CN112651399B - 检测倾斜图像中同行文字的方法及其相关设备 - Google Patents
检测倾斜图像中同行文字的方法及其相关设备 Download PDFInfo
- Publication number
- CN112651399B CN112651399B CN202011607621.8A CN202011607621A CN112651399B CN 112651399 B CN112651399 B CN 112651399B CN 202011607621 A CN202011607621 A CN 202011607621A CN 112651399 B CN112651399 B CN 112651399B
- Authority
- CN
- China
- Prior art keywords
- rectangle
- rectangles
- text
- judged
- same row
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 239000012634 fragment Substances 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000003709 image segmentation Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 15
- 238000005070 sampling Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
Abstract
本申请实施例属于人工智能领域,应用于智慧政务领域中,涉及一种检测倾斜图像中同行文字的方法及其相关设备,包括接收文字图片,将文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;获取待判断文本框与标准方向的夹角,将夹角大于夹角阈值的待判断文本框作为倾斜矩形,得到多个倾斜矩形,将每个倾斜矩形与标准方向的夹角作为倾斜角,确定每个倾斜矩形的中心点坐标;基于倾斜角和中心点坐标分别计算每个倾斜矩形的倾斜距离;基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字。倾斜距离的计算公式可存储于区块链中,本申请能够快速确定出处于同行的倾斜矩形。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及检测倾斜图像中同行文字的方法及其相关设备。
背景技术
随着深度学习技术的快速发展,文字识别算法的精度越来越高,逐渐应用在许多的场景中。计算机在进行文字识别中,需要先判断出属于同一行的文字,才能准确的抽取需要的信息。在实际应用中,由于拍照角度等原因,导致文本图像中的文字往往是倾斜的,增加了计算机对于文字同行的判断难度。
现有的判断文字片段是否同行的方法是先根据图像中的信息,判断文本倾斜的角度,并将图像旋转至标准方向,再进行文字是否同行的判断以及文档结构分析。这种方式需要对图像进行旋转操作,大大增加了计算复杂度,在时效性要求较高的场景下难以使用。
发明内容
本申请实施例的目的在于提出一种检测倾斜图像中同行文字的方法及其相关设备,快速确定处于同行的倾斜矩形,提高计算机的处理速度。
为了解决上述技术问题,本申请实施例提供一种检测倾斜图像中同行文字的方法,采用了如下所述的技术方案:
一种检测倾斜图像中同行文字的方法,包括下述步骤:
接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;
获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标;
基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离;
基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字。
进一步的,所述将所述文字图片输入预先训练的文本框检测模型,获得多个待判断文本框的步骤包括:
将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图;
对所述二值掩码图进行连通域分析,形成连通域像素块;
确定所述连通域像素块的最小外接矩形,作为所述待判断文本框。
进一步的,所述将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图的步骤包括:
将所述文字图片依次经过所述图像分割模型的每个卷积层,获得每个卷积层输出的图片特征;
上采样所述图片特征,获得上采样特征,并基于所述上采样特征经过的卷积层的数目,反卷积所述上采样特征,获得反卷积特征;
融合所述反卷积特征,获得所述二值掩码图。
进一步的,所述基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离的步骤包括:
基于如下公式计算所述倾斜矩形的倾斜距离:
l=y×cosθ+x×sinθ
其中,所述l表示所述倾斜矩形的倾斜距离,x表示所述中心点坐标的横坐标,y表示所述中心点坐标的纵坐标,θ表示所述倾斜角。
进一步的,所述基于不同的倾斜矩形对应的倾斜距离,确定出处于同一行的倾斜矩形的步骤包括:
计算不同的倾斜矩形对应的倾斜距离之间的差值;
判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形。
进一步的,所述判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形的步骤包括:
判断所述差值的绝对值是否小于差值阈值,在所述差值的绝对值小于差值阈值的时,将所述差值对应的倾斜矩形作为同一行的倾斜矩形。
进一步的,所述基于不同的倾斜矩形对应的倾斜距离,确定同行的倾斜矩形的步骤包括:
从所述多个倾斜矩形中选择任意一个倾斜矩形作为第一待判断矩形,确定与所述待判断矩形距离最近的倾斜矩形,作为第二待判断矩形,并计算所述第一待判断矩形与所述第二待判断矩形,对应的倾斜距离之间的差值,获得待判断差值;
确定所述待判断差值是否符合同行条件,在所述待判断差值符合同行条件时,确定所述第一待判断矩形和所述第二待判断矩形为同一行的倾斜矩形;
确定与所述第二待判断矩形距离最近的倾斜矩形,作为第三待判断矩形,并计算所述第二待判断矩形与所述第三待判断矩形,对应的倾斜距离之间的差值,直至所述差值不符合同行条件,获得所有当前行的倾斜矩形;
从所述多个倾斜矩形中选择未计算过的倾斜矩形作为第四待判断矩形,重复执行所述同行倾斜矩形的判断过程,直至完成对所有倾斜矩形的计算,获得所述同行的倾斜矩形。
为了解决上述技术问题,本申请实施例还提供一种检测倾斜图像中同行文字的装置,采用了如下所述的技术方案:
接收模块,用于接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;
获取模块,用于获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标;
计算模块,用于基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离;以及
确定模块,用于基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述的检测倾斜图像中同行文字的方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述的检测倾斜图像中同行文字的方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请基于预先训练的文字检测模型,快速的产出倾斜矩形,无需另外计算文本片段的最小外接矩形框,节省了计算量;由于基于模型获得倾斜矩形,而无需识别文字的具体内容,例如笔画等,在噪声干扰和图像退化的情况下,文字所在的倾斜矩形也能够稳定的生成出来。故而基于检测出的倾斜矩形来进行同行文字的判断也更加的稳定。更加贴合实际,适用范围广泛。且本申请无需对图像进行旋转或者其他去躁等处理,方便快捷,只需要根据检测出的倾斜矩形的坐标和角度,即可快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的检测倾斜图像中同行文字的方法的一个实施例的流程图;
图3是根据本申请的检测倾斜图像中同行文字的装置的一个实施例的结构示意图;
图4是根据本申请的检测倾斜图像中同行文字的方法的一个实施例的辅助线示意图;
图5是根据本申请的检测倾斜图像中同行文字的方法的另一个实施例的辅助线示意图;
图6是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记:200、计算机设备;201、存储器;202、处理器;203、网络接口;300、检测倾斜图像中同行文字的装置;301、接收模块;302、获取模块;303、计算模块;304、确定模块。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
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。
用户可以使用终端设备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、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的检测倾斜图像中同行文字的方法一般由服务器/终端设备执行,相应地,检测倾斜图像中同行文字的装置一般设置于服务器/终端设备中。
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,示出了根据本申请的检测倾斜图像中同行文字的方法的一个实施例的流程图。所述的检测倾斜图像中同行文字的方法,包括以下步骤:
S1:接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框。
在本实施例中,本申请的文本框检测模型可以采用PSENet(渐进式扩展网络),PSENet能够对任意形状的文本进行定位,该模型能够准确的识别相邻文本实例。通过文本框检测模型获得待判断的文本框,用于后续步骤。
在本实施例中,检测倾斜图像中同行文字的方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式接收文字图片。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
具体的,所述将所述文字图片输入预先训练的文本框检测模型,获得多个待判断文本框的步骤包括:
将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图;
对所述二值掩码图进行连通域分析,形成连通域像素块;
确定所述连通域像素块的最小外接矩形,作为所述待判断文本框。
在本实施例中,文字分割的过程主要采用基于深度语义分割神经网络对文字区域像素进行分割,得到文字所在区域的二值掩码图(或者称为文字区域分割图)后,可利用传统图像处理方法,对二值掩码图进行连通域分析,得到不同文字片段的对应的连通像素块。然后对像素块求取最小包围矩形框,就得到本文描述的非水平矩形框。具体的连通域分析为识别每个像素的相邻4位或8位的像素,将相同的灰度值的像素相连接形成连通域。
其中,所述将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图的步骤包括:
将所述文字图片依次经过所述图像分割模型的每个卷积层,获得每个卷积层输出的图片特征;
上采样所述图片特征,获得上采样特征,并基于所述上采样特征经过的卷积层的数目,反卷积所述上采样特征,获得反卷积特征;
融合所述反卷积特征,获得所述二值掩码图。
在本实施例中,本申请中卷积核的大小采用3×3大小,当然根据实际需要可以调整卷积核的大小。若文字区域中的长与宽的差值大于预设的阈值,且长大于宽,则采用5×3大小的卷积核。若长与宽的差值大于预设的阈值,且长小于宽,则采用3×5大小的卷积核。通过适应性调整卷积核的大小,能够获得效果更佳的上采样特征。
S2:获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标。
在本实施例中,标准方向为水平方向。本申请中预设的夹角阈值设定为0°(度)。在实际应用中,可以根据实际需要,调整夹角阈值,适用即可。对连通域的最小外接矩形(即倾斜矩形)的描述包括了角度,矩形的长、宽,中心点,在求得最小外接矩形时,这些参数都可获得。基于预设的坐标系确定所述倾斜矩形的中心点坐标。利用传统图像处理方法,如cv2.minAreaRect()求取某一文字联通区域的最小外接矩形时,即包含了角度,矩形的长、宽,中心点。
需要说明的是:在通过上述的夹角阈值的判断过程后,需要获得多个倾斜矩形,其中,多个的具体数值为预设量值,本申请中预设量值设置为4个,在实际应用过程中,预设量值可以随着实际的需要进行灵活设定。若获得的倾斜矩形的数量小于预设量值,则调小所述夹角阈值,直至获得的倾斜矩形的数量大于或等于预设量值。若在将夹角阈值调小至0°(度)时,获得的倾斜矩形的数量依然小于预设量值,则将所有的待判断文本框均作为倾斜矩形,用于后续的处理过程。
S3:基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离。
在本实施例中,基于所述倾斜角和所述中心点坐标,计算所述倾斜矩形至预设的标准线的距离,作为所述倾斜矩形的倾斜距离。本申请通过倾斜矩形,即非水平的矩形,转换其坐标数值,从而判断倾斜矩形中矩形框区域的文字片段是否属于同一行。
具体的,所述基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离的步骤包括:
基于如下公式计算所述倾斜矩形的倾斜距离:
l=y×cosθ+x×sinθ,
其中,所述l表示所述倾斜矩形的倾斜距离,x表示所述中心点坐标的横坐标,y表示所述中心点坐标的纵坐标,θ表示所述倾斜角。
在本实施例中,判断其中的两个旋转矩形区域的文字是否同一行,实际上可以用判断倾斜矩形的倾斜距离是否相等来代替,即计算倾斜矩形距离标准线的长度。其中,倾斜矩形距离标准线的长度的计算有两种推导过程:第一种是根据公式:l=y×cosθ+x×sinθ,具体辅助线如图4所示。第二种是根据公式:l=l1+l2=y/cosθ+(x-y/cosθ×sinθ)×sinθ=y×cosθ+x×sinθ,具体辅助线如图5所示。其中(x,y)是文字最小外接矩形的中心点坐标,θ为矩形框和标准方向(即水平方向)的夹角。
S4:基于不同的倾斜矩形对应的倾斜距离,确定同行的倾斜矩形,将所述处于同行的倾斜矩形对应的文字片段,作为同行文字。
在本实施例中,根据倾斜距离确定出处于同一行的倾斜矩形。由于倾斜矩形本申请为文本框,其中包含有文字片段,根据处于同一行的倾斜矩形即可确定出处于同一行的文字,完成同行文字的检测。
具体的,所述基于不同的倾斜矩形对应的倾斜距离,确定出处于同一行的倾斜矩形的步骤包括:
计算不同的倾斜矩形对应的倾斜距离之间的差值;
判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形。
在本实施例中,通过计算不同的倾斜距离之间的差值,从而实现快速判断出处于同行的倾斜矩形。
其中,所述判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形的步骤包括:
判断所述差值的绝对值是否小于差值阈值,在所述差值的绝对值小于差值阈值的时,将所述差值对应的倾斜矩形作为同一行的倾斜矩形。
在本实施例中,不同的倾斜矩形对应的倾斜距离分别为l和l',如果|l-l′|<δ则认为是同一行。其中,δ为预设的差值阈值。
此外,所述基于不同的倾斜矩形对应的倾斜距离,确定同行的倾斜矩形的步骤包括:
从所述多个倾斜矩形中选择任意一个倾斜矩形作为第一待判断矩形,确定与所述待判断矩形距离最近的倾斜矩形,作为第二待判断矩形,并计算所述第一待判断矩形与所述第二待判断矩形,对应的倾斜距离之间的差值,获得待判断差值;
确定所述待判断差值是否符合同行条件,在所述待判断差值符合同行条件时,确定所述第一待判断矩形和所述第二待判断矩形为同一行的倾斜矩形;
确定与所述第二待判断矩形距离最近的倾斜矩形,作为第三待判断矩形,并计算所述第二待判断矩形与所述第三待判断矩形,对应的倾斜距离之间的差值,直至所述差值不符合同行条件,获得所有当前行的倾斜矩形;
从所述多个倾斜矩形中选择未计算过的倾斜矩形作为第四待判断矩形,重复执行所述同行倾斜矩形的判断过程,直至完成对所有倾斜矩形的计算,获得同行的倾斜矩形。
在本实施例中,在同行计算的过程中,考虑到可能会将纵列的倾斜矩形和横向的倾斜矩形判断为同一行,从而造成后续应用的文字识别有误的问题。由于处于同一行的文字之间的距离,大多比不同行的文字之间的距离近,本申请选择直接判断与第一待判断矩形距离最接近的倾斜矩形,作为第二待判断矩形,进行同行判断。
本申请基于预先训练的文字检测模型,快速的产出倾斜矩形,无需另外计算文本片段的最小外接矩形框,节省了计算量;由于基于模型获得倾斜矩形,而无需识别文字的具体内容,例如笔画等,在噪声干扰和图像退化的情况下,文字所在的倾斜矩形也能够稳定的生成出来。故而基于检测出的倾斜矩形来进行同行文字的判断也更加的稳定。更加贴合实际,适用范围广泛。且本申请无需对图像进行旋转或者其他去躁等处理,方便快捷,只需要根据检测出的倾斜矩形的坐标和角度,即可快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
需要强调的是,为进一步保证上述倾斜距离的计算公式的私密和安全性,上述倾斜距离的计算公式还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可应用于智慧政务领域中,具体用于智慧政务中对于倾斜的文字图像中的同行文字的检测,从而推动智慧城市的建设。
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,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种检测倾斜图像中同行文字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3所示,本实施例所述的检测倾斜图像中同行文字的装置300包括:接收模块301、获取模块302、计算模块303以及确定模块304。其中:所述接收模块301,用于接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;获取模块302,用于获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标;计算模块303,用于基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离;以及确定模块304,用于基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字。
在本实施例中,本申请基于预先训练的文字检测模型,快速的产出倾斜矩形,无需另外计算文本片段的最小外接矩形框,节省了计算量;由于基于模型获得倾斜矩形,而无需识别文字的具体内容,例如笔画等,在噪声干扰和图像退化的情况下,文字所在的倾斜矩形也能够稳定的生成出来。故而基于检测出的倾斜矩形来进行同行文字的判断也更加的稳定。更加贴合实际,适用范围广泛。且本申请无需对图像进行旋转或者其他去躁等处理,方便快捷,只需要根据检测出的倾斜矩形的坐标和角度,即可快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
接收模块301包括分割子模块、分析子模块和确定子模块。其中,分割子模块用于将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图;分析子模块用于对所述二值掩码图进行连通域分析,形成连通域像素块;确定子模块用于确定所述连通域像素块的最小外接矩形,作为所述待判断文本框。
分割子模块包括卷积单元、上采样单元和融合单元。其中,卷积单元用于将所述文字图片依次经过所述图像分割模型的每个卷积层,获得每个卷积层输出的图片特征;上采样单元用于上采样所述图片特征,获得上采样特征,并基于所述上采样特征经过的卷积层的数目,反卷积所述上采样特征,获得反卷积特征;融合单元用于融合所述反卷积特征,获得所述二值掩码图。
在本实施例的一些可选的实现方式中,上述计算模块303进一步用于:基于如下公式计算所述倾斜矩形的倾斜距离:
l=y×cosθ+x×sinθ,
其中,所述l表示所述倾斜矩形的倾斜距离,x表示所述中心点坐标的横坐标,y表示所述中心点坐标的纵坐标,θ表示所述倾斜角。
确定模块304包括计算子模块和判断子模块。其中,计算子模块用于计算不同的倾斜矩形对应的倾斜距离之间的差值;判断子模块用于判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形。
在本实施例的一些可选的实现方式中,上述判断子模块进一步用于:判断所述差值的绝对值是否小于差值阈值,在所述差值的绝对值小于差值阈值的时,将所述差值对应的倾斜矩形作为同一行的倾斜矩形。
确定模块304还包括选择子模块、差值判断子模块、距离确定子模块和重复执行子模块。选择子模块用于从所述多个倾斜矩形中选择任意一个倾斜矩形作为第一待判断矩形,确定与所述待判断矩形距离最近的倾斜矩形,作为第二待判断矩形,并计算所述第一待判断矩形与所述第二待判断矩形,对应的倾斜距离之间的差值,获得待判断差值;差值判断子模块用于确定所述待判断差值是否符合同行条件,在所述待判断差值符合同行条件时,确定所述第一待判断矩形和所述第二待判断矩形为同一行的倾斜矩形;距离确定子模块用于确定与所述第二待判断矩形距离最近的倾斜矩形,作为第三待判断矩形,并计算所述第二待判断矩形与所述第三待判断矩形,对应的倾斜距离之间的差值,直至所述差值不符合同行条件,获得所有当前行的倾斜矩形;重复执行子模块用于从所述多个倾斜矩形中选择未计算过的倾斜矩形作为第四待判断矩形,重复执行所述同行倾斜矩形的判断过程,直至完成对所有倾斜矩形的计算,获得同行的倾斜矩形。
本申请基于预先训练的文字检测模型,快速的产出倾斜矩形,无需另外计算文本片段的最小外接矩形框,节省了计算量;由于基于模型获得倾斜矩形,而无需识别文字的具体内容,例如笔画等,在噪声干扰和图像退化的情况下,文字所在的倾斜矩形也能够稳定的生成出来。故而基于检测出的倾斜矩形来进行同行文字的判断也更加的稳定。更加贴合实际,适用范围广泛。且本申请无需对图像进行旋转或者其他去躁等处理,方便快捷,只需要根据检测出的倾斜矩形的坐标和角度,即可快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备200包括通过系统总线相互通信连接存储器201、处理器202、网络接口203。需要指出的是,图中仅示出了具有组件201-203的计算机设备200,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器201至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器201可以是所述计算机设备200的内部存储单元,例如该计算机设备200的硬盘或内存。在另一些实施例中,所述存储器201也可以是所述计算机设备200的外部存储设备,例如该计算机设备200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。当然,所述存储器201还可以既包括所述计算机设备200的内部存储单元也包括其外部存储设备。本实施例中,所述存储器201通常用于存储安装于所述计算机设备200的操作系统和各类应用软件,例如检测倾斜图像中同行文字的方法的计算机可读指令等。此外,所述存储器201还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器202在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器202通常用于控制所述计算机设备200的总体操作。本实施例中,所述处理器202用于运行所述存储器201中存储的计算机可读指令或者处理数据,例如运行所述检测倾斜图像中同行文字的方法的计算机可读指令。
所述网络接口203可包括无线网络接口或有线网络接口,该网络接口203通常用于在所述计算机设备200与其他电子设备之间建立通信连接。
在本实施例中,根据检测出的倾斜矩形的坐标和角度,快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
本申请还提供了另一种实施方式,即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可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的检测倾斜图像中同行文字的方法的步骤。
在本实施例中,根据检测出的倾斜矩形的坐标和角度,快速确定处于同行的倾斜矩形,进而快速的确定处于同行的文字片段,计算量小,有效加快了计算机的处理效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (8)
1.一种检测倾斜图像中同行文字的方法,其特征在于,包括下述步骤:
接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;
获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标;
基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离,具体的,所述基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离的步骤包括:
基于如下公式计算所述倾斜矩形的倾斜距离:;
其中,所述l表示所述倾斜矩形的倾斜距离,x表示所述中心点坐标的横坐标,y表示所述中心点坐标的纵坐标,θ表示所述倾斜角;
基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字,其中,所述基于不同的倾斜矩形对应的倾斜距离,确定同行的倾斜矩形的步骤包括:
从所述多个倾斜矩形中选择任意一个倾斜矩形作为第一待判断矩形,确定与所述待判断矩形距离最近的倾斜矩形,作为第二待判断矩形,并计算所述第一待判断矩形与所述第二待判断矩形,对应的倾斜距离之间的差值,获得待判断差值;
确定所述待判断差值是否符合同行条件,在所述待判断差值符合同行条件时,确定所述第一待判断矩形和所述第二待判断矩形为同一行的倾斜矩形;
确定与所述第二待判断矩形距离最近的倾斜矩形,作为第三待判断矩形,并计算所述第二待判断矩形与所述第三待判断矩形,对应的倾斜距离之间的差值,直至所述差值不符合同行条件,获得所有当前行的倾斜矩形;
从所述多个倾斜矩形中选择未计算过的倾斜矩形作为第四待判断矩形,重复执行所述同行倾斜矩形的判断过程,直至完成对所有倾斜矩形的计算,获得所述同行的倾斜矩形。
2.根据权利要求1所述的检测倾斜图像中同行文字的方法,其特征在于,所述将所述文字图片输入预先训练的文本框检测模型,获得多个待判断文本框的步骤包括:
将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图;
对所述二值掩码图进行连通域分析,形成连通域像素块;
确定所述连通域像素块的最小外接矩形,作为所述待判断文本框。
3.根据权利要求2所述的检测倾斜图像中同行文字的方法,其特征在于,所述将所述文字图片输入至所述文本框检测模型的图像分割模型中,获得二值掩码图的步骤包括:
将所述文字图片依次经过所述图像分割模型的每个卷积层,获得每个卷积层输出的图片特征;
上采样所述图片特征,获得上采样特征,并基于所述上采样特征经过的卷积层的数目,反卷积所述上采样特征,获得反卷积特征;
融合所述反卷积特征,获得所述二值掩码图。
4.根据权利要求1所述的检测倾斜图像中同行文字的方法,其特征在于,所述基于不同的倾斜矩形对应的倾斜距离,确定出处于同一行的倾斜矩形的步骤包括:
计算不同的倾斜矩形对应的倾斜距离之间的差值;
判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形。
5.根据权利要求4所述的检测倾斜图像中同行文字的方法,其特征在于,所述判断所述差值是否符合预设的同行条件,将符合同行条件的差值对应的倾斜矩形作为同一行的倾斜矩形的步骤包括:
判断所述差值的绝对值是否小于差值阈值,在所述差值的绝对值小于差值阈值的时,将所述差值对应的倾斜矩形作为同一行的倾斜矩形。
6.一种检测倾斜图像中同行文字的装置,其特征在于,所述检测倾斜图像中同行文字的装置用于实现权利要求1至5中任一项所述的检测倾斜图像中同行文字的方法的步骤,所述检测倾斜图像中同行文字的装置包括:
接收模块,用于接收文字图片,将所述文字图片输入至预先训练的文本框检测模型中,获得多个待判断文本框;
获取模块,用于获取每个所述待判断文本框与标准方向的夹角,将所述夹角大于预设的夹角阈值的所述待判断文本框作为倾斜矩形,得到多个倾斜矩形,并将每个所述倾斜矩形与标准方向的夹角作为对应的倾斜角,确定每个所述倾斜矩形的中心点坐标;
计算模块,用于基于所述倾斜角和所述中心点坐标分别计算每个所述倾斜矩形的倾斜距离;以及
确定模块,用于基于不同的倾斜矩形对应的倾斜距离,确定出处于同行的倾斜矩形,并将处于同行的倾斜矩形对应的文字片段,作为同行文字。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的检测倾斜图像中同行文字的方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的检测倾斜图像中同行文字的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607621.8A CN112651399B (zh) | 2020-12-30 | 2020-12-30 | 检测倾斜图像中同行文字的方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607621.8A CN112651399B (zh) | 2020-12-30 | 2020-12-30 | 检测倾斜图像中同行文字的方法及其相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651399A CN112651399A (zh) | 2021-04-13 |
CN112651399B true CN112651399B (zh) | 2024-05-14 |
Family
ID=75364063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607621.8A Active CN112651399B (zh) | 2020-12-30 | 2020-12-30 | 检测倾斜图像中同行文字的方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651399B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012265B (zh) * | 2021-04-22 | 2024-04-30 | 中国平安人寿保险股份有限公司 | 针式打印字符图像生成方法、装置、计算机设备和介质 |
CN116740740B (zh) * | 2023-08-11 | 2023-11-21 | 浙江太美医疗科技股份有限公司 | 同行文本判定方法、文档排序方法及其应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05174182A (ja) * | 1991-12-19 | 1993-07-13 | Seiko Epson Corp | 文書傾き角検出方法および文書傾き角検出装置 |
CN108427950A (zh) * | 2018-02-01 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 一种文字行检测方法及装置 |
WO2020107866A1 (zh) * | 2018-11-30 | 2020-06-04 | 平安科技(深圳)有限公司 | 一种文字区域获取方法、装置、存储介质及终端设备 |
CN111353489A (zh) * | 2020-02-27 | 2020-06-30 | 平安国际智慧城市科技股份有限公司 | 文本图像处理方法、装置、计算机设备和存储介质 |
CN111428717A (zh) * | 2020-03-26 | 2020-07-17 | 京东方科技集团股份有限公司 | 文本识别方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-12-30 CN CN202011607621.8A patent/CN112651399B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05174182A (ja) * | 1991-12-19 | 1993-07-13 | Seiko Epson Corp | 文書傾き角検出方法および文書傾き角検出装置 |
CN108427950A (zh) * | 2018-02-01 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 一种文字行检测方法及装置 |
WO2020107866A1 (zh) * | 2018-11-30 | 2020-06-04 | 平安科技(深圳)有限公司 | 一种文字区域获取方法、装置、存储介质及终端设备 |
CN111353489A (zh) * | 2020-02-27 | 2020-06-30 | 平安国际智慧城市科技股份有限公司 | 文本图像处理方法、装置、计算机设备和存储介质 |
CN111428717A (zh) * | 2020-03-26 | 2020-07-17 | 京东方科技集团股份有限公司 | 文本识别方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于几何约束的文本图像倾斜角检测算法;巨志勇;王平殿;;计算机应用研究;20130315(03);第316-318页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112651399A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112396613B (zh) | 图像分割方法、装置、计算机设备及存储介质 | |
WO2023035531A1 (zh) | 文本图像超分辨率重建方法及其相关设备 | |
CN113704531A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
CN112651399B (zh) | 检测倾斜图像中同行文字的方法及其相关设备 | |
CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
CN112749695A (zh) | 文本识别的方法和装置 | |
CN113673519B (zh) | 基于文字检测模型的文字识别方法及其相关设备 | |
CN112016502B (zh) | 安全带检测方法、装置、计算机设备及存储介质 | |
JP2023119593A (ja) | ドキュメント画像の認識方法、装置、記憶媒体、及び電子装置 | |
CN111104941B (zh) | 图像方向纠正方法、装置及电子设备 | |
CN111652245B (zh) | 车辆轮廓检测方法、装置、计算机设备及存储介质 | |
CN113011132B (zh) | 竖排文字识别方法、装置、计算机设备和存储介质 | |
CN113362249B (zh) | 文字图像合成方法、装置、计算机设备及存储介质 | |
CN112801960B (zh) | 图像处理方法及装置、存储介质、电子设备 | |
CN112686847B (zh) | 身份证图像拍摄质量评价方法、装置、计算机设备和介质 | |
CN112395834B (zh) | 基于图片输入的脑图生成方法、装置、设备及存储介质 | |
CN111291758B (zh) | 用于识别印章文字的方法和装置 | |
CN112016503B (zh) | 人行道检测方法、装置、计算机设备及存储介质 | |
CN112036501A (zh) | 基于卷积神经网络的图片的相似度检测方法及其相关设备 | |
CN114049646A (zh) | 一种银行卡识别方法、装置、计算机设备及存储介质 | |
CN113988223A (zh) | 证件图像识别方法、装置、计算机设备及存储介质 | |
CN112395450A (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
CN111582143A (zh) | 基于图像识别的学生课堂签到方法、装置及存储介质 | |
CN115145823B (zh) | 一种ui自动化测试方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |