CN112381081A - 公章文字自动识别方法、装置、计算机设备及存储介质 - Google Patents

公章文字自动识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112381081A
CN112381081A CN202011279374.3A CN202011279374A CN112381081A CN 112381081 A CN112381081 A CN 112381081A CN 202011279374 A CN202011279374 A CN 202011279374A CN 112381081 A CN112381081 A CN 112381081A
Authority
CN
China
Prior art keywords
image
official seal
target
processed
character
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
Application number
CN202011279374.3A
Other languages
English (en)
Inventor
王家桢
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.)
OneConnect Smart Technology Co Ltd
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
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 OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202011279374.3A priority Critical patent/CN112381081A/zh
Publication of CN112381081A publication Critical patent/CN112381081A/zh
Pending legal-status Critical Current

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Character Input (AREA)

Abstract

本发明公开一种公章文字自动识别方法、装置、计算机设备及存储介质，该公章文字自动识别方法获取包含公章的待处理图像；对所述待处理图像进行扣图处理，得到目标公章图像；对所述目标公章图像进行拉伸处理，得到矩形图像，所述矩形图像包括非公章对应的目标色彩区域；获取所述目标色彩区域的重心坐标，根据所述重心坐标对所述矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像；对所述第一裁剪图像和所述第二裁剪图像进行拼接，得到目标文字图像；采用文字识别模型对目标文字图像进行识别，得到公章文字，实现智能获取公章文字，提高工作效率。

Description

公章文字自动识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及图像识别领域，尤其涉及一种公章文字自动识别方法、装置、计算机设备及存储介质。
背景技术
在各种金融和非金融业务中，经常需要对加盖文件上的公章进行识别，由于公章的形状是圆形的，其文字的排版是弧形的，无法使用现有的模型实现自动化识别，常常需要人工进行辨认，工作效率低。
发明内容
本发明实施例提供一种公章文字自动识别方法、装置、计算机设备及存储介质，以解决公章文字无法自动识别问题。
一种公章文字自动识别方法，包括：
获取包含公章的待处理图像；
对所述待处理图像进行扣图处理，得到目标公章图像；
对所述目标公章图像进行拉伸处理，得到矩形图像，所述矩形图像包括非公章对应的目标色彩区域；
获取所述目标色彩区域的重心坐标，根据所述重心坐标对所述矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像；
对所述第一裁剪图像和所述第二裁剪图像进行拼接，得到目标文字图像；
采用文字识别模型对目标文字图像进行识别，得到公章文字。
一种公章文字自动识别装置，包括：
待处理图像获取模块，用于获取包含公章的待处理图像；
扣图处理模块，用于对所述待处理图像进行扣图处理，得到目标公章图像；
拉伸处理模块，用于对所述目标公章图像进行拉伸处理，得到矩形图像，所述矩形图像包括非公章对应的目标色彩区域；
裁剪模块，用于获取所述目标色彩区域的重心坐标，根据所述重心坐标对所述矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像；
拼接模块，用于对所述第一裁剪图像和所述第二裁剪图像进行拼接，得到目标文字图像；
公章文字获取模块，用于采用文字识别模型对目标文字图像进行识别，得到公章文字。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中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上述公章文字自动识别方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述公章文字自动识别方法的步骤。
上述公章文字自动识别方法、装置、计算机设备及存储介质，对待处理图像进行扣图处理，得到目标公章图像，以排除干扰因素，确保后续可以识别得到准确的文字信息。对目标公章图像进行拉伸处理，得到矩形图像，矩形图像包括非公章对应的目标色彩区域，使得弧形的公章文字转换为便于识别的方正的公章文字，以提高后续的识别准确率。获取目标色彩区域的重心坐标，根据重心坐标对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像，方法便捷高效，为后续快速得到公章文字的准确顺序提供技术支持。对第一裁剪图像和第二裁剪图像进行拼接，得到目标文字图像，以便公章文字的准确顺序。采用文字识别模型对目标文字图像进行识别，得到公章文字，实现智能获取公章文字，提高工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中公章文字自动识别方法的一应用环境示意图；
图2是本发明一实施例中公章文字自动识别方法的一流程图；
图3是本发明一实施例中公章文字自动识别方法的另一流程图；
图4是本发明一实施例中公章文字自动识别方法的另一流程图；
图5是本发明一实施例中公章文字自动识别方法的另一流程图；
图6是本发明一实施例中公章文字自动识别方法的另一流程图；
图7是本发明一实施例中公章文字自动识别方法的另一流程图；
图8是本发明一实施例中公章文字自动识别方法的另一流程图；
图9是本发明一实施例中公章文字自动识别装置的一原理框图；
图10是本发明一实施例中计算机设备的一示意图。
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作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。
本发明实施例提供的公章文字自动识别方法，该公章文字自动识别方法可应用如图1所示的应用环境中。具体地，该公章文字自动识别方法应用在公章文字自动识别系统中，该公章文字自动识别系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于实现对文档的公章进行公章文字自动识别，提高工作效率。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种公章文字自动识别方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S201：获取包含公章的待处理图像。
其中，待处理图像是利用客户端采集到的未经处理的包含公章的图像。
公章是机关、团体或者企事业单位使用的印章，公章中包含机关、团体或者企事业单位的文字信息和图形等。例如，公章中包含机关、团体或者企事业单位的名称等文字信息。
本实施例中，用户在客户端上点击摄像按键拍摄印有公章的文档，以得到包含公章文字的待处理图像。
S202：对待处理图像进行扣图处理，得到目标公章图像。
其中，目标公章图像是对待处理图像进行扣图处理后得到的排除干扰因素，保留公章的图像。
对待处理图像进行扣图处理包括色彩迁移处理和识别处理。其中，色彩迁移处理是对待处理图像进行色彩空间转化的处理，得到HSV图像，以改变待处理图像的颜色基调，方便后续对HSV图像进行识别处理。识别处理是用于对HSV图像进行识别，确定公章的位置，以便进行抠图，得到目标公章图像的处理。
具体地，通过客户端拍摄印有公章的文档得到的待处理图像，该待处理图像中存在非公章部分等干扰因素，不便于后续识别文字信息，因此，需要对待处理图像进行扣图处理，以排除干扰因素，确保后续可以识别得到准确的文字信息。
S203：对目标公章图像进行拉伸处理，得到矩形图像，矩形图像包括非公章对应的目标色彩区域。
其中，拉伸处理是指将目标公章图像转换成矩形图像的处理。可以理解地，目标公章图像的公章为圆形的，公章文字排版为弧形的，本方案对目标公章图像进行拉伸处理，以使得处理后得到的矩形图像，公章文字排版为方正的且公章文字位于固定的位置，以便后续识别。
目前的公章为圆形公章，也就是说，目标公章图像中公章文字的排版是弧形的，目前的文字识别模型通常是对方正的印刷体进行识别，弧形的公章文字导致后续的文字识别模型识别准确率非常低。本实施例中，对目标公章图像进行拉伸处理，以得到矩形图像，使得弧形的公章文字转换为便于识别的方正的公章文字，以提高后续的识别准确率。
目标色彩区域是指非公章对应的区域，需要说明的是，该目标色彩区域为单色区域，以便后续的裁剪。本实施例中预先对目标公章图像进行二值化处理，以使公章对应一种颜色，非公章对应一种颜色，以便后续快速裁剪，得到准确的公章文字顺序，加快文字自动识别速度，例如，可以用白色表示公章，黑色表示非公章，此时，非公章对应的的目标色彩区域即为黑色。
S204：获取目标色彩区域的重心坐标，根据重心坐标对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像。
其中，重心坐标是基于非公章的色彩分布密度确定的重心对应的坐标。
第一裁剪图像是对矩形图像进行裁剪后得到的图像。第二裁剪图像对矩形图像进行裁剪后得到的图像。
本实施例，基于重心坐标对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像，方法便捷高效，为后续快速得到公章文字的准确顺序提供技术支持。
本实施例包括以下步骤：采用moments(c)函数计算目标色彩区域的重心坐标。根据重心坐标确定剪切方向，根据重心坐标和目标公章图像剪切方向对矩形图像进行剪切，得到第一裁剪图像和第二裁剪图像。
具体地，采用moments(c)函数计算目标色彩区域的重心坐标，根据重心坐标确定剪切方向，具体实现过程为：计算目标色彩区域的面积M00，对矩形图像上目标色彩区域中所有像素的x轴坐标对应的像素值进行累加得到M10，对矩形图像上目标色彩区域中所有像素的y轴坐标对应的像素值进行累加得到M01，采用M10除以M00，得到重心坐标对应的x轴坐标，采用M01除以M00，得到重心坐标对应的y轴坐标，也就是说，重心坐标为(M10/M00，M01/M00)，获取矩形图像中每一像素对应的像素坐标，基于像素坐标形成矩形图像对应的矩阵，获取重心坐标对应的像素坐标在矩阵中对应的行和列，若行都为0，则剪切方向为与重心坐标的y坐标对应的矩阵的行方向。若列都为0，则剪切方向为与重心坐标的x坐标对应的矩阵的列方向。根据重心坐标和目标公章图像剪切方向对矩形图像进行剪切，得到第一裁剪图像和第二裁剪图像。
S205：对第一裁剪图像和第二裁剪图像进行拼接，得到目标文字图像。
其中，目标文字图像是对第一裁剪图像和第二裁剪图像进行拼接后得到的图像。
具体地，将第一裁剪图像沿与剪切方向垂直的方向向第二裁剪图像平移，以便将第一裁剪图像和第二裁剪图像重新进行拼接得到目标文字图像，以得到公章文字的准确顺序，以便后续得到识别结果即可直接应用，提高工作效率。例如，矩形图像中的公章文字可能为“公司XXX有限”，对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像，即“公司”和“XXX有限”，对第一裁剪图像沿与剪切方向垂直的方向向第二裁剪图像平移，进行拼接，得到“XXX有限公司”，以得到公章文字的准确顺序。
S206：采用文字识别模型对目标文字图像进行识别，得到公章文字。
其中，文字识别模型是用于对目标文字图像进行处理，得到公章文字的模型，以利用文字识别模型实现智能获取公章文字，减少人工识别，提高工作效率。该文字识别模型包括但不限于为OCR文字识别模型，其中，OCR是Optical Character Recognition的缩写，译为光学字符识别，是一种用字符识别方法将形状翻译成计算机文字的技术。
本实施例所提供的公章文字自动识别方法，对待处理图像进行扣图处理，得到目标公章图像，以排除干扰因素，确保后续可以识别得到准确的文字信息。对目标公章图像进行拉伸处理，得到矩形图像，矩形图像包括非公章对应的目标色彩区域，使得弧形的公章文字转换为便于识别的方正的公章文字，以提高后续的识别准确率。获取目标色彩区域的重心坐标，根据重心坐标对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像，方法便捷高效，为后续快速得到公章文字的准确顺序提供技术支持。对第一裁剪图像和第二裁剪图像进行拼接，得到目标文字图像，以便公章文字的准确顺序。采用文字识别模型对目标文字图像进行识别，得到公章文字，实现智能获取公章文字，提高工作效率。
在一实施例中，如图3所示，步骤S202，即目标公章图像对待处理图像进行扣图处理，得到目标公章图像，包括：
S301：对待处理图像进行色彩迁移处理，得到HSV色彩图像。
其中，HSV色彩图像是HSV色彩空间对应的图像。HSV是HSV是根据颜色的直观特性，由A.R.Smith在1978年创建的一种颜色空间。H是指色调，用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。S是指饱和度，颜色接近光谱色的程度，通常取值范围为0％～100％，值越大，颜色越饱和。V是指明度，明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关，通常取值范围为0％(黑)到100％(白)。
色彩迁移处理是对待处理图像的色彩空间进行转换的处理，以便后续的识别处理。
具体地，由于待处理图像是拍摄文档上的公章得到的，拍摄时收到光线的影响，容易导致后续难以进行抠图处理，本实施例，对待处理图像进行色彩迁移处理，得到HSV色彩图像，以便后续基于色调H、饱和度S和明度V确定公章的位置，实现高效抠图。
S302：对HSV色彩图像进行识别处理，确定公章对应的目标图像区域，从HSV色彩图像中扣取目标图像区域对应的图像，得到目标公章图像。
具体地，遍历HSV色彩图中的每个像素，判断每个像素对应的色彩是否落在特定的色调区间、饱和度区间和明度区间内，若像素对应的色彩落在特定的色调区间、饱和度区间和明度区间内，则表示该像素为组成公章的像素，因此，利用所有落在特定的色调区间、饱和度区间和明度区间内的像素组成公章，从而确定公章对应的目标图像区域，从HSV色彩图像中扣取目标图像区域对应的图像，得到目标公章图像，可以精准地得到仅包含公章的目标公章图像，速度较快，方法简单。
其中，特定的色调区间、饱和度区间和明度区间是表示公章色彩所在的区间，以便确定公章对应的目标图像区域，根据目标图像区域从HSV色彩图像中扣取公章，得到目标公章图像，例如，以该公章的颜色为红色，特定的色调区间、饱和度区间和明度区间为：色调区间为[20,160]，或饱和度区间为[0,70]，或明度区间为[0,140]。
本实施例所提供的公章文字自动识别方法，对待处理图像进行色彩迁移处理，得到HSV色彩图像，以便后续基于色调H、饱和度S和明度V确定公章的位置，实现高效抠图。对HSV色彩图像进行识别处理，确定公章对应的目标图像区域，从HSV色彩图像中扣取目标图像区域对应的图像，得到目标公章图像，可以精准地得到仅包含公章的目标公章图像，速度较快，方法简单。
在一实施例中，如图4所示，步骤S301，即对待处理图像进行色彩迁移处理，得到HSV色彩图像，包括：
S401：对待处理图像进行LAB色彩空间转换，得到LAB色彩图像。
其中，LAB色彩图像是指LAB色彩对应的图像。
由于不同光线下，拍摄得到的待处理图像中印章的红色是不一样的，本实施例中，获取扫描机扫描得到的图像作为模板图像，根据模板图像对待处理图像进行LAB色彩空间转换处理，实现对待处理图像进行规范化处理，以使待处理图像的的亮度和对比度与模板图像一致，排除光线对后续识别的干扰。其中，模板图像是扫描设备扫描文档得到的图像，利用该模板图像待处理图像进行处理，以排除光线对后续识别的影响。
S402：对LAB色彩图像进行HSV色彩空间转换，得到HSV色彩图像。
具体地，采用色彩空间转换函数cvtColor对LAB色彩图像进行HSV色彩空间转换，可以快速地得到HSV色彩图像，后续可以利用特定的色调区间、饱和度区间和明度区间快速在HSV色彩图像准确得到仅包含公章的目标公章图像，抠图效率较高且得到的目标公章图像的质量较佳。
本实施例所提供的公章文字自动识别方法，对待处理图像进行LAB色彩空间转换，得到LAB色彩图像，以排除光线对后续识别的影响。对LAB色彩图像进行HSV色彩空间转换，得到HSV色彩图像，后续可以利用特定的色调区间、饱和度区间和明度区间快速在HSV色彩图像准确得到仅包含公章的目标公章图像，抠图效率较高且得到的目标公章图像的质量较佳。
在一实施例中，如图5所示，步骤S401，即对待处理图像进行LAB色彩空间转换，得到LAB色彩图像，包括：
S501：获取模板像素方差和模板像素均值。
其中，模板像素方差是模板图像的像素形成的方差。模板像素均值是模板图像的像素形成的均值。
S502：对待处理图像进行分析，得到待处理图像的待处理像素方差和待处理像素均值。
其中，待处理像素方差是待处理图像的像素形成的方差。待处理像素均值是待处理图像的像素形成的均值。
S503：根据模板像素方差、模板像素均值、待处理像素方差和待处理像素均值对待处理图像的每一待处理像素进行处理，得到每一待处理像素对应的迁移像素，基于所有迁移像素得到LAB色彩图像。
其中，待处理像素是指待处理图像中未经过处理的像素。迁移像素经过色彩迁移处理的后像素，一个待处理像素与一个迁移像素对应。
具体地，将待处理图像的每一待处理像素，对目标公章图像模板像素方差、模板像素均值、待处理像素方差和待处理像素均值输入色彩迁移公式中，得到每一待处理像素对应的迁移像素，基于所有目标公章图像迁移像素得到LAB色彩图像，以排除待处理图像中光线等干扰因素，对后续识别的影响，确保后续的识别效果更好。其中，色彩迁移公式为y＝(t-image_avg[k])*(original_std[k]/image_std[k])+original_avg[k]，y是指迁移像素，t是指待处理像素，image_avg[k]是指待处理像素均值，original_std[k]是指模板像素方差，image_std[k]是指待处理像素方差，original_avg[k]是指模板像素均值。
本实施例所提供的公章文字自动识别方法，获取模板像素方差和模板像素均值。对待处理图像进行分析，得到待处理图像的待处理像素方差和待处理像素均值。根据模板像素方差、模板像素均值、待处理像素方差和待处理像素均值对待处理图像的每一待处理像素进行处理，得到每一待处理像素对应的迁移像素，基于所有迁移像素得到LAB色彩图像，以排除待处理图像中光线等干扰因素，对后续识别的影响，确保后续的识别效果更好。
在一实施例中，如图6所示，步骤S302，即从HSV色彩图像中扣取目标图像区域对应的图像，得到目标公章图像，包括：
S601：从HSV色彩图像中扣取目标图像区域对应的图像，获取原始公章图像。
其中，原始公章图像是对HSV色彩图像进行扣图处理后得到的保留公章的图像。
S602：对原始公章图像进行二值化处理，得到二值化图像。
其中，二值化处理是将彩色的原始公章图像转化为二值化图像的处理，即将公章转化为白色，非公章部分转化为黑色的处理过程。或者将将公章转化为黑色，非公章部分转化为白色的处理过程，以排除非公章部分的干扰。二值化图像是具有黑色和白色的图像。
本实施例中，可以将公章转换成白色，非公章部分转换成黑色，或者将公章转换成黑色，非公章部分转换成白色，以提高后续识别的准确率，并提高运算速度。
S603：对二值化图像进行异常处理，得到目标公章图像。
异常处理是消除由于拍摄角度等因素造成的公章异常的的处理。
本实施例中，异常处理包括图形闭运算处理，或者，异常处理包括图形闭运算处理和透视变换，以其中，图形闭运算处理是为了消除公章存在的细小空隙和边缘的“毛刺”的处理，确保后续的文字识别效果较佳。透视变换是将平滑图像投影到一个新的视平面的过程，以消除图像中的倾斜，确保后续的文字自动识别可行性。
本实施例所提供的公章文字自动识别方法，从HSV色彩图像中扣取目标图像区域对应的图像，获取原始公章图像。对原始公章图像进行二值化处理，得到二值化图像，以提高后续识别的准确率，并提高运算速度。对二值化图像进行异常处理，得到目标公章图像，确保后续的文字自动识别可行性。
在一实施例中，如图7所示，步骤S603，即对二值化图像进行异常处理，得到目标公章图像，包括：
S701：对二值化图像进行图形闭运算处理，得到平滑图像。
其中，图形闭运算处理是先对二值化图像的进行膨胀再腐蚀处理，确保平滑图像中公章的边缘平滑，以便后续识别效果更佳。膨胀就是使用算法，将公章的边缘扩大，以便填充公章的边缘或者是内部的内细小空洞。腐蚀就是将公章的边缘腐蚀掉，以将公章的边缘的“毛刺”踢除掉，确保公章的边缘平滑。平滑图像是经过图形闭运算处理后得到的图像。
S702：获取平滑图像中的所有原始轮廓，将半径最长的原始轮廓确定为公章轮廓，获取公章轮廓的外切矩形。
其中，原始轮廓是指公章中闭合形状对应的轮廓。公章由最外缘的圆形(公章轮廓)、公章文字和其他图形组成，因此，闭合形状为公章中闭合的文字和闭合的图形，如“口”、圆形和五角形等。
外切矩形是每条边都切于同一公章轮廓的矩形，该外切矩形为最小外切矩形。
具体地，调用findContours()函数检测公章的闭合形状，得到形成闭合形状的一串有顺序的坐标点，按照这些坐标点的顺序进行描边，得到原始轮廓，根据组成原始轮廓的坐标点，确定原始轮廓的中心和半径，遍历每一原始轮廓的半径，获得最大的半径，将最大的半径对应的原始轮廓确定为公章轮廓，获取公章轮廓的外切矩形，以便为后续是否进行矫正提供技术支持。
S703：若外切矩形为正方形，则将平滑图像确定为目标公章图像。
本实施例中，外切矩形为正方形，则说明公章轮廓为圆形，此时，平滑图像中的公章不存在倾斜，不需要矫正，因此，将平滑图像确定为目标公章图像。
S704：若外切矩形不为正方形，则对平滑图像进行透视变换，得到矫正图像，将矫正图像确定为目标公章图像。
平滑图像是由待处理图像得到的，而待处理图像由于拍摄角度等原因可能存在倾斜，若存在倾斜，后续无法准确识别公章的文字信息，本实施例中，若外切矩形不为正方形，则说明公章存在有一定的角度倾斜，因此，需要对平滑图像进行透视变换，将平滑图像投影到一个新的视平面的过程，获取矫正后的矫正图像，可有效排除由于拍摄角度倾斜而造成的干扰，提高后续公章文字识别的准确率。
其中，透视变换包括但不限于采用perspectiveTransform()函数对平滑图像进行处理。
进一步为了公章轮廓以外的部分对后续文字识别的干扰，将公章轮廓和外切矩形之间的区域设置为非公章对应的色彩，以提高后续的识别的准确率。
本实施例所提供的公章文字自动识别方法，对二值化图像进行图形闭运算处理，得到平滑图像，确保平滑图像中公章的边缘平滑，以便后续识别效果更佳。获取平滑图像中的所有原始轮廓，将半径最长的原始轮廓确定为公章轮廓，获取公章轮廓的外切矩形，以便为后续是否进行矫正提供技术支持。若外切矩形为正方形，则将平滑图像确定为目标公章图像。若外切矩形不为正方形，则对平滑图像进行透视变换，得到矫正图像，将矫正图像确定为目标公章图像，可有效降低待处理图像由于拍摄角度倾斜而造成的干扰，提高公章文字识别的准确率。
在一实施例中，如图8所示，步骤S203，即对目标公章图像进行拉伸处理，得到矩形图像，包括：
S801：将目标公章图像缩放至目标尺寸，得到标准图像。
其中，目标尺寸是指经过测试得到的尺寸。例如，目标尺寸可以是宽高分别为450px。
标准图像是与目标尺寸对应的图像。
本实施例中，使目标公章图像缩放到固定的目标尺寸，得到标准图像，以确保进行坐标转换后的公章文字固定在目标位置，以便后续文字识别可顺利进行，同时确保进行坐标变换的公章文字的完整性，单个文字不会发生被分离到不同的位置。
S802：对标准图像进行坐标变换，得到矩形图像。
本实施例中，采用logPolar函数是标准图像的直角坐标转换为极坐标，以使弧形的公章文字可以整体转换为方正的公章文字，保证公章文字的一致性，提高后续的识别准确率，公章轮廓可以转换为矩形，又标准图像为目标尺寸对应的图像，可以有效保证转换后的公章文字固定在目标位置，为后续的公章文字识别提供技术支持。
本实施例所提供的公章文字自动识别方法，将目标公章图像缩放至目标尺寸，得到标准图像，以便后续文字识别可顺利进行，同时确保进行坐标变换的公章文字的完整性，单个文字不会发生被分离到不同的位置。对标准图像进行坐标变换，得到矩形图像，可以有效保证转换后的公章文字固定在目标位置，为后续的公章文字识别提供技术支持。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种公章文字自动识别装置，该公章文字自动识别装置与上述实施例中公章文字自动识别方法一一对应。如图8所示，该公章文字自动识别装置包括待处理图像获取模块901、扣图处理模块902、拉伸处理模块903、裁剪模块904、拼接模块905和公章文字获取模块906。各功能模块详细说明如下：
待处理图像获取模块901，用于获取包含公章的待处理图像。
扣图处理模块902，用于对待处理图像进行扣图处理，得到目标公章图像。
拉伸处理模块903，用于对目标公章图像进行拉伸处理，得到矩形图像，矩形图像包括非公章对应的目标色彩区域。
裁剪模块904，用于获取目标色彩区域的重心坐标，根据重心坐标对矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像。
拼接模块905，用于对第一裁剪图像和第二裁剪图像进行拼接，得到目标文字图像。
公章文字获取模块906，用于采用文字识别模型对目标文字图像进行识别，得到公章文字。
优选地，扣图处理模块902，包括：HSV色彩图像获取单元和目标公章图像获取单元。
HSV色彩图像获取单元，用于对待处理图像进行色彩迁移处理，得到HSV色彩图像。
目标公章图像获取单元，用于对HSV色彩图像进行识别处理，确定公章对应的目标图像区域，从HSV色彩图像中扣取目标图像区域对应的图像，得到目标公章图像。
优选地，HSV色彩图像获取单元，包括：LAB色彩空间转换子单元和HSV色彩空间转换子单元。
LAB色彩空间转换子单元，用于对待处理图像进行LAB色彩空间转换，得到LAB色彩图像。
HSV色彩空间转换子单元，用于对LAB色彩图像进行HSV色彩空间转换，得到HSV色彩图像。
优选地，LAB色彩空间转换子单元，包括：模板像素数据获取子单元、待处理像素数据获取子单元和LAB色彩图像获取子单元。
模板像素数据获取子单元，用于获取模板像素方差和模板像素均值。
待处理像素数据获取子单元，用于对待处理图像进行分析，得到待处理图像的待处理像素方差和待处理像素均值。
LAB色彩图像获取子单元，用于根据模板像素方差、模板像素均值、待处理像素方差和待处理像素均值对待处理图像的每一待处理像素进行处理，得到每一待处理像素对应的迁移像素，基于所有迁移像素得到LAB色彩图像。
优选地，目标公章图像获取单元，包括：原始公章图像获取子单元、二值化处理子单元和异常处理子单元。
原始公章图像获取子单元，用于从HSV色彩图像中扣取目标图像区域对应的图像，获取原始公章图像。
二值化处理子单元，用于对原始公章图像进行二值化处理，得到二值化图像。
异常处理子单元，用于对二值化图像进行异常处理，得到目标公章图像。
优选地，异常处理子单元，包括：图形闭运算处理子单元、外切矩形获取子单元、第一处理子单元和第二处理子单元。
图形闭运算处理子单元，用于对二值化图像进行图形闭运算处理，得到平滑图像。
外切矩形获取子单元，用于获取平滑图像中的所有原始轮廓，将半径最长的原始轮廓确定为公章轮廓，获取公章轮廓的外切矩形。
第一处理子单元，用于若外切矩形为正方形，则将平滑图像确定为目标公章图像。
第二处理子单元，用于若外切矩形不为正方形，则对平滑图像进行透视变换，得到矫正图像，将矫正图像确定为目标公章图像。
优选地，拉伸处理模块903，包括：缩放单元和坐标变换单元。
缩放单元，用于将目标公章图像缩放至目标尺寸，得到标准图像。
坐标变换单元，用于对标准图像进行坐标变换，得到矩形图像。
关于公章文字自动识别装置的具体限定可以参见上文中对于公章文字自动识别方法的限定，在此不再赘述。上述公章文字自动识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待处理图像。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种公章文字自动识别方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中公章文字自动识别方法的步骤，例如图2所示的步骤S201-S206，或者图3至图8中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现公章文字自动识别装置这一实施例中的各模块/单元的功能，例如图9所示的待处理图像获取模块901、扣图处理模块902、拉伸处理模块903、裁剪模块904、拼接模块905和公章文字获取模块906的功能，为避免重复，这里不再赘述。
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中公章文字自动识别方法的步骤，例如图2所示的步骤S201-S206，或者图3至图8中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现公章文字自动识别装置这一实施例中的各模块/单元的功能，例如图9所示的待处理图像获取模块901、扣图处理模块902、拉伸处理模块903、裁剪模块904、拼接模块905和公章文字获取模块906的功能，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种公章文字自动识别方法，其特征在于，包括：
获取包含公章的待处理图像；
对所述待处理图像进行扣图处理，得到目标公章图像；
对所述目标公章图像进行拉伸处理，得到矩形图像，所述矩形图像包括非公章对应的目标色彩区域；
获取所述目标色彩区域的重心坐标，根据所述重心坐标对所述矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像；
对所述第一裁剪图像和所述第二裁剪图像进行拼接，得到目标文字图像；
采用文字识别模型对目标文字图像进行识别，得到公章文字。
2.如权利要求1所述的公章文字自动识别方法，其特征在于，所述对所述待处理图像进行扣图处理，得到目标公章图像，包括：
对所述待处理图像进行色彩迁移处理，得到HSV色彩图像；
对所述HSV色彩图像进行识别处理，确定所述公章对应的目标图像区域，从所述HSV色彩图像中扣取所述目标图像区域对应的图像，得到目标公章图像。
3.如权利要求2所述的公章文字自动识别方法，其特征在于，所述对所述待处理图像进行色彩迁移处理，得到HSV色彩图像，包括：
对所述待处理图像进行LAB色彩空间转换，得到LAB色彩图像；
对所述LAB色彩图像进行HSV色彩空间转换，得到HSV色彩图像。
4.如权利要求3所述的公章文字自动识别方法，其特征在于，所述对所述待处理图像进行LAB色彩空间转换，得到LAB色彩图像，包括：
获取模板像素方差和模板像素均值；
对所述待处理图像进行分析，得到所述待处理图像的待处理像素方差和待处理像素均值；
根据所述模板像素方差、模板像素均值、待处理像素方差和待处理像素均值对所述待处理图像的每一待处理像素进行处理，得到每一所述待处理像素对应的迁移像素，基于所有所述迁移像素得到LAB色彩图像。
5.如权利要求2所述的公章文字自动识别方法，其特征在于，所述从所述HSV色彩图像中扣取所述目标图像区域对应的图像，得到目标公章图像，包括：
从所述HSV色彩图像中扣取所述目标图像区域对应的图像，获取原始公章图像；
对所述原始公章图像进行二值化处理，得到二值化图像；
对所述二值化图像进行异常处理，得到目标公章图像。
6.如权利要求5所述的公章文字自动识别方法，其特征在于，所述对所述二值化图像进行异常处理，得到目标公章图像，包括：
对所述二值化图像进行图形闭运算处理，得到平滑图像；
获取所述平滑图像中的所有原始轮廓，将半径最长的原始轮廓确定为公章轮廓，获取所述公章轮廓的外切矩形；
若所述外切矩形为正方形，则将所述平滑图像确定为目标公章图像；
若所述外切矩形不为正方形，则对所述平滑图像进行透视变换，得到矫正图像，将所述矫正图像确定为目标公章图像。
7.如权利要求1所述的公章文字自动识别方法，其特征在于，所述对所述目标公章图像进行拉伸处理，得到矩形图像，包括：
将所述目标公章图像缩放至目标尺寸，得到标准图像；
对所述标准图像进行坐标变换，得到矩形图像。
8.一种公章文字自动识别装置，其特征在于，包括：
待处理图像获取模块，用于获取包含公章的待处理图像；
扣图处理模块，用于对所述待处理图像进行扣图处理，得到目标公章图像；
拉伸处理模块，用于对所述目标公章图像进行拉伸处理，得到矩形图像，所述矩形图像包括非公章对应的目标色彩区域；
裁剪模块，用于获取所述目标色彩区域的重心坐标，根据所述重心坐标对所述矩形图像进行裁剪，得到第一裁剪图像和第二裁剪图像；
拼接模块，用于对所述第一裁剪图像和所述第二裁剪图像进行拼接，得到目标文字图像；
公章文字获取模块，用于采用文字识别模型对目标文字图像进行识别，得到公章文字。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中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7任一项所述公章文字自动识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述公章文字自动识别方法的步骤。
CN202011279374.3A 2020-11-16 2020-11-16 公章文字自动识别方法、装置、计算机设备及存储介质 Pending CN112381081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011279374.3A CN112381081A (zh) 2020-11-16 2020-11-16 公章文字自动识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011279374.3A CN112381081A (zh) 2020-11-16 2020-11-16 公章文字自动识别方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN112381081A true CN112381081A (zh) 2021-02-19

Family

ID=74585437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011279374.3A Pending CN112381081A (zh) 2020-11-16 2020-11-16 公章文字自动识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112381081A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378821A (zh) * 2021-07-02 2021-09-10 人民中科(济南)智能技术有限公司 基于深度学习的公章文字识别方法、系统、设备及存储介质
CN113486891A (zh) * 2021-06-22 2021-10-08 深圳无境创新科技有限公司 螺钉图像处理方法、装置、电子设备和存储介质
CN113591871A (zh) * 2021-07-16 2021-11-02 用友网络科技股份有限公司 图像处理方法、装置和可读存储介质
CN113591849A (zh) * 2021-08-02 2021-11-02 国泰新点软件股份有限公司 基于签章识别的文件评审方法、装置、设备和存储介质
CN113723412A (zh) * 2021-07-16 2021-11-30 上海通办信息服务有限公司 一种圆形红色公章的文字提取方法、装置和设备
CN113887444A (zh) * 2021-10-08 2022-01-04 财悠悠科技(深圳)有限公司 一种图文印模正反立卷积神经网络深度处理方法
CN114708592A (zh) * 2022-05-16 2022-07-05 北京万里红科技有限公司 图章密级的判断方法、装置、设备和计算机可读存储介质
CN115965955A (zh) * 2021-10-12 2023-04-14 北京九章云极科技有限公司 一种公章图像的旋转方法、装置、电子设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013219618A (ja) * 2012-04-10 2013-10-24 Canon Inc 画像処理装置及び画像処理方法
CN105631447A (zh) * 2015-12-18 2016-06-01 杭州仁盈科技股份有限公司 一种识别圆形公章中文字的方法
CN108364311A (zh) * 2018-01-29 2018-08-03 深圳市亿图视觉自动化技术有限公司 一种金属部件自动定位方法及终端设备
CN111612011A (zh) * 2020-05-21 2020-09-01 杭州智珺智能科技有限公司 一种基于人体语义分割的服饰色彩提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013219618A (ja) * 2012-04-10 2013-10-24 Canon Inc 画像処理装置及び画像処理方法
CN105631447A (zh) * 2015-12-18 2016-06-01 杭州仁盈科技股份有限公司 一种识别圆形公章中文字的方法
CN108364311A (zh) * 2018-01-29 2018-08-03 深圳市亿图视觉自动化技术有限公司 一种金属部件自动定位方法及终端设备
CN111612011A (zh) * 2020-05-21 2020-09-01 杭州智珺智能科技有限公司 一种基于人体语义分割的服饰色彩提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
赵永涛, 李志敏, 王洪建, 陈志云, 王林: "印章识别中的图像预处理研究", 仪器仪表学报, no. 2, 5 October 2012 (2012-10-05), pages 401 - 403 *
马亦嘉;葛万成;: "字符识别中的畸变字符校正算法研究", 通信技术, no. 03, 10 March 2009 (2009-03-10), pages 218 *
魏西;薛玉玲;: "圆形印鉴自动识别方法研究", 无线电工程, no. 10, 5 October 2012 (2012-10-05), pages 51 *
黄剑航;: "基于HALCON的圆环区域字符识别实现", 现代计算机(专业版), no. 07, 25 July 2010 (2010-07-25), pages 58 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486891A (zh) * 2021-06-22 2021-10-08 深圳无境创新科技有限公司 螺钉图像处理方法、装置、电子设备和存储介质
CN113378821A (zh) * 2021-07-02 2021-09-10 人民中科(济南)智能技术有限公司 基于深度学习的公章文字识别方法、系统、设备及存储介质
CN113378821B (zh) * 2021-07-02 2023-02-28 人民中科(济南)智能技术有限公司 基于深度学习的公章文字识别方法、系统、设备及存储介质
CN113591871A (zh) * 2021-07-16 2021-11-02 用友网络科技股份有限公司 图像处理方法、装置和可读存储介质
CN113723412A (zh) * 2021-07-16 2021-11-30 上海通办信息服务有限公司 一种圆形红色公章的文字提取方法、装置和设备
CN113591849A (zh) * 2021-08-02 2021-11-02 国泰新点软件股份有限公司 基于签章识别的文件评审方法、装置、设备和存储介质
CN113887444A (zh) * 2021-10-08 2022-01-04 财悠悠科技(深圳)有限公司 一种图文印模正反立卷积神经网络深度处理方法
CN113887444B (zh) * 2021-10-08 2024-07-26 财悠悠科技(深圳)有限公司 一种图文印模正反立卷积神经网络深度处理方法
CN115965955A (zh) * 2021-10-12 2023-04-14 北京九章云极科技有限公司 一种公章图像的旋转方法、装置、电子设备和介质
CN115965955B (zh) * 2021-10-12 2024-05-31 北京九章云极科技有限公司 一种公章图像的旋转方法、装置、电子设备和介质
CN114708592A (zh) * 2022-05-16 2022-07-05 北京万里红科技有限公司 图章密级的判断方法、装置、设备和计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN112381081A (zh) 公章文字自动识别方法、装置、计算机设备及存储介质
WO2019223069A1 (zh) 基于直方图的虹膜图像增强方法、装置、设备及存储介质
CN111595850B (zh) 切片缺陷检测方法、电子装置及可读存储介质
CN110796082B (zh) 铭牌文本检测方法、装置、计算机设备和存储介质
CN109344727B (zh) 身份证文本信息检测方法及装置、可读存储介质和终端
CN111325104B (zh) 文本识别方法、装置及存储介质
CN110796663B (zh) 图片剪裁方法、装置、设备和存储介质
CN109492642B (zh) 车牌识别方法、装置、计算机设备及存储介质
CN112581546B (zh) 摄像头标定方法、装置、计算机设备和存储介质
WO2019223068A1 (zh) 虹膜图像局部增强方法、装置、设备及存储介质
CN112102340B (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN111368638A (zh) 电子表格的创建方法、装置、计算机设备和存储介质
JP2004522228A (ja) ディジタル画像を表現し比較する方法
CN109033935B (zh) 抬头纹检测方法及装置
CN111899246A (zh) 玻片数字化信息质量检测方法、装置、设备及介质
CN111915541B (zh) 基于人工智能的图像增强处理方法、装置、设备及介质
CN112396047B (zh) 训练样本生成方法、装置、计算机设备和存储介质
CN111768405B (zh) 处理标注图像的方法、装置、设备和存储介质
CN112613553A (zh) 图片样本集生成方法、装置、计算机设备和存储介质
CN111368632A (zh) 一种签名识别方法及设备
CN111291741B (zh) 单据识别方法、装置、计算机设备和存储介质
CN113627423A (zh) 圆形印章字符识别方法、装置、计算机设备和存储介质
CN113469092A (zh) 字符识别模型生成方法、装置、计算机设备和存储介质
CN113344961B (zh) 图像背景分割方法、装置、计算设备及存储介质
CN112434640B (zh) 确定文档图像的旋转角度方法、装置及存储介质

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