素点到各类中心的距离,分别将各像素点归属到至少一个类别中;以及S5,基于与文本的预设特征值对应的类别中的所有像素点,识别出文本。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品900,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种文本图像识别方法,其特征在于,包括:
获取待识别文本图像,所述待识别图像中包含文本;
基于所述待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;
分别计算各像素点到各类中心的距离;
基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中;以及
基于与所述文本的预设特征值对应的类别中的所有像素点,识别出所述文本。
2.根据权利要求1所述的方法,其特征在于,基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中包括:分别对各像素点执行如下操作:
确定出所述像素点到各类中心的距离中的最小值;
将所述像素点归属到所述最小值对应的类别中;
分别计算所述最小值与所述像素点到其他类中心的各距离的比值;
分别将各比值与预设系数进行比较;以及
当所述比值大于或等于所述系数时,将所述像素点归属到与所述比值对应的类别中。
3.根据权利要求1或2所述的方法,其特征在于,所述预设特征值为颜色特征值。
4.根据权利要求3所述的方法,其特征在于,基于与所述文本颜色对应的类别中的所有像素点,识别出所述文本包括:
将所述待识别图像中,不属于与所述文本颜色对应的类别中的所有像素点替换为预定颜色的像素点,以识别出所述文本。
5.根据权利要求3所述的方法,其特征在于,对所述待识别文本图像包含的像素点进行聚类,并确定各类别的类中心包括:基于kmeans方法,对所述待识别文本图像包含的像素点进行聚类,并确定各类别的类中心。
7.根据权利要求3所述的方法,其特征在于,其中所述类别的数量基于所述待识别文本图像包含颜色的数量确定。
8.一种文本图像识别装置,其特征在于,包括:
图像获取模块,用于获取待识别文本图像,所述待识别图像中包含文本;
像素点聚类模块,用于基于所述待识别文本图像包含的各像素点的预设特征值,分别对各像素点进行聚类,并确定各类别的类中心;
距离计算模块,用于分别计算各像素点到各类中心的距离;
像素点归类模块,用于基于各像素点到各类中心的距离,分别将各像素点归属到至少一个所述类别中;以及
文本识别模块,用于基于与所述文本的预设特征值对应的类别中的所有像素点,识别出所述文本。
9.一种电子设备,包括:存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令,其特征在于,所述处理器执行所述可执行指令时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911133872.4A CN111104936A (zh) | 2019-11-19 | 2019-11-19 | 文本图像识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911133872.4A CN111104936A (zh) | 2019-11-19 | 2019-11-19 | 文本图像识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111104936A true CN111104936A (zh) | 2020-05-05 |
Family
ID=70420754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911133872.4A Pending CN111104936A (zh) | 2019-11-19 | 2019-11-19 | 文本图像识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104936A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257712A (zh) * | 2020-10-29 | 2021-01-22 | 湖南星汉数智科技有限公司 | 一种火车票图像摆正方法、装置、计算机装置及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136064A (zh) * | 2011-03-24 | 2011-07-27 | 成都四方信息技术有限公司 | 一种图像文字识别系统 |
CN103268481A (zh) * | 2013-05-29 | 2013-08-28 | 焦点科技股份有限公司 | 一种复杂背景图像中的文本提取方法 |
CN103336835A (zh) * | 2013-07-12 | 2013-10-02 | 西安电子科技大学 | 基于权值color-sift特征字典的图像检索方法 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
CN105740860A (zh) * | 2016-01-28 | 2016-07-06 | 河南大学 | 自然场景中商铺标牌汉字区域自动检测方法 |
CN106056159A (zh) * | 2016-06-03 | 2016-10-26 | 西安电子科技大学 | 基于Fisher Vector的图像精细分类方法 |
US20170004374A1 (en) * | 2015-06-30 | 2017-01-05 | Yahoo! Inc. | Methods and systems for detecting and recognizing text from images |
CN108154188A (zh) * | 2018-01-08 | 2018-06-12 | 天津大学 | 基于fcm的复杂背景下人工文本提取方法 |
CN109255355A (zh) * | 2018-05-28 | 2019-01-22 | 北京京东尚科信息技术有限公司 | 图像处理方法、装置、终端、电子设备及计算机可读介质 |
CN109871891A (zh) * | 2019-02-13 | 2019-06-11 | 深兰科技(上海)有限公司 | 一种物体识别方法、装置和存储介质 |
WO2019184503A1 (zh) * | 2018-03-31 | 2019-10-03 | 华为技术有限公司 | 一种数据处理方法、数据补偿方法及相关设备 |
-
2019
- 2019-11-19 CN CN201911133872.4A patent/CN111104936A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136064A (zh) * | 2011-03-24 | 2011-07-27 | 成都四方信息技术有限公司 | 一种图像文字识别系统 |
CN103268481A (zh) * | 2013-05-29 | 2013-08-28 | 焦点科技股份有限公司 | 一种复杂背景图像中的文本提取方法 |
CN103336835A (zh) * | 2013-07-12 | 2013-10-02 | 西安电子科技大学 | 基于权值color-sift特征字典的图像检索方法 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
US20170004374A1 (en) * | 2015-06-30 | 2017-01-05 | Yahoo! Inc. | Methods and systems for detecting and recognizing text from images |
CN105740860A (zh) * | 2016-01-28 | 2016-07-06 | 河南大学 | 自然场景中商铺标牌汉字区域自动检测方法 |
CN106056159A (zh) * | 2016-06-03 | 2016-10-26 | 西安电子科技大学 | 基于Fisher Vector的图像精细分类方法 |
CN108154188A (zh) * | 2018-01-08 | 2018-06-12 | 天津大学 | 基于fcm的复杂背景下人工文本提取方法 |
WO2019184503A1 (zh) * | 2018-03-31 | 2019-10-03 | 华为技术有限公司 | 一种数据处理方法、数据补偿方法及相关设备 |
CN109255355A (zh) * | 2018-05-28 | 2019-01-22 | 北京京东尚科信息技术有限公司 | 图像处理方法、装置、终端、电子设备及计算机可读介质 |
CN109871891A (zh) * | 2019-02-13 | 2019-06-11 | 深兰科技(上海)有限公司 | 一种物体识别方法、装置和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257712A (zh) * | 2020-10-29 | 2021-01-22 | 湖南星汉数智科技有限公司 | 一种火车票图像摆正方法、装置、计算机装置及计算机可读存储介质 |
CN112257712B (zh) * | 2020-10-29 | 2024-02-27 | 湖南星汉数智科技有限公司 | 一种火车票图像摆正方法、装置、计算机装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228703B (zh) | 图像问答方法、装置、系统和存储介质 | |
CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN110363121B (zh) | 指纹图像处理方法及装置、存储介质和电子设备 | |
CN111739027A (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
CN112990331A (zh) | 图像处理方法、电子设备和存储介质 | |
CN112906823A (zh) | 目标对象识别模型训练方法、识别方法及识别装置 | |
CN112308802A (zh) | 一种基于大数据的图像分析方法及系统 | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
CN112016560A (zh) | 覆盖文本识别方法、装置、电子设备及存储介质 | |
CN111027316A (zh) | 文本处理方法、装置、电子设备及计算机可读存储介质 | |
CN108665769B (zh) | 基于卷积神经网络的网络教学方法以及装置 | |
CN111104936A (zh) | 文本图像识别方法、装置、设备及存储介质 | |
CN111126372B (zh) | 视频中logo区域的标记方法、装置及电子设备 | |
CN116229188A (zh) | 图像处理显示方法、分类模型的生成方法及其设备 | |
CN115205763B (zh) | 视频处理方法及设备 | |
CN104093010B (zh) | 一种图像处理方法及装置 | |
CN114741697B (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
CN113191364B (zh) | 车辆外观部件识别方法、装置、电子设备和介质 | |
CN114332529A (zh) | 图像分类模型的训练方法、装置、电子设备及存储介质 | |
CN114663418A (zh) | 图像处理的方法及装置、存储介质及电子设备 | |
CN113609833A (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
CN115761389A (zh) | 图像样本的增广方法、装置、电子设备及存储介质 | |
CN113626075A (zh) | 相似代码检测方法、装置、设备和计算机存储介质 | |
CN111046933A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
Kawano et al. | TAG: Guidance-free Open-Vocabulary Semantic Segmentation |
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 |