CN112801232A - 一种应用于处方录入的扫描识别方法及系统 - Google Patents

一种应用于处方录入的扫描识别方法及系统 Download PDF

Info

Publication number
CN112801232A
CN112801232A CN202110381118.3A CN202110381118A CN112801232A CN 112801232 A CN112801232 A CN 112801232A CN 202110381118 A CN202110381118 A CN 202110381118A CN 112801232 A CN112801232 A CN 112801232A
Authority
CN
China
Prior art keywords
prescription
picture
marking
entered
gaussian
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
CN202110381118.3A
Other languages
English (en)
Inventor
赵鑫
焦小斌
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.)
Suzhou Iron Technology Co Ltd
Original Assignee
Suzhou Iron Technology Co Ltd
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 Suzhou Iron Technology Co Ltd filed Critical Suzhou Iron Technology Co Ltd
Priority to CN202110381118.3A priority Critical patent/CN112801232A/zh
Publication of CN112801232A publication Critical patent/CN112801232A/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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种应用于处方录入的扫描识别方法及系统，其中方法包括：获取待录入处方图片；提取待录入处方图片中包含处方文字信息的最小区域四边形；根据透视原理将最小区域四边形与预设模板进行匹配；其中，预设模板按照处方信息属性划分出多个标记区域并一一对应设置识别标签；识别标签包括姓名、性别、科室和处方诊断；根据预设模板中的多个标记区域切割最小区域四边形，得到与识别标签对应的多个待识别目标位置；对多个待识别目标位置进行文字识别，得到多个文本数据；将文本数据按照识别标签保存到预设模板中相应的标记区域中，使待录入处方图片数据电子化。通过模板对处方图像进行标记、切割、文字识别、匹配，即可实现处方数据电子化。

Description

一种应用于处方录入的扫描识别方法及系统
技术领域
本发明涉及图像识别技术领域，具体涉及一种应用于处方录入的扫描识别方法及系统。
背景技术
现阶段，对于医疗机构开具的处方，进行处方数据电子化的方法大多只有工作人员手动录入，此项工作非常的繁琐，而且效率非常底。虽然其他行业对于类似的文字录入使用到了文字识别技术，像身份证识别，但是对于处方的结构化文字识别，现阶段还没有成熟的应用技术。
发明内容
有鉴于此，本发明实施例提供了一种应用于处方录入的扫描识别方法及系统，以解决目前对于处方数据电子化录入的应用技术不够成熟问题。
本发明实施例提供了一种应用于处方录入的扫描识别方法，包括：
获取待录入处方图片；
提取待录入处方图片中包含处方文字信息的最小区域四边形；
根据透视原理将最小区域四边形与预设模板进行匹配；其中，预设模板按照处方信息属性划分出多个标记区域并一一对应设置识别标签；识别标签包括姓名、性别、科室和处方诊断；
根据预设模板中的多个标记区域切割最小区域四边形，得到与识别标签对应的多个待识别目标位置；
对多个待识别目标位置进行文字识别，得到多个文本数据；
根据识别标签将文本数据绑定到预设模板中相应的标记区域中，使待录入处方图片数据电子化。
可选地，在获取待录入处方图片之后，还包括：
对待录入处方图片进行第一次高斯滤波处理，得到降噪图片；
对降噪图片进行二值化处理；
对降噪图片进行第二次高斯滤波处理。
可选地，在对降噪图片进行第二次高斯滤波处理之后，还包括：
对降噪图片进行图像侵蚀与扩展，得到平滑二值图边缘的图像；
对平滑二值图边缘的图像进行边缘检测，获得最小图像轮廓。
可选地，提取待录入处方图片中包含处方文字信息的最小区域四边形，包括：
在包含处方文字的图像轮廓上找出两个点，记为点A和点B；
连接点A和点B，形成第一线段；
在轮廓上查找距离第一线段距离最远的点C和次远的点D；
依次连接点A、点D、点B和点C，形成最小区域四边形ADBC。
可选地，预设模板根据处方信息属性预先划分出不同大小的多个方框区域；其中，姓名标记区域、性别标记区域、年龄标记区域和科室标记区域的形状均为单行方框，处方诊断标记区域形状为多行方框；姓名标记区域预设字符长度不超过五个字；性别标记区域预设字符长度为不超过两个字；年龄标记区域预设字符类型为阿拉伯数字；科室标记区域预设字符长度不超过十个字；处方诊断标记区域预设字符长度不超过三百字。
可选地，第一次高斯滤波处理/第二次高斯滤波处理包括：对待录入处方图片/降噪图片在X轴方向上进行第一次一维高斯模糊处理，对经过第一次一维高斯模糊处理的待录入处方图片降噪图片在Y轴方向上进行第二次一维高斯模糊处理；其中，第一次一维高斯模糊处理与第二次一维高斯模糊处理采用方向垂直的相同一维高斯函数。
可选地，在第一次高斯滤波处理中，第一高斯RMS宽值的范围为1.6~26，第一高斯核的大小为3x3，第一模糊半径为3像素；在第二次高斯滤波处理中，第二高斯RMS宽值的范围为16~26，第二高斯核的大小为5x5，第二模糊半径为5像素。
可选地，在根据透视原理将最小区域四边形与预设模板进行匹配之前，还包括：
查找与待录入处方图片对应的模板文件；
若未查找到对应的模板文件，则制作模板；
若模板制作失败，则停止处方录入并发出警报。
本发明实施例还提供了一种应用于处方录入的扫描识别系统，包括：
摄像机，用于获取待录入处方图片；
处理器，与摄像机通过远程调用接口连接，用于接收待录入处方图片；处理器被配置为：对待录入处方图片进行预处理；提取待录入处方图片中包含处方信息的最小区域四边形；从最小区域四边形中切割出多个待匹配目标位置；对多个目标位置进行文字识别和位置标记；将经过位置标记的多个目标位置与第一预设模板中对应的标记位置进行文字信息配对；
显示器，与处理器连接，用于显示目标位置的文字信息。
本发明实施例还提供了一种电子设备，包括：摄像机、存储器和处理器，所述摄像机、所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行上述任意一种实施方式中所述的应用于处方录入的扫描识别方法。
本发明实施例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计算机指令，所述计算机指令用于使所述计算机执行前述任意一种实施方式中所述的应用于处方录入的扫描识别方法。
1、本实施例提供了一种应用于处方录入的扫描识别方法及系统，通过按照模板对处方图像进行标记、切割、文字识别及匹配，对比于现有仅仅的文字识别来说可以直接产生结构化的数据，即可直接产生附有含义的文字数据，计算机可以明确知道所识别的文字是什么含义，这样就可以对后续的其他工作提供了方便之处。
2、本实施例最终的数据输出采用了当下最流行的数据格式JSON格式进行返回，使后续开发者可以很方便的对数据进行处理操作，大大的节约了工作时间，提升了工作效率。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本实施例中一种应用于处方录入的扫描识别方法的流程图；
图2示出了本实施例中一种应用于处方录入的扫描识别系统的工作流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明实施例提供了一种应用于处方录入的扫描识别方法，如图1所示，包括：
步骤S1，获取待录入处方图片。
在本实施例中，通过摄像头获取待录入处方图片，即处方图像。摄像头固定设置在工作区，使摄像头对准工作台，将处方放置在工作台上，当摄像头中出现图像时，开始拍摄，直至处方纸静止于工作台上，停止拍摄，取最后一帧的图像作为待录入处方图片。
步骤S2，提取待录入处方图片中包含处方文字信息的最小区域四边形。
在本实施例中，去除待录入处方图片周围的空白区域，仅保留文字信息部分，具体地，根据整体文字信息的外部轮廓，提取出最小区域四边形。
步骤S3，根据透视原理将最小区域四边形与预设模板进行匹配。其中，预设模板按照处方信息属性划分出多个标记区域并一一对应设置识别标签；识别标签包括姓名、性别、科室和处方诊断。
在本实施例中，预设模板的样式与待录入处方图片的样式相同，可以通过叠图的方式将最小区域四边形同预设模板叠加起来，使最小区域四边形中的文字与不同处方信息属性的多个标记区域完成初步匹配对应。
步骤S4，根据预设模板中的多个标记区域切割最小区域四边形，得到与识别标签对应的多个待识别目标位置。
在本实施例中，通过识别标签区分不同的标记区域以及对应最小区域四边形中的待识别目标位置。待识别目标位置为一小块或一小段的待识别文本区域。
步骤S5，对多个待识别目标位置进行文字识别，得到多个文本数据。
在本实施例中，文字识别后得到文本数据，例如“姓名：XXX”，“性别：XX”，“年龄：XX”等。具体的，通过光学字符识别对多个目标位置进行文字识别。
步骤S6，根据识别标签将文本数据绑定到预设模板中相应的标记区域中，使待录入处方图片数据电子化。
在本实施例中，预设模板中已经标记了每个区域对应的信息属性，在对最小区域四边形切割出多个待识别目标位置时，也相应地进行了标记，因此可以直接将识别出的文字数据与模板文件对应的位置进行匹配：例如步骤S5中文字识别结果为“姓名：张三”，将识别出的文字“张三”绑定到预设模板中的姓名一栏中。具体地，输出目标位置的文字信息的格式为JSON，完成处方纸的信息录入，录入的文字数据为可编辑格式，而不是图片格式，便于对后续的其他工作的处理。
本实施例提供了一种应用于处方录入的扫描识别方法及系统，通过按照模板对处方图像进行标记、切割、文字识别及匹配，对比于现有仅仅的文字识别来说可以直接产生结构化的数据，即可以直接产生附有属性含义的文字数据，计算机可以明确知道所识别的文字是什么含义，这样就可以对后续的其他工作提供了方便之处。
在具体实施例中，最终的数据输出采用了当下最流行的数据格式JSON格式进行返回，使后续开发者可以很方便的对数据进行处理操作，大大的节约了工作时间，提升了工作效率。
作为可选的实施方式，在步骤S1之后还包括：
步骤S21，对待录入处方图片进行第一次高斯滤波处理，得到降噪图片。
在本实施例中，获取到的图片进行模糊处理，一般使用高斯模糊，可以除去图像噪音，宜于后续操作。
步骤S22，对降噪图片进行二值化处理。
在本实施例中，将图像进行二值化处理，即将图像上的像素点的灰度值设置为0或255，也就是使整个图像呈现出明显的黑白效果。
步骤S23，对降噪图片进行第二次高斯滤波处理。
在本实施例中，再进行一次高斯滤波，使图像更平滑。
作为可选的实施方式，在步骤S23之后，还包括：
步骤S24，对降噪图片进行图像侵蚀与扩展，得到平滑二值图边缘的图像。
在本实施例中，图像侵蚀与扩展为形态学处理的过程，其目的是平滑二值图边缘，闭合二值图中一些小的区域。
步骤S25，对平滑二值图边缘的图像进行边缘检测，获得最小图像轮廓。
在本实施例中，通过边缘检测获取二值图像的边缘，获得最小图像轮廓。
作为可选的实施方式，步骤S2包括：在包含处方文字信息的图像轮廓上找出两个点，记为点A和点B；连接点A和点B，形成第一线段；在轮廓上查找距离第一线段距离最远的点C和次远的点D；依次连接点A、点D、点B和点C，形成最小区域四边形ADBC。
在本实施例中，通过轮廓的多边形逼近获取最小区域四边形，轮廓的多边形逼近指的是：使用多边形来近似表示一个轮廓。多边形逼近的目的是为了减少轮廓的顶点数目。多边形逼近的结果依然是一个轮廓，只是这个轮廓相对要粗旷一些。
作为可选的实施方式，预设模板根据处方信息属性预先划分出不同大小的多个方框区域；其中，姓名标记区域、性别标记区域、年龄标记区域和科室标记区域的形状均为单行方框，处方诊断标记区域形状为多行方框；姓名标记区域预设字符长度不超过五个字；性别标记区域预设字符长度为不超过两个字；年龄标记区域预设字符类型为阿拉伯数字；科室标记区域预设字符长度不超过十个字；处方诊断标记区域预设字符长度不超过三百字。
作为可选的实施方式，第一次高斯滤波处理/第二次高斯滤波处理包括：对待录入处方图片/降噪图片在X轴方向上进行第一次一维高斯模糊处理，对经过第一次一维高斯模糊处理的待录入处方图片降噪图片在Y轴方向上进行第二次一维高斯模糊处理；其中，第一次一维高斯模糊处理与第二次一维高斯模糊处理采用方向垂直的相同一维高斯函数。
通常高斯滤波是直接进行二维模糊处理，即
Figure 659115DEST_PATH_IMAGE001
，是同时在x轴方向和y轴方向上进行计算，计算效率较低。在本实施例中，先对图像在x轴方向上进行模糊计算，即
Figure 904152DEST_PATH_IMAGE002
，再将计算结果在y轴方向上进行模糊计算，得到
Figure DEST_PATH_IMAGE003
，最终模糊处理的效果与G(x,y)是相同的，但是计算速度更快，效率更高。
作为可选的实施方式，在第一次高斯滤波处理中，第一高斯RMS宽值的范围为1.6~26，第一高斯核的大小为3x3，第一模糊半径设为3像素；在第二次高斯滤波处理中，第二高斯RMS宽值的范围为16~26，第二高斯核的大小为5x5，第二模糊半径为5像素。
在本实施例中，第一次高斯滤波处理使得待录入处方图片得到降噪效果，此时的待录入处方图片像素是灰度图像，通过二值化处理，将灰度图像转为黑白图像，使像素只存在两个取值：0或255，再对二值图像进行高斯滤波处理，本次高斯处理计算时，由于像素点取值只有0或255，计算效率较第一次高斯滤波处理更高。在具体实施例中，第一次高斯滤波处理采用较小的高斯核（3x3），第一高斯RMS宽值取值1.8，第一高斯核的大小为3x3，第一模糊半径为3，本次高斯处理的主要目的为降噪，因此通过设置一组较小的高斯核、模糊半径以及高斯RMS宽值，使计算过程较快，实现快速高斯模糊处理。而第二次高斯滤波处理采用较大的高斯核（5x5），第二高斯RMS宽值取值21，第二高斯核的大小为5x5，第二模糊半径为5，本次高斯处理的主要目的使图像平滑，因此采用较大的高斯核以及模糊半径，使高斯滤波的效果更接近于线性连续，而设置一个较大的高斯RMS宽值（即标准差σ），高斯滤波器的频带就较宽，对图像处理的平滑程度也越好。通过一次高斯模糊处理、二值化处理和二次高斯平滑处理，使图像便于后期文字识别，同时也提高了图像预处理过程的计算效率。
作为可选的实施方式，在步骤S3之前，还包括：查找与待录入处方图片对应的模板文件；若未查找到对应的模板文件，则制作模板；若模板制作失败，则停止处方录入并发出警报。
在本实施例中，若系统中已存在与当前处方纸格式一致的模板文件，则直接根据模板文件中已有的结构特征对最小区域四边形进行匹配、标记、切割。若系统中不存在与当前处方纸格式一致的模板文件，则根据当前处方格式创建新模板，成功制作出模板文件后，进入步骤S3。若制作模板不成功，则停止处方录入，并发出警报，提示人工处理。
本发明实施例还提供了一种应用于处方录入的扫描识别系统，其工作流程如图2所示，系统包括摄像机、处理器和显示器，其中：摄像机用于获取待录入处方图片；处理器与摄像机通过远程调用接口连接，用于接收待录入处方图片；处理器被配置为：对待录入处方图片进行预处理；提取待录入处方图片中包含处方信息的最小区域四边形；从最小区域四边形中切割出多个待匹配目标位置；对多个目标位置进行文字识别和位置标记；将经过位置标记的多个目标位置与第一预设模板中对应的标记位置进行文字信息配对；显示器与处理器连接，用于显示目标位置的文字信息。
本实施例中扫描识别系统工作流程如下：
第一步，先由摄像机或者接口获取带有处方的图像数据。
第二步，判断该处方是否有对应的模板，没有的话应用提示“没有模板，先制作模板”，如果有模板存在则正常进行下一步。
第三步，没有模板的情况下制作模板。
第四步，制作模板是否成功，如果成功则进行下一步，如果没有成功则结束应用。
第五步，图像处理，将获取到的处方图片进行处理，具体处理过程上面已经描述。
第六步，OCR文字识别。
第七步，数据处理。
第八步，数据返回。
本实施例提供了一种应用于处方录入的扫描识别系统，通过图像处理、文字识别与数据处理，对比于现有仅仅的文字识别来说可以直接产生结构化的数据，即可以直接产生附有含义的文字信息，计算机可以明确知道所识别的文字是什么含义，这样就可以对后续的其他工作提供了方便之处。
处理器可以为中央处理器（Central Processing Unit，CPU）。处理器还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的车载显示装置按键屏蔽方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的应用于处方录入的扫描识别方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行如图1-2所示实施例中的应用于处方录入的扫描识别方法。
上述车辆终端具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random AccessMemory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种应用于处方录入的扫描识别方法，其特征在于，包括：
获取待录入处方图片；
提取所述待录入处方图片中包含处方文字信息的最小区域四边形；
根据透视原理将所述最小区域四边形与预设模板进行匹配；其中，所述预设模板按照处方信息属性划分出多个标记区域并一一对应设置识别标签；所述识别标签包括姓名、性别、科室和处方诊断；
根据所述预设模板中的多个标记区域切割所述最小区域四边形，得到与所述识别标签对应的多个待识别目标位置；
对多个所述待识别目标位置进行文字识别，得到多个文本数据；
根据所述识别标签将所述文本数据绑定到所述预设模板中相应的标记区域中，使所述待录入处方图片数据电子化。
2.根据权利要求1所述的应用于处方录入的扫描识别方法，其特征在于，在获取待录入处方图片之后，还包括：
对所述待录入处方图片进行第一次高斯滤波处理，得到降噪图片；
对所述降噪图片进行二值化处理；
对所述降噪图片进行第二次高斯滤波处理。
3.根据权利要求2所述的应用于处方录入的扫描识别方法，其特征在于，在对所述降噪图片进行第二次高斯滤波处理之后，还包括：
对所述降噪图片进行图像侵蚀与扩展，得到平滑二值图边缘的图像；
对所述平滑二值图边缘的图像进行边缘检测，获得最小图像轮廓。
4.根据权利要求1所述的应用于处方录入的扫描识别方法，其特征在于，提取所述待录入处方图片中包含处方文字信息的最小区域四边形，包括：
在包含所述处方文字信息的图像轮廓上找出两个点，记为点A和点B；
连接所述点A和所述点B，形成第一线段；
在所述轮廓上查找距离所述第一线段距离最远的点C和次远的点D；
依次连接所述点A、所述点D、所述点B和所述点C，形成最小区域四边形ADBC。
5.根据权利要求1所述的应用于处方录入的扫描识别方法，其特征在于，所述预设模板根据所述处方信息属性预先划分出不同大小的多个方框区域；其中，姓名标记区域、性别标记区域、年龄标记区域和科室标记区域的形状均为单行方框，处方诊断标记区域形状为多行方框；所述姓名标记区域预设字符长度不超过五个字；所述性别标记区域预设字符长度为不超过两个字；所述年龄标记区域预设字符类型为阿拉伯数字；所述科室标记区域预设字符长度不超过十个字；所述处方诊断标记区域预设字符长度不超过三百字。
6.根据权利要求2所述的应用于处方录入的扫描识别方法，其特征在于，所述第一次高斯滤波处理/所述第二次高斯滤波处理包括：对所述待录入处方图片/所述降噪图片在X轴方向上进行第一次一维高斯模糊处理，对经过第一次一维高斯模糊处理的所述待录入处方图片所述降噪图片在Y轴方向上进行第二次一维高斯模糊处理；其中，所述第一次一维高斯模糊处理与所述第二次一维高斯模糊处理采用方向垂直的相同一维高斯函数。
7.根据权利要求2所述的应用于处方录入的扫描识别方法，其特征在于，在所述第一次高斯滤波处理中，第一高斯RMS宽值的范围为1.6~26，第一高斯核的大小为3x3，第一模糊半径为3像素；在所述第二次高斯滤波处理中，第二高斯RMS宽值的范围为16~26，第二高斯核的大小为5x5，第二模糊半径为5像素。
8.根据权利要求1所述的应用于处方录入的扫描识别方法，其特征在于，在根据透视原理将所述最小区域四边形与预设模板进行匹配之前，还包括：
查找与所述待录入处方图片对应的模板文件；
若未查找到对应的所述模板文件，则制作模板；
若模板制作失败，则停止处方录入并发出警报。
9.一种应用于处方录入的扫描识别系统，其特征在于，包括：
摄像机，用于获取待录入处方图片；
处理器，与所述摄像机通过远程调用接口连接，用于接收所述待录入处方图片；所述处理器被配置为：对所述待录入处方图片进行预处理；提取所述待录入处方图片中包含处方信息的最小区域四边形；从所述最小区域四边形中切割出多个待匹配目标位置；对多个所述目标位置进行文字识别和位置标记；将经过位置标记的多个所述目标位置与第一预设模板中对应的标记位置进行文字信息配对；
显示器，与所述处理器连接，用于显示所述目标位置的文字信息。
CN202110381118.3A 2021-04-09 2021-04-09 一种应用于处方录入的扫描识别方法及系统 Pending CN112801232A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110381118.3A CN112801232A (zh) 2021-04-09 2021-04-09 一种应用于处方录入的扫描识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110381118.3A CN112801232A (zh) 2021-04-09 2021-04-09 一种应用于处方录入的扫描识别方法及系统

Publications (1)

Publication Number Publication Date
CN112801232A true CN112801232A (zh) 2021-05-14

Family

ID=75816673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110381118.3A Pending CN112801232A (zh) 2021-04-09 2021-04-09 一种应用于处方录入的扫描识别方法及系统

Country Status (1)

Country Link
CN (1) CN112801232A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469165A (zh) * 2021-07-06 2021-10-01 安徽淘云科技股份有限公司 扫描识别方法、存储介质、电子设备及扫描设备
CN113591772A (zh) * 2021-08-10 2021-11-02 上海杉互健康科技有限公司 医疗信息结构化识别录入的方法、系统、设备及存储介质
CN114415911A (zh) * 2021-12-24 2022-04-29 珠海大横琴科技发展有限公司 一种数据录入的方法和装置
CN115983938A (zh) * 2022-12-13 2023-04-18 北京京东拓先科技有限公司 在线购药管理的方法和装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770569A (zh) * 2008-12-31 2010-07-07 汉王科技股份有限公司 基于ocr的菜名识别方法
CN104050471A (zh) * 2014-05-27 2014-09-17 华中科技大学 一种自然场景文字检测方法及系统
CN105096244A (zh) * 2015-07-02 2015-11-25 北京旷视科技有限公司 图像变换方法及其装置以及图像识别方法及其装置
CN105405126A (zh) * 2015-10-27 2016-03-16 大连理工大学 一种基于单目视觉系统的多尺度空-地参数自动标定方法
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN107437085A (zh) * 2017-08-09 2017-12-05 厦门商集企业咨询有限责任公司 一种提升ocr识别率的方法、装置及可读存储介质
CN108446699A (zh) * 2018-02-08 2018-08-24 东华大学 一种复杂场景下身份证图片信息识别系统
CN108805116A (zh) * 2018-05-18 2018-11-13 浙江蓝鸽科技有限公司 图像文本检测方法及其系统
CN109344831A (zh) * 2018-08-22 2019-02-15 中国平安人寿保险股份有限公司 一种数据表识别方法、装置及终端设备
CN110059685A (zh) * 2019-04-26 2019-07-26 腾讯科技（深圳）有限公司 文字区域检测方法、装置及存储介质
CN110738602A (zh) * 2019-09-12 2020-01-31 北京三快在线科技有限公司 图像处理方法、装置、电子设备及可读存储介质
US20200065599A1 (en) * 2018-08-24 2020-02-27 Seagate Technology Llc Detecting hidden encoding using optical character recognition
CN111079571A (zh) * 2019-11-29 2020-04-28 杭州数梦工场科技有限公司 证卡信息识别及其边缘检测模型训练方法、装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770569A (zh) * 2008-12-31 2010-07-07 汉王科技股份有限公司 基于ocr的菜名识别方法
CN104050471A (zh) * 2014-05-27 2014-09-17 华中科技大学 一种自然场景文字检测方法及系统
CN105096244A (zh) * 2015-07-02 2015-11-25 北京旷视科技有限公司 图像变换方法及其装置以及图像识别方法及其装置
CN105405126A (zh) * 2015-10-27 2016-03-16 大连理工大学 一种基于单目视觉系统的多尺度空-地参数自动标定方法
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN107437085A (zh) * 2017-08-09 2017-12-05 厦门商集企业咨询有限责任公司 一种提升ocr识别率的方法、装置及可读存储介质
CN108446699A (zh) * 2018-02-08 2018-08-24 东华大学 一种复杂场景下身份证图片信息识别系统
CN108805116A (zh) * 2018-05-18 2018-11-13 浙江蓝鸽科技有限公司 图像文本检测方法及其系统
CN109344831A (zh) * 2018-08-22 2019-02-15 中国平安人寿保险股份有限公司 一种数据表识别方法、装置及终端设备
US20200065599A1 (en) * 2018-08-24 2020-02-27 Seagate Technology Llc Detecting hidden encoding using optical character recognition
CN110059685A (zh) * 2019-04-26 2019-07-26 腾讯科技（深圳）有限公司 文字区域检测方法、装置及存储介质
CN110738602A (zh) * 2019-09-12 2020-01-31 北京三快在线科技有限公司 图像处理方法、装置、电子设备及可读存储介质
CN111079571A (zh) * 2019-11-29 2020-04-28 杭州数梦工场科技有限公司 证卡信息识别及其边缘检测模型训练方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赛干内克等著，陆军等译: "《三维计算机视觉技术和算法导论》", 31 October 2014, 北京：国防工业出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469165A (zh) * 2021-07-06 2021-10-01 安徽淘云科技股份有限公司 扫描识别方法、存储介质、电子设备及扫描设备
CN113591772A (zh) * 2021-08-10 2021-11-02 上海杉互健康科技有限公司 医疗信息结构化识别录入的方法、系统、设备及存储介质
CN113591772B (zh) * 2021-08-10 2024-01-19 上海杉互健康科技有限公司 医疗信息结构化识别录入的方法、系统、设备及存储介质
CN114415911A (zh) * 2021-12-24 2022-04-29 珠海大横琴科技发展有限公司 一种数据录入的方法和装置
CN114415911B (zh) * 2021-12-24 2024-05-24 珠海大横琴科技发展有限公司 一种数据录入的方法和装置
CN115983938A (zh) * 2022-12-13 2023-04-18 北京京东拓先科技有限公司 在线购药管理的方法和装置

Similar Documents

Publication Publication Date Title
CN110046529B (zh) 二维码识别方法、装置及设备
CN112801232A (zh) 一种应用于处方录入的扫描识别方法及系统
US9811749B2 (en) Detecting a label from an image
CN110008809B (zh) 表格数据的获取方法、装置和服务器
US9418283B1 (en) Image processing using multiple aspect ratios
CN108805128B (zh) 一种字符分割方法和装置
JP6106641B2 (ja) 文字のストロークを保護しながら、文書画像中の下線およびテーブルラインを除去する方法
WO2020177470A1 (zh) 验证码识别方法、装置、终端及存储介质
WO2017088462A1 (zh) 图像处理方法和装置
CN112101386B (zh) 文本检测方法、装置、计算机设备和存储介质
CN111507324A (zh) 卡片边框识别方法、装置、设备和计算机存储介质
CN113592720B (zh) 图像的缩放处理方法、装置、设备、存储介质
CN113610809B (zh) 骨折检测方法、装置、电子设备以及存储介质
CN108960246B (zh) 一种用于图像识别的二值化处理装置及方法
CN111160368A (zh) 图像中目标检测方法、装置、设备及存储介质
CN114758145A (zh) 一种图像脱敏方法、装置、电子设备及存储介质
US20230005171A1 (en) Visual positioning method, related apparatus and computer program product
Haque et al. Line segmentation and orientation algorithm for automatic bengali license plate localization and recognition
CN106803053B (zh) 指纹图像处理方法与装置
CN111753573B (zh) 二维码图像识别方法、装置、电子设备以及可读存储介质
CN111401365B (zh) Ocr图像自动生成方法及装置
CN114511862A (zh) 表格识别方法、装置及电子设备
CN110287943B (zh) 图像的对象识别方法、装置、电子设备及存储介质
CN113744253A (zh) 一种基于人工智能图像识别系统
CN113657364A (zh) 用于识别文字标志的方法、装置、设备以及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210514