CN113139399A - 一种图像线框识别方法及服务器 - Google Patents

一种图像线框识别方法及服务器 Download PDF

Info

Publication number
CN113139399A
CN113139399A CN202110523486.7A CN202110523486A CN113139399A CN 113139399 A CN113139399 A CN 113139399A CN 202110523486 A CN202110523486 A CN 202110523486A CN 113139399 A CN113139399 A CN 113139399A
Authority
CN
China
Prior art keywords
preset
wire frame
image
line
standard
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.)
Granted
Application number
CN202110523486.7A
Other languages
English (en)
Other versions
CN113139399B (zh
Inventor
张同贵
翟寄文
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.)
Sungrow Power Supply Co Ltd
Original Assignee
Sungrow Power Supply 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 Sungrow Power Supply Co Ltd filed Critical Sungrow Power Supply Co Ltd
Priority to CN202110523486.7A priority Critical patent/CN113139399B/zh
Publication of CN113139399A publication Critical patent/CN113139399A/zh
Application granted granted Critical
Publication of CN113139399B publication Critical patent/CN113139399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image

Abstract

本发明提供的图像线框识别方法及服务器，应用于图像识别技术领域，该方法在获取包括待识别线框的原始图像后，对原始图像进行校正，得到目标图，且所得目标图中的待识别线框呈预设标准尺寸，然后基于预设标准尺寸从目标图中获取包括所述待识别线框的子图，且所得子图的尺寸小于目标图的尺寸，进一步识别子图中的所有候选线条，在所有候选线条中确定线框边线，最终基于线框边线确定待识别线框。本方法最终用于线框识别的子图的尺寸小于目标图的尺寸，由于识别范围的减小，可以排除原始图像中一部分干扰线条的影响，有助于提高识别准确率，同时，识别范围的减小，还可以减少需要处理的图像内容，有助于提高识别效率。

Description

一种图像线框识别方法及服务器
技术领域
本发明涉及图像识别技术领域，特别涉及一种图像线框识别方法及服务器。
背景技术
目前，图像识别技术已经广泛应用在电气设备部署以及信息获取等诸多方面，比如，在光伏电站部署逆变器等电气设备的过程中，往往会用到用于记录设备部署位置的设备位置表，该设备位置表是根据光伏电站中呈行、列对其方式布置的电气设备预先制作好的。在电气设备安装过程中，由工人将每台电气设备上的二维码标签撕下，并根据设备所在的行列号将标签贴在纸质的设备位置表中对应的表格内，即通过设备记录表统计电站内各个设备的部署信息。在光伏电站部署完成后，使用图像采集设备采集纸质的设备位置表的原始图像，并进一步通过对原始图像进行图像识别，得到相应的数字化信息。
大部分图像识别过程，大都首先识别原始图像中的矩形线框，进而根据线框识别结果进一步识别图像中的二维码。由此可见，线框识别是图像识别，特别是矩形的设备位置表识别过程中极其关键的一步，准确识别线框是确定二维码所在位置的前提。
在具体实现上，现有技术中的图像线框识别方法，通过直线检测识别原始图像中的边缘点并基于边缘点确认识别到的直线，进一步根据所得直线的长度与预设长度阈值的大小关系筛选线框边线，最终得到待识别线框。
发明人研究发现，现有技术中的图像线框识别方法，需要识别原始图像中的所有线条，不仅识别范围大，识别效率低，而且容易将原始图像中的干扰线条识别为线框边线，识别准确率不高。
发明内容
本发明提供一种图像线框识别方法及服务器，用于识别线框的子图的尺寸小于基于原始图像得到的目标图的尺寸，由于缩小线框识别的范围，因此可以排除部分干扰线条，提高识别准确率，同时提高识别效率。
为实现上述目的，本发明提供的技术方案如下：
第一方面，本发明提供一种图像线框识别方法，包括：
获取包括待识别线框的原始图像；
对所述原始图像进行校正，得到目标图，所述目标图中的待识别线框呈预设标准尺寸；
基于所述预设标准尺寸从所述目标图中获取包括所述待识别线框的子图，所述子图的尺寸小于所述目标图的尺寸；
识别所述子图中的所有候选线条，并在所有所述候选线条中确定线框边线；
基于所述线框边线确定待识别线框。
可选的，所述基于所述预设标准尺寸从所述目标图中获取包括所述待识别线框的子图，包括：
获取预设基准坐标和预设偏移量；
其中，所述预设基准坐标与所述待识别线框处于同一像素坐标系；
根据所述预设基准坐标、所述预设偏移量和所述预设标准尺寸，确定位于所述待识别线框外侧的四个参考坐标；
将所述目标图中所述四个参考坐标对应的图像区域作为子图。
可选的，所述根据所述预设基准坐标、所述预设偏移量和所述预设标准尺寸，确定位于所述待识别线框外侧的四个参考坐标，包括:
根据所述预设基准坐标和所述预设偏移量确定位于所述待识别线框外侧的第一参考坐标；
根据所述第一参考坐标、所述预设偏移量和所述预设标准尺寸，分别确定第二参考坐标、第三参考坐标和第四参考坐标。
可选的，所述在所有所述候选线条中确定线框边线，包括:
将所有所述候选线条划分为横线组和竖线组；
在所述横线组中筛选上边线和下边线；
在所述竖线组中筛选左边线和右边线。
可选的，所述将所有所述候选线条划分为横线组和竖线组，包括：
分别确定各所述候选线条的斜率；
将斜率处于第一预设斜率范围内的候选线条划分为横线组；
将斜率处于第二预设斜率范围或斜率不存在的候选线条划分为竖线组。
可选的，所述预设标准尺寸包括标准宽度和标准长度；
所述在所述横线组中筛选上边线和下边线，包括：
以所述横线组中任意两条候选线条为横线线条对；
分别计算各所述横线线条对中两条候选边线的距离与所述标准宽度的差值，得到相应的宽度偏差；
将宽度偏差最小且宽度偏差处于预设宽度偏差范围内的横线线条对中的候选线条作为上边线和下边线。
可选的，所述以所述横线组中任意两条候选线条为横线线条对，包括：
根据所述横线组中各候选线条的指定点在像素坐标系中的纵坐标，将所述横线组划分为上边线组和下边线组；
遍历所述上边线组中的任意一条所述候选线条和下边线组中的任意一条所述候选线条的组合，得到全部横线线条对。
可选的，若各所述宽度偏差均大于所述预设宽度偏差范围，分别计算所述横线组中各候选线条与标准上边线之间的距离，得到相应的第一距离值；
将第一距离值最小，且第一距离值处于所述预设宽度偏差范围内的候选线条作为上边线；
分别计算所述横线组中各候选线条与标准下边线之间的距离，得到相应的第二距离值；
将第二距离值最小，且第二距离值处于所述预设宽度偏差范围内的候选线条作为下边线；
其中，所述标准上边线和所述标准下边线为预设标准线框的边线，且所述标准上边线和所述标准下边线与呈所述预设标准尺寸的待识别线框处于同一像素坐标系。
可选的，所述在所述竖线组中筛选左边线和右边线，包括：
以所述竖线组中任意两条候选线条为竖线线条对；
分别计算各所述竖线线条对中两条候选边线的距离与所述标准长度的差值，得到相应的长度偏差；
将长度偏差最小且长度偏差处于预设长度偏差范围内的竖线线条对中的候选线条作为左边线和右边线。
可选的，所述以所述竖线组中任意两条候选线条为竖线线条对，包括：
根据所述竖线组中各候选线条的指定点在像素坐标系中的横坐标，将所述竖线组划分为左边线组和右边线组；
遍历所述左边线组中的任意一条所述候选线条和右边线组中的任意一条所述候选线条的组合，得到全部竖线线条对。
可选的，若各所述长度偏差均大于所述预设长度偏差范围，分别计算所述竖线组中各候选线条与标准左边线之间的距离，得到相应的第三距离值；
将第三距离值最小，且第三距离处于所述预设长度偏差范围内的候选线条作为左边线；
分别计算所述竖线组中各候选线条与标准右边线之间的距离，得到相应的第四距离值；
将第四距离值最小，且第四距离处于所述预设长度偏差范围内的候选线条作为右边线；
其中，所述标准左边线和所述标准右边线为预设标准线框的边线，且所述标准左边线和所述标准右边线与呈所述预设标准尺寸的待识别线框处于同一像素坐标系。
可选的，所述基于所述线框边线确定待识别线框，包括：
若确定两条及以上的所述线框边线，根据各所述线框边线确定待识别线框；
若确定两条以下的所述线框边线，确认线框识别失败。
可选的，所述根据各所述线框边线确定待识别线框，包括：
将各所述线框边线相互补齐，并根据补齐后的线框边线确定待识别线框。
可选的，所述识别所述子图中的所有候选线条，包括:
利用预设线条识别算法识别所述子图中的所有线条；
在所有所述线条中筛选满足预设条件的线条，得到多条候选线条。
可选的，所述原始图像包括与所述待识别线框具有预设位置关系的定位标识；
所述对所述原始图像进行校正，得到目标图，包括：
识别所述原始图像中的所述定位标识；
根据所述定位标识对所述原始图像进行映射转换，以使所述定位标识位于像素坐标系中的指定位置；
其中，所述指定位置为预设标准图像中的定位标识在所述像素坐标系中的位置，且所述预设标准图像中的预设标准线框与所述待识别线框对应；
将转换后的原始图像作为目标图。
可选的，在确定所述待识别线框后，所述方法还包括：
根据所述待识别线框的实际尺寸对所述待识别线框进行校验；
若所述待识别线框通过校验，判定所述待识别线框有效。
可选的，所述根据所述待识别线框的实际尺寸对所述待识别线框进行校验，包括:
计算所述待识别线框的实际宽度、实际长度和目标顶角角度；
计算所述实际宽度与预设标准线框的标准宽度之差，得到宽度校验值；
计算所述实际长度与预设标准线框的标准长度之差，得到长度校验值；
若所述宽度校验值处于预设宽度校验范围内、所述长度校验值处于预设长度校验范围内，且所述目标顶角角度处于预设角度校验范围内，确认所述待识别线框校验通过；
若所述宽度校验值未处于预设宽度校验范围内，或者所述长度校验值未处于预设长度校验范围内，或者所述目标顶角角度未处于预设角度校验范围内，确认所述待识别线框未校验通过。
第二方面，本发明提供一种服务器，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，以实现本发明第一方面任一项所述的图像线框识别方法。
本发明提供的图像线框识别方法，在获取包括待识别线框的原始图像后，对原始图像进行校正，得到目标图，且所得目标图中的待识别线框呈预设标准尺寸，然后基于预设标准尺寸从目标图中获取包括所述待识别线框的子图，且所得子图的尺寸小于目标图的尺寸，进一步识别子图中的所有候选线条，在所有候选线条中确定线框边线，最终基于线框边线确定待识别线框。本发明提供的图像线框识别方法，最终用于线框识别的子图的尺寸小于目标图的尺寸，即划定了一个小于原始图像对应内容的识别范围，由于识别范围的减小，可以排除原始图像中一部分干扰线条的影响，有助于提高识别准确率，同时，识别范围的减小，还可以减少需要处理的图像内容，有助于提高识别效率。
附图说明
为了更清楚地说明本发明实施例或现有技术内的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述内的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种图像线框识别方法的流程图；
图2是本发明实施例述及的一种光伏组件设置位置示意图；
图3是本发明实施例述及的一种答题卡示意图；
图4是本发明实施例提供的图像线框识别方法中获取子图的范围示意图；
图5是本发明实施例述及的存在干扰线条的原始图像的示意图；
图6a是本发明实施例中一种线框边线识别结果示意图；
图6b是本发明实施例中另一种线框边线识别结果示意图；
图7a是本发明实施例提供的一种确定待识别线框的方法示意图；
图7b是本发明实施例提供的另一种确定待识别线框的方法示意图；
图7c是本发明实施例提供的再一种确定待识别线框的方法示意图；
图7d是本发明实施例提供的又一种确定待识别线框的方法示意图；
图8是本发明实施例提供的另一种图像线框识别方法的流程图；
图9是本发明实施例提供的一种服务器的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
本发明提供的图像线框识别方法，可以应用于电子设备，该电子设备可以是笔记本电脑、个人计算机、平板电脑以及数据服务器等能够运行预设控制程序，进行数据分析的电子设备，当然，在某些情况下，该电子设备也可以通过网络侧的服务器实现。参见图1，本发明实施例提供的图像线框识别方法的流程，可以包括：
S100、获取包括待识别线框的原始图像。
对于包括待识别线框的原始图形的获取，可以采用现有技术中的图像获取方式实现，比如，可以通过手机或数码相机等具备拍照功能的电子设备对纸质文件进行拍照，然后通过现有技术中的文件传输方式，将原始图像发送给执行本实施例提供的识别方法的电子设备中，当然，如果执行本实施例提供的识别方法的电子设备自身具备图像采集功能，也可省略文件传输过程。
当然，由于在后续对应原始图像进行校正时，可以依赖于定位标识实现，因此，原始图像中还可包括与待识别线框相对应的定位标识。定位标识的具体形式，可以图1中所示的矩形方框，也可以其他体现形式，此处不再展开。
需要说明的是，本发明实施例以及后续各个实施例中述及的待识别线框，包括实际应用中多种需要进行线框识别的应用场景，不仅包括图1所示的设备位置表中的表格线框，还可以是图2所示的光伏组件设置位置示意图中各光伏组件区块所对应的区块边框，同样可以是图3所示的答题卡示意图中的各个线框。
S110、对原始图像进行校正得到目标图，且目标图中的待识别线框呈预设标准尺寸。
在现有技术中，对于原始图像的校正过程大都是基于与待识别线框对应设置的定位标识实现的，原始图像中自然还包括与待识别线框具有预设位置关系的定位标识。
基于此，在对原始图像的校正时，首先需要识别原始图像中的定位标识，然后根据定位标识对原始图像进行映射转换，以使定位标识位于像素坐标系中的指定位置，转换后的原始图像即本步骤中的目标图。
需要说明的是，结合现有技术中的图像校正方法，上述指定位置为预设标准图像中的标准定位标识在像素坐标系中的位置，且预设标准图像中的预设标准线框与待识别线框是对应的。
在具体实现时，需要预先准备好待识别线框的标准图像，所谓标准图像是指图像中各个元素的位置、大小，以及元素间的比例和相对位置关系都是确定的。在进行原始图像校正前，电子设备中已经存储有标准图像的信息，并定义好标准图像中各个元素(比如定位标识)在像素坐标系中的相关信息，比如标准线框的标准宽度、标准长度，以及预设基准坐标等。
基于上述标准图像的信息，在识别到原始图像中的定位标识之后，即可根据预先存储的标准图像的信息，特别是标准图像中标准定位标识在像素坐标系中的坐标对原始图像进行映射转换，使得原始图像位于预设标准图像中标准定位标识所处的位置，即前述指定位置。相应的，由于是对原始图像的整体进行转换，因此，原始图像中的待识别线框也校正为预设标准尺寸。
更为重要的是，在经过校正后，预设标准图像中的预设基准坐标可以用来确定待识别线框的大致位置，进而确定子图的范围和位置。
需要说明的是，对于上述图像校正过程中的具体实现方式，可以参照现有技术实现，此处不再详述。
S120、基于预设标准尺寸从目标图中获取包括待识别线框的子图，且子图的尺寸小于目标图的尺寸。
如前所述，执行本方法的电子设备中存储有预设标准图像中的预设基准点对应的预设基准坐标，由于待识别线框与预设基准坐标处于同一像素坐标系中，在获取包括待识别线框的子图时，首先需要获取预设基准坐标和预设偏移量，具体的，该预设偏移量可以是像素数，当然，也可以采用其他形式表示。
然后，根据所得预设基准坐标、预设偏移量和预设标准尺寸，确定位于待识别线框外侧的四个参考坐标，并将目标图中该四个参考坐标对应的图像区域作为子图。
具体的，参见图4，图4是本发明实施例提供的图像线框识别方法中子图的范围示意图，预设基准点为M点，相应的预设基准坐标记为(XM,YM)，预设偏移量为像素数extP，首先，根据预设基准坐标和预设偏移量确定位于待识别线框外侧的第一参考坐标，即M'(XM-extP,YM-extP)；然后基于第一参考坐标、预设偏移量extP、预设标准尺寸中的标准长度stW和标准宽度stH，按照长度extW＝(stW+2*extP)和宽度extH＝(stH+2*extP)，确定第二参考坐标N'、第三参考坐标O'和第四参考坐标P'，得到M'N'O'P'四点范围内的子图。
需要说明的是，由于本方案的初衷是要获取尺寸小于目标图尺寸的子图，因此，应合理选择预设偏移量的大小，不能使得预设偏移量大于预设基准坐标至预设标准图像的边沿之间的距离。
S130、识别子图中的所有候选线条，并在所有候选线条中确定线框边线。
得到子图之后，利用预设线条识别算法识别子图中的所有线条。在实际应用中，可以选择现有技术中的任意一种线条识别算法实现，本发明对比不做限定。然后，在所有线条中筛选满足预设条件的线条，得到多条候选线条。
可以想到的是，由于原始图像中可以包括多种可能被识别为线条的干扰信息，因此，需要对所得线条进行初步的过滤，删除其中过长、过短的线条，以及识别到的虚线等，本发明实施例述及的预设条件即可基于这些内容设置。
进一步的，在所有候选线条中确定线框边线，是本方案的重中之重，具体可以按照如下方式实现。
首先，将所有候选线条划分为横线组和竖线组。可选的，设定用于筛选横线的第一预设斜率范围，以及用于筛选竖线的第二预设斜率范围。基于此，分别确定各候选线条的斜率，将斜率处于第一预设斜率范围内的候选线条划分为横线组，相应的，将斜率处于第二预设斜率范围或斜率不存在的候选线条划分为竖线组。
然后，在横线组中筛选上边线和下边线，以横线组中任意两条候选线条为横线线条对。
可选的，在组合横线线条对时，可以首先根据横线组中各候选线条的指定点(比如线条中点)在像素坐标系中的纵坐标，将横线组划分为上边线组和下边线组。具体的，设置边线比例(比如30％)，并将横线组中的候选线条按照纵坐标由小到大排序，将指定点纵坐标在前30％的横线划分至上边线组，将指定点纵坐标在后30％的横线划分至下边线组。遍历上边线组中的任意一条候选线条和下边线组中的任意一条候选线条的组合，最终得到全部横线线条对。
可选的，本发明还提供另外一种组合横线线条对的方法，针对上边线组，根据组内各候选线条指定点的纵坐标和标准上边线指定点的纵坐标距离之差的绝对值由小到大进行排序；相应的，针对下边线组，根据组内各候选线条指定点的纵坐标和标准下边线指定点的纵坐标距离之差的绝对值由小到大进行排序。完成排序后，按照相应顺序，逐对进行组合，可以有效避免遗漏线条对的组合方式。
得到全部的横线线条对之后，分别计算各横线线条对中两条候选边线的距离与预设标准图像对应的标准宽度的差值，得到相应的宽度偏差，可以想到的是，此步骤会得到多个宽度偏差，将宽度偏差最小且处于预设宽度偏差范围内的横线线条对中的候选线条作为上边线和下边线。
相反的，如果各横线线条对的宽度偏差均大于预设宽度偏差范围，则分别计算横线组中各候选线条与标准上边线之间的距离，得到相应的第一距离值，并将第一距离值最小，且第一距离值处于预设宽度偏差范围内的候选线条作为上边线。
分别计算横线组中各候选线条与标准下边线之间的距离，得到相应的第二距离值，并将第二距离值最小，且第二距离值处于预设宽度偏差范围内的候选线条作为下边线。当然，上述内容述及的标准上边线和标准下边线为预设标准线框的边线，且标准上边线和标准下边线与呈预设标准尺寸的待识别线框处于同一像素坐标系。
在完成上边线和下边线的筛选后，进一步在竖线组中筛选左边线和右边线，与上边线和下边线的筛选过程类似，先以竖线组中任意两条候选线条为竖线线条对，得到多组竖线线条对。
可以首先根据竖线组中各候选线条的指定点(比如线条中点)在像素坐标系中的横坐标，将竖线组划分为左边线组和右边线组。具体的，根据前述边线比例(比如30％)，并将竖线组中的候选线条按照横坐标由小到大排序，将指定点横坐标在前30％的竖线划分至左边线组，将指定点横坐标在后30％的竖线划分至右边线组。遍历左边线组中的任意一条候选线条和右边线组中的任意一条候选线条的组合，最终得到全部竖线线条对。
可选的，本发明还提供另外一种组合竖线线条对的方法，针对左边线组，根据组内各候选线条指定点的横坐标和标准左边线指定点的横坐标距离之差的绝对值由小到大进行排序；相应的，针对右边线组，根据组内各候选线条指定点的横坐标和标准右边线指定点的横坐标距离之差的绝对值由小到大进行排序。完成排序后，按照相应顺序，逐对进行组合，可以有效避免遗漏线条对的组合方式。
得到全部的竖线线条对之后，分别计算各竖线线条对中两条候选边线的距离与标准长度的差值，得到相应的长度偏差，并将长度偏差最小且处于预设长度偏差范围内的竖线线条对中的候选线条作为左边线和右边线。
相反的，如果各竖线线条对的长度偏差均大于预设长度偏差范围，分别计算竖线组中各候选线条与标准左边线之间的距离，得到相应的第三距离值，并将第三距离值最小，且第三距离值处于预设长度偏差范围内的候选线条作为左边线。
然后，分别计算竖线组中各候选线条与标准右边线之间的距离，得到相应的第四距离值，并将第四距离值最小，且第一距离值处于预设长度偏差范围内的候选线条作为右边线。其中，标准左边线和标准右边线为预设标准线框的边线，且标准左边线和标准右边线与呈预设标准尺寸的待识别线框处于同一像素坐标系。
可选的，在线框边条识别的过程中，很有可能遇到干扰线条，参见图5，在图5所示原始图像中，ST即为干扰线条。若ST长度和标准长度较接近，识别线条时不易剔除，此时，若MN更接近标准图像中标准线框的理论位置，可直接排除ST的干扰。若ST更接近理论位置，还需结合OP，根据ST、MN中心点和OP中心点的纵坐标距离差来确定，取和标准宽度相差较少的那个距离所对应的线条为最终的边框线条。
S140、基于线框边线确定待识别线框。
根据最终对于确定待识别线框的影响，线框边线的确定结果大致可以分为两种，第一种是确定两条及以上的线框边线，第二种是确定两条以下的线框边线。对于第一种情况，后续可以直接根据各线框边线确定待识别线框，具体的，将各线框边线相互补齐，并根据补齐后的线框边线确定待识别线框，而对于第二种情况，只能确认线框识别失败。
对于第一种情况，可参见图6a和图6b所示示例。其中，如图6a所示，因MN印刷不清晰等原因，MN线段是断断续续的，因印刷出的线段有高度，小线段可能不在一条线上，导致边线MN未被识别出来，但MO、OP和PN被准确识别，待识别线框有一条边线不清晰，只能识别出三条边线，需要结合识别到的三条边线确定最终的待识别线框。
如图6b所示，因边线MN和边线OP印刷不清晰等原因，它们是断断续续的，因印刷出的线段有高度，小线段可能不在一条线上，导致二者未被识别出来，待识别线框有两条边线不清晰，只能识别出两条边线，需要结合识别到的两条边线确定待识别线框。
下面结合图7a至图7d对确定待识别线框的方法予以介绍。
如图7a和图7b所示，如果只找到两条线框边线，需要将两条线框边线相互补齐，得到目标线框，即完整的待识别线框。图7a中将MN延长为M'N，OP延长为OP'，M'NOP'为目标线框；图7b中，延长MN和UO交于M'点，过N点作平行于UO的直线和过O点作平行于MN的直线交于点P，M'NOP即为目标线框。
如图7c所示，识别出的三条线框边线分别是MN、OP和UV。延长MN和UV得到交点M'；UV和OP相交于O'，为防止UV为干扰线条的情况，在∠MOP和∠M'O'P'中，取更接近直角的角所对应的线条，假设为UV，过N点作UV的平行线，交OP于P'点，线框M'NO'P'即为目标线框。
如果找到四根线框边线，如图7d所示，分别延长各边线，相互补齐，M'N'O'P'即为目标线框。
综上所述，通过本发明实施例提供的图像线框识别方法，最终用于线框识别的子图的尺寸小于目标图的尺寸，即划定了一个小于原始图像对应内容的识别范围，由于识别范围的减小，可以排除原始图像中一部分干扰线条的影响，有助于提高识别准确率，同时，识别范围的减小，还可以减少需要处理的图像内容，有助于提高识别效率。
进一步的，针对线框边线识别不全的问题，还可以将线框边线补齐，识别准确率进一步提高。
可选的，在上述各实施例的基础上，本发明实施例还提供另一种图像线框识别方法，参见图8，在图1所示实施例的基础上，本实施例的方法流程还包括：
S150、根据待识别线框的实际尺寸对待识别线框进行校验。
可选的，计算前述目标线框，即识别得到的待识别线框的实际宽度、实际长度和目标顶角角度。其中，实际宽度可以根据识别得到的上边线和下边线中指定点(如线条中点)的纵坐标的差值得到，实际长度可以根据识别到的左边线和右边线中指定点的横坐标的差值得到，目标顶角，可以是所得待识别线框的四个顶角中的任意一个。
计算所得实际宽度与预设标准线框的标准宽度之差，得到宽度校验值，计算所得实际长度与预设标准线框的标准长度之差，得到长度校验值，如果所得宽度校验值处于预设宽度校验范围内、长度校验值处于预设长度校验范围内，且目标顶角角度处于预设角度校验范围内，确认待识别线框校验通过。
相反的，如果宽度校验值未处于预设宽度校验范围内，或者长度校验值未处于预设长度校验范围内，又或者目标顶角角度未处于预设角度校验范围内，则确认待识别线框未校验通过。
S160、待识别线框通过校验，判定待识别线框有效。
在待识别线框通过校验后，即可判定识别到的待识别线框是有效的。
综上所述，本发明实施例提供的图像线框识别方法，在确定待识别线框后，还可以对待识别线框的有效性进行验证，有助于进一步提高线框识别的准确率。
可选的，参见图9，图9为本发明实施例提供的服务器的结构框图，参见图9所示，可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图9所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
可选的，通信接口200可以为通信模块的接口，如与车载OBD接口相适配的接口或其他CAN网络接口；
处理器100可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circui)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300，存储有应用程序，可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
其中，处理器100具体用于执行存储器内的应用程序，以实现上述所述的图像线框识别方法的任一实施例。
本发明中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (18)

1.一种图像线框识别方法，其特征在于，包括：
获取包括待识别线框的原始图像；
对所述原始图像进行校正，得到目标图，所述目标图中的待识别线框呈预设标准尺寸；
基于所述预设标准尺寸从所述目标图中获取包括所述待识别线框的子图，所述子图的尺寸小于所述目标图的尺寸；
识别所述子图中的所有候选线条，并在所有所述候选线条中确定线框边线；
基于所述线框边线确定待识别线框。
2.根据权利要求1所述的图像线框识别方法，其特征在于，所述基于所述预设标准尺寸从所述目标图中获取包括所述待识别线框的子图，包括：
获取预设基准坐标和预设偏移量；
其中，所述预设基准坐标与所述待识别线框处于同一像素坐标系；
根据所述预设基准坐标、所述预设偏移量和所述预设标准尺寸，确定位于所述待识别线框外侧的四个参考坐标；
将所述目标图中所述四个参考坐标对应的图像区域作为子图。
3.根据权利要求2所述的图像线框识别方法，其特征在于，所述根据所述预设基准坐标、所述预设偏移量和所述预设标准尺寸，确定位于所述待识别线框外侧的四个参考坐标，包括:
根据所述预设基准坐标和所述预设偏移量确定位于所述待识别线框外侧的第一参考坐标；
根据所述第一参考坐标、所述预设偏移量和所述预设标准尺寸，分别确定第二参考坐标、第三参考坐标和第四参考坐标。
4.根据权利要求1所述的图像线框识别方法，其特征在于，所述在所有所述候选线条中确定线框边线，包括:
将所有所述候选线条划分为横线组和竖线组；
在所述横线组中筛选上边线和下边线；
在所述竖线组中筛选左边线和右边线。
5.根据权利要求4所述的图像线框识别方法，其特征在于，所述将所有所述候选线条划分为横线组和竖线组，包括：
分别确定各所述候选线条的斜率；
将斜率处于第一预设斜率范围内的候选线条划分为横线组；
将斜率处于第二预设斜率范围或斜率不存在的候选线条划分为竖线组。
6.根据权利要求4所述的图像线框识别方法，其特征在于，所述预设标准尺寸包括标准宽度和标准长度；
所述在所述横线组中筛选上边线和下边线，包括：
以所述横线组中任意两条候选线条为横线线条对；
分别计算各所述横线线条对中两条候选边线的距离与所述标准宽度的差值，得到相应的宽度偏差；
将宽度偏差最小且宽度偏差处于预设宽度偏差范围内的横线线条对中的候选线条作为上边线和下边线。
7.根据权利要求6所述的图像线框识别方法，其特征在于，所述以所述横线组中任意两条候选线条为横线线条对，包括：
根据所述横线组中各候选线条的指定点在像素坐标系中的纵坐标，将所述横线组划分为上边线组和下边线组；
遍历所述上边线组中的任意一条所述候选线条和下边线组中的任意一条所述候选线条的组合，得到全部横线线条对。
8.根据权利要求6所述的图像线框识别方法，其特征在于，若各所述宽度偏差均大于所述预设宽度偏差范围，分别计算所述横线组中各候选线条与标准上边线之间的距离，得到相应的第一距离值；
将第一距离值最小，且第一距离值处于所述预设宽度偏差范围内的候选线条作为上边线；
分别计算所述横线组中各候选线条与标准下边线之间的距离，得到相应的第二距离值；
将第二距离值最小，且第二距离值处于所述预设宽度偏差范围内的候选线条作为下边线；
其中，所述标准上边线和所述标准下边线为预设标准线框的边线，且所述标准上边线和所述标准下边线与呈所述预设标准尺寸的待识别线框处于同一像素坐标系。
9.根据权利要求6所述的图像线框识别方法，其特征在于，所述在所述竖线组中筛选左边线和右边线，包括：
以所述竖线组中任意两条候选线条为竖线线条对；
分别计算各所述竖线线条对中两条候选边线的距离与所述标准长度的差值，得到相应的长度偏差；
将长度偏差最小且长度偏差处于预设长度偏差范围内的竖线线条对中的候选线条作为左边线和右边线。
10.根据权利要求9所述的图像线框识别方法，其特征在于，所述以所述竖线组中任意两条候选线条为竖线线条对，包括：
根据所述竖线组中各候选线条的指定点在像素坐标系中的横坐标，将所述竖线组划分为左边线组和右边线组；
遍历所述左边线组中的任意一条所述候选线条和右边线组中的任意一条所述候选线条的组合，得到全部竖线线条对。
11.根据权利要求9所述的图像线框识别方法，其特征在于，若各所述长度偏差均大于所述预设长度偏差范围，分别计算所述竖线组中各候选线条与标准左边线之间的距离，得到相应的第三距离值；
将第三距离值最小，且第三距离处于所述预设长度偏差范围内的候选线条作为左边线；
分别计算所述竖线组中各候选线条与标准右边线之间的距离，得到相应的第四距离值；
将第四距离值最小，且第四距离处于所述预设长度偏差范围内的候选线条作为右边线；
其中，所述标准左边线和所述标准右边线为预设标准线框的边线，且所述标准左边线和所述标准右边线与呈所述预设标准尺寸的待识别线框处于同一像素坐标系。
12.根据权利要求1所述的图像线框识别方法，其特征在于，所述基于所述线框边线确定待识别线框，包括：
若确定两条及以上的所述线框边线，根据各所述线框边线确定待识别线框；
若确定两条以下的所述线框边线，确认线框识别失败。
13.根据权利要求12所述的图像线框识别方法，其特征在于，所述根据各所述线框边线确定待识别线框，包括：
将各所述线框边线相互补齐，并根据补齐后的线框边线确定待识别线框。
14.根据权利要求1所述的图像线框识别方法，其特征在于，所述识别所述子图中的所有候选线条，包括:
利用预设线条识别算法识别所述子图中的所有线条；
在所有所述线条中筛选满足预设条件的线条，得到多条候选线条。
15.根据权利要求1所述的图像线框识别方法，其特征在于，所述原始图像包括与所述待识别线框具有预设位置关系的定位标识；
所述对所述原始图像进行校正，得到目标图，包括：
识别所述原始图像中的所述定位标识；
根据所述定位标识对所述原始图像进行映射转换，以使所述定位标识位于像素坐标系中的指定位置；
其中，所述指定位置为预设标准图像中的定位标识在所述像素坐标系中的位置，且所述预设标准图像中的预设标准线框与所述待识别线框对应；
将转换后的原始图像作为目标图。
16.根据权利要求1-15任一项所述的图像线框识别方法，其特征在于，在确定所述待识别线框后，所述方法还包括：
根据所述待识别线框的实际尺寸对所述待识别线框进行校验；
若所述待识别线框通过校验，判定所述待识别线框有效。
17.根据权利要求16所述的图像线框识别方法，其特征在于，所述根据所述待识别线框的实际尺寸对所述待识别线框进行校验，包括:
计算所述待识别线框的实际宽度、实际长度和目标顶角角度；
计算所述实际宽度与预设标准线框的标准宽度之差，得到宽度校验值；
计算所述实际长度与预设标准线框的标准长度之差，得到长度校验值；
若所述宽度校验值处于预设宽度校验范围内、所述长度校验值处于预设长度校验范围内，且所述目标顶角角度处于预设角度校验范围内，确认所述待识别线框校验通过；
若所述宽度校验值未处于预设宽度校验范围内，或者所述长度校验值未处于预设长度校验范围内，或者所述目标顶角角度未处于预设角度校验范围内，确认所述待识别线框未校验通过。
18.一种服务器，其特征在于，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，以实现权利要求1至17任一项所述的图像线框识别方法。
CN202110523486.7A 2021-05-13 2021-05-13 一种图像线框识别方法及服务器 Active CN113139399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110523486.7A CN113139399B (zh) 2021-05-13 2021-05-13 一种图像线框识别方法及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110523486.7A CN113139399B (zh) 2021-05-13 2021-05-13 一种图像线框识别方法及服务器

Publications (2)

Publication Number Publication Date
CN113139399A true CN113139399A (zh) 2021-07-20
CN113139399B CN113139399B (zh) 2024-04-12

Family

ID=76817390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110523486.7A Active CN113139399B (zh) 2021-05-13 2021-05-13 一种图像线框识别方法及服务器

Country Status (1)

Country Link
CN (1) CN113139399B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409825A (zh) * 2022-09-06 2022-11-29 重庆众仁科技有限公司 一种基于图像识别的温湿压迹线识别方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090278845A1 (en) * 2005-10-03 2009-11-12 Ssd Company Limited Image generating device, texture mapping device, image processing device, and texture storing method
CN103034831A (zh) * 2011-09-30 2013-04-10 无锡爱丁阁信息科技有限公司 线性条码识别方法和系统
US8700992B1 (en) * 2011-11-02 2014-04-15 Google Inc. Method for determining position and dimensions of webpage elements by wireframe injection
CN108229406A (zh) * 2018-01-11 2018-06-29 海信集团有限公司 一种车道线检测方法、装置及终端
CN108846399A (zh) * 2018-04-10 2018-11-20 阿里巴巴集团控股有限公司 一种图像处理的方法及装置
CN109934169A (zh) * 2019-03-13 2019-06-25 东软睿驰汽车技术（沈阳）有限公司 一种车道线识别方法及装置
CN110738204A (zh) * 2019-09-18 2020-01-31 平安科技（深圳）有限公司 一种证件区域定位的方法及装置
CN110956058A (zh) * 2018-09-26 2020-04-03 北京嘀嘀无限科技发展有限公司 图像识别方法、装置及电子设备
CN111126109A (zh) * 2018-10-31 2020-05-08 沈阳美行科技有限公司 一种车道线识别方法、装置和电子设备
CN112036232A (zh) * 2020-07-10 2020-12-04 中科院成都信息技术股份有限公司 一种图像表格结构识别方法、系统、终端以及存储介质
CN112329641A (zh) * 2020-11-06 2021-02-05 上海恒生聚源数据服务有限公司 一种表格识别方法、装置、设备及可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090278845A1 (en) * 2005-10-03 2009-11-12 Ssd Company Limited Image generating device, texture mapping device, image processing device, and texture storing method
CN103034831A (zh) * 2011-09-30 2013-04-10 无锡爱丁阁信息科技有限公司 线性条码识别方法和系统
US8700992B1 (en) * 2011-11-02 2014-04-15 Google Inc. Method for determining position and dimensions of webpage elements by wireframe injection
CN108229406A (zh) * 2018-01-11 2018-06-29 海信集团有限公司 一种车道线检测方法、装置及终端
CN108846399A (zh) * 2018-04-10 2018-11-20 阿里巴巴集团控股有限公司 一种图像处理的方法及装置
CN110956058A (zh) * 2018-09-26 2020-04-03 北京嘀嘀无限科技发展有限公司 图像识别方法、装置及电子设备
CN111126109A (zh) * 2018-10-31 2020-05-08 沈阳美行科技有限公司 一种车道线识别方法、装置和电子设备
CN109934169A (zh) * 2019-03-13 2019-06-25 东软睿驰汽车技术（沈阳）有限公司 一种车道线识别方法及装置
CN110738204A (zh) * 2019-09-18 2020-01-31 平安科技（深圳）有限公司 一种证件区域定位的方法及装置
CN112036232A (zh) * 2020-07-10 2020-12-04 中科院成都信息技术股份有限公司 一种图像表格结构识别方法、系统、终端以及存储介质
CN112329641A (zh) * 2020-11-06 2021-02-05 上海恒生聚源数据服务有限公司 一种表格识别方法、装置、设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YONGSAI ZHAI: "Research_on_the_application_of_the_edge_detection_method_for_the_UAVs_icing_monitoring_of_transmission_lines", 《2017 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION（ICMA）》, pages 1110 - 1114 *
施海亮;周绍光;: "通过检测框图确定表格倾角的直线检测新方法", 计算机与数字工程, no. 10 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409825A (zh) * 2022-09-06 2022-11-29 重庆众仁科技有限公司 一种基于图像识别的温湿压迹线识别方法
CN115409825B (zh) * 2022-09-06 2023-09-12 重庆众仁科技有限公司 一种基于图像识别的温湿压迹线识别方法

Also Published As

Publication number Publication date
CN113139399B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
US9230382B2 (en) Document image capturing and processing
CN110097542B (zh) 芯片气泡的检测方法、装置及存储介质
US8660349B2 (en) Screen area detection method and screen area detection system
US20110085732A1 (en) Qr code processing method and apparatus thereof
CN111382704B (zh) 基于深度学习的车辆压线违章判断方法、装置及存储介质
JP4901676B2 (ja) ナンバープレート情報処理装置及びナンバープレート情報処理方法
CN112598922B (zh) 车位检测方法、装置、设备及存储介质
JP5468332B2 (ja) 画像特徴点抽出方法
TWI669519B (zh) 電路板瑕疵篩選方法及其裝置與電腦可讀取記錄媒體
CN111242126A (zh) 不规则文本校正方法、装置、计算机设备和存储介质
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN110346704B (zh) 板卡测试中测试文件的确定方法、装置、设备及存储介质
CN111737478B (zh) 文本检测方法、电子设备及计算机可读介质
JP6177541B2 (ja) 文字認識装置、文字認識方法及びプログラム
CN108709500B (zh) 一种电路板元件定位匹配方法
CN111353485A (zh) 印章识别方法、装置、设备及介质
CN113888756A (zh) 有效区域参数的确定方法、图像获取方法和测试系统
CN113420756A (zh) 证件图像的识别方法和装置、存储介质及电子装置
CN113139399B (zh) 一种图像线框识别方法及服务器
CN109635729B (zh) 一种表格识别方法及终端
CN114170613A (zh) 图像检测方法、装置、电子设备及计算机可读存储介质
US8897538B1 (en) Document image capturing and processing
CN113283439A (zh) 基于图像识别的智能计数方法、装置及系统
CN110826364A (zh) 一种库位识别方法及装置
CN110610163B (zh) 一种自然场景下基于椭圆拟合的表格提取方法及系统

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