CN112560729B - 一种选票处理方法及系统 - Google Patents

一种选票处理方法及系统 Download PDF

Info

Publication number
CN112560729B
CN112560729B CN202011530172.1A CN202011530172A CN112560729B CN 112560729 B CN112560729 B CN 112560729B CN 202011530172 A CN202011530172 A CN 202011530172A CN 112560729 B CN112560729 B CN 112560729B
Authority
CN
China
Prior art keywords
current
image data
channel
information block
ballot
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.)
Active
Application number
CN202011530172.1A
Other languages
English (en)
Other versions
CN112560729A (zh
Inventor
陈青峰
周定泽
温立营
黄维
阎柯屹
何盼龙
谢文娜
何流
李一辉
何磊
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.)
Chengdu Zhongke Information Technology Co ltd
Chengdu Information Technology Co Ltd of CAS
Original Assignee
Chengdu Zhongke Information Technology Co ltd
Chengdu Information Technology Co Ltd of CAS
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 Chengdu Zhongke Information Technology Co ltd, Chengdu Information Technology Co Ltd of CAS filed Critical Chengdu Zhongke Information Technology Co ltd
Priority to CN202011530172.1A priority Critical patent/CN112560729B/zh
Publication of CN112560729A publication Critical patent/CN112560729A/zh
Application granted granted Critical
Publication of CN112560729B publication Critical patent/CN112560729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/412Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/24Aligning, centring, orientation detection or correction of the image
    • G06V10/242Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

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

Abstract

本发明涉及选票识别技术领域,其目的在于提供一种选票处理方法及系统。本发明公开了一种选票处理方法,包括以下步骤:获取选票图像;使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据;将三行灰度图像数据还原为一行彩色图像数据;获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比;选取在当前彩色图像数据中占比最大的通道;获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据;对当前灰度图像数据进行图像识别。本发明还公开了一种选票处理系统,包括采集模块、扫描模块和处理模块。本发明可兼容冷色调选票和暖色调选票的采集和识别,选票识别应用范围更大,便于用户使用不同颜色的选票。

Description

一种选票处理方法及系统
技术领域
本发明涉及选票识别技术领域,特别是涉及一种选票处理方法及系统。
背景技术
现有技术中,电子票箱通常使用暖色调选票,此时只需要使用红光扫描选票,得到灰度图像后对其进行识别即可。
然而,现有技术中,识别装置所用的选票信息采集方式以及识别算法只适用于偏暖色选票的识别,而无法兼容冷色调及其他颜色选票的识别需求,造成选票颜色不能更改,不利于用户个性化选择。
发明内容
本发明旨在至少在一定程度上解决上述技术问题,本发明提供了一种选票处理方法及系统。
本发明采用的技术方案是:
一种选票处理方法,包括以下步骤:
获取选票图像;
使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据;
将三行灰度图像数据还原为一行彩色图像数据;
获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比;
选取在当前彩色图像数据中占比最大的通道;
获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据;
对当前灰度图像数据进行图像识别。
优选地,获取选票图像后,将选票沿走向的垂直方向分为多个部分选票,然后同时分别对多个部分选票进行扫描,并得到多段三行灰度图像数据。
优选地,扫描选票时,依次使用红光、绿光及蓝光扫描选票。
优选地,获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比时,具体步骤如下:
遍历当前彩色图像数据,查找当前彩色图像数据中每个像素点内R通道、G通道和B通道在当前像素点中的占比;
将当前彩色图像数据中所有像素点内的R通道、G通道和B通道分离,计算所有R通道、G通道和B通道在该当前彩色图像数据中的占比。
优选地,对当前灰度图像数据进行图像识别时,具体步骤如下:
对当前灰度图像数据进行二值化处理,得到二值图像;
对当前二值图像进行图像识别。
进一步优选地,对当前二值图像进行图像识别时,具体步骤如下:
对当前二值图像进行投影;
获取当前二值图像中的信息块;
获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块。
进一步优选地,获取当前二值图像中的信息块时,具体步骤如下:
对信息块进行定位,然后以当前定位信息为中心,获取当前定位区域;
遍历当前定位区域,获取并存储所有灰度值突变的点;
根据所有灰度值突变的点,获取轮廓图形;
剔除当前轮廓图形中非闭合的轮廓图形,得到闭合的轮廓图形,该闭合的轮廓图形即为信息块。
进一步优选地,获取当前二值图像中的信息块后,还包括如下步骤:
将当前信息块按比例缩小,然后获取当前缩小后信息块内预定像素点的数量。
进一步优选地,获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块时,具体步骤如下:
获取当前信息块内预定像素点的数量,其中,预定像素点采用灰度值为0的像素点实现;
判断当前信息块内预定像素点的数量是否大于阈值,若是,则输出当前信息块为填涂信息块,若否,则输出当前信息块不为填涂信息块。
一种选票处理系统,用于实现如上述任一项所述的选票处理方法,所述选票处理系统包括采集模块、扫描模块和处理模块;
所述采集模块,用于获取选票图像,然后将选票图像输送至扫描模块处;
所述扫描模块,用于使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据,然后将三行灰度图像数据发送至处理模块;
所述处理模块,用于将三行灰度图像数据还原为一行彩色图像数据,获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比,选取在当前彩色图像数据中占比最大的通道,获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据,并对当前灰度图像数据进行图像识别。
本发明的有益效果是:
1)可兼容冷色调选票和暖色调选票的采集和识别,选票识别应用范围更大,便于用户使用不同颜色的选票。本发明通过对在当前彩色图像数据中占比最大的通道所对应的灰度图像数据进行图像识别,可解决兼容冷色调选票和暖色调选票识别的问题,相比现有技术中只能用红光照射选票而言,本发明可识别的选票种类进一步增加;
2)在采集彩色选票图像时,可提升走纸速度。
附图说明
图1是本发明中一种选票处理方法的流程框图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解,本发明使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1:
本实施例提供一种选票处理方法,如图1所示,包括以下步骤:
获取选票图像;
使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据;具体地,依次使用红光、绿光及蓝光扫描选票;
将三行灰度图像数据还原为一行彩色图像数据;应当理解的是,一行彩色图像数据的数据量为以前灰度图像数据的数据量的三倍;
获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比;应当理解的是,占比即指在总数中所占的比重,如R通道在该当前彩色图像数据中的占比,即为R通道中灰度值在该当前彩色图像数据中所有灰度值的占比。
选取在当前彩色图像数据中占比最大的通道;
获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据;
对当前灰度图像数据进行图像识别。应当理解的是,此处的当前灰度图像数据即为在当前彩色图像数据中占比最大的通道所对应的灰度图像数据,如在当前彩色图像数据中占比最大的通道为R通道,则R通道所对应的灰度图像数据即为通过红光扫描选票图像时得到的灰度图像数据。
本实施例可兼容冷色调选票和暖色调选票的采集和识别,选票识别应用范围更大,便于用户使用不同颜色的选票。具体地,本实施例在实施过程中,获取选票,并得到选票的彩色图像数据后,通过获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比,选取在当前彩色图像数据中占比最大的通道,然后获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据,最后对当前灰度图像数据进行图像识别。本实施例通过对在当前彩色图像数据中占比最大的通道所对应的灰度图像数据进行图像识别,可解决兼容冷色调选票和暖色调选票识别的问题,相比现有技术中只能用红光照射选票(即只能识别R通道所对应的灰度图像数据)而言,本实施例可识别的选票种类进一步增加。
本实施例中,获取选票图像后,将选票沿走向的垂直方向分为多个部分选票,然后同时分别对多个部分选票进行扫描,并得到多段三行灰度图像数据。具体地,将选票沿走向的垂直方向分为多个部分选票,由此可同时对选票的不同部分进行扫描,此时可对多段三行灰度图像数据同时进行采样,从而在采集彩色选票图像时,避免走纸速度降低的问题,由此提升走纸速度。
具体地,本实施例中,获取选票图像后,将选票沿走向的垂直方向分为三个部分选票,然后同时分别对三个部分选票进行扫描,并得到三段三行灰度图像数据。具体地,可将选票分为左中右三个部分选票,同时对选票的左中右三个部分进行扫描,可得到三段三行灰度图像数据。
本实施例中,扫描选票时,依次使用红光、绿光及蓝光扫描选票,也可采用其他顺序扫描选票。
本实施例中,获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比时,具体步骤如下:
遍历当前彩色图像数据,查找当前彩色图像数据中每个像素点内R通道、G通道和B通道在当前像素点中的占比;
将当前彩色图像数据中所有像素点内的R通道、G通道和B通道分离,计算所有R通道、G通道和B通道在该当前彩色图像数据中的占比。
本实施例中,对当前灰度图像数据进行图像识别时,具体步骤如下:
对当前灰度图像数据进行二值化处理,得到二值图像;
对当前二值图像进行图像识别。
需要说明的是,图像的二值化可使当前灰度图像中数据量大为减少,从而能凸显出目标的轮廓。
本实施例中,对当前二值图像进行图像识别时,具体步骤如下:
对当前二值图像进行投影;具体地,对当前二值图像向左或向右进行投影。需要说明的是,对当前二值图像进行投影,可便于获取当前二值图像中的信息块,具体为,在对当前二值图像进行投影后,可通过寻找该投影的中心点得到每个信息块中心点的纵坐标,并通过系统内预存的信息块的横坐标,最终获取当前信息块的定位信息。
获取当前二值图像中的信息块;需要说明的是,信息块即为选票指定填涂块所在的区域。
获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块。应当理解的是,预定像素点可采用灰度值为0的像素点或灰度值为255的像素点实现,其中,灰度值为0的像素点即为黑色像素点,灰度值为255的像素点即为白色像素点。
本实施例中,获取当前二值图像中的信息块时,具体步骤如下:
对信息块进行定位,然后以当前定位信息为中心,获取当前定位区域;
遍历当前定位区域,获取并存储所有灰度值突变的点;
根据所有灰度值突变的点,获取轮廓图形;
剔除当前轮廓图形中非闭合的轮廓图形,得到闭合的轮廓图形,该闭合的轮廓图形即为信息块。
需要说明的是,选票上通常除信息块外,还会设置如同步道、上下中心孔、起始块、正反倒顺标志块等,其长宽数值通常与信息块的长宽数值不同。基于此,在得到闭合的轮廓图形后,为提升信息块获取的精准度,本方法还包括以下步骤:
根据预定的信息块长宽数值,判断当前闭合的轮廓图形的长宽是否与预定的信息块长宽数值对应,若是,则当前闭合的轮廓图形即为信息块,若否,则当前闭合的轮廓图形不为信息块。
进一步地,获取当前二值图像中的信息块后,还包括如下步骤:
将当前信息块按比例缩小,然后获取当前缩小后信息块内预定像素点的数量。需要说明的是,在获取当前二值图像中的信息块后、获取信息块内预定像素点数量前,将当前信息块按比例缩小,由此可在获取当前信息块内预定像素点的数量时,尽可能避免信息块外填涂区域对判断当前信息块是否为填涂信息块的影响,用以提升判断当前信息块是否为填涂信息块时的判断准确率。
本实施例中,获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块时,具体步骤如下:
获取当前信息块内预定像素点的数量,其中,预定像素点采用灰度值为0的像素点(即,黑色像素点)实现;
判断当前信息块内预定像素点的数量是否大于阈值,若是,则输出当前信息块为填涂信息块,若否,则输出当前信息块不为填涂信息块。具体地,阈值可根据当前信息块内所有像素点的数量来定,如设定为当前信息块内所有像素点数量的80%、90%等,如当前信息块内所有像素点数量为200、设定阈值为当前信息块内所有像素点数量的90%时,当前阈值即为180。
应当理解的是,预定像素点还可采用灰度值为255的像素点实现,此时,可设定第二阈值,当当前信息块内预定像素点的数量小于第二阈值时,输出当前信息块为填涂信息块,当当前信息块内预定像素点的数量大于第二阈值时,输出当前信息块不为填涂信息块。应当理解的是,第二阈值的设定与阈值类似,如当前信息块内所有像素点数量为200、设定阈值为当前信息块内所有像素点数量的10%时,当前第二阈值即为20。
实施例2:
在实施例1的基础上,本实施例提供一种选票处理系统,用于实现如实施例1中的选票处理方法,所述选票处理系统包括采集模块、扫描模块和处理模块;
所述采集模块,用于获取选票图像,然后将选票图像输送至扫描模块处;
所述扫描模块,用于使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据,然后将三行灰度图像数据发送至处理模块;
所述处理模块,用于将三行灰度图像数据还原为一行彩色图像数据,获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比,选取在当前彩色图像数据中占比最大的通道,获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据,并对当前灰度图像数据进行图像识别。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所描述的多个实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上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。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。

Claims (9)

1.一种选票处理方法,其特征在于:包括以下步骤:
获取选票图像;
使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据;
将三行灰度图像数据还原为一行彩色图像数据;
获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比;
选取在当前彩色图像数据中占比最大的通道;
获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据;
对当前灰度图像数据进行图像识别;
获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比时,具体步骤如下:
遍历当前彩色图像数据,查找当前彩色图像数据中每个像素点内R通道、G通道和B通道在当前像素点中的占比;
将当前彩色图像数据中所有像素点内的R通道、G通道和B通道分离,计算所有R通道、G通道和B通道在该当前彩色图像数据中的占比。
2.根据权利要求1所述的一种选票处理方法,其特征在于:获取选票图像后,将选票沿走向的垂直方向分为多个部分选票,然后同时分别对多个部分选票进行扫描,并得到多段三行灰度图像数据。
3.根据权利要求1所述的一种选票处理方法,其特征在于:扫描选票时,依次使用红光、绿光及蓝光扫描选票。
4.根据权利要求1所述的一种选票处理方法,其特征在于:对当前灰度图像数据进行图像识别时,具体步骤如下:
对当前灰度图像数据进行二值化处理,得到二值图像;
对当前二值图像进行图像识别。
5.根据权利要求4所述的一种选票处理方法,其特征在于:对当前二值图像进行图像识别时,具体步骤如下:
对当前二值图像进行投影;
获取当前二值图像中的信息块;
获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块。
6.根据权利要求5所述的一种选票处理方法,其特征在于:获取当前二值图像中的信息块时,具体步骤如下:
对信息块进行定位,然后以当前定位信息为中心,获取当前定位区域;
遍历当前定位区域,获取并存储所有灰度值突变的点;
根据所有灰度值突变的点,获取轮廓图形;
剔除当前轮廓图形中非闭合的轮廓图形,得到闭合的轮廓图形,该闭合的轮廓图形即为信息块。
7.根据权利要求5所述的一种选票处理方法,其特征在于:获取当前二值图像中的信息块后,还包括如下步骤:
将当前信息块按比例缩小,然后获取当前缩小后信息块内预定像素点的数量。
8.根据权利要求5所述的一种选票处理方法,其特征在于:获取当前信息块内预定像素点的数量,并根据当前信息块内预定像素点的数量判断当前信息块是否为填涂信息块时,具体步骤如下:
获取当前信息块内预定像素点的数量,其中,预定像素点采用灰度值为0的像素点实现;
判断当前信息块内预定像素点的数量是否大于阈值,若是,则输出当前信息块为填涂信息块,若否,则输出当前信息块不为填涂信息块。
9.一种选票处理系统,其特征在于:用于实现如权利要求1至8任一项所述的选票处理方法,所述选票处理系统包括采集模块、扫描模块和处理模块;
所述采集模块,用于获取选票图像,然后将选票图像输送至扫描模块处;
所述扫描模块,用于使用红光、绿光及蓝光扫描选票图像,得到三行灰度图像数据,然后将三行灰度图像数据发送至处理模块;
所述处理模块,用于将三行灰度图像数据还原为一行彩色图像数据,获取当前彩色图像数据中R通道、G通道和B通道在该当前彩色图像数据中的占比,选取在当前彩色图像数据中占比最大的通道,获取在当前彩色图像数据中占比最大的通道所对应的灰度图像数据,并对当前灰度图像数据进行图像识别。
CN202011530172.1A 2020-12-22 2020-12-22 一种选票处理方法及系统 Active CN112560729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011530172.1A CN112560729B (zh) 2020-12-22 2020-12-22 一种选票处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011530172.1A CN112560729B (zh) 2020-12-22 2020-12-22 一种选票处理方法及系统

Publications (2)

Publication Number Publication Date
CN112560729A CN112560729A (zh) 2021-03-26
CN112560729B true CN112560729B (zh) 2023-12-26

Family

ID=75031426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011530172.1A Active CN112560729B (zh) 2020-12-22 2020-12-22 一种选票处理方法及系统

Country Status (1)

Country Link
CN (1) CN112560729B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4701790A (en) * 1984-06-13 1987-10-20 Dainippon Screen Manufacturing Co., Ltd. Method and apparatus for color separation in an image reproduction scanner
CN102104707A (zh) * 2009-12-22 2011-06-22 东友科技股份有限公司 接触式图像扫描装置及其扫描控制方法
CN103679178A (zh) * 2012-08-30 2014-03-26 北京飞利信科技股份有限公司 彩色印刷纸张人工填涂信息的一种识别方法
CN103679700A (zh) * 2013-10-29 2014-03-26 成都三泰电子实业股份有限公司 票据图像倒置检测系统
CN103929560A (zh) * 2014-04-18 2014-07-16 威海华菱光电股份有限公司 图像获取方法和装置
CN104408459A (zh) * 2014-10-27 2015-03-11 国家电网公司 电力设备监控中使用的图像识别方法
CN108537945A (zh) * 2018-03-09 2018-09-14 深圳怡化电脑股份有限公司 票据水印检测方法、系统及自助设备
CN109635136A (zh) * 2018-12-13 2019-04-16 深圳美特优科技有限公司 一种智能票据管理系统
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN109711404A (zh) * 2018-12-20 2019-05-03 中科院成都信息技术股份有限公司 印章选票填涂的识别方法、装置及计算机可读存储介质
CN110554403A (zh) * 2018-05-31 2019-12-10 成都理想境界科技有限公司 一种激光扫描成像设备
CN111556219A (zh) * 2020-01-21 2020-08-18 神盾股份有限公司 图像扫描装置及图像扫描方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10922801B2 (en) * 2017-07-19 2021-02-16 Lockheed Martin Corporation Channel-based binarization of color
JP7181047B2 (ja) * 2018-10-17 2022-11-30 シャープ株式会社 原稿読取装置及びこれを備えた画像形成装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4701790A (en) * 1984-06-13 1987-10-20 Dainippon Screen Manufacturing Co., Ltd. Method and apparatus for color separation in an image reproduction scanner
CN102104707A (zh) * 2009-12-22 2011-06-22 东友科技股份有限公司 接触式图像扫描装置及其扫描控制方法
CN103679178A (zh) * 2012-08-30 2014-03-26 北京飞利信科技股份有限公司 彩色印刷纸张人工填涂信息的一种识别方法
CN103679700A (zh) * 2013-10-29 2014-03-26 成都三泰电子实业股份有限公司 票据图像倒置检测系统
CN103929560A (zh) * 2014-04-18 2014-07-16 威海华菱光电股份有限公司 图像获取方法和装置
CN104408459A (zh) * 2014-10-27 2015-03-11 国家电网公司 电力设备监控中使用的图像识别方法
CN108537945A (zh) * 2018-03-09 2018-09-14 深圳怡化电脑股份有限公司 票据水印检测方法、系统及自助设备
CN110554403A (zh) * 2018-05-31 2019-12-10 成都理想境界科技有限公司 一种激光扫描成像设备
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN109635136A (zh) * 2018-12-13 2019-04-16 深圳美特优科技有限公司 一种智能票据管理系统
CN109711404A (zh) * 2018-12-20 2019-05-03 中科院成都信息技术股份有限公司 印章选票填涂的识别方法、装置及计算机可读存储介质
CN111556219A (zh) * 2020-01-21 2020-08-18 神盾股份有限公司 图像扫描装置及图像扫描方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
印章识别中的图像预处理研究;赵永涛,李志敏,王洪建,陈志云,王林;仪器仪表学报(S2);全文 *
基于图像识别的苹果等级分级研究;于蒙等;自动化与仪表;第34卷(第07期);全文 *
选票扫描图像识别中的快速定位方法;胡俐蕊;吴建国;;计算机应用与软件(12);全文 *

Also Published As

Publication number Publication date
CN112560729A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN110310229A (zh) 图像处理方法、图像处理装置、终端设备及可读存储介质
CN110443140B (zh) 文本定位的方法、装置、计算机设备及存储介质
CN110399842B (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
CN112287912A (zh) 基于深度学习的车道线检测方法以及装置
CN111985465A (zh) 文本识别方法、装置、设备及存储介质
CN111062331B (zh) 图像的马赛克检测方法、装置、电子设备及存储介质
CN105338214A (zh) 图像处理方法和图像处理装置
CN113010736B (zh) 一种视频分类方法、装置、电子设备及存储介质
CN115082776A (zh) 一种基于图像识别的电能表自动检测系统及方法
CN113221601B (zh) 字符识别方法、装置及计算机可读存储介质
CN112560729B (zh) 一种选票处理方法及系统
CN115033721A (zh) 基于大数据的图像检索方法
CN111539975B (zh) 一种运动目标的检测方法、装置、设备及存储介质
CN112651280B (zh) 信息提示方法及装置
JP2004135269A (ja) 正確さをエンハンスするために空間コンテクストを用いる電子カラードロップアウト方法
CN110533678A (zh) 基于fpga帧并行连通域筛选特征目标的图像处理方法
CN109509237B (zh) 滤镜处理的方法、装置及电子设备
CN110222797A (zh) 基于扫描枪的打印控制方法、装置、扫描枪及介质
CN109151247B (zh) 一种图像扫描方法、装置及阅读器
CN1333574C (zh) 一种数字图像中提取文本区域的方法
CN109712216B (zh) 图表渲染方法、装置、可读存储介质及电子设备
CN113705571A (zh) 基于rgb阈值去红章的方法、装置、可读介质及电子设备
CN112712078A (zh) 文本检测的方法及装置
CN109977734B (zh) 图像处理方法和装置
CN114022395B (zh) 一种证件照头发颜色矫正方法、装置及介质

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
GR01 Patent grant
GR01 Patent grant