CN113255674A - 字符识别方法、装置、电子设备及计算机可读存储介质 - Google Patents
字符识别方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113255674A CN113255674A CN202010960287.8A CN202010960287A CN113255674A CN 113255674 A CN113255674 A CN 113255674A CN 202010960287 A CN202010960287 A CN 202010960287A CN 113255674 A CN113255674 A CN 113255674A
- Authority
- CN
- China
- Prior art keywords
- character
- recognized
- matrix
- preset
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 199
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000004913 activation Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本申请适用于图像处理技术领域,提供了字符识别方法、装置、电子设备及计算机可读存储介质,字符识别方法包括:获取待识别字符的灰度图像,灰度图像包括至少一个像素,根据至少一个像素的灰度值确定待识别字符的第一特征矩阵,根据第一特征矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度,其中,第二特征矩阵是根据预设字符的灰度图像的像素的灰度值确定的,根据相似度识别待识别字符是否为预设字符,由于第一特征矩阵和第二特征矩阵保留了更多的字符特征,因此,提高了字符识别的准确度。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及字符识别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着图像处理技术的发展,图像处理技术应用于越来越多的领域,例如,利用图像处理技术可以识别出图像中包含的字符。现有的利用图像处理技术识别字符的方法,一般是对包含字符的图像进行二值化,基于得到的二值化图像中的字符结构提取字符特征,再根据提取的字符特征识别出字符。但是有些图像中,由于其包含的字符的图像纹理纤细,因此,对二值化后得到的二值化图像提取字符特征时,容易损失某些字符特征,从而导致提取到的字符特征不能表达字符的真实特征,进而导致字符识别的准确率降低。
发明内容
有鉴于此,本申请实施例提供了字符识别方法、装置、电子设备及计算机可读存储介质,可以提高字符识别的准确率。
本申请实施例的第一方面提供了一种字符识别方法,包括:
获取待识别字符的灰度图像,所述灰度图像包括至少一个像素;
根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵;
根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的;
根据所述相似度识别所述待识别字符是否为所述预设字符。
在第一方面的一种可能的实现方式中,所述根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵,包括:
将所述待识别字符的灰度图像划分为至少一个区域,每个所述区域包括至少一个像素;
根据每个所述区域的像素的灰度值确定对应区域的特征值;
根据所述特征值确定所述第一特征矩阵。
在第一方面的一种可能的实现方式中,所述根据每个所述区域的像素的灰度值确定对应区域的特征值,包括:
计算每个所述区域的每个像素的灰度值,将最小的灰度值作为对应区域的特征值。
在第一方面的一种可能的实现方式中,所述根据每个所述区域的像素的灰度值确定对应区域的特征值,包括:
计算每个所述区域的每个像素的灰度值,将最小的灰度值取反后作为对应区域的特征值。
在第一方面的一种可能的实现方式中,所述获取待识别字符的灰度图像,包括:
获取待识别字符的原始灰度图像;
将所述原始灰度图像缩放至预设尺寸,得到所述待识别字符的灰度图像。
在第一方面的一种可能的实现方式中,所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
对所述第一特征矩阵进行预设处理,得到激活系数矩阵;
根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度。
在第一方面的一种可能的实现方式中,所述根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
对所述第二特征矩阵进行拉普拉斯平滑处理,得到处理后的矩阵;
根据所述激活系数矩阵与所述处理后的矩阵确定所述待识别字符与所述预设字符的相似度。
在第一方面的一种可能的实现方式中,在所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度之前,所述字符识别方法还包括:
获取所述预设字符的至少一个字符样本;
计算每个字符样本的第三特征矩阵;
对所述第三特征矩阵进行归一化,得到所述预设字符的第二特征矩阵。
在第一方面的一种可能的实现方式中,所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
根据所述第一特征矩阵与每个预设字符的第二特征矩阵确定所述待识别字符与每个所述预设字符的相似度;
对应地,所述根据所述相似度识别所述待识别字符是否为所述预设字符,包括:
确定所述相似度中的最大值;将所述相似度中的最大值对应的预设字符,作为识别结果。
本申请实施例的第二方面提供了一种字符识别装置,包括:
获取模块,用于获取待识别字符的灰度图像,所述灰度图像包括至少一个像素;
第一计算模块,用于根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵;
第二计算模块,用于根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的;
识别模块,用于根据所述相似度识别所述待识别字符是否为所述预设字符。
在第二方面的一种可能的实现方式中,所述第一计算模块包括:
划分单元,用于将所述待识别字符的灰度图像划分为至少一个区域,每个所述区域包括至少一个像素;
第一确定单元,用于根据每个所述区域的像素的灰度值确定对应区域的特征值;
第二确定单元,用于根据所述特征值确定所述第一特征矩阵。
在第二方面的一种可能的实现方式中,所述第一确定单元具体用于:
计算每个所述区域的每个像素的灰度值,将最小的灰度值作为对应区域的特征值。
在第二方面的一种可能的实现方式中,所述第一确定单元具体用于:
计算每个所述区域的每个像素的灰度值,将最小的灰度值取反后作为对应区域的特征值。
在第二方面的一种可能的实现方式中,所述获取模块具体用于:
获取待识别字符的原始灰度图像;
将所述原始灰度图像缩放至预设尺寸,得到所述待识别字符的灰度图像。
在第二方面的一种可能的实现方式中,所述第二计算模块具体用于:
对所述第一特征矩阵进行预设处理,得到激活系数矩阵;
根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度。
在第二方面的一种可能的实现方式中,所述第二计算模块具体还用于:
对所述第二特征矩阵进行拉普拉斯平滑处理,得到处理后的矩阵;
根据所述激活系数矩阵与所述处理后的矩阵确定所述待识别字符与所述预设字符的相似度。
在第二方面的一种可能的实现方式中,所述第一计算模块还用于:
获取所述预设字符的至少一个字符样本;
计算每个字符样本的第三特征矩阵;
对所述第三特征矩阵进行归一化,得到所述预设字符的第二特征矩阵。
在第二方面的一种可能的实现方式中,所述第二计算模块具体还用于:
根据所述第一特征矩阵与每个预设字符的第二特征矩阵确定所述待识别字符与每个所述预设字符的相似度;
对应地,所述识别模块具体用于:
确定所述相似度中的最大值;
将所述相似度中的最大值对应的预设字符,作为识别结果。
本申请实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的字符识别方法。
本申请实施例的第四方面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有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的字符识别方法。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面所述的字符识别方法。
本申请实施例与现有技术相比存在的有益效果是:通过获取待识别字符的灰度图像,根据待识别字符的灰度图像中的像素的灰度值确定待识别字符的第一特征矩阵,根据第一特征矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度,再根据相似度识别待识别字符是否为预设字符。由于根据待识别字符的灰度图像中的像素的灰度值确定出的第一特征矩阵,保留了待识别字符更多的字符特征,且由于第二特征矩阵是根据预设字符的灰度图像的像素的灰度值确定的,保留了预设字符更多的字符特征。因此,根据第一特征矩阵与第二特征矩阵确定出的相似度识别字符更准确,提高了字符识别的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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。
图1是本申请实施例提供的字符识别方法的实现流程示意图;
图2是本申请实施例提供的纸币冠字号的图像的示意图;
图3是本申请实施例提供的原始灰度图像的示意图;
图4为本申请实施例提供的预设尺寸的灰度图像;
图5为本申请实施例提供的均衡化处理后的灰度图像;
图6为本申请实施例提供的划分区域后的灰度图像;
图7为本申请实施例提供的灰度值取反后的灰度图像;
图8为本申请实施例提供的相似度的计算结果的示意图;
图9为本申请实施例提供的字符识别装置的示意图;
图10是本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
现有的字符识别方法,一般是对包含字符的图像进行二值化,基于得到的二值化图像中的字符结构提取字符特征,再根据提取的字符特征识别出字符。但是通过二值化处理的图像容易丢失字符特征,导致字符识别的准确率降低。为此,本申请提供一种字符识别方法,该方法通过获取待识别字符的灰度图像,根据灰度图像中的像素的灰度值确定待识别字符的第一特征矩阵,根据第一特征矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度,再根据相似度识别待识别字符是否为预设字符。由于根据待识别字符的灰度图像中的像素的灰度值确定出的第一特征矩阵,保留了待识别字符更多的字符特征,且由于第二特征矩阵是根据预设字符的灰度图像的像素的灰度值确定的,保留了预设字符更多的字符特征。因此,根据第一特征矩阵与第二特征矩阵确定出的相似度识别字符更准确,提高了字符识别的准确度。
下面结合具体实施例对本申请提供的字符识别方法进行示例性说明。
本申请实施例提供的字符识别方法应用于电子设备,电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
请参阅附图1,本申请实施例提供的字符识别方法包括:
S101:获取待识别字符的灰度图像,所述灰度图像包括至少一个像素。
其中,待识别字符是待识别文本上的一个字符,待识别文本可以是纸币冠字号,也可以是报刊或者网页上的文本,字符可以是字母、数字或者汉字等。下面以待识别文本为纸币冠字号,待识别字符为纸币冠字号中的数字为例,对本申请实施例提供的字符识别方法进行说明。
其中,灰度图像可以是对纸币冠字号的图像进行分割后得到的,也可以是先对纸币冠字号的图像进行分割,再对分割后的图像进行预处理得到的。
在一种可能的实现方式中,电子设备对纸币冠字号的图像进行分割,得到原始灰度图像,对原始灰度图像进行归一化处理,得到待识别字符的灰度图像,其中,归一化处理是将原始灰度图像缩放至预设尺寸,通过将灰度图像设为预设尺寸,便于后续与模板进行比较,以计算待识别字符与预设字符的相似度。
在另一种可能的实现方式中,电子设备将原始灰度图像缩放至预设尺寸后,对预设尺寸的灰度图像进行均衡化,得到待识别字符的灰度图像,其中,均衡化可以提高图像中字符与背景的区分度,弱化背景亮度差异的影响,以提高图像识别的准确率。
例如,对如图2所示的纸币冠字号的图像进行分割,得到如图3所示的数字“2”的灰度图像,也即原始灰度图像,设定预设尺寸为32*32像素,将原始灰度图像缩放为预设尺寸,得到如图4所示的预设尺寸的灰度图像,再对预设尺寸的灰度图像进行均衡化,得到如图5所示的均衡化处理后的灰度图像,即待识别字符的灰度图像。
S102:根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵。
具体地,根据至少一个像素的灰度值计算特征值,将特征值作为第一特征矩阵中的元素。由于特征值是根据像素的灰度值确定的,特征值在第一特征矩阵中的位置反映了像素在灰度图像中的位置,因此,第一特征矩阵可以表征灰度图像中更多的字符特征,从而提高了字符识别的准确度。
在一种可能的实现方式中,首先按照像素的多少将待识别字符的灰度图像划分为若干等大的区域,一个区域内可以仅有一个像素,也可以有两个以上像素。例如,待识别字符的灰度图像的尺寸为32*32像素,则将该灰度图像划分为N个区域,其中,N=(32/S)*(32/S),S为整数。当S=1时,灰度图像被划分为1024个区域,当S=2时,灰度图像被划分为256个区域,依次类推。例如,如图6所示,灰度图像的像素为32*32,将灰度图像划分为1024个区域。
将待识别字符的灰度图像划分为若干区域后,根据每个区域的像素的灰度值确定对应区域的特征值。若灰度图像划分为若干区域后,一个区域内仅有一个像素,则每个区域内的像素的灰度值即为对应区域的特征值;若灰度图像划分为若干区域后,一个区域内有两个以上像素,则计算每个区域内每个像素的灰度值,将最小的灰度值作为对应区域的特征值。实验表明,将最小的灰度值作为对应区域的特征值,可以提高计算的准确度。
在一种可能的实现方式中,若待识别字符的灰度值较低,背景灰度值较高,例如,纸币冠字号的图像中每个字符的灰度值较低,背景灰度值高,在得到每个区域的最小灰度值后,将该最小灰度值取反后作为特征值,即255减去最小灰度值作为特征值,从而可以得到具有较大的灰度值的特征值,进而突出了字符部分的灰度值,提高了字符识别的准确度。例如,对待识别字符的灰度图像的像素的灰度值取反,得到如图7所示的灰度图像,图7的灰度图像可以突出灰度图中的字符。
计算出每个区域的特征值后,按照每个区域的位置,根据特征值生成第一特征矩阵,其中特征值为第一特征矩阵中对应位置的元素。例如,若待识别字符的灰度图像被划分为W*H个区域,则生成的第一特征矩阵的宽为W,高为H,从而使第一特征矩阵中的元素与灰度图像中的各区域一一对应,进而使得第一特征矩阵可以表征完整的待识别字符的字符特征,提高了后续字符识别的准确度。
S103:根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的。
其中,预设字符为字符模板,将预设字符的灰度图像经过归一化、均衡化处理后,将均衡化后的图像划分为至少一个区域,根据每个区域的像素的灰度值确定第二特征矩阵。其中,根据预设字符计算第二特征矩阵的过程与根据待识别字符计算第一特征矩阵的过程相同,在此不再赘述。
本实施例中,在得到第一特征矩阵和第二特征矩阵后,计算第一特征矩阵和第二特征矩阵的相似度,该相似度即为待识别字符与预设字符的相似度。
在一种可能的实现方式中,可以将第一特征矩阵和第二特征矩阵的乘积作为相似度的计算结果,由于矩阵之间的乘积可以反映矩阵之间的相似度,而第一特征矩阵保留了待识别字符更多的字符特征,第二特征矩阵保留了预设字符更多的字符特征,因此,第一特征矩阵和第二特征矩阵的乘积可以表征待识别字符与预设字符的相似度,根据该相似度识别待识别字符,提高了识别的准确度。
在一种可能的实现方式中,第二特征矩阵是根据预设字符的多个字符样本得到的。具体地,对于每个字符样本,首先进行归一化和均衡化处理,再将均衡化后的图像划分为至少一个区域,根据每个区域的像素的灰度值确定对应区域的特征值,根据特征值以及特征值所在的位置生成第三特征矩阵,第三特征矩阵中的元素为对应位置的特征值。得到每个字符样本对应的第三特征矩阵后,对第三特征矩阵进行归一化,得到预设字符的第二特征矩阵。在一种可能的实现方式中,第三特征矩阵归一化的公式为Template=Sum/n,其中,Matrix(i)表示第三特征矩阵,Template:表示第二特征矩阵,n为字符样本的数量。在另一种可能的实现方式中,也可以先将第三特征矩阵的元素转换到0至1区间内,再对转换后的第三特征矩阵求和,并除以字符样本的数量,得到第二特征矩阵。因此,第二特征矩阵是通过对各个字符样本对应的第三特征矩阵求平均后得到的。由于不同的图像处理环境下,像素的灰度存在差异,而通过对第三特征矩阵求平均的方法得到的第二特征矩阵,降低了灰度差异造成的计算误差,提高了字符识别的准确度。
对于每一个预设字符,均进行上述处理,得到与每个预设字符对应的第二特征矩阵,依次计算第一特征矩阵与每个第二特征矩阵的相似度。例如,待识别字符为数字,预设字符包括数字0~9,依次计算第一特征矩阵与0~9对应的第二特征矩阵的相似度,从而得到待识别字符与每个预设字符的相似度。
在一种可能的实现方式中,可以首先对第一特征矩阵进行预设处理,得到激活系数矩阵,再根据激活系数矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度。例如,将激活系数矩阵与第二特征矩阵的乘积作为待识别字符与预设字符的相似度。在一种可能的实现方式中,激活系数矩阵Activate[N]=Matrix[N]/255,Matrix[N]表示第一特征矩阵,“/”表示除法运算,激活系数矩阵可以将第一特征矩阵表示为概率的形式,相对于直接用第一特征矩阵计算相似度,采用激活系数计算相似度,得到的计算结果更加直观。在另一种可能的实现方式中,也可以通过预设的线性计算公式将第一特征矩阵转换为激活系数矩阵。
若根据激活系数矩阵与第二特征矩阵的乘积作为待识别字符与预设字符的相似度。当第二特征矩阵中的元素为0时,与激活系数矩阵相乘的结果就是0,因此,不论激活系数矩阵中的元素的值是多少,相乘的结果都是0,计算结果就不能反映激活系数矩阵的特性,即不能反映待识别字符的特征,影响计算的准确度。因此,为了提高计算的准确度,在计算相似度时,首先对第二特征矩阵进行拉普拉斯平滑处理,得到处理后的矩阵,根据激活系数矩阵与处理后的矩阵的乘积确定待识别字符与预设字符的相似度,从而避免得到0的计算结果,使得得到的计算结果可以反映待识别字符的特征,进而提高计算的准确度。在一种可能的实现方式中,拉普拉斯平滑处理的公式为(Matrix[i]+1)/N,N=W*H。在另一种可能的实现方式中,也可以将第二特征矩阵与大于0的任意整数相加实现拉普拉斯平滑处理。
S104:根据所述相似度识别所述待识别字符是否为所述预设字符。
具体地,依次计算第一特征矩阵与每一个第二特征矩阵的相似度,将相似度最大的第二特征矩阵对应的预设字符作为待识别字符。相对于直接设定相似度阈值确定待识别字符的识别结果,依次计算第一特征矩阵与每一个第二特征矩阵的相似度可以确定出与待识别字符最相近的预设字符,避免将与待识别字符较为接近的预设字符误作为识别结果,提高了字符识别的准确度。
例如,待识别字符为数字,电子设备计算出与每个预设字符的相似度后,输出如图8所示的相似度的计算结果,其中与数字2的相似度最大,则待识别字符为数字2。
上述实施例中,通过获取待识别字符的灰度图像,根据灰度图像中的像素的灰度值确定待识别字符的第一特征矩阵,根据第一特征矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度,再根据相似度识别待识别字符是否为预设字符。由于根据待识别字符的灰度图像中的像素的灰度值确定出的第一特征矩阵,保留了待识别字符更多的字符特征,且由于第二特征矩阵是根据预设字符的灰度图像的像素的灰度值确定的,保留了预设字符更多的字符特征。因此,根据第一特征矩阵与第二特征矩阵确定出的相似度识别字符更准确,提高了字符识别的准确度。
在一种可能的实现方式中,在计算待识别字符与预设字符的相似度之前,还包括确定待识别字符的纹理的纤细程度,其中,可以通过待识别字符的灰度图像的频谱图或者对待识别字符的灰度图像进行纹理特征提取的方法确定待识别字符的纹理的纤细程度。若确定待识别字符的纹理的纤细程度小于预设值,则根据第一特征矩阵与预设字符的第二特征矩阵确定待识别字符与预设字符的相似度;若确定待识别字符的纹理的纤细程度大于或者等于预设值,则对待识别字符的图像进行二值化,再提取二值化图像中的字符特征,最后根据提取的字符特征识别出字符,从而提高计算效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的字符识别方法,图9示出了本申请实施例提供的字符识别装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图9所示,字符识别装置包括,
获取模块10,用于获取待识别字符的灰度图像,所述灰度图像包括至少一个像素;
第一计算模块20,用于根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵;
第二计算模块30,用于根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的;
识别模块40,用于根据所述相似度识别所述待识别字符是否为所述预设字符。
在一种可能的实现方式中,所述第一计算模块20包括:
划分单元,用于将所述待识别字符的灰度图像划分为至少一个区域,每个所述区域包括至少一个像素;
第一确定单元,用于根据每个所述区域的像素的灰度值确定对应区域的特征值;
第二确定单元,用于根据所述特征值确定所述第一特征矩阵。
在一种可能的实现方式中,所述第一确定单元具体用于:
计算每个所述区域的每个像素的灰度值,将最小的灰度值作为对应区域的特征值。
在一种可能的实现方式中,所述第一确定单元具体用于:
计算每个所述区域的每个像素的灰度值,将最小的灰度值取反后作为对应区域的特征值。
在一种可能的实现方式中,所述获取模块10具体用于:
获取待识别字符的原始灰度图像;
将所述原始灰度图像缩放至预设尺寸,得到所述待识别字符的灰度图像。
在一种可能的实现方式中,所述第二计算模块30具体用于:
对所述第一特征矩阵进行预设处理,得到激活系数矩阵;
根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度。
在一种可能的实现方式中,所述第二计算模块30具体还用于:
对所述第二特征矩阵进行拉普拉斯平滑处理,得到处理后的矩阵;
根据所述激活系数矩阵与所述处理后的矩阵确定所述待识别字符与所述预设字符的相似度。
在一种可能的实现方式中,所述第一计算模块20还用于:
获取所述预设字符的至少一个字符样本;
计算每个字符样本的第三特征矩阵;
对所述第三特征矩阵进行归一化,得到所述预设字符的第二特征矩阵。
在一种可能的实现方式中,所述第二计算模块具体还用于:
根据所述第一特征矩阵与每个预设字符的第二特征矩阵确定所述待识别字符与每个所述预设字符的相似度;
对应地,所述识别模块具体用于:
确定所述相似度中的最大值;
将所述相似度中的最大值对应的预设字符,作为识别结果。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图10是本申请实施例提供的电子设备的示意图。如图10所示,该实施例的电子设备包括:处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述字符识别方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能,例如图9所示获取模块10、第一计算模块20、第二计算模块30和识别模块40的功能。
示例性的,所述计算机程序13可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器11执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序13在所述电子设备中的执行过程。
本领域技术人员可以理解,图10仅仅是电子设备的示例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是所述电子设备的内部存储单元,例如电子设备的硬盘或内存。所述存储器12也可以是所述电子设备的外部存储设备,例如所述电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器12还可以既包括所述电子设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种字符识别方法,其特征在于,包括:
获取待识别字符的灰度图像,所述灰度图像包括至少一个像素;
根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵;
根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的;
根据所述相似度识别所述待识别字符是否为所述预设字符。
2.根据权利要求1所述的字符识别方法,其特征在于,所述根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵,包括:
将所述待识别字符的灰度图像划分为至少一个区域,每个所述区域包括至少一个像素;
根据每个所述区域的像素的灰度值确定对应区域的特征值;
根据所述特征值确定所述第一特征矩阵。
3.根据权利要求2所述的字符识别方法,其特征在于,所述根据每个所述区域的像素的灰度值确定对应区域的特征值,包括:
计算每个所述区域的每个像素的灰度值,将最小的灰度值作为对应区域的特征值。
4.根据权利要求2所述的字符识别方法,其特征在于,所述根据每个所述区域的像素的灰度值确定对应区域的特征值,包括:
计算每个所述区域的每个像素的灰度值,将最小的灰度值取反后作为对应区域的特征值。
5.根据权利要求1所述的字符识别方法,其特征在于,所述获取待识别字符的灰度图像,包括:
获取待识别字符的原始灰度图像;
将所述原始灰度图像缩放至预设尺寸,得到所述待识别字符的灰度图像。
6.根据权利要求1所述的字符识别方法,其特征在于,所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
对所述第一特征矩阵进行预设处理,得到激活系数矩阵;
根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度。
7.根据权利要求6所述的字符识别方法,其特征在于,所述根据所述激活系数矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
对所述第二特征矩阵进行拉普拉斯平滑处理,得到处理后的矩阵;
根据所述激活系数矩阵与所述处理后的矩阵确定所述待识别字符与所述预设字符的相似度。
8.根据权利要求1所述的字符识别方法,其特征在于,在所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度之前,所述字符识别方法还包括:
获取所述预设字符的至少一个字符样本;
计算每个字符样本的第三特征矩阵;
对所述第三特征矩阵进行归一化,得到所述预设字符的第二特征矩阵。
9.根据权利要求1所述的字符识别方法,其特征在于,所述根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,包括:
根据所述第一特征矩阵与每个预设字符的第二特征矩阵确定所述待识别字符与每个所述预设字符的相似度;
对应地,所述根据所述相似度识别所述待识别字符是否为所述预设字符,包括:
确定所述相似度中的最大值;
将所述相似度中的最大值对应的预设字符,作为识别结果。
10.一种字符识别装置,其特征在于,包括:
获取模块,用于获取待识别字符的灰度图像,所述灰度图像包括至少一个像素;
第一计算模块,用于根据所述至少一个像素的灰度值确定所述待识别字符的第一特征矩阵;
第二计算模块,用于根据所述第一特征矩阵与预设字符的第二特征矩阵确定所述待识别字符与所述预设字符的相似度,其中,所述第二特征矩阵是根据所述预设字符的灰度图像的像素的灰度值确定的;
识别模块,用于根据所述相似度识别所述待识别字符是否为所述预设字符。
11.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的字符识别方法。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的字符识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010960287.8A CN113255674A (zh) | 2020-09-14 | 2020-09-14 | 字符识别方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010960287.8A CN113255674A (zh) | 2020-09-14 | 2020-09-14 | 字符识别方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255674A true CN113255674A (zh) | 2021-08-13 |
Family
ID=77220169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010960287.8A Pending CN113255674A (zh) | 2020-09-14 | 2020-09-14 | 字符识别方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255674A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456542A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408973A (zh) * | 2007-10-10 | 2009-04-15 | 奇景光电股份有限公司 | 图像处理方法及其装置 |
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
US20140270460A1 (en) * | 2012-05-17 | 2014-09-18 | Grg Banking Equipment Co., Ltd. | Paper identifying method and related device |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN105261108A (zh) * | 2015-10-15 | 2016-01-20 | 深圳怡化电脑股份有限公司 | 一种人民币币值识别的方法和系统 |
CN106780620A (zh) * | 2016-11-28 | 2017-05-31 | 长安大学 | 一种乒乓球运动轨迹识别定位与跟踪系统及方法 |
CN107085883A (zh) * | 2017-03-15 | 2017-08-22 | 深圳怡化电脑股份有限公司 | 一种纸币识别的方法和装置 |
CN107610322A (zh) * | 2017-10-11 | 2018-01-19 | 深圳怡化电脑股份有限公司 | 纸币版本的识别方法、装置、电子设备以及存储介质 |
CN108510638A (zh) * | 2017-02-24 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置 |
CN110414520A (zh) * | 2019-06-28 | 2019-11-05 | 平安科技(深圳)有限公司 | 通用字符识别方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-14 CN CN202010960287.8A patent/CN113255674A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408973A (zh) * | 2007-10-10 | 2009-04-15 | 奇景光电股份有限公司 | 图像处理方法及其装置 |
US20140270460A1 (en) * | 2012-05-17 | 2014-09-18 | Grg Banking Equipment Co., Ltd. | Paper identifying method and related device |
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
CN105261108A (zh) * | 2015-10-15 | 2016-01-20 | 深圳怡化电脑股份有限公司 | 一种人民币币值识别的方法和系统 |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN106780620A (zh) * | 2016-11-28 | 2017-05-31 | 长安大学 | 一种乒乓球运动轨迹识别定位与跟踪系统及方法 |
CN108510638A (zh) * | 2017-02-24 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置 |
CN107085883A (zh) * | 2017-03-15 | 2017-08-22 | 深圳怡化电脑股份有限公司 | 一种纸币识别的方法和装置 |
CN107610322A (zh) * | 2017-10-11 | 2018-01-19 | 深圳怡化电脑股份有限公司 | 纸币版本的识别方法、装置、电子设备以及存储介质 |
CN110414520A (zh) * | 2019-06-28 | 2019-11-05 | 平安科技(深圳)有限公司 | 通用字符识别方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
王锋: ""车牌识别算法的研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 138 - 289 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456542A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
CN117456542B (zh) * | 2023-12-26 | 2024-04-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gonçalves et al. | Benchmark for license plate character segmentation | |
CN111209827B (zh) | 一种基于特征检测的ocr识别票据问题的方法及系统 | |
CN107209942B (zh) | 对象检测方法和图像检索系统 | |
CN111080660A (zh) | 一种图像分割方法、装置、终端设备及存储介质 | |
CN109740417B (zh) | 发票类型识别方法、装置、存储介质和计算机设备 | |
CN110717497B (zh) | 图像相似度匹配方法、装置及计算机可读存储介质 | |
CN108717744B (zh) | 识别金融单据上的印章序号的方法、装置及终端设备 | |
CN109447080B (zh) | 一种字符识别方法及装置 | |
CN108830275B (zh) | 点阵字符、点阵数字的识别方法及装置 | |
CN111400528B (zh) | 一种图像压缩方法、装置、服务器及存储介质 | |
CN111242124A (zh) | 一种证件分类方法、装置及设备 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
Susan et al. | Text area segmentation from document images by novel adaptive thresholding and template matching using texture cues | |
CN112668580A (zh) | 一种文本识别方法、文本识别装置及终端设备 | |
CN112434689A (zh) | 识别图片中信息的方法、装置、设备及存储介质 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN114495146A (zh) | 图像文本检测方法、装置、计算机设备及存储介质 | |
CN114581928A (zh) | 一种表格识别方法及系统 | |
CN113255674A (zh) | 字符识别方法、装置、电子设备及计算机可读存储介质 | |
CN101582118B (zh) | 字符字典创建装置、字符识别装置及字符识别方法 | |
CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
CN114299509A (zh) | 一种获取信息的方法、装置、设备及介质 | |
CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
CN115546811A (zh) | 一种识别印章的方法、装置、设备及存储介质 | |
CN112287936A (zh) | 光学字符识别测试方法、装置、可读存储介质及终端设备 |
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 |