CN112967191B - 图像处理方法、装置、电子设备和存储介质 - Google Patents

图像处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112967191B
CN112967191B CN202110189132.3A CN202110189132A CN112967191B CN 112967191 B CN112967191 B CN 112967191B CN 202110189132 A CN202110189132 A CN 202110189132A CN 112967191 B CN112967191 B CN 112967191B
Authority
CN
China
Prior art keywords
image
text
matrix
edge
pixel points
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
CN202110189132.3A
Other languages
English (en)
Other versions
CN112967191A (zh
Inventor
付晓
马文伟
刘昊岳
刘设伟
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.)
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance 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 Taikang Insurance Group Co Ltd, Taikang Online Property Insurance Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202110189132.3A priority Critical patent/CN112967191B/zh
Publication of CN112967191A publication Critical patent/CN112967191A/zh
Application granted granted Critical
Publication of CN112967191B publication Critical patent/CN112967191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了图像处理方法、装置、电子设备和存储介质，涉及计算机技术领域。该方法的一具体实施方式包括：检测文本图像在各通道的边缘矩阵；根据边缘矩阵的方差确定目标通道；根据目标通道的边缘矩阵，获取待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算边缘像素点的差分矩阵，得到差分矩阵的二阶统计量；确定待处理图像中文本联通域集合，计算文本连通域集合对应像素点的占比；根据二阶统计量、目标通道边缘矩阵的方差和占比，计算文本图像的清晰度数值，确定清晰度数值小于预设的清晰度阈值则发送通知重新上传图像。该实施方式能够解决现有技术不仅操作过程复杂，还会延长用户的理赔处理时间，降低理赔效率的问题。

Description

图像处理方法、装置、电子设备和存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像处理方法、装置、电子设备和存储介质。
背景技术
在保险理赔等场景中，通常需要用户将理赔文件转化成文本图像上传至理赔系统，业务人员可以根据文本图像执行理赔的流程。在业务员根据文本图像进行理赔处理时，经常会遇到字迹不清或版面模糊等导致文本图像不清晰的问题，导致无法辨认文图图像中的信息，此时业务员需要通过理赔系统等方式通知用户重新上传清晰度较高的文本图像，以便于能够准确的执行理赔流程。但是，这种方式不仅操作过程复杂，还会延长用户的理赔处理时间，降低理赔效率。
发明内容
有鉴于此，本发明实施例提供一种图像处理方法、装置、电子设备和存储介质，能够解决现有技术不仅操作过程复杂，还会延长用户的理赔处理时间，降低理赔效率的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种图像处理方法。
本发明实施例的一种图像处理方法包括：接收文本图像，检测所述文本图像在各通道的边缘矩阵；根据所述边缘矩阵的方差确定目标通道，将所述文本图像在所述目标通道的通道图像确定为待处理图像；根据所述文本图像在该目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量；分割所述待处理图像，根据分割结果确定所述待处理图像中文本联通域集合，计算所述文本连通域集合对应像素点的占比；调用预设的清晰度模型，根据所述二阶统计量、所述目标通道边缘矩阵的方差和所述占比，计算所述文本图像的清晰度数值，确定所述清晰度数值小于预设的清晰度阈值则发送通知重新上传图像。
在一个实施例中，所述根据所述文本图像在所述目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，包括：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为所述边缘像素点。
在又一个实施例中，所述根据所述文本图像在所述目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，包括：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵与所述目标通道的边缘矩阵相乘，得出融合矩阵，将所述融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为所述边缘像素点。
在又一个实施例中，所述计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量，包括：
计算所述边缘像素点的行差分矩阵和列差分矩阵；
计算所述行差分矩阵的方差和所述列差分矩阵的方差，将所述行差分矩阵的方差和所述列差分矩阵的方差之和确定为所述二阶统计量。
在又一个实施例中，所述分割所述待处理图像，包括：
计算所述边缘像素点的平均像素值；
将所述平均像素值作为分割阈值，分割所述待处理图像。
在又一个实施例中，所述根据分割结果确定所述待处理图像中文本联通域集合，包括：
从所述分割结果中，获取包括文本的图像区域；
调用预设连通域分析模型，根据所述图像区域确定所述文本连通域集合；
计算所述文本连通域集合中各文本连通域的面积，将所述文本连通域集合中所述面积小于预设面积阈值的文本连通域删除。
在又一个实施例中，所述计算所述文本连通域集合对应像素点的占比，包括：
对所述文本连通域集合中每个文本联通域，计算所述每个文本连通域中包括像素点数量和所述每个文本连通域的面积，将所述像素点数量和所述面积的比值确定为所述文本连通域的像素点占比；
将所述文本连通域集合中各所述文本连通域的像素点占比的平均值，确定为所述文本连通域集合对应像素点的占比。
为实现上述目的，根据本发明实施例的另一方面，提供了一种图像处理装置。
本发明实施例的一种图像处理装置包括：检测单元，用于接收文本图像，检测所述文本图像在各通道的边缘矩阵；确定单元，用于根据所述边缘矩阵的方差确定目标通道，将所述文本图像在所述目标通道的通道图像确定为待处理图像；计算单元，用于根据所述文本图像在该目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量；所述计算单元，还用于分割所述待处理图像，根据分割结果确定所述待处理图像中文本联通域集合，计算所述文本连通域集合对应像素点的占比；所述确定单元，还用于调用预设的清晰度模型，根据所述二阶统计量、所述目标通道边缘矩阵的方差和所述占比，计算所述文本图像的清晰度数值，确定所述清晰度数值小于预设的清晰度阈值则发送通知重新上传图像。
在一个实施例中，所述计算单元，具体用于：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为所述边缘像素点。
在又一个实施例中，所述计算单元，具体用于：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵与所述目标通道的边缘矩阵相乘，得出融合矩阵，将所述融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为所述边缘像素点。
在又一个实施例中，所述计算单元，具体用于：
计算所述边缘像素点的行差分矩阵和列差分矩阵；
计算所述行差分矩阵的方差和所述列差分矩阵的方差，将所述行差分矩阵的方差和所述列差分矩阵的方差之和确定为所述二阶统计量。
在又一个实施例中，所述计算单元，具体用于：
计算所述边缘像素点的平均像素值；
将所述平均像素值作为分割阈值，分割所述待处理图像。
在又一个实施例中，所述计算单元，具体用于：
从所述分割结果中，获取包括文本的图像区域；
调用预设连通域分析模型，根据所述图像区域确定所述文本连通域集合；
计算所述文本连通域集合中各文本连通域的面积，将所述文本连通域集合中所述面积小于预设面积阈值的文本连通域删除。
在又一个实施例中，所述计算单元，具体用于：
对所述文本连通域集合中每个文本联通域，计算所述每个文本连通域中包括像素点数量和所述每个文本连通域的面积，将所述像素点数量和所述面积的比值确定为所述文本连通域的像素点占比；
将所述文本连通域集合中各所述文本连通域的像素点占比的平均值，确定为所述文本连通域集合对应像素点的占比。
为实现上述目的，根据本发明实施例的再一个方面，提供了一种电子设备。
本发明实施例的一种电子设备，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本发明实施例提供的图像处理方法。
为实现上述目的，根据本发明实施例的又一个方面，提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例提供的图像处理方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明实施例中，接收文本图像后，可以先对文本图像进行处理，计算出文本图像的清晰度数值，如果文本图像的清晰度数值小于预设的清晰度阈值则发送通知重新上传图像，如此在用户上传文本图像后，即可对文本图像的清晰度进行评估，并确定出清晰度较低的文本图像，及时通知重新上传，减低理赔操作复杂度，提高理赔效率；另外本发明实施例中可以根据文本图像在各通道中边缘矩阵的方差确定出目标通道，并将文本图像在目标通道的通道图像确定为待处理图像，如此通过最佳通道的选择，可以有效缓解了图像颜色和光照信息等对清晰度计算的干扰性，提清晰度计算的准确率；本发明实施例中二阶统计量可以表示出文本图像中边缘锐化程度、占比表示文本图像中文字部分像素点的占比率、边缘矩阵的方差表示了文本图像边缘像素的分布状态，所以根据二阶统计量、目标通道边缘矩阵的方差和占比来计算文本图像的清晰度数值，更有针对性地对文本图像的清晰度进行判断，提高文本清晰度评估的准确性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的图像处理方法的一种主要流程的示意图；
图2是根据本发明实施例一种文本图像的灰度图的示意图；
图3所示为对图2所示文本图像的待处理图像检测图像边缘的结果示意图；
图4所示为对图2所示文本图像的灰度图检测图像边缘的结果示意图；
图5是根据本发明实施例一种待处理图像的灰度图的示意图；
图6是通过本发明实施例中分割方式对图5中图像分割后得到的结果示意图；
图7是通过局部平均自适应分割方式对图5中图像分割后得到的结果示意图；
图8是根据本发明实施例的对文本图像进行文字分割的一种结果示意图；
图9是根据本发明实施例的对文本图像进行文字分割的另一种结果示意图；
图10是根据本发明实施例的计算二阶统计量的一种主要流程的示意图；
图11是根据本发明实施例的图像处理装置的主要单元的示意图；
图12是本发明实施例可以应用于其中的一种示例性系统架构图；
图13是适于用来实现本发明实施例的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不冲突的情况下，本发明中的实施例以及实施例中的特征可以互相组合。
本发明实施例提供一种图像处理方法，可以用于对图像清晰度进行评估的场景。具体可以为在理赔时对用户上传的文本图像进行处理，计算文本图像的清晰度数值，根据文本图像的清晰度数值评估文本图像的清晰度，在文本图像清晰度较低时可以向用户发送通知重新上传图像。
本发明实施例提供了一种图像处理方法，该方法可由服务端执行，如图1所示，该方法包括以下步骤。
S101：接收文本图像，检测文本图像在各通道的边缘矩阵。
其中，文本图像可以为用户上传的文本图像，文本图像中通常包括文字内容。
由于理赔图像等文本图像中的文本颜色、光照和背景较为复杂，单纯将彩色文本图像转换成灰度图进行处理，会丢失文本图像的颜色信息，导致处理结果不准确。所以本发明实施例中，通过文本图像在各通道的边缘矩阵来选择最佳的单通道图像进行处理，而非直接使用灰度图进行后续处理，从而提高图像处理的准确性。
文本图像的通道通常为R、G、B3个颜色通道。在接收文本图像后，可以根据边缘算子对文本图像在各通道的边缘进行检测，得出文本图像在各通道的边缘矩阵。边缘算子具体可以包括多种，例如sobel边缘算子、canny、拉普拉斯算子等等。
S102：根据边缘矩阵的方差确定目标通道，将文本图像在目标通道的通道图像确定为待处理图像。
其中，在得出各通道的边缘矩阵后，可以计算各边缘矩阵的方差，由于方差越大表示数据的信息量越大，所以本步骤中可以将方差最大的边缘矩阵所在通道确定为目标通道，后续处理基于文本图像在该目标通道下的图像执行，即将文本图像在目标通道的通道图像确定为待处理图像。
具体的，如图2所示为一种文本图像的灰度图的示意图，对图2所示文本图像通过本步骤确定出待处理图像后检测图像边缘的结果如图3所示，图4所示为对图2所示文本图像的灰度图检测图像边缘的结果。通过图3和图4对比可以得出，图3得到的结果中边缘特征信息的对比度更强。
S103：根据文本图像在该目标通道的边缘矩阵，获取待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算边缘像素点的差分矩阵，得到差分矩阵的二阶统计量。
其中，文本图像在该目标通道的边缘矩阵中所包括的元素与检测出位于边缘的像素相对应，所以根据文本图像在该目标通道的边缘矩阵可以确定出待处理图像中检测出的边缘像素点，即为待处理边缘像素点。由于处于图像边缘的像素点通常像素值变化幅度较大，而边缘矩阵中的待定边缘像素点可能会存在噪声，所以本步骤可以基于待处理图像在目标通道的边缘矩阵，获取待处理图像中像素值变化幅度满足预设条件的边缘像素点。
具体的，本步骤中获取边缘像素点可以执行为：将目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算待定边缘像素点的像素值与待定边缘像素点的像素均值之间的距离，得出震荡矩阵，根据第一预设系数计算二值化震荡矩阵；将震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为边缘像素点。
待定边缘像素点的像素值与待定边缘像素点的像素均值之间的距离可以表示每个待定边缘像素点相对于整体像素均值的波动情况，距离值较大的待定像素点表示波动幅度较大，所以本步骤中使用震荡矩阵获取边缘像素点，可以有效地减少图像背景纹理的干扰和误检，确保文字边缘信息提取的准确性。本步骤中可以根据公式1计算震荡矩阵。
在公式1中，i和j分别表示矩阵的行和列，N代表边缘矩阵中元素的个数，E[i,j]表示文本图像在该目标通道的边缘矩阵，S[i,j]表示震荡矩阵，∑E[i,j]表示该目标通道的边缘矩阵中包括像素点的像素和。
得出震荡矩阵后，可以基于震荡矩阵中各元素的数值获取待处理图像中像素值变化幅度满足预设条件的边缘像素点，即震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为边缘像素点。第一预设阈值可以根据场景和经验确定。
由于不同的图像在文字边缘处的响应受光照等多种因素的影响，因此不同图像中边缘响应值的差异非常大，所以本步骤中可以对得出的震荡矩阵进行归一化处理。在归一化处理后，震荡矩阵中元素均为0到1之间的数值，此时可以根据第一预设系数对震荡矩阵规范化处理，将震荡矩阵中元素的值转化为0或1，其中震荡矩阵中元素值大于或等于第一预设系数将震荡矩阵中元素转化为0，得出二值化震荡矩阵。所以在二值化震荡矩阵中，元素值为1表示该元素对应像素点的像素值波动较大，本步骤中根据二值化震荡矩阵中值为1的元素，从待定边缘像素点中获取边缘像素点。第一预设系数可以根据经验或实验得出，例如可以为0.3。
在得出震荡矩阵后，为了进一步减少干扰，提高获取边缘像素点的准确性，本发明实施例中还可以将震荡矩阵与目标通道下的边缘矩阵融合，进而根据融合后的结果来获取边缘像素点。
具体的，本步骤中获取边缘像素点可以执行为：将目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算待定边缘像素点的像素值与待定边缘像素点的像素均值之间的距离，得出震荡矩阵；将震荡矩阵与目标通道的边缘矩阵相乘，得出融合矩阵，将融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为边缘像素点。
得出震荡矩阵的方式如上所述，在此不再赘述。得出震荡矩阵后，可以将其与目标通道的边缘矩阵相乘，得出融合矩阵，从而进一步减少噪声的干扰，进而将融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为边缘像素点。第二预设阈值可以根据场景和经验确定。
由于不同的图像在文字边缘处的响应受光照等多种因素的影响，因此不同图像中边缘响应值的差异非常大，所以得出的震荡矩阵和边缘矩阵中元素值也有可能差异较大，所以可以对震荡矩阵和目标通道的边缘矩阵先进行归一化处理。然后通过第一预设系数将震荡矩阵中的元素值转化为0或1，得出二值化震荡矩阵，以及通过第二预设系数将边缘矩阵中的元素值转化为0或1，其中归一化的边缘矩阵中元素值大于或等于第二预设系数将震荡矩阵中元素转化为0，得出二值化边缘矩阵。再通过将二值化边缘矩阵和二值化震荡矩阵相乘，来将二值化边缘矩阵和二值化震荡矩阵融合，得出融合矩阵。融合矩阵中元素的数值也为0和1，其数值为1的元素所对应的像素点像素值波动较大，像素值变化梯度较高，所以可以确定为边缘像素点。第一预设系数可以根据经验或实验得出，例如可以为0.25。
在获取边缘像素点后可以得出各边缘像素点的像素，进而可以得出边缘像素点像素的差分矩阵。得出差分矩阵可以计算出差分矩阵的二阶统计量，本发明实施例中，二阶统计量可以通过方差计算，即计算差分矩阵的方差得出差分矩阵的二阶统计量。
S104：分割待处理图像，根据分割结果确定待处理图像中文本联通域集合，计算文本连通域集合对应像素点的占比。
其中，对待处理图像分割得出分割结果，分割结果包括背景区域和目标区域。目标区域为包括文本的图片区域，所以根据分割结果确定待处理图像中文本联通域集合，得出文本连通域集合后可以计算出对应的像素点占比。
具体的，本步骤中根据分割结果确定所述待处理图像中文本联通域集可以执行为：从分割结果中，获取包括文本的图像区域；调用预设连通域分析模型，根据图像区域确定文本连通域集合；计算文本连通域集合中各文本连通域的面积，将文本连通域集合中面积小于预设面积阈值的文本连通域删除。
分割结果中包括文本的图像区域，对这些图像区域通过连通域分析模型，可以确定出多个文本连通域，进而组成文本连通域集合。为了避免文本连通域中出现文字的某个偏旁部首被单独分割出来，导致后续文字占比率计算不准确的情况，所以本发明实施例中可以设置一个面积阈值Smin，即预设面积阈值，将文本连通域集合中积小于预设面积阈值的文本连通域删除。
在确定出文本连通域集合后，计算文本连通域集合对应像素点的占比可以具体执行为：对文本连通域集合中每个文本联通域，计算文本连通域中包括像素点数量和文本连通域的面积，将像素点数量和面积的比值确定为文本连通域的像素点占比；将文本连通域集合中各文本连通域的像素点占比的平均值，确定为文本连通域集合对应像素点的占比。
计算占比时，首先计算文本联通域集合中每个文本连通域的像素点占比，然后将文本连通域集合中各文本连通域的像素点占比的平均值，确定为文本连通域集合对应像素点的占比。由于文本连通域集合中面积较小文本连通域可以删除，因此保存下来的可以认为是单个文字的连通域信息，而计算文本联通域集合中所有文本连通域的像素点占比均值可以表示文本图像中的文字的平均占比率。
对文本连通域集合中每个文本联通域，可以通过公式2计算该文本连通域的像素点占比。
在公式2中，percentk表示文本连通域集合中第k个文本连通域的像素点占比，len(·)函数表示计算输入数据中元素的个数，len(connectk)表示文本连通域集合中第k个文本连通域中像素点的个数，connectk表示文本连通域集合中第k个文本连通域，可以表示为
其中n表示connectk中像素点个数，x表示像素点的横坐标，y表示像素点的纵坐标，对connectk中像素点的坐标，取所有横坐标的最小值xk min和最大值xk max、纵坐标的最小值yk min和最大值yk max，即可得到connectk对应最小水平矩形的左上角坐标(xk min，yk min)和右下角坐标(yk min，yk max)，进而根据公式2可以计算出connectk的像素点占比。
需要说明的是，本发明实施例中，对待处理图像分割的方式不做限定。现有技术中使用边缘算子检测到的文本图像中文字边缘像素点通常分布在文字区域周边，但是准确的文本边缘点通常一半处于背景中，一半处于文本中，这些像素点像素值变化梯度较高且相对于全图而言其波动幅度较高，而本发明实施例中，在上述步骤中准确的确定出这些边缘像素点，所以可以得出这些边缘像素点的集合，将这些边缘像素点的像素计算平均像素值，即可以确定为待处理图像分割的分割阈值，从而可以保证待处理图像分割的准确性。
上述计算得到的分割阈值对待处理图像进行二值化分割，可以得到文本分割二值图，相比于其他基于现有技术的文字分割结果，本发明实施例中自适应的分割方法能够更好地解决复杂背景干扰问题，得到的分割结果也更加准确。如图5所示为一种待处理图像的灰度图的示意图，图6所示为通过本发明实施例中分割方式对图5中图像分割后得到的结果示意图，图7为通过局部平均自适应分割方式对图5中图像分割后得到的结果示意图。
S105：调用预设的清晰度模型，根据二阶统计量、目标通道边缘矩阵的方差和占比，计算文本图像的清晰度数值，确定清晰度数值小于预设的清晰度阈值则发送通知重新上传图像。
判断文本图像的清晰度时，除了需要传统的细节信息强度指标之外，还需要针对图像中文本边缘发散渐变的特性以及文本轮廓的特性进行判断。通常图像中文本边缘信息丰富且数值与背景对比强烈，则说明图像较为清晰，因此本发明实施例中利用目标通道的边缘矩阵的方差来表示这个特征。但是文本图像中文本边缘存在逐渐变化的像素值，通常也具备较高的边缘方差，因此本发明实施例中还使用了差分矩阵的二阶统计量来计算清晰度。最后针对文字目标的结构特性，本发明实施例中在计算清晰度时还增加了像素点的占比特征。所以本发明实施例中基于预设的清晰度模型，根据二阶统计量、目标通道边缘矩阵的方差和占比，计算文本图像的清晰度数值。
具体的，可以通过公式3来计算清晰度数值。
在公式3中，M表示差分矩阵的二阶统计量，stdmax表示目标通道的边缘矩阵的方差，p表示文本连通域集合对应像素点的占比，σ和μ为预设参数，具体值可以根据经验或试验确定。例如，统计得出大部文本连通域对应像素点占比在0.2到0.65之间，且众数分布在0.4左右，因此公式3中的μ取值为0.4，σ的取值为0.45。
本发明实施例中，在计算出文本图像的清晰度数值后，可以将其与预设的清晰度阈值比较，如果清晰度数值小于预设的清晰度阈值，说明文本图像的清晰度较低，需要用户重新上传，则发送通知重新上传图像，即向用户发送通知，时用户重新上传新的文本图像。
需要说明的是，由于一些文本图像虽然边缘响应部分的特征较弱或图像对比度较差，但是其是可以分割、识别出文本内容，但是这些图像经常会被判定为模糊图像，即不符合要求的图像。而本发明实施例中，从多个维度计算文本图像的清晰度数值，能够更加准确的对文本图像的清晰度进行评估和判断，从而可以避免将边缘响应部分的特征较弱或图像对比度较差，但是其是可以分割、识别出文本内容的文本图像判定为模糊图像。如图8所示为对其左侧图像及其文字的分割结果，其对应p为72％，图9所示为对其左侧图像及其文字的分割结果，其对应p为43％。通过上述图8、图9对比可以看出，一些文字虽然在边缘响应部分的特征较弱或图像对比度较差，但是仍然可以清晰识别出文字信息，但是其p是正常范围的，现有技术通常会判定为模糊图像，而通过本发明实施例中的方式可以避免将这些清晰度数值正常的文本图像确定为模糊图像。
本发明实施例中，接收文本图像后，可以先对文本图像进行处理，计算出文本图像的清晰度数值，如果文本图像的清晰度数值小于预设的清晰度阈值则发送通知重新上传图像，如此在用户上传文本图像后，即可对文本图像的清晰度进行评估，并确定出清晰度较低的文本图像，及时通知重新上传，减低理赔操作复杂度，提高理赔效率；另外本发明实施例中可以根据文本图像在各通道中边缘矩阵的方差确定出目标通道，并将文本图像在目标通道的通道图像确定为待处理图像，如此通过最佳通道的选择，可以有效缓解了图像颜色和光照信息等对清晰度计算的干扰性，提清晰度计算的准确率；本发明实施例中二阶统计量可以表示出文本图像中边缘锐化程度、占比表示文本图像中文字部分像素点的占比率、边缘矩阵的方差表示了文本图像边缘像素的分布状态，所以根据二阶统计量、目标通道边缘矩阵的方差和占比来计算文本图像的清晰度数值，更有针对性地对文本图像的清晰度进行判断，提高文本清晰度评估的准确性。
下面结合图1所示的实施例，对本发明实施例中计算差分矩阵的二级统计量的方法进行具体说明。如图10所示，该方法包括以下步骤。
S1001：计算边缘像素点的行差分矩阵和列差分矩阵。
其中，边缘像素点的差分矩阵表示文本边缘的差分矩阵，其通常包括行差分矩阵和列差分矩阵。行差分矩阵表示边缘像素点的像素在行方向的差分矩阵，列差分矩阵边缘像素点的像素在行方向的差分矩阵。在步骤S103中确定出边缘像素点后，可以基于边缘像素点的像素得出其对应的行差分矩阵和列差分矩阵。
另外，边缘像素点的行差分矩阵和列差分矩阵还可以基于待处理图像计算得出。
现有技术中通常是确定出待处理图像的差分矩阵后，分别与边缘算计相乘得出边缘文本边缘的差分矩阵。
例如，以A表示待处理图像的行差分矩阵，B表示待处理图像的行差分矩阵为例，A、B的值、sobel边缘算子如公式4所示，其与sobel边缘算子计算得出结果如公式5和公式6所示。
A中元素值行跨度均为2、B中元素值也有一定跨度，但从上述计算结果可知，虽然sobel算子对图像的边缘信息有提取作用，但是其对A、B计算得出的结果相同，并不能准确地反映出图像边缘的锐化程度，也就是说当处理类似模糊文字这种边缘存在缓慢过渡的情况时，其最终计算结果并不能准确地反映边缘的锐化程度。为了避免上述情况，所以本发明实施例中可以根据步骤S103中计算的融合矩阵来计算边缘像素点的行差分矩阵和列差分矩阵。具体可以为：计算待处理图像的行差分矩阵和列差分矩阵，并将待处理图像的行差分矩阵和列差分矩阵分别与融合矩阵相乘，得出边缘像素点的行差分矩阵和列差分矩阵。
S1002：计算行差分矩阵的方差和列差分矩阵的方差。
其中，本发明实施例中通过方差来计算二阶统计量。具体的，可以根据公式7计算。
在公式7中，Imax1表示待处理图像的行差分矩阵，列差分矩阵Imax2表示待处理图像的列差分矩阵，F[i,j]表示融合矩阵，std(.)表示计算方差的函数，M1表示边缘像素点对应行差分矩阵的方差，M2表示边缘像素点对应列差分矩阵的方差。
S1003：将行差分矩阵的方差和列差分矩阵的方差之和确定为二阶统计量。
其中，在得出行差分矩阵的方差和列差分矩阵的方差后，将二者求和即可得出边缘像素点对应差分矩阵的二阶统计量。
本发明实施例中，可以基于融合矩阵来计算边缘像素点的差分矩阵，从而可以保证计算边缘像素点对应差分矩阵的二阶统计量的准确性。
为了解决现有技术存在的问题，本发明实施例提供了一种图像处理方法装置1100，如图11所示，该装置1100包括：
检测单元1101，用于接收文本图像，检测所述文本图像在各通道的边缘矩阵；
确定单元1102，用于根据所述边缘矩阵的方差确定目标通道，将所述文本图像在所述目标通道的通道图像确定为待处理图像；
计算单元1103，用于根据所述文本图像在该目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量；
所述计算单元1103，还用于分割所述待处理图像，根据分割结果确定所述待处理图像中文本联通域集合，计算所述文本连通域集合对应像素点的占比；
所述确定单元1102，还用于调用预设的清晰度模型，根据所述二阶统计量、所述目标通道边缘矩阵的方差和所述占比，计算所述文本图像的清晰度数值，确定所述清晰度数值小于预设的清晰度阈值则发送通知重新上传图像。
应理解的是，实施本发明实施例的方式与实施图1所示实施例的方式相同，在此不再赘述。
本发明实施例的又一种实现方式中，所述计算单元1103，具体用于：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为所述边缘像素点。
本发明实施例的又一种实现方式中，所述计算单元1103，具体用于：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵与所述目标通道的边缘矩阵相乘，得出融合矩阵，将所述融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为所述边缘像素点。
本发明实施例的又一种实现方式中，所述计算单元1103，具体用于：
计算所述边缘像素点的行差分矩阵和列差分矩阵；
计算所述行差分矩阵的方差和所述列差分矩阵的方差，将所述行差分矩阵的方差和所述列差分矩阵的方差之和确定为所述二阶统计量。
在又一个实施例中，所述计算单元，具体用于：
计算所述边缘像素点的平均像素值；
将所述平均像素值作为分割阈值，分割所述待处理图像。
本发明实施例的又一种实现方式中，所述计算单元1103，具体用于：
从所述分割结果中，获取包括文本的图像区域；
调用预设连通域分析模型，根据所述图像区域确定所述文本连通域集合；
计算所述文本连通域集合中各文本连通域的面积，将所述文本连通域集合中所述面积小于预设面积阈值的文本连通域删除。
本发明实施例的又一种实现方式中，所述计算单元1103，具体用于：
对所述文本连通域集合中每个文本联通域，计算所述每个文本连通域中包括像素点数量和所述每个文本连通域的面积，将所述像素点数量和所述面积的比值确定为所述文本连通域的像素点占比；
将所述文本连通域集合中各所述文本连通域的像素点占比的平均值，确定为所述文本连通域集合对应像素点的占比。
应理解的是，实施本发明实施例的方式与实施图1、图2所示实施例的方式相同，在此不再赘述。
本发明实施例中，接收文本图像后，可以先对文本图像进行处理，计算出文本图像的清晰度数值，如果文本图像的清晰度数值小于预设的清晰度阈值则发送通知重新上传图像，如此在用户上传文本图像后，即可对文本图像的清晰度进行评估，并确定出清晰度较低的文本图像，及时通知重新上传，减低理赔操作复杂度，提高理赔效率；另外本发明实施例中可以根据文本图像在各通道中边缘矩阵的方差确定出目标通道，并将文本图像在目标通道的通道图像确定为待处理图像，如此通过最佳通道的选择，可以有效缓解了图像颜色和光照信息等对清晰度计算的干扰性，提清晰度计算的准确率；本发明实施例中二阶统计量可以表示出文本图像中边缘锐化程度、占比表示文本图像中文字部分像素点的占比率、边缘矩阵的方差表示了文本图像边缘像素的分布状态，所以根据二阶统计量、目标通道边缘矩阵的方差和占比来计算文本图像的清晰度数值，更有针对性地对文本图像的清晰度进行判断，提高文本清晰度评估的准确性。
根据本发明的实施例，本发明实施例还提供了一种电子设备和一种可读存储介质。
本发明实施例的电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例所提供的图像处理方法。
图12示出了可以应用本发明实施例的图像处理方法或图像处理装置的示例性系统架构1200。
如图12所示，系统架构1200可以包括终端设备1201、1202、1203，网络1204和服务器1205。网络1204用以在终端设备1201、1202、1203和服务器1205之间提供通信链路的介质。网络1204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1201、1202、1203通过网络1204与服务器1205交互，以接收或发送消息等。终端设备1201、1202、1203上可以安装有各种客户端应用。
终端设备1201、1202、1203可以是但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等，可以用于上传文本图像。
服务器1205可以是提供各种服务的服务器，服务器可以对接收到的文本图像等数据进行分析等处理，并将处理结果反馈给终端设备。
需要说明的是，本发明实施例所提供的图像处理方法一般由服务器1205执行，相应地，图像处理装置一般设置于服务器1205中。
应该理解，图12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。
下面参考图13，其示出了适于用来实现本发明实施例的计算机系统1300的结构示意图。图13示出的计算机系统仅仅是一个示例，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13所示，计算机系统1300包括中央处理单元(CPU)1301，其可以根据存储在只读存储器(ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(RAM)1303中的程序而执行各种适当的动作和处理。在RAM 1303中，还存储有系统1300操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305：包括键盘、鼠标等的输入部分1306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1307；包括硬盘等的存储部分1308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1310上，以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1309从网络上被下载和安装，和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本发明中，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。而在本发明中，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。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分，上述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测单元、确定单元和计算单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，检测单元还可以被描述为“检测单元的功能的单元”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行本发明所提供的图像处理方法。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (8)

1.一种图像处理方法，其特征在于，包括：
接收文本图像，检测所述文本图像在各通道的边缘矩阵，其中，所述通道为R、G、B颜色通道；
根据所述边缘矩阵的方差确定目标通道，将所述文本图像在所述目标通道的通道图像确定为待处理图像；
根据所述文本图像在该目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量；
分割所述待处理图像，根据分割结果确定所述待处理图像中文本联通域集合，计算所述文本连通域集合对应像素点的占比；
调用预设的清晰度模型，根据所述二阶统计量、所述目标通道边缘矩阵的方差和所述占比，计算所述文本图像的清晰度数值，确定所述清晰度数值小于预设的清晰度阈值则发送通知重新上传图像；
所述计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量，包括：
计算所述边缘像素点的行差分矩阵和列差分矩阵；
计算所述行差分矩阵的方差和所述列差分矩阵的方差，将所述行差分矩阵的方差和所述列差分矩阵的方差之和确定为所述二阶统计量；
所述计算所述文本连通域集合对应像素点的占比，包括：
对所述文本连通域集合中每个文本联通域，计算所述每个文本连通域中包括像素点数量和所述每个文本连通域的面积，将所述像素点数量和所述面积的比值确定为所述文本连通域的像素点占比；
将所述文本连通域集合中各所述文本连通域的像素点占比的平均值，确定为所述文本连通域集合对应像素点的占比。
2.根据权利要求1所述的方法，其特征在于，所述根据所述文本图像在所述目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，包括：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵中数值大于第一预设阈值的元素所对应像素点，确定为所述边缘像素点。
3.根据权利要求1所述的方法，其特征在于，所述根据所述文本图像在所述目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，包括：
将所述目标通道的边缘矩阵中包括的像素点，确定为待定边缘像素点，计算所述待定边缘像素点的像素值与所述待定边缘像素点的像素均值之间的距离，得出震荡矩阵；
将所述震荡矩阵与所述目标通道的边缘矩阵相乘，得出融合矩阵，将所述融合矩阵中数值大于第二预设阈值的元素所对应像素点，确定为所述边缘像素点。
4.根据权利要求1所述的方法，其特征在于，所述分割所述待处理图像，包括：
计算所述边缘像素点的平均像素值；
将所述平均像素值作为分割阈值，分割所述待处理图像。
5.根据权利要求1所述的方法，其特征在于，所述根据分割结果确定所述待处理图像中文本联通域集合，包括：
从所述分割结果中，获取包括文本的图像区域；
调用预设连通域分析模型，根据所述图像区域确定所述文本连通域集合；
计算所述文本连通域集合中各文本连通域的面积，将所述文本连通域集合中所述面积小于预设面积阈值的文本连通域删除。
6.一种图像处理方法装置，其特征在于，包括：
检测单元，用于接收文本图像，检测所述文本图像在各通道的边缘矩阵，其中，所述通道为R、G、B颜色通道；
确定单元，用于根据所述边缘矩阵的方差确定目标通道，将所述文本图像在所述目标通道的通道图像确定为待处理图像；
计算单元，用于根据所述文本图像在该目标通道的边缘矩阵，获取所述待处理图像中像素值变化幅度满足预设条件的边缘像素点，进而计算所述边缘像素点的差分矩阵，得到所述差分矩阵的二阶统计量；
所述计算单元，还用于分割所述待处理图像，根据分割结果确定所述待处理图像中文本联通域集合，计算所述文本连通域集合对应像素点的占比；
所述确定单元，还用于调用预设的清晰度模型，根据所述二阶统计量、所述目标通道边缘矩阵的方差和所述占比，计算所述文本图像的清晰度数值，确定所述清晰度数值小于预设的清晰度阈值则发送通知重新上传图像；
所述计算单元，具体用于：计算所述边缘像素点的行差分矩阵和列差分矩阵；计算所述行差分矩阵的方差和所述列差分矩阵的方差，将所述行差分矩阵的方差和所述列差分矩阵的方差之和确定为所述二阶统计量；
所述计算单元，具体用于：对所述文本连通域集合中每个文本联通域，计算所述每个文本连通域中包括像素点数量和所述每个文本连通域的面积，将所述像素点数量和所述面积的比值确定为所述文本连通域的像素点占比；将所述文本连通域集合中各所述文本连通域的像素点占比的平均值，确定为所述文本连通域集合对应像素点的占比。
7.一种电子设备，其特征在于，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1-5中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202110189132.3A 2021-02-19 2021-02-19 图像处理方法、装置、电子设备和存储介质 Active CN112967191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110189132.3A CN112967191B (zh) 2021-02-19 2021-02-19 图像处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110189132.3A CN112967191B (zh) 2021-02-19 2021-02-19 图像处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112967191A CN112967191A (zh) 2021-06-15
CN112967191B true CN112967191B (zh) 2023-12-05

Family

ID=76285075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110189132.3A Active CN112967191B (zh) 2021-02-19 2021-02-19 图像处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112967191B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113821673B (zh) * 2021-10-09 2023-05-05 成都统信软件技术有限公司 一种图片处理方法、计算设备及可读存储介质
CN114723721A (zh) * 2022-04-18 2022-07-08 贝塔通科技(北京)有限公司 图像清晰度确定方法、系统及图像上传方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268481A (zh) * 2013-05-29 2013-08-28 焦点科技股份有限公司 一种复杂背景图像中的文本提取方法
CN109948625A (zh) * 2019-03-07 2019-06-28 上海汽车集团股份有限公司 文本图像清晰度评估方法及系统、计算机可读存储介质
CN111553431A (zh) * 2020-04-30 2020-08-18 上海眼控科技股份有限公司 图片清晰度检测方法、装置、计算机设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1311443B1 (it) * 1999-11-16 2002-03-12 St Microelectronics Srl Metodo di classificazione di immagini digitali in base al lorocontenuto.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268481A (zh) * 2013-05-29 2013-08-28 焦点科技股份有限公司 一种复杂背景图像中的文本提取方法
CN109948625A (zh) * 2019-03-07 2019-06-28 上海汽车集团股份有限公司 文本图像清晰度评估方法及系统、计算机可读存储介质
CN111553431A (zh) * 2020-04-30 2020-08-18 上海眼控科技股份有限公司 图片清晰度检测方法、装置、计算机设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于视频的人体动作分析与识别的研究;杨江峰;《中国博士学位论文全文数据库 信息科技辑》(第第3期期);全文 *
高阶模型的快速图像修补;宋锦萍 等;《计算机工程与应用》;全文 *

Also Published As

Publication number Publication date
CN112967191A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN107911753B (zh) 用于在视频中添加数字水印的方法和装置
CN108038880B (zh) 用于处理图像的方法和装置
CN108228463B (zh) 用于检测首屏时间的方法和装置
CN107507153B (zh) 图像去噪方法和装置
CN109255337B (zh) 人脸关键点检测方法和装置
CN109472264B (zh) 用于生成物体检测模型的方法和装置
CN112967191B (zh) 图像处理方法、装置、电子设备和存储介质
US11941529B2 (en) Method and apparatus for processing mouth image
WO2020052270A1 (zh) 一种视频审核的方法、装置和设备
CN110222694B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN109272526B (zh) 图像处理方法、系统及电子设备
CN110288625B (zh) 用于处理图像的方法和装置
CN110895811B (zh) 一种图像篡改检测方法和装置
Gao et al. Single image dehazing using local linear fusion
CN111179276A (zh) 一种图像处理方法和装置
CN113506231B (zh) 针对图像中像素的处理方法、装置、介质及电子设备
CN110889470B (zh) 用于处理图像的方法和装置
CN108921792B (zh) 用于处理图片的方法和装置
CN109523564B (zh) 用于处理图像的方法和装置
CN109522429B (zh) 用于生成信息的方法和装置
CN111178352A (zh) 一种验证码字符识别的方法和装置
CN115546554A (zh) 敏感图像的识别方法、装置、设备和计算机可读存储介质
CN114240780A (zh) 印鉴识别的方法、装置、设备、介质和产品
Cheon et al. On ambiguity of objective image quality assessment
CN113762016A (zh) 关键帧选取方法和装置

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
GR01 Patent grant
GR01 Patent grant