CN112530079A - 一种检测票据要素的方法、装置、终端设备和存储介质 - Google Patents

Abstract

本申请涉及图像处理技术领域，提出一种检测票据要素的方法、装置、终端设备和存储介质。该方法在获取待测票据的原始灰度图像之后，会在该图像中选取一块区域，将该区域内各个像素点的灰度值设置为一个特定的灰度值，这个操作相当于往灰度值图像中额外添加一个具有要素的目标区域。当票据无要素或者要素和图像背景的对比度很低的时候，往票据的灰度值图像中添加额外的目标区域，能够在一定程度上增加灰度图像中目标和背景之间的对比度，获得更准确的最大类间方差，从而改善采用大津算法执行二值化处理的效果，使得后续可以获得更准确的票据要素检测结果。在二值化处理之后，会将添加的目标区域还原为背景区域，从而避免对后续的检测要素产生影响。

Description

一种检测票据要素的方法、装置、终端设备和存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种检测票据要素的方法、装置、终端设备和存储介质。

背景技术

一张票据想要做后续的OCR识别，首先需要检测户名、账号、大小写金额等要素的有无，当要素检测为有的时候才会获取要素的位置，从而为后续的要素识别或者鉴伪做准备。

目前，票据要素的检测通常会采用图像二值化的方式，将票据的要素和图像背景区分开，然后再进行票据要素有无的判断。

其中，一种常用的图像二值化方式是OTSU，即大津算法，其本质是求目标与背景的最大类间方差来动态获取二值化阈值。当票据有要素且要素和图像背景的对比度较高时，采用OTSU能够获得准确的票据要素检测结果。然而，当票据无要素或者要素和图像背景的对比度很低的时候，最大类间方差位置的灰度值并不是期望的二值化阈值，此时会产生非常杂乱的二值化结果，从而导致票据要素的有无检测出现错误。

发明内容

有鉴于此，本申请实施例提供了一种检测票据要素的方法、装置、终端设备和存储介质，当票据无要素或者要素和图像背景的对比度很低的时候，也能获得准确的票据要素检测结果。

本申请实施例的第一方面提供了一种检测票据要素的方法，包括：

获取待测票据的原始灰度图像；

在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像，所述第一区域的面积为所述原始灰度图像面积的预设比例，所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值；

使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像，其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255；

根据所述第二二值化图像判断所述待测票据是否具有要素。

本申请实施例在获取待测票据的原始灰度图像之后，会在该图像中选取一块区域，将该区域内各个像素点的灰度值设置为一个特定的灰度值，这个操作相当于往灰度值图像中额外添加一个具有要素的目标区域。当票据无要素或者要素和图像背景的对比度很低的时候，往票据的灰度值图像中添加额外的目标区域，能够在一定程度上增加灰度图像中目标和背景之间的对比度，获得更准确的最大类间方差，从而改善采用大津算法执行二值化处理的效果，使得后续可以获得更准确的票据要素检测结果。另外，在二值化处理之后，会将二值化图像中该区域内的各个像素点的灰度值设置为0或者255，这个操作相当于将添加的目标区域还原为背景区域，从而避免添加目标区域对后续的检测要素产生影响。

进一步的，在得到第二二值化图像之后，还可以包括：

在所述原始灰度图像中选取第二区域，并将所述第二区域内各个像素点的灰度值设置为所述第一灰度值，得到第二灰度图像，所述第二区域和所述第一区域不相交；

使用大津算法对所述第二灰度图像执行二值化处理，得到第三二值化图像；

将所述第三二值化图像中所述第二区域内各个像素点的灰度值设置为所述第二灰度值，得到第四二值化图像；

若所述第二灰度值为0，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最小值；

若所述第二灰度值为255，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最大值。

为了解决添加的区域刚好覆盖有要素的位置，导致后续将添加的区域还原为背景区域的时候，出现要素的二值化结果缺失的问题，可以再次在该原始灰度图像中选取另一块与第一次选取的区域不相交的区域，对该另一块区域采取与该第一次选取的区域相同的操作处理，得到另一个二值化图像。最后，将得到的两个二值化图像的对应像素位置的灰度求取最小值或最大值，得到最终的二值化图像。

进一步的，所述在所述原始灰度图像中选取第一区域可以包括：

在所述原始灰度图像的左边界或右边界选取预设数量的像素列，作为所述第一区域；

或者

在所述原始灰度图像的上边界或下边界选取预设数量的像素行，作为所述第一区域。

在选取第一区域时，为了尽量避免覆盖到有要素的区域，优选该原始灰度图像的边缘区域，比如可以在原始灰度图像的左边界或右边界选取预设数量的像素列作为该第一区域，或者在原始灰度图像的上边界或下边界选取预设数量的像素行作为该第一区域。

进一步的，所述第一灰度值可以通过以下步骤确定：

将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到所述第一灰度值。

作为往原始灰度图像中添加目标的区域，其灰度值应当与图像背景区域的灰度值具备较大的差别。因此，可以将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值(比如50)相加，或者将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到该第一灰度值，这两种方式分别对应于白纸黑字和黑纸白字的情况。

进一步的，所述第一灰度值可以通过以下步骤确定：

对所述原始灰度图像的各个像素点的灰度值由大到小进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

对所述原始灰度图像的各个像素点的灰度值由小到大进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相减，得到所述第一灰度值。

有时候，灰度图像上会存在一些灰度值极高或极低的噪声点，根据这些噪声点的灰度值来确定该第一灰度值，有时候无法获得理想的效果。因此，可以对灰度图像中各个像素点的灰度值进行排序，选取处于预设比例之前的一个灰度值来确定该第一灰度值。比如，假设有10000个像素点，可以选取灰度值处于前4％的那个像素点的灰度值，也即灰度值排在第400位的像素点的灰度值，将选取的灰度值和一个预设的灰度值(比如50)相加，或者将选取的灰度值和一个预设的灰度值相减，得到该第一灰度值，这两种方式分别对应于白纸黑字和黑纸白字的情况。

具体的，所述根据所述第二二值化图像判断所述待测票据是否具有要素可以包括：

分别统计所述第二二值化图像中每个像素行的所述第二灰度值的像素点的数量；

确定所述第二灰度值的像素点的数量大于预设数量阈值的目标像素行；

若所述目标像素行的数量超过预设的行数阈值，则确定所述待测票据具有要素；

若所述目标像素行的数量未超过所述行数阈值，则确定所述待测票据没有要素。

在得到二值化图像之后，判断待测票据是否具有要素时可以采用统计二值化图像中具有特定像素点的行的数量的方式。比如，对于白底黑字的二值化图像来说，就是统计二值化图像中每行的黑点数量，找出黑点数量超过一定阈值的像素行，若这些像素行的数量超过预设的行数阈值，表明该票据图像中具有文字或者图案，故确定待测票据具有要素；若这些像素行的数量未预设的行数阈值，表明该票据图像中没有文字或者图案，故确定待测票据没有要素。

具体的，在获取待测票据的原始灰度图像之后，还可以包括：

对所述原始灰度图像执行图像的黑帽运算处理；

检测黑帽运算处理后的所述原始灰度图像中是否具有横线；

若具有横线，则对黑帽运算处理后的所述原始灰度图像执行去横线处理。

在获取原始灰度图像之后，对图像执行二值化处理之前，还可以对该原始灰度图像执行一些预处理，以优化图像的质量。比如，可以执行图像的黑帽运算处理，使灰度图像的背景亮度更加均匀，避免图像背景的色差渐变对后续采用大津算法进行二值化产生影响。另外，有的票据中用于填写要素的区域具有横线，为了消除该横线对二值化处理的不良影响，还可以对该原始灰度图像执行去横线的处理。

本申请实施例的第二方面提供了一种检测票据要素的装置，包括：

灰度图像获取模块，用于获取待测票据的原始灰度图像；

区域选取模块，用于在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像，所述第一区域的面积为所述原始灰度图像面积的预设比例，所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值；

二值化处理模块，用于使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

区域灰度值设置模块，用于将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像，其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255；

要素检测模块，用于根据所述第二二值化图像判断所述待测票据是否具有要素。

本申请实施例的第三方面提供了一种终端设备，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如本申请实施例的第一方面提供的检测票据要素的方法的步骤。

本申请实施例的第四方面提供了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如本申请实施例的第一方面提供的检测票据要素的方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行本申请实施例的第一方面所述的检测票据要素的方法的步骤。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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是本申请实施例提供的一种检测票据要素的方法的第一个实施例的流程图；

图2是本申请实施例提供的一种检测票据要素的方法的第二个实施例的流程图；

图3是本申请实施例提供的一种检测票据要素的方法的第三个实施例的流程图；

图4是本申请实施例提供的一种检测票据要素的方法的第四个实施例的流程图；

图5.1是获取到的一个待测票据的原始灰度图像；

图5.2是使用大津算法对图5.1执行二值化操作后得到的图像；

图5.3是对图5.1执行黑帽算法等预处理操作后得到的图像；

图5.4是将图5.3中第0-4列像素的各个像素点的灰度值设为某个特定值后得到的图像；

图5.5是使用大津算法对图5.4执行二值化操作后得到的图像；

图5.6是将图5.5中第0-4列像素的各个像素点的灰度值设为0，然后执行黑白反转处理后得到的图像；

图6是本申请实施例提供的一种检测票据要素的装置的一个实施例的结构图；

图7是本申请实施例提供的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请实施例提供了一种检测票据要素的方法、装置、终端设备和存储介质，当票据无要素或者要素和图像背景的对比度很低的时候，也能获得准确的票据要素检测结果。应当理解，本申请各个方法实施例的执行主体为用于执行票据识别的终端设备或者服务器。

请参阅图1，示出了本申请实施例中一种检测票据要素的方法，包括：

101、获取待测票据的原始灰度图像；

首先，获取待测票据的原始灰度图像。待测票据是需要检测是否具有要素的票据，比如可以是一张银行的票据，需要检测是否具有户名、账号、签名、大小写金额等要素。另外，若采集到的待测票据的图像为彩色图像，则需要对该彩色图像进行去底纹背景等处理，并转换得到灰度图像。

102、在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像；

在获得待测票据的原始灰度图像之后，在该灰度图像中选取一部分区域，并将该区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像。选取的区域的面积为该原始灰度图像面积的预设比例，该比例优选为0.5％-10％之间，若该比例过小，则添加的区域可能无法达到想要的效果，若该比例太大，则很可能覆盖原本就有要素的区域，给后续的要素检测带来影响。需要说明的是，选取的区域可以为任意形状，也可以为多个分离的区域。该第一灰度值大于原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值，这两种方式分别对应于白纸黑字和黑纸白字的情况。这个操作相当于往灰度值图像中额外添加一个具有要素的目标区域，该区域的灰度值(即第一灰度值)应当与图像背景区域的灰度值具有明显的区别。

优选的，所述在所述原始灰度图像中选取第一区域可以包括：

在所述原始灰度图像的左边界或右边界选取预设数量的像素列，作为所述第一区域；

或者

在所述原始灰度图像的上边界或下边界选取预设数量的像素行，作为所述第一区域。

在选取第一区域时，为了尽量避免覆盖到有要素的区域，优选该原始灰度图像的边缘区域，比如可以在原始灰度图像的左边界或右边界选取预设数量的像素列作为该第一区域，或者在原始灰度图像的上边界或下边界选取预设数量的像素行作为该第一区域。

进一步的，所述第一灰度值可以通过以下步骤确定：

将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到所述第一灰度值。

作为往原始灰度图像中添加目标的区域，其灰度值应当与图像背景区域的灰度值具备较大的差别。因此，可以将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值(比如50)相加，或者将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到该第一灰度值，这两种方式分别对应于白纸黑字和黑纸白字的情况。

进一步的，所述第一灰度值可以通过以下步骤确定：

对所述原始灰度图像的各个像素点的灰度值由大到小进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

对所述原始灰度图像的各个像素点的灰度值由小到大进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相减，得到所述第一灰度值。

有时候，灰度图像上会存在一些灰度值极高或极低的噪声点，根据这些噪声点的灰度值来确定该第一灰度值，有时候无法获得理想的效果。因此，可以对灰度图像中各个像素点的灰度值进行排序，选取处于预设比例之前的一个灰度值来确定该第一灰度值。比如，假设有10000个像素点，可以选取灰度值处于前4％的那个像素点的灰度值，也即灰度值排在第400位的像素点的灰度值。将选取的灰度值和一个预设的灰度值(比如50)相加，或者将选取的灰度值和一个预设的灰度值相减，得到该第一灰度值，这两种方式分别对应于白纸黑字和黑纸白字的情况。

103、使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

在得到第一灰度图像之后，使用大津算法对该第一灰度图像执行二值化处理，得到第一二值化图像。步骤102的操作相当于往灰度值图像中额外添加一个具有要素的目标区域。当票据无要素或者要素和图像背景的对比度很低的时候，往票据的灰度值图像中添加额外的目标区域，能够在一定程度上增加灰度图像中目标和背景之间的对比度，获得更准确的最大类间方差，从而改善采用大津算法执行二值化处理的效果。因此，在步骤103中得到的二值化图像是能够清楚地区分目标和背景的优质图像。

104、将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像；

接着，将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像。其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255，这两种方式分别对应于白纸黑字和黑纸白字的情况。这个操作相当于将添加的目标区域还原为背景区域，从而避免添加的目标区域对后续的检测要素产生影响。

另外，若该第二二值化图像不符合常规的阅读习惯(比如白纸黑字)，还可以将该第二二值化图像的黑色像素点和白色像素点互换，也即将黑色像素点转换为白色像素点，将白色像素点转换为黑色像素点，执行黑白反转。

105、根据所述第二二值化图像判断所述待测票据是否具有要素。

最后，根据该第二二值化图像判断所述待测票据是否具有要素。具体的判断方式有多种，比如可以通过检测二值化图像中特定像素点(黑点或白点)的数量或比例是否超过预设阈值来判断；可以通过检测二值化图像中特定像素点数量超过预设数量的像素行的数量的多少来判断；可以通过检测二值化图像中特定像素点数量超过预设数量的像素列的数量的多少来判断等等。

本申请实施例在获取待测票据的原始灰度图像之后，会在该图像中选取一块区域，将该区域内各个像素点的灰度值设置为一个特定的灰度值，这个操作相当于往灰度值图像中额外添加一个具有要素的目标区域。当票据无要素或者要素和图像背景的对比度很低的时候，往票据的灰度值图像中添加额外的目标区域，能够在一定程度上增加灰度图像中目标和背景之间的对比度，获得更准确的最大类间方差，从而改善采用大津算法执行二值化处理的效果，使得后续可以获得更准确的票据要素检测结果。另外，在二值化处理之后，会将二值化图像中该区域内的各个像素点的灰度值设置为0或者255，这个操作相当于将添加的目标区域还原为背景区域，从而避免添加目标区域对后续的检测要素产生影响。

请参阅图2，示出了本申请实施例中另一种检测票据要素的方法，包括：

201、获取待测票据的原始灰度图像；

202、在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像；

203、使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

204、将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像；

步骤201-204与步骤101-104相同，具体可参照步骤101-104的相关说明。

205、在所述原始灰度图像中选取第二区域，并将所述第二区域内各个像素点的灰度值设置为所述第一灰度值，得到第二灰度图像；

假设选取的第一区域刚好覆盖有要素的位置，则后续将第一区域还原为背景区域的时候，会错误地将要素也还原为背景，导致出现要素的二值化结果缺失的问题。为了解决这个问题，可以在所述原始灰度图像中选取第二区域，并将所述第二区域内各个像素点的灰度值设置为所述第一灰度值，得到第二灰度图像。需要说明的是，选取的第二区域和该第一区域不相交即可，而对于第二区域的面积大小和在该原始灰度图像中的具体位置则不做限定。

一种比较方便的区域选取方式是令所述第二区域和所述第一区域关于所述原始灰度图像的中心点对称，比如若该原始灰度图像为500(第0-499列)列的图像，第一区域为原始灰度图像中最左端的第0-4列的像素列区域，则该第二区域为与第一区域关于图像中心点对称的最右端的第495-499列的像素列区域。

206、使用大津算法对所述第二灰度图像执行二值化处理，得到第三二值化图像；

207、将所述第三二值化图像中所述第二区域内各个像素点的灰度值设置为所述第二灰度值，得到第四二值化图像；

对选取的第二区域采取与该第一区域相同的操作处理，得到另一个二值化图像，即第四二值化图像。

208、判断所述第二灰度值为0或者是255；

若所述第二灰度值为0，则执行步骤209，然后执行步骤211；若所述第二灰度值为255，则执行步骤210，然后执行步骤211。

209、将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最小值；

210、将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最大值；

为了解决添加的区域刚好覆盖有要素的位置，导致后续将添加的区域还原为背景区域的时候，出现要素的二值化结果缺失问题，可以再次在该原始灰度图像中选取另一块与第一次选取的区域不相交的区域，对该另一块区域采取与该第一次选取的区域相同的操作处理，得到另一个二值化图像。最后，将得到的两个二值化图像的对应像素位置的灰度求取最小值或最大值(分别对应于白纸黑字和黑纸白字的情况)，得到最终的二值化图像。假设第一次选取的区域覆盖到有要素的位置X，在将添加的区域还原为背景区域的时候，会导致第一个二值化图像中位置X的二值化结果缺失。由于第二次选取的区域和第一次选取的区域不相交，也即第二次选取的区域不会覆盖到位置X，因此得到的第二个二值化图像中位置X的二值化结果不会缺失，最终将得到的两个二值化图像的对应像素位置的灰度求取最小值或最大值，能够获得位置X的二值化结果完整的最终的二值化图像。

211、根据所述第二二值化图像判断所述待测票据是否具有要素。

最后，根据所述第二二值化图像判断所述待测票据是否具有要素。需要说明的是，在本实施例中，该第二二值化图像是通过将得到的两个二值化图像的对应像素位置的灰度求取最小值或最大值而产生的，即使选取的第一区域刚好覆盖有要素的位置，也不会产生要素的二值化结果缺失的问题。

本申请实施例在第一个实施例的基础上，会在该原始灰度图像中选取另一块与第一次选取的区域不相交的区域，对该另一块区域采取与该第一次选取的区域相同的操作处理，得到另一个二值化图像。最后，将得到的两个二值化图像的对应像素位置的灰度求取最小值或最大值，得到最终的二值化图像。通过这样设置，能够解决由于添加的区域刚好覆盖有要素的位置而导致的要素的二值化结果缺失的问题。

请参阅图3，示出了本申请实施例中另一种检测票据要素的方法，包括：

301、获取待测票据的原始灰度图像；

302、在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像；

303、使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

304、将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像；

步骤301-304与步骤101-104相同，具体可参照步骤101-104的相关说明。

305、分别统计所述第二二值化图像中每个像素行的所述第二灰度值的像素点的数量；

在得到第二二值化图像之后，分别统计该第二二值化图像中每个像素行的所述第二灰度值的像素点的数量。也即，对于白纸黑字的情况，则统计每个像素行的黑点数量；对于黑纸白字的情况，则统计每个像素行的白点数量。

306、确定所述第二灰度值的像素点的数量大于预设数量阈值的目标像素行；

然后，确定所述第二灰度值的像素点的数量大于预设数量阈值的目标像素行，该数量阈值可以根据票据图像的尺寸合理设置。对于白纸黑字的情况，该目标像素行是黑点数量超过一定阈值的像素行，即大概率具有文字等要素的像素行。

307、判断所述目标像素行的数量是否超过预设的行数阈值；

接着，判断所述目标像素行的数量是否超过预设的行数阈值。若所述目标像素行的数量超过预设的行数阈值，则执行步骤308；若所述目标像素行的数量未超过所述行数阈值，则执行步骤309。

308、确定所述待测票据具有要素；

所述目标像素行的数量超过预设的行数阈值，表明大概率具有文字等要素的像素行的数量已经满足有要素的判定要求，因此可以确定所述待测票据具有要素。

309、确定所述待测票据没有要素。

所述目标像素行的数量未超过预设的行数阈值，表明大概率具有文字等要素的像素行的数量并不满足有要素的判定要求，因此可以确定所述待测票据没有要素。

在得到二值化图像之后，判断待测票据是否具有要素时可以采用统计二值化图像中具有特定像素点的行的数量的方式。比如，对于白底黑字的二值化图像来说，就是统计二值化图像中每行的黑点数量，找出黑点数量超过一定阈值的像素行，若这些像素行的数量超过预设的行数阈值，表明该票据图像中具有文字或者图案，故确定待测票据具有要素；若这些像素行的数量未预设的行数阈值，表明该票据图像中没有文字或者图案，故确定待测票据没有要素。与本申请的第一个实施例相比，本实施例提出了一种具体的根据该第二二值化图像判断待测票据是否具有要素的方式。

请参阅图4，示出了本申请实施例中另一种检测票据要素的方法，包括：

401、获取待测票据的原始灰度图像；

步骤401与步骤101相同，具体可参照步骤101的相关说明。

402、对所述原始灰度图像执行图像的黑帽运算处理；

在获取原始灰度图像之后，对图像执行二值化处理之前，还可以对该原始灰度图像执行一些预处理，以优化图像的质量。比如，可以执行图像的黑帽运算处理，使灰度图像的背景亮度更加均匀，避免图像背景的色差渐变对后续采用大津算法进行二值化产生影响。

黑帽运算是图像闭运算操作减去原始图像的结果，得到图像内部的小孔，或者图像前景中的小黑点。对于票据的要素颜色较浅，与背景对比度较低的时候，采用黑帽运算能够在一定程度上突出目标要素与图像背景之间的区别。

需要说明的是，假设图像背景非常干净，不存在网格纹理，则使用黑帽算法预处理就可以增加要素与背景的差异。而如果要素与背景的对比度很差，同时图像背景有大量网格，则使用黑帽算法就不能突出要素与背景的差异，此时可以采取求方差的方式来增加要素与背景的差异性。

403、检测黑帽运算处理后的所述原始灰度图像中是否具有横线；

若黑帽运算处理后的所述原始灰度图像中具有横线，则执行步骤404，之后再执行步骤405；若黑帽运算处理后的所述原始灰度图像中没有横线，则直接执行步骤405。

404、对黑帽运算处理后的所述原始灰度图像执行去横线处理；

有的票据中用于填写要素的区域具有横线，假设要素的字体的颜色比较浅，与图像背景的对比度很低，则该横线会给后续的二值化处理带来比较严重的影响。为了消除横线对二值化处理的不良影响，可以对黑帽运算处理后的该原始灰度图像执行去横线的处理。具体的，可以通过检测具有特定灰度值像素点(比如黑点或近似黑点)的数量超过阈值的像素行，将这些像素行视作横线，然后将其具有的像素点的灰度值设置为图像背景的灰度值，从而实现横线的去除。

405、在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像；

406、使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

407、将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像；

408、根据所述第二二值化图像判断所述待测票据是否具有要素。

步骤405-408与步骤102-105相同，具体可参照步骤102-105的相关说明。

本申请实施例在获取待测票据的原始灰度图像之后，执行二值化处理之前，会先对该原始灰度图像执行一定的预处理操作，以优化图像的质量。具体的，可以执行图像的黑帽运算处理，使灰度图像的背景亮度更加均匀，避免图像背景的色差渐变对后续采用大津算法进行二值化产生影响。另外，有的票据中用于填写要素的区域具有横线，为了消除横线对二值化处理的不良影响，还可以对该原始灰度图像执行去横线的处理。

应理解，上述各个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，而不应对本申请实施例的实施过程构成任何限定。

为了便于理解，下面以一个实际应用场景来说明本申请实施例提出的检测票据要素的方法。

(1)获取待测票据的原始灰度图像；

假设获取到的待测票据的原始灰度图像如附图5.1所示，在图5.1中，A图像对应于有要素(少字)，B图像对应于无要素，C图像对应于有要素(多字)。

若直接使用大津算法对图5.1的灰度图像进行二值化操作，得到的结果如附图5.2所示。在图5.2中，要判定A图像为有要素很容易，然而若要清楚地区分无要素和有要素(多字)的情况，即正确地判定B图像为无要素，C图像为有要素，则存在困难，很可能会产生错判。

(2)对该灰度图像执行黑帽算法等预处理操作；

在获取到图5.1的灰度图像后，对图像执行黑帽算法等预处理操作，得到附图5.3所示的图像。

(3)对于预处理后的灰度图像，选取一块区域，将该区域内各个像素点的灰度值设置为某个特定值；

在图5.3的图像中，选取第0-4列像素所在的区域，将区域内各个像素点的灰度值设为某个特定值，则得到附图5.4的图像。从图5.4中可以看出，这样操作的效果相当于在灰度图像中添加了一块区别于背景图像的区域，能够在一定程度上提高图像的目标和背景之间的对比度。

(4)使用大津算法对步骤(3)得到的图像执行二值化操作；

对图5.4使用大津算法执行二值化操作，得到附图5.5的图像。

(5)对于步骤(4)得到的图像，将选取的该块区域内各个像素点的灰度值设为0，并执行黑白反转处理；

将图5.5中第0-4列像素的各个像素点的灰度值设为0(相当于将添加的区域恢复为图像背景)，然后执行黑白反转处理，会得到附图5.6的图像。

(6)根据黑白反转处理后的图像，判定该待测票据是否具有要素。

将图5.6和图5.2进行对比，可以明显的发现图5.6的图像二值化效果要远远优于图5.2。在图5.6中，可以很容易地判定A图像为有要素，B图像为无要素，C图像为有要素，实现票据要素有无的准确检测。

上面主要描述了一种检测票据要素的方法，下面将对一种检测票据要素的装置进行描述。

请参阅图6，本申请实施例中一种检测票据要素的装置的一个实施例包括：

灰度图像获取模块601，用于获取待测票据的原始灰度图像；

区域选取模块602，用于在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像，所述第一区域的面积为所述原始灰度图像面积的预设比例，所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值；

二值化处理模块603，用于使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

区域灰度值设置模块604，用于将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像，其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255；

要素检测模块605，用于根据所述第二二值化图像判断所述待测票据是否具有要素。

进一步的，所述检测票据要素的装置还可以包括：

第二区域选取模块，用于在所述原始灰度图像中选取第二区域，并将所述第二区域内各个像素点的灰度值设置为所述第一灰度值，得到第二灰度图像，所述第二区域和所述第一区域不相交；

第二二值化处理模块，用于使用大津算法对所述第二灰度图像执行二值化处理，得到第三二值化图像；

第二区域灰度值设置模块，用于将所述第三二值化图像中所述第二区域内各个像素点的灰度值设置为所述第二灰度值，得到第四二值化图像；

第一灰度值调整模块，用于若所述第二灰度值为0，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最小值；

第二灰度值调整模块，用于若所述第二灰度值为255，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最大值。

优选的，所述区域选取模块可以包括：

第一区域选取单元，用于在所述原始灰度图像的左边界或右边界选取预设数量的像素列，作为所述第一区域；

第二区域选取单元，用于在所述原始灰度图像的上边界或下边界选取预设数量的像素行，作为所述第一区域。

进一步的，所述检测票据要素的装置还可以包括：

第一灰度值确定模块，用于将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值相加，得到所述第一灰度值；

第二灰度值确定模块，用于将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到所述第一灰度值。

进一步的，所述检测票据要素的装置还可以包括：

第一灰度值排序模块，用于对所述原始灰度图像的各个像素点的灰度值由大到小进行排序；

第三灰度值确定模块，用于将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相加，得到所述第一灰度值；

第二灰度值排序模块，用于对所述原始灰度图像的各个像素点的灰度值由小到大进行排序；

第四灰度值确定模块，用于将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相减，得到所述第一灰度值。

进一步的，所述要素检测模块可以包括：

像素点数量统计单元，用于分别统计所述第二二值化图像中每个像素行的所述第二灰度值的像素点的数量；

目标像素行确定单元，用于确定所述第二灰度值的像素点的数量大于预设数量阈值的目标像素行；

第一要素确定单元，用于若所述目标像素行的数量超过预设的行数阈值，则确定所述待测票据具有要素；

第二要素确定单元，用于若所述目标像素行的数量未超过所述行数阈值，则确定所述待测票据没有要素。

进一步的，所述检测票据要素的装置还可以包括：

黑帽运算处理模块，用于对所述原始灰度图像执行图像的黑帽运算处理；

横线检测模块，用于检测黑帽运算处理后的所述原始灰度图像中是否具有横线；

横线去除模块，用于若具有横线，则对黑帽运算处理后的所述原始灰度图像执行去横线处理。

本申请实施例还提供一种终端设备，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如图1至图4表示的任意一种检测票据要素的方法的步骤。

本申请实施例还提供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如图1至图4表示的任意一种检测票据要素的方法的步骤。

本申请实施例还提供一种计算机程序产品，当该计算机程序产品在终端设备上运行时，使得终端设备执行实现如图1至图4表示的任意一种检测票据要素的方法的步骤。

图7是本申请一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个检测票据要素的方法的实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块601至605的功能。

所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。

所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，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。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。

所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

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。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

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、或者计算机软件和电子硬件的结合来实现。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，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

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。

所述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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种检测票据要素的方法，其特征在于，包括：

获取待测票据的原始灰度图像；

在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像，所述第一区域的面积为所述原始灰度图像面积的预设比例，所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值；

使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像，其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255；

根据所述第二二值化图像判断所述待测票据是否具有要素。

2.如权利要求1所述的检测票据要素的方法，其特征在于，在得到第二二值化图像之后，还包括：

在所述原始灰度图像中选取第二区域，并将所述第二区域内各个像素点的灰度值设置为所述第一灰度值，得到第二灰度图像，所述第二区域和所述第一区域不相交；

使用大津算法对所述第二灰度图像执行二值化处理，得到第三二值化图像；

将所述第三二值化图像中所述第二区域内各个像素点的灰度值设置为所述第二灰度值，得到第四二值化图像；

若所述第二灰度值为0，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最小值；

若所述第二灰度值为255，则将所述第二二值化图像中各个像素点的灰度值调整为所述第二二值化图像和所述第四二值化图像中对应位置像素点灰度值的最大值。

3.如权利要求1所述的检测票据要素的方法，其特征在于，所述在所述原始灰度图像中选取第一区域包括：

在所述原始灰度图像的左边界或右边界选取预设数量的像素列，作为所述第一区域；

或者

在所述原始灰度图像的上边界或下边界选取预设数量的像素行，作为所述第一区域。

4.如权利要求1所述的检测票据要素的方法，其特征在于，所述第一灰度值通过以下步骤确定：

将所述原始灰度图像中灰度值最大的像素点的灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

将所述原始灰度图像中灰度值最小的像素点的灰度值和一个预设的灰度值相减，得到所述第一灰度值。

5.如权利要求1所述的检测票据要素的方法，其特征在于，所述第一灰度值通过以下步骤确定：

对所述原始灰度图像的各个像素点的灰度值由大到小进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相加，得到所述第一灰度值；

或者

对所述原始灰度图像的各个像素点的灰度值由小到大进行排序；

将所述排序处于预设比例之前的一个灰度值和一个预设的灰度值相减，得到所述第一灰度值。

6.如权利要求1所述的检测票据要素的方法，其特征在于，所述根据所述第二二值化图像判断所述待测票据是否具有要素包括：

分别统计所述第二二值化图像中每个像素行的所述第二灰度值的像素点的数量；

确定所述第二灰度值的像素点的数量大于预设数量阈值的目标像素行；

若所述目标像素行的数量超过预设的行数阈值，则确定所述待测票据具有要素；

若所述目标像素行的数量未超过所述行数阈值，则确定所述待测票据没有要素。

7.如权利要求1至6中任一项所述的检测票据要素的方法，其特征在于，在获取待测票据的原始灰度图像之后，还包括：

对所述原始灰度图像执行图像的黑帽运算处理；

检测黑帽运算处理后的所述原始灰度图像中是否具有横线；

若具有横线，则对黑帽运算处理后的所述原始灰度图像执行去横线处理。

8.一种检测票据要素的装置，其特征在于，包括：

灰度图像获取模块，用于获取待测票据的原始灰度图像；

区域选取模块，用于在所述原始灰度图像中选取第一区域，并将所述第一区域内各个像素点的灰度值设置为第一灰度值，得到第一灰度图像，所述第一区域的面积为所述原始灰度图像面积的预设比例，所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，或者小于所述原始灰度图像各个像素点的平均灰度值；

二值化处理模块，用于使用大津算法对所述第一灰度图像执行二值化处理，得到第一二值化图像；

区域灰度值设置模块，用于将所述第一二值化图像中所述第一区域内各个像素点的灰度值设置为第二灰度值，得到第二二值化图像，其中，若所述第一灰度值大于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为0，若所述第一灰度值小于所述原始灰度图像各个像素点的平均灰度值，则所述第二灰度值为255；

要素检测模块，用于根据所述第二二值化图像判断所述待测票据是否具有要素。

9.一种终端设备，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中任一项所述的检测票据要素的方法的步骤。

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中任一项所述的检测票据要素的方法的步骤。

Images