CN112950588A - 一种图像处理方法、装置、电子设备及介质 - Google Patents
一种图像处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112950588A CN112950588A CN202110232061.0A CN202110232061A CN112950588A CN 112950588 A CN112950588 A CN 112950588A CN 202110232061 A CN202110232061 A CN 202110232061A CN 112950588 A CN112950588 A CN 112950588A
- Authority
- CN
- China
- Prior art keywords
- gray
- image
- current calibration
- value
- calibration image
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 293
- 230000008030 elimination Effects 0.000 claims abstract description 138
- 238000003379 elimination reaction Methods 0.000 claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000035772 mutation Effects 0.000 claims description 26
- 241001270131 Agaricus moelleri Species 0.000 claims description 10
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 6
- 239000010882 bottom ash Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G06T5/70—
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
Abstract
本发明公开了一种图像处理方法、装置、电子设备及介质,该方法包括:校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。本发明实施例实现了简化图像处理算法,提高了处理速度,保证了图像识别准确度。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种图像处理方法、装置、电子设备及介质。
背景技术
当前主流的图像文字增强算法,大多数采用边缘查找、图像模糊、图层叠加、对比增强运算等一系列的算法来实现对图像文字边缘的加强,具体是将图像先进行预处理之后采用粗定位和细定位来识别文字区域和图片区域,将文字区域分离。文字区图像处理,消除背景无效像素,扫描像素确认文字边缘点并持续查找相邻边缘点,记录边缘位置数据。模糊文字区图像原图,将边缘位置加深图与模糊后的边缘叠加,并叠加到原图像。对文字区做动态对比增强使文字整体更清晰。
对于集成度较高、运算量和实时性要求较高的嵌入式设备来讲,由于分离文字使用到的区域判定算法复杂度高且准确性不稳定,大量浮点运算导致运行效率下降。边缘识别虽然通用性效果理想,但是受到输入内容本身特点的影响,若文字连接性和清晰度差时,增大运算量。其中,预处理过程过于繁杂,大量中间层图像的使用,产生较大的内存消耗、而识别算法对于内存和CPU算力有限、占用内存消耗对内存和资源有限的CPU、实时性要求较高的嵌入式系统带来了不小的挑战。
发明内容
本发明提供一种图像处理方法、装置、电子设备及介质,以实现图像处理算法简化的同时提高处理速度,并保证图像识别的准确度。
第一方面,本发明实施例提供了一种图像处理方法,其特征在于,包括:
获取扫描设备扫描当前纸张得到的当前扫描图像;
校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
进一步的,所述根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区,包括:
根据各所述当前校准图像中采样区内灰度值,确定各所述当前校准图像中采样区的灰度均值;
如果所述当前校准图像中采样区的灰度均值处于白色灰度范围内,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的像素灰度值中最高灰度值占比大于预设占比阈值,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的灰度均值与采样区内各像素的灰度值差值的均值大于预设阈值,则将所述当前校准图像中采样区标记为无效;
将除所述当前校准图像中标记为无效的采样区之外的采样区标记为有效。
进一步的,所述根据所述有效采样区的数量和所述有效采样区的灰度均值差大小,确定所有所述有效采样区的灰度总均值,包括:
如果所述当前校准图像中有效采样区的数量大于3且各所述有效采样区的灰度均值之间差值小于预设有效采样区均值差,则根据所述当前校准图像中各所述有效采样区的灰度均值计算出所有所述有效采样区的灰度总均值。
进一步的,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除,包括:
根据所述有效采样区的灰度总均值,确定所述当前校准图像灰度调整的上限;
将所述当前校准图像中灰度值大于所述当前校准图像灰度调整的上限像素的灰度值,设置为所述当前校准图像的最高灰度值。
进一步的,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除之后,还包括:
如果根据所述灰度消除图像重新确定有效采样区的灰度总均值小于预设灰度值,则根据所述重新确定有效采样区的灰度总均值确定第二灰度上限,根据所述第二灰度上限对所述灰度消除图像进行二次灰度消除,得到灰度消除图像。
进一步的,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除之后,还包括:
根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值;
根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像;
根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像。
进一步的,所述根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值,包括:
根据所述灰度消除图像的边缘数据,确定所述灰度消除图像的灰度突变区;
将所述灰度突变区以9个像素为单元进行划分,得到灰度突变区;
根据各所述灰度突变区对应的扫描方向、中心点灰度值、标签像素灰度均值,确定所述灰度消除图像中待加深像素及像素加深灰度值。
进一步的,所述根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像,包括:
根据所述灰度消除图像中待加深像素及像素加深灰度值对所述灰度消除图像进行灰度加深,得到加深文本图像;
将所述加深文本图像利用半色调算法转化为所述灰度消除图像对应的黑白二值图像。
进一步的,所述根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像,包括:
根据获取的所述黑白二值图像的边缘数据,确定所述黑白二值图像中凹凸点的位置;
将符合像素点距离的所述凹点位置进行补点操作;
将符合像素点距离的所述凸点位置进行去除操作。
第二方面,本发明实施例还提供了一种图像处理方装置,其特征在于,包括:
图像获取模块,用于获取扫描设备扫描当前纸张得到的当前扫描图像;
位置设置模块,用于校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
有效确定模块,用于根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
均值确定模块,用于根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
灰度消除模块,用于根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
第三方面,本发明实施例还提供了一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现所述的图像处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述的图像处理方法。
本发明通过获取扫描设备扫描当前纸张得到的当前扫描图像;校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除;解决预处理过程过于繁杂,大量中间层图像的使用,产生较大的内存消耗、而识别算法对于内存和CPU算力有限、占用内存消耗对内存和资源有限的CPU问题,实现图像处理算法简化的同时提高处理速度,并保证图像识别的准确度效果。
附图说明
图1是本发明实施例一中的一种图像处理方法的流程图;
图2是本发明实施例二中的一种图像处理方法的流程图;
图2A是本发明实施例二中的一种图像处理方法的示例图;
图2B是本发明实施例二中的一种图像处理方法的示例图;
图2C是本发明实施例二中的一种图像处理方法的示例图;
图2D是本发明实施例二中的一种图像处理方法的示例图;
图2E是本发明实施例二中的一种图像处理方法的原理图;
图3是本发明实施例三中的一种图像处理装置的结构示意图;
图4是本发明实施例四中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种图像处理方法的流程图,本实施例可适用于对文本扫描并进行打印的情况,该方法可以由图像处理装置来执行,该装置可以通过软件和/或硬件的方式来实现,并具体可继承于具备存储和计算能力来进行图像处理的电子设备中。
如图1所示,提供一种图像处理的方法,具体包括如下步骤:
步骤110,获取扫描设备扫描当前纸张得到的当前扫描图像;
本发明实施例中,扫描设备可以理解为具有扫描功能电子设备,用于通过扫描获取扫描图像。当前扫描图像可以理解为利用扫描设备扫描当前纸质文件获取到的当前纸质文件的扫描图像。其中,通过扫描设备扫描当前纸质文件,得到当前纸质文件对应的当前扫描图像。
步骤120,校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
本发明实施例中,校准可以理解为对当前扫描图像灰度区间进行校正,用于将当前扫描图像的灰度分布在预设灰度范围内。当前校准图像可以理解为将当前扫描图像经灰度校正后灰度分布在预设灰度范围内的图像。当前纸张的尺寸可以理解为当前扫描纸张的长度、宽度和面积等相关的尺寸信息。扫描设备的参数可以理解为扫描电子设备对应最大扫描面积、最小扫描面子、分辨率、扫描区域及设备检测数据等参数。当前校准图像边线数量可以理解为当前校正图像中边线的总数量。当前校准图像的采样区可以理解为在当前校准图像上选取的固定大小区域,用于对当前校准图像的底灰数值进行采样。当前校准图像的采样区位置可以理解为在当前校准图像上采样区的具体位置。当前校准图像的采样区数量可以理解为在当前校准图像上设置的采样区的数量。
本发明实施例中,根据预设灰度范围对当前扫描图像对应的灰度区间进行校正,使得当前校准图像的灰度区间与预设灰度范围一致,灰度校准实质上是灰度变换将当前扫描图像的中像素点对应的灰度值利用校准变化映射表,点对点进行灰度变化,修正灰度值过高的像素点和灰度值较低的像素点,实现当前校准图像的灰度区间与预设灰度范围一致。将当前扫描图像校准后得到当前校准图像,根据当前纸张尺寸和扫描设备的参数将当前校准图像中有效区域。根据当前图像中有效区域和当前校准图像边线数量,在每条当前图像中边线可设置固定数量的采样区。当前校准图像的每条边线上的固定数量的采样区均匀分布。其中,当前校准图像中有效区域大小取决于纸张尺寸和扫描设备的参数,例如,当前校准图像中有效区域仅为扫描设备最大扫描面积一半,在设置当前校准图像的采样区位置和数量时,有效区域作为当前校准图像进行采样区位置和数量设置。
步骤130,根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
本发明实施例中,当前校准图像中采样区内灰度值可以理解为当前校准图像中采样区内像素灰度值。灰度值的均值差可以理解为当前校准图像中采样区内各像素灰度值与当前校准图像中采样区内像素灰度均值差值的均值。预设最高灰度值可以理解为预设灰度范围对应的最高灰度值。有效采样区的数量可以理解为当前校准图像中设置采样区中具有有效性的采样区的数量,即计算有效采样区的灰度总均值的数量。有效采样区灰度均值差可以理解为当前校准图像中各有效采样区内灰度均值的差值。有效采样区的灰度总均值可以理解为当前校准图像中各有效采样区内灰度均值的均值。
本发明实施例中,根据当前校准图像中采样区内像素灰度值,计算出当前校准图像中采样区灰度均值。根据当前校准图像中采样区内灰度值、灰度值的均值差及采样区内预设最高灰度值的百分比,判断当前校准图像中各采样区的有效性,确定出当前校准图像采样区中的有效采样区。
本发明实施例中,统计当前校准图像中有效采样区的数量,判断当前校准图像中有效采样区的数量是否小于预设有效采样区数量,若当前校准图像中有效采样区的数量小于预设有效采样区数量,则不计算当前校准图像中所有有效采样区的灰度总均值;若当前校准图像中有效采样区的数量大于预设有效采样区数量,则判断当前校准图像中各有效采样区均值差是否大于预设有效采样区均值差,若当前校准图像中两个有效采样区均值差大于预设有效采样区均值差,则不计算当前校准图像中所有有效采样区的灰度总均值;若当前校准图像中所有有效采样区均值之差均小于预设有效采样区均值差,则计算当前校准图像中所有有效采样区均值的总均值作为当前校准图像有效采样区的灰度总均值。
本发明实施例中,当前校准图像中有效采样区的数量小于预设有效采样区数量,或者当前校准图像中有效采样区均值之差大于预设有效采样区均值之差,不计算当前校准图像中所有有效采样区的灰度总均值,根据固定底灰消除的默认值进行底灰消除。
步骤140,根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
本发明实施例中,根据有效采样区的灰度总均值和底灰浮动区间确定,当前校准图像的会调整的上限值,使得当前校准图像的像素值范围为零至上限值。将当前校准图像中像素值大于上限值的像素的像素值,更改为最高灰度值,使得当前校准图像进行一次底灰消除。
进一步的,所述根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区,包括:
根据各所述当前校准图像中采样区内灰度值,确定各所述当前校准图像中采样区的灰度均值;
如果所述当前校准图像中采样区的灰度均值处于白色灰度范围内,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的像素灰度值中最高灰度值占比大于预设占比阈值,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的灰度均值与采样区内各像素的灰度值差值的均值大于预设阈值,则将所述当前校准图像中采样区标记为无效;
将除所述当前校准图像中标记为无效的采样区之外的采样区标记为有效。
本发明实施例中,白色灰度范围可以理解为当前校准图像中采样区内像素值接近最高度值,在当前校准图像中显示白色的区域。最高灰度值可以理解为校准时采用的预设灰度范围的像素灰度上限灰度值。预设占比阈值可以理解为当前校准图像中采样区最高灰度值在所有采样区像素灰度值所占的比例值的最大值。预设阈值可以理解为当前校准图像中采样区的灰度均值与采样区各像素的灰度值差值的均值对应的预设阈值。
本发明实施例中,根据当前校准图像中采样区内灰度值,计算出当前校准图像中采样区灰度均值。判断当前校准图像中采样区灰度均值是否处于预设灰度范围对应的最高灰度值对应的白色灰度范围内,若当前校准图像中采样区灰度均值处于预设灰度范围对应的最高灰度值对应的白色灰度范围内,则当前校准图像中采样区为无效采样区;若当前校准图像中采样区灰度均值不在预设灰度范围对应的最高灰度值对应的白色灰度范围内,则判断当前校准图像中采样区像素灰度值中最高灰度值占比是否大于预设占比阈值,若大于预设占比阈值,则前校准图像中采样区为无效采样区;若小于等于预设占比阈值,则判断当前校准图像中采样区灰度值的均值是否大于预设阈值,若大于预设阈值,则当前校准图像中采样区为无效采样区;若小于等于预设阈值,则当前校准图像为有效采样区。
进一步的,所述根据所述有效采样区的数量和所述有效采样区的灰度均值差大小,确定所有所述有效采样区的灰度总均值,包括:
如果所述当前校准图像中有效采样区的数量大于3且各所述有效采样区的灰度均值之间差值小于预设有效采样区均值差,则根据所述当前校准图像中各所述有效采样区的灰度均值计算出所有所述有效采样区的灰度总均值。
本发明实施例中,预设有效采样区均值差可以理解为根据当前校准图像中各有效采样区灰度均值之间差值预设最大允许差值。
本发明实施例中,统计当前校准图像中有效采样区的数量,并判断当前校准图像中有效采样区的数量是否大于预设有效采样区数量3;若当前校准图像中有效采样区的数量小于预设有效采样区数量3,则不计算当前校准图像中所有有效采样区的灰度总值;若当前校准图像中有效采样区的数量大于预设有效采样区数量3,则说明当前校准图像中采样区中有效采样区数量满足总体采样区生效标准,继续判断当前校准图像中各采样区均值差是否大于预设有效采样区均值,若是则说明当前校准图像中采样区之间的灰度差异性过大,很可能不是标准的边缘留白文件,而是无边框内容贴边的原件,需要取消当前校准图像中所有有效采样区的灰度总均值;若当前校准图像中各采样区均值差小于预设有效采样均值,则说明当前校准图像中采样区之间的灰度差异性较小,是标准边缘留白文件,继续计算当前校准图像中所有有效采样区的灰度总均值,以便于用于当前校准图像的底灰消除。
进一步的,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除,包括:
根据所述有效采样区的灰度总均值,确定所述当前校准图像灰度调整的上限;
将所述当前校准图像中灰度值大于所述当前校准图像灰度调整的上限像素的灰度值,设置为所述当前校准图像的最高灰度值。
本发明实施例中,当前校准图像灰度调整的上限可以理解为当前校准图像进行灰度消除时,进行灰度拉伸灰度区间的上限值。
本发明实施例中,根据当前校准图像中有效采样区的灰度总均值和预设浮动区间作差,计算出当前校准图像灰度调整的上限值。将当前校准图像中灰度值大于当前校准图像灰度调整的上限的像素的灰度值,更改为当前校准图像的最高灰度值,将当前校准图像中像素值从零值当前校准图像灰度调整的上限拉伸为零至最高灰度值。同时,将当前校准图像中当前校准图像灰度调整的上限至最高灰度值范围内的数值,统一设置为当前校准图像的最高灰度值,将将当前校准图像中当前校准图像灰度调整的上限至最高灰度值范围内灰度进行消除。
进一步的,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除之后,还包括:
如果根据所述灰度消除图像重新确定有效采样区的灰度总均值小于预设灰度值,则根据所述重新确定有效采样区的灰度总均值确定第二灰度上限,根据所述第二灰度上限对所述灰度消除图像进行二次灰度消除,得到灰度消除图像。
本发明实施例中,预设灰度值可以理解为当前校准图像底灰消除完成的评判标准灰度值。第二灰度上限可以理解为灰度消除图像进行二次灰度消除的灰度拉伸灰度区间的上限值。
本发明实施例中,如果根据灰度消除图像重新确定有效采样区的灰度总均值小于预设灰度值,则说明灰度消除图像的底灰未消除干净,需要进行第二次底灰消除。根据灰度消除图像重新确定有效采样区的灰度总均值在灰度消除图像实际像素灰度范围中的位置比例;根据该位置比例在预设第二灰度上限对应的取值范围确定预设第二灰度上限。将灰度消除图像中像素值大于第二灰度上限值像素的像素值,更改为最高灰度值,对灰度消除图像进行二次底灰消除。
本发明实施例中,通过当前校准图像灰度调整的上限对当前校准图像进行第一次底灰消除后得到灰度消除图像。根据灰度消除图像重新确定灰度消除图像的有效采样区的灰度总值,并于预设灰度值比较大小,判断灰度消除图像的是否存在底灰,若存在需要根据重新确定灰度消除图像的有效采样区的灰度总值确定预设第二灰度上限,对灰度消除图像进行二次底灰消除。例如,假设重新确定灰度消除图像的有效采样区的灰度总值为m,预设灰度值250;如果m小于250,则根据m在灰度消除图像对应的实际像素灰度范围中的位置比例,确定在预设第二灰度上限对应的取值范围180-220对应的预设第二灰度上限dh。将灰度消除图像中像素底灰值大于dh的部分像素的灰度值设置为最高灰度值255以消除残留底灰。
本发明通过获取扫描设备扫描当前纸张得到的当前扫描图像;校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除;解决预处理过程过于繁杂,大量中间层图像的使用,产生较大的内存消耗、而识别算法对于内存和CPU算力有限、占用内存消耗对内存和资源有限的CPU问题,实现图像处理算法简化的同时提高处理速度,并保证图像识别的准确度效果。
实施例二
图2为本发明实施例二中的一种图像处理方法的流程图,本发明实施例中技术方案在上述技术方案的基础上进一步细化,具体主要包括如下步骤:
步骤210,根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值;
本发明实施例中,灰度消除图像可以理解为对当前校准图像进行底灰消除操作,并根据预设灰度值评估底灰消除完全的图像。灰度消除图像的边缘数据可以理解为灰度消除图像中文字不同方向上的边缘数据,例如:灰度突变区、灰度消除图像中灰度突变区中实体部分、中心点灰度值等相关的数据信息。灰度消除图像中待加深像素可以理解为灰度消除图像中文字实体部分需要进行灰度加深的像素。像素加深灰度值可以理解为灰度消除图像中文字部分灰度消除图像中像素需要加深的灰度值。
本发明实施例中,通过不同方向的行列扫描获取灰度消除图像的不同方向上的边缘数据,根据灰度消除图像的对应不同方向上的边缘数据中灰度突变区,确定灰度消除图像中待加深像素及像素加深灰度值。
步骤220,根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像;
本发明实施例中,灰度消除图像对应的黑白二值图像可以理解为灰度消除图像中像素灰度值进行二值化处理后得到非黑即白的图像。
本发明实施例中,根据灰度消除图像中待加深像素及像素加深灰度值,对灰度消除图像中待加深像素的灰度值减掉像素加深灰度值,得到加深后的灰度消除图像。将加深后的灰度消除图像中灰度值进行二值化处理后得到非黑即白的黑白二值图像。
步骤230,根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像。
本发明实施例中,黑白二值图像的扫描边缘数据中凹凸点可以理解为黑白二值图像中黑色像素点行列中与白色像素点形成的凹凸字样缺少或多出的黑色像素点。文本图像可以理解为图像预处理后和图像增强后的获取的文字图像。
本发明实施例中,扫描黑白二值图像后,获取黑白二值图像的扫描边缘数据中黑色像素点行列中缺少黑色像素点与白色像素点形成的凹字样,与黑色像素点行列中多出黑色像素点于白色像素点形成的凸字样,这里缺少或多出的黑色像素点可以一个或多个。根据黑白二值图像的扫描边缘数据中凹凸点对应的位置的分析结构,对黑白二职图像的扫描边缘数据中凹凸点进行去除或增加,对黑白二值图像的扫描边缘数据中凹凸点形成毛刺进行去除,得到图像增强后的文本图像。
进一步的,所述根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值,包括:
根据所述灰度消除图像的边缘数据,确定所述灰度消除图像的灰度突变区;
将所述灰度突变区以9个像素为单元进行划分,得到灰度突变区;
根据各所述灰度突变区对应的扫描方向、中心点灰度值、标签像素灰度均值,确定所述灰度消除图像中待加深像素及像素加深灰度值。
本发明实施例中,灰度突变区可以理解为扫描方向上灰度消除图像中由灰度较大值大变为灰度较小值的明显突变区域,并区别于图像部分的文字部分,其中,灰度突变区为3*3的像素单元包含9个像素,在灰度突变区内扫描方向上灰度值具有明显的色差,即灰度梯度或像素灰度差。其中,灰度梯度或像素灰度差可以根据实际需求进行预设,也可以根据扫描设备的参数进行预设。中心点灰度值可以理解为灰度突变区内中心像素的灰度值。标签像素灰度均值可以理解为灰度突变区扫描方向上灰度值较小的4个采样像素点均值,其中,灰度突变区的中心为待加深像素。
本发明实施例中,按一定的方向扫描灰度消除图像后获取该方向上灰度消除图像的边缘数据,根据该方向上灰度消除图像的边缘数据中每9个像素单元内像素的灰度值变化情况,如果9个像素单元内像素的灰度值由较大值变为灰度较小值,且具有明显的色差的非图像部分的文字部分作为灰度突变区。根据灰度突变区中心点灰度值、标签像素灰度均值计算出像素加深灰度值,同时灰度突变区的中心为待加深像素。
图2A为本发明实施例二中一种图像处理方法的示例图,如图2A所示,从上至下的方向上进行扫描,出现明显的灰度梯度或灰度差确定加深前的灰度突变区。根据从上至下扫描方向上,由灰度较大值渐变为灰度较小值的方向是从左至右且从上至下扫描,确定右侧像素对应文字实体上方像素被加深为实体,确定4个采样像素点均值vm。根据灰度突变区的中心点灰度值vp、4个采样像素点均值vm及最高灰度值255,利用vp*(vm/255)计算出新中心点灰度值vp1,并利用新中心点灰度值对中心点灰度进行加深。图2B为本发明实施例二中一种图像处理方法的示例图,如图2B所示,左边的“前”字为一个像素阴影区加深前的图像,右边的“前”字为一个像素阴影区加深后的图像。
进一步的,所述根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像,包括:
根据所述灰度消除图像中待加深像素及像素加深灰度值对所述灰度消除图像进行灰度加深,得到加深文本图像;
将所述加深文本图像利用半色调算法转化为所述灰度消除图像对应的黑白二值图像。
本发明实施例中,加深文本图像可以理解为灰度消除图像进行图像增强得到的文本图像。
本发明实施例中,根据灰度突变区中待加深像素及像素加深灰度值,将灰度消除图像中待加深像素灰度值减去像素加深灰度值,将各方向上灰度消除图像中灰度突变区中的对应的中心点像素灰度加深,使得灰度消除图像中文字整体增强。将加深文本图像利用半色调算法转化为灰度消除图像对应的黑白二值图像。
进一步的,所述根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像,包括:
根据获取的所述黑白二值图像的边缘数据,确定所述黑白二值图像中凹凸点的位置;
将符合像素点距离的所述凹点位置进行补点操作;
将符合像素点距离的所述凸点位置进行去除操作。
本发明实施例中,凹点位置可以理解为黑白二值图像的扫描边缘数据中黑色像素点行列中与白色像素点形成的凹字样的缺少黑色像素点位置。凸点位置可以理解为黑白二值图像的扫描边缘数据中黑色像素点行列中与与白色像素点形成的凸字样的多出黑色像素点位置。像素点距离可以理解为凹点位置或者凸点位置距离文字中交叉像素点和边缘像素点的距离值。
本发明实施例中,扫描黑白二值图像,得到黑白二值图像的边缘数据。根据黑白二值图像的边缘数据,确定黑白二值图像中边缘数据中凹凸点的位置及凹凸点位置对应的像素点距离。根据黑白二值图像中边缘数据中凹凸点的位置对应的像素距离与黑白二值图像中边缘数据凹凸点的位置,确定凹凸点的位置所处黑白二值图像中文字的位置,以便于确定凹凸点的位置是否可以进行补点或者去除操作,使得对黑白二值图像的扫描边缘数据中凹凸点形成毛刺进行去除,得到图像增强后的文本图像。
本发明实施例中,图2C为本发明实施例二中一种图像处理方法的示例图,如图2C所示,黑白二值图像的扫描边缘数据中黑色像素点行列中与白色像素点形成的凹字样的缺少黑色像素点位置。凸点位置可以理解为黑白二值图像的扫描边缘数据中黑色像素点行列中与与白色像素点形成的凸字样的多出黑色像素点位置。图2D为本发明实施例二中一种图像处理方法的示例图,如图2D所示,图2D中左侧“周”字中A像素和B像素为凸点位置,A点与边缘和交叉点的距离较长且附着边较长,可以确定为突出的孤立点,符合像素点距离进行去除操作。B点与边缘和交叉点的距离较短且附着边较短,此处可能是短笔画的尖端部分,或是笔画首位,或是转折处的笔锋,不符合像素点距离不进行去除操作。图2D中右侧“近”字中C像素为凹点位置,C点与边缘和交叉点的距离较短且附着边较短,不符合像素点距离不进行补点操作。其中,像素点距离可以根据实际情况进行预设。
扫描设备扫描当前纸张进行文字增强的图像处理过程实现方式有很多种,具体的:
图2E为本发明实施例二中一种图像处理方法的原理图,如图2E所示,扫描设备扫描当前纸张获取到扫描图像,并根据提前存入的图像校准映射表校准当前扫描图像,得到当前校准图像。根据当前校准图像的边线数量及长度设置采样区位置和数量,根据当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定当前校准图像采样区中的有效采样区;根据有效采样区的数量和有效采样区的灰度均值差的大小,确定所有有效采样区的灰度总均值,进行初步的底灰消除。根据灰度消除图像重新确定有效采样区的灰度总均值与预设灰度值,确定灰度消除图像中底灰是否仍存在,若存在根据重新确定有效采样区的灰度总均值确定第二灰度上限,根据第二灰度上限对灰度消除图像进行二次灰度消除,得到灰度消除图像。根据灰度消除图像及灰度消除图像的边缘数据,确定灰度消除图像中待加深像素及像素加深灰度值。根据灰度消除图像中待加深像素及像素加深灰度值,确定灰度消除图像对应的黑白二值图像;根据黑白二值图像的边缘数据确定黑白二值图像中凹凸点的位置及像素点距离,判断凹凸点位置是否进行补点或去除操作,得到文本图像。
本发明通过根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值;根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像;根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像。解决预处理过程过于繁杂,大量中间层图像的使用,产生较大的内存消耗、而识别算法对于内存和CPU算力有限、占用内存消耗对内存和资源有限的CPU问题,实现图像处理算法简化的同时提高处理速度,并保证图像识别的准确度效果。
实施例三
图3为本发明实施例三提供的一种图像处理装置的结构示意图,该图像处理装置包括:图像获取模块310,位置设置模块320,有效确定模块330,均值确定模块340,灰度消除模块;
图像获取模块310,用于获取扫描设备扫描当前纸张得到的当前扫描图像;
位置设置模块320,用于校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
有效确定模块330,用于根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
均值确定模块340,用于根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
灰度消除模块350,用于根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
进一步的,有效确定模块330具体用于:
根据各所述当前校准图像中采样区内灰度值,确定各所述当前校准图像中采样区的灰度均值;
如果所述当前校准图像中采样区的灰度均值处于白色灰度范围内,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的像素灰度值中最高灰度值占比大于预设占比阈值,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的灰度均值与采样区内各像素的灰度值差值的均值大于预设阈值,则将所述当前校准图像中采样区标记为无效;
将除所述当前校准图像中标记为无效的采样区之外的采样区标记为有效。
进一步的,均值确定模块340具体用于:
如果所述当前校准图像中有效采样区的数量大于3且各所述有效采样区的灰度均值之间差值小于预设有效采样区均值差,则根据所述当前校准图像中各所述有效采样区的灰度均值计算出所有所述有效采样区的灰度总均值。
进一步的,灰度消除模块350具体用于:
根据所述有效采样区的灰度总均值,确定所述当前校准图像灰度调整的上限;
将所述当前校准图像中灰度值大于所述当前校准图像灰度调整的上限像素的灰度值,设置为所述当前校准图像的最高灰度值。
进一步的,灰度消除模块350具体还用于:
如果根据所述灰度消除图像重新确定有效采样区的灰度总均值小于预设灰度值,则根据所述重新确定有效采样区的灰度总均值确定第二灰度上限,根据所述第二灰度上限对所述灰度消除图像进行二次灰度消除,得到灰度消除图像。
进一步的,灰度消除模块350具体还用于:
根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值;
根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像;
根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像。
进一步的,灰度消除模块350具体还用于:
根据所述灰度消除图像的边缘数据,确定所述灰度消除图像的灰度突变区;
将所述灰度突变区以9个像素为单元进行划分,得到灰度突变区;
根据各所述灰度突变区对应的扫描方向、中心点灰度值、标签像素灰度均值,确定所述灰度消除图像中待加深像素及像素加深灰度值。
进一步的,灰度消除模块350具体还用于:
根据所述灰度消除图像中待加深像素及像素加深灰度值对所述灰度消除图像进行灰度加深,得到加深文本图像;
将所述加深文本图像利用半色调算法转化为所述灰度消除图像对应的黑白二值图像。
进一步的,灰度消除模块350具体还用于:
根据获取的所述黑白二值图像的边缘数据,确定所述黑白二值图像中凹凸点的位置;
将符合像素点距离的所述凹点位置进行补点操作;
将符合像素点距离的所述凸点位置进行去除操作。
本发明实施例所提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备/终端/服务器12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的图像处理方法,该方法包括:
获取扫描设备扫描当前纸张得到的当前扫描图像;
校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
实施例五
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的图像处理方法,该方法包括:
获取扫描设备扫描当前纸张得到的当前扫描图像;
校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
获取扫描设备扫描当前纸张得到的当前扫描图像;
校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区,包括:
根据各所述当前校准图像中采样区内灰度值,确定各所述当前校准图像中采样区的灰度均值;
如果所述当前校准图像中采样区的灰度均值处于白色灰度范围内,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的像素灰度值中最高灰度值占比大于预设占比阈值,则将所述当前校准图像中采样区标记为无效;
如果所述当前校准图像中采样区的灰度均值与采样区内各像素的灰度值差值的均值大于预设阈值,则将所述当前校准图像中采样区标记为无效;
将除所述当前校准图像中标记为无效的采样区之外的采样区标记为有效。
3.根据权利要求1所述的方法,其特征在于,所述根据所述有效采样区的数量和所述有效采样区的灰度均值差大小,确定所有所述有效采样区的灰度总均值,包括:
如果所述当前校准图像中有效采样区的数量大于3且各所述有效采样区的灰度均值之间差值小于预设有效采样区均值差,则根据所述当前校准图像中各所述有效采样区的灰度均值计算出所有所述有效采样区的灰度总均值。
4.根据权利要求1所述的方法,其特征在于,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除,包括:
根据所述有效采样区的灰度总均值,确定所述当前校准图像灰度调整的上限;
将所述当前校准图像中灰度值大于所述当前校准图像灰度调整的上限像素的灰度值,设置为所述当前校准图像的最高灰度值。
5.根据权利要求1所述的方法,其特征在于,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除之后,还包括:
如果根据所述灰度消除图像重新确定有效采样区的灰度总均值小于预设灰度值,则根据所述重新确定有效采样区的灰度总均值确定第二灰度上限,根据所述第二灰度上限对所述灰度消除图像进行二次灰度消除,得到灰度消除图像。
6.根据权利要求1所述的方法,其特征在于,所述根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除之后,还包括:
根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值;
根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像;
根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像。
7.根据权利要求6所述的方法,其特征在于,所述根据所述灰度消除图像及所述灰度消除图像的边缘数据,确定所述灰度消除图像中待加深像素及像素加深灰度值,包括:
根据所述灰度消除图像的边缘数据,确定所述灰度消除图像的灰度突变区;
将所述灰度突变区以9个像素为单元进行划分,得到灰度突变区;
根据各所述灰度突变区对应的扫描方向、中心点灰度值、标签像素灰度均值,确定所述灰度消除图像中待加深像素及像素加深灰度值。
8.根据权利要求6所述的方法,其特征在于,所述根据所述灰度消除图像中待加深像素及像素加深灰度值,确定所述灰度消除图像对应的黑白二值图像,包括:
根据所述灰度消除图像中待加深像素及像素加深灰度值对所述灰度消除图像进行灰度加深,得到加深文本图像;
将所述加深文本图像利用半色调算法转化为所述灰度消除图像对应的黑白二值图像。
9.根据权利要求6所述的方法,其特征在于,所述根据所述黑白二值图像的扫描边缘数据中凹凸点对所述黑白二值图像进行毛刺去除,得到文本图像,包括:
根据获取的所述黑白二值图像的边缘数据,确定所述黑白二值图像中凹凸点的位置;
将符合像素点距离的所述凹点位置进行补点操作;
将符合像素点距离的所述凸点位置进行去除操作。
10.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取扫描设备扫描当前纸张得到的当前扫描图像;
位置设置模块,用于校准所述当前扫描图像得到当前校准图像;根据所述当前纸张的尺寸、所述扫描设备的参数、所述当前校准图像边线数量设置所述当前校准图像的采样区位置和数量;
有效确定模块,用于根据各所述当前校准图像中采样区内灰度值、灰度值的均值差、大于预设最高灰度值的百分比,确定所述当前校准图像采样区中的有效采样区;
均值确定模块,用于根据所述有效采样区的数量和所述有效采样区的灰度均值差的大小,确定所有所述有效采样区的灰度总均值;
灰度消除模块,用于根据所有效采样区的灰度总均值对所述当前校准图像进行灰度消除。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的图像处理方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232061.0A CN112950588A (zh) | 2021-03-02 | 2021-03-02 | 一种图像处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232061.0A CN112950588A (zh) | 2021-03-02 | 2021-03-02 | 一种图像处理方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950588A true CN112950588A (zh) | 2021-06-11 |
Family
ID=76247239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110232061.0A Pending CN112950588A (zh) | 2021-03-02 | 2021-03-02 | 一种图像处理方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950588A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005012247A (ja) * | 2003-06-16 | 2005-01-13 | Nyuurii Kk | 画像処理方法並びに画像処理装置、画像処理プログラム及び当該画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2006262215A (ja) * | 2005-03-17 | 2006-09-28 | Ricoh Co Ltd | 画像処理装置、画像処理方法、画像処理プログラム、および該プログラムを記録した記録媒体 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
CN106204590A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记处理的纸病检测方法 |
CN107622562A (zh) * | 2017-09-11 | 2018-01-23 | 深圳怡化电脑股份有限公司 | 纸币图像的提取方法、装置、设备及存储介质 |
CN107622475A (zh) * | 2016-07-14 | 2018-01-23 | 上海联影医疗科技有限公司 | 图像拼接中的灰度校正方法 |
CN109410215A (zh) * | 2018-08-02 | 2019-03-01 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN109584231A (zh) * | 2018-11-28 | 2019-04-05 | 中国兵器科学研究院宁波分院 | 一种复杂内结构的活塞毛坯缺陷检测方法 |
CN110889807A (zh) * | 2019-11-20 | 2020-03-17 | 公安部第一研究所 | 一种通道式x射线安检设备图像处理方法 |
CN111260673A (zh) * | 2020-01-17 | 2020-06-09 | 中国人民解放军国防科学技术大学 | 一种适用边缘破碎脏器造影的脏器实质分割方法及装置 |
CN112037320A (zh) * | 2020-09-01 | 2020-12-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备以及计算机可读存储介质 |
-
2021
- 2021-03-02 CN CN202110232061.0A patent/CN112950588A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005012247A (ja) * | 2003-06-16 | 2005-01-13 | Nyuurii Kk | 画像処理方法並びに画像処理装置、画像処理プログラム及び当該画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2006262215A (ja) * | 2005-03-17 | 2006-09-28 | Ricoh Co Ltd | 画像処理装置、画像処理方法、画像処理プログラム、および該プログラムを記録した記録媒体 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
CN106204590A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记处理的纸病检测方法 |
CN107622475A (zh) * | 2016-07-14 | 2018-01-23 | 上海联影医疗科技有限公司 | 图像拼接中的灰度校正方法 |
CN107622562A (zh) * | 2017-09-11 | 2018-01-23 | 深圳怡化电脑股份有限公司 | 纸币图像的提取方法、装置、设备及存储介质 |
CN109410215A (zh) * | 2018-08-02 | 2019-03-01 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN109584231A (zh) * | 2018-11-28 | 2019-04-05 | 中国兵器科学研究院宁波分院 | 一种复杂内结构的活塞毛坯缺陷检测方法 |
CN110889807A (zh) * | 2019-11-20 | 2020-03-17 | 公安部第一研究所 | 一种通道式x射线安检设备图像处理方法 |
CN111260673A (zh) * | 2020-01-17 | 2020-06-09 | 中国人民解放军国防科学技术大学 | 一种适用边缘破碎脏器造影的脏器实质分割方法及装置 |
CN112037320A (zh) * | 2020-09-01 | 2020-12-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备以及计算机可读存储介质 |
Non-Patent Citations (5)
Title |
---|
JINFENG BAI等: "Chinese Image Text Recognition on grayscale pixels", 第1380-1384页, 14 July 2014 (2014-07-14), pages 1380 - 1384 * |
刘景康 等: "一种模糊C均值图像分割改进算法", 《电子设计工程》, vol. 27, no. 3, 5 February 2019 (2019-02-05), pages 6 - 10 * |
张凯歌: "基于K-means和神经网络算法的图像文字提取与识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 1, 15 January 2014 (2014-01-15), pages 138 - 2073 * |
曲奇: "用什么图像增强算法可以实现将图中的文字加粗,白色区域更白?", pages 1, Retrieved from the Internet <URL:https://www.zhihu.com/question/279363389> * |
陈卫华 等: "超声直方图在肝脏疾病中的应用研究", 《2003年全国医学影像技术学术会议论文汇编》, 1 August 2003 (2003-08-01), pages 372 - 373 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5568571A (en) | Image enhancement system | |
JP3904840B2 (ja) | 多値画像から罫線を抽出する罫線抽出装置 | |
RU2721188C2 (ru) | Улучшение контраста и снижение шума на изображениях, полученных с камер | |
JP2002084420A (ja) | 画像処理装置、画像処理方法および画像処理プログラムが格納された記録媒体 | |
US20030123094A1 (en) | Methods and apparatus for smoothing text outlines | |
CN108734161B (zh) | 冠字号区域的识别方法、装置、设备及存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
US6266445B1 (en) | Classification-driven thresholding of a normalized grayscale image | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
US7130085B2 (en) | Half-tone dot elimination method and system thereof | |
CN111445402B (zh) | 一种图像去噪方法及装置 | |
JPH10307889A (ja) | 文字認識方法、装置及び文字認識プログラムを記録した記録媒体 | |
KR20150099116A (ko) | Ocr를 이용한 컬러 문자 인식 방법 및 그 장치 | |
CN112950588A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
US6983071B2 (en) | Character segmentation device, character segmentation method used thereby, and program therefor | |
CN114267035A (zh) | 一种文档图像处理方法、系统、电子设备及可读介质 | |
CN113076952A (zh) | 一种文本自动识别和增强的方法及装置 | |
CN112508024A (zh) | 一种变压器电气铭牌钢印字体智能识别方法 | |
CN111476800A (zh) | 一种基于形态学操作的文字区域检测方法及装置 | |
CN111368572A (zh) | 一种二维码的识别方法及系统 | |
US20230094651A1 (en) | Extracting text from an image | |
JP3268542B2 (ja) | 微細文字画像の拡大方法 | |
CN111526263B (zh) | 图像处理方法、装置及计算机系统 | |
JP6797763B2 (ja) | 文字認識装置 | |
JP2003317107A (ja) | 罫線抽出方法及び装置 |
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 |