CN113378666A - 一种票据图像倾斜校正方法、票据识别方法及系统 - Google Patents
一种票据图像倾斜校正方法、票据识别方法及系统 Download PDFInfo
- Publication number
- CN113378666A CN113378666A CN202110593341.4A CN202110593341A CN113378666A CN 113378666 A CN113378666 A CN 113378666A CN 202110593341 A CN202110593341 A CN 202110593341A CN 113378666 A CN113378666 A CN 113378666A
- Authority
- CN
- China
- Prior art keywords
- bill
- image
- reference point
- bill image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012937 correction Methods 0.000 title claims description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 238000003491 array Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本公开提供了一种票据图像倾斜校正方法、票据识别方法及系统,所述方案通过自适应基准点搜索策略,选取较少的优质基准点(优质基准点:越接近两行文字中间区域的基准点,参考价值越高),抛弃了传统算法选取大量基准点,以量取胜的策略,大大提高了执行效率;同时,通过角度二次搜索过程,实现了角度检测的由粗到细,虽然付出了一定的计算代价,但检测精度由原来的1°提高到了0.01°,由于所选取的基准点数量较少,即使是二次搜索,执行效率也比传统算法的一次搜索有较大的提升。
Description
技术领域
本公开属于票据图像识别技术领域,尤其涉及一种票据图像倾斜校正方法、票据识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着社会的不断进步,票据的使用越来越频繁,不管是进行商业的资金往来,还是资金管理,都离不开票据的依托。因此,财务人员不可避免的要花费大量的精力在票据的审计和管理等层面上。很多研究人员为了解决这个问题,提出了一系列OCR票据自动识别系统,为了提高OCR票据识别的准确率,不可避免的要对票据图像进行图像的预处理工作,其中票据的倾斜校正更是至关重要,因为它直接关系到票据关键部分文字的定位,即使使用YOLO目标检测算法进行文字定位,倾斜校正的预处理也能更好的提高定位的准确度。票据的倾斜校正在票据的自动识别系统中不可或缺,具有承上启下的重要作用,这一步做的好坏直接影响到识别的精确度,识别系统的可靠性。因此,表格类票据的倾斜校正值算法得更深一步的探索和研究。
随着众多研究人员的努力,倾斜校正算法也在不断的完善和提高,主要的方法:基于Hough变换的方法、基于Radon变换、透视变换等投影的方法、直线拟合的方法等等。Hough直线检测算法的优点是抗干扰能力比较强,对噪声和非直线结构等不敏感,缺点也很明显,该算法需要将图像上的点转换到参数空间,再对离散的角度区间进行统计计数,导致其时间复杂度和空间复杂度都很高,执行效率较低。投影变换的方法需要对不同的角度来进行图像投影,然后根据投影值或者能量函数按相应准则获得倾斜角度,故该方法也需要较高的运算量。直线拟合的方法首先需要对图像进行Fourier变换,再根据Fourier光谱亮度较高的点选取特征点进行直线拟合处理,得到拟合方程,计算倾斜角度,该方法抗干扰能力比较差,运算量比较大。
发明人发现,传统的方向白游程倾斜校正算法存在诸多的不足之处。首先,抗噪性比较差,孤立的黑色像素点或较小的黑色连通区域,都会阻碍白色像素点的搜索过程,对最大游程长度的统计可能存在偏差。其次,基准点的选择太过随机,基准点的数量过大,降低了运算效率。最后,以1°作为搜素角度的增量,360°作为搜素范围,导致计算量过大,搜素角度精确率太低。
发明内容
本公开为了解决上述问题,提供了一种票据图像倾斜校正方法、票据识别方法及系统,所述方案通过自适应基准点搜索策略,选取较少的优质基准点,抛弃了传统算法选取大量基准点,以量取胜的策略,大大提高了执行效率;同时,通过角度二次搜索过程,实现了角度检测的由粗到细,有效提高了倾斜角度的检测精度。
根据本公开实施例的第一个方面,提供了一种票据图像倾斜校正方法,包括:
对待校正的票据图像进行滤波处理;
采用自适应二值化算法对所述票据图像进行二值化处理;
确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
利用自适应基准点搜索策略进行基准点选取,并采用角度搜索方法统计基准点游程长度;
基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
进一步的,所述利用自适应基准点搜索策略进行基准点选取,具体包括:
根据票据图像的大小设置基准点数量范围;基于基准点数量范围,确定垂直方向初始步长和水平方向的步长,遍历图像的白色像素点,以该像素点为中心,以水平步长和垂直步长围成矩形掩膜区域,若掩膜区域内不存在黑色像素点,则将该点选取为基准点;统计基准点的数量,若超出基准点数上限范围,则增大垂直方向步长,再次遍历图像的白色像素点;若小于基准点数下限范围,则减小垂直方向步长。最后,获得设置基准点个数范围内的所有合适的基准点。
进一步的,所述采用角度搜索方法统计基准点游程长度,具体为:
根据选取的基准点,计算各个基准点0度至179度方向上的游程长度,每间隔第一预设角度取一条直线,将各个方向上的游程长度累加,并根据索引进行存储,计算其中最大值的索引,作为第一次搜索的粗略角度θ;同第一次搜索,每间隔第二预设角度取一条直线,计算该角度θ-1度到θ+1度方向上的游程长度,并根据索引进行存储。
根据本公开实施例的第二个方面,提供了一种票据图像倾斜校正系统,包括:
滤波单元,其用于对待校正的票据图像进行滤波处理;
二值化处理单元,其用于采用自适应二值化算法对所述票据图像进行二值化处理;
连通区域去噪单元,其用于确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
基准点获取单元,其用于利用自适应基准点搜索策略进行基准点选取;
游程长度计算单元,其用于采用角度搜索方法统计基准点游程长度;
倾斜校正单元,其用于基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
根据本公开实施例的第三个方面,提供了一种票据识别方法,包括:
采集表格类票据图像;
利用上述的票据图像倾斜校正方法对所述票据图像进行校正;
采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
根据本公开实施例的第四个方面,提供了一种票据识别系统,包括:
图像采集单元,其用于采集表格类票据图像;
图像校正单元,其用于利用上述的票据图像倾斜校正方法对所述票据图像进行校正;
票据识别单元,其用于采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
根据本公开实施例的第五个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现所述的一种票据图像倾斜校正方法。
根据本公开实施例的第六个方面,提供了一种非暂态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一种票据图像倾斜校正方法。
与现有技术相比,本公开的有益效果是:
(1)本公开所述方案针对传统白游程算法的不足,通过自适应基准点搜索策略,选取较少的优质基准点(优质基准点:越接近两行文字中间区域的基准点,参考价值越高),抛弃了传统算法选取大量基准点,以量取胜的策略,大大提高了执行效率;
(2)本公开所述方案通过角度二次搜索过程,实现了角度检测的由粗到细,虽然付出了一定的计算代价,但检测精度由原来的1°提高到了0.01°,由于所选取的基准点数量较少,即使是二次搜索,执行效率也比传统算法的一次搜索有较大的提升。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的票据图像倾斜校正方法流程图;
图2(a)为本公开实施例一中所述的输入的待校正票据图像;
图2(b)为本公开实施例一中所述的传统白游程算法校正票据图像;
图2(c)为本公开实施例一中所述的采用本公开所述方案校正票据图像。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一:
本实施例的目的是提供一种票据图像倾斜校正方法。
如图1所示,一种票据图像倾斜校正方法,包括:
步骤1:对待校正的票据图像进行滤波处理;
其中,针对图像的噪声点特性选择合适的滤波算法,像高斯滤波算法,中值滤波算法,双边滤波算法等,在本实施例中采用了高斯滤波算法进行滤波处理,有效提高了算法的抗噪特性。
步骤2:采用自适应二值化算法对所述票据图像进行二值化处理;
步骤3:确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
其中,关于连通区域检测,本实施例中采用阈值化方法,统计连通区域的黑色像素点个数,根据设置的阈值,去除连通区域黑色像素点个数小于阈值的连通区域,提高了算法的抗噪特性。所述阈值根据经验进行设定,目的是去除噪声点,噪声点连通区域的像素数一般为3个像素点,如果连通区域的像素数少于3个点就认为是噪声,则去除掉;本实施例中的预设阈值设置为3。
步骤4:利用自适应基准点搜索策略进行基准点选取,并采用角度搜索方法统计基准点游程长度;
进一步的,所述基准点的选取:基准点要保证分布在两行文字的中间区域,基准点的数量影响到校正的效率和精度。基准点过多,计算效率较低;基准点过少,准确度较低。首先根据输入图像的大小设置基准点个数范围,该算法会根据设置的基准点个数范围,设定垂直方向初始步长和水平方向的步长,本实施例中,垂直方向的初始补偿设置为1,其水平方向的步长根据图像大小合适选取(本实施例中水平步长设置为30像素),遍历图像的白色像素点,以该像素点为中心,以水平步长和垂直步长围成矩形掩膜区域,若掩膜区域内不存在黑色像素点,则将该点选取为基准点。统计基准点的数量,若超出基准点数上限范围,则增大垂直方向步长,再次遍历图像的白色像素点。若小于基准点数下限范围,则采用上一次的垂直方向步长。最后,获得设置基准点个数范围内的所有合适的基准点。
进一步的,以角度搜素的方式统计白色像素点长度:首先,初始化两个数组,数组的初始值全部置为0。数组1:[0...179]数组2:[0...200],用来统计相应角度的游程长度值。根据选取的基准点,每间隔第一预设角度,计算各个基准点0°至179°方向上的游程长度(本实施例中采用的第一预设角度为1°,每间隔1°取一条直线),将各个方向上的游程长度累加,存放到对应索引的数组1中。计算数组1中的最大值索引,作为第一次搜索的粗略角度θ。同第一次搜索,然后每间隔第二预设角度,计算该角度(-1)°到(+1)°方向上的游程长度(在本实施例中,当θ<=1或者θ=179时,每0.01°取一条直线,其他的每0.02°取一条直线),存入数组2中,作为第二次精确搜索的结果。这是一个由粗略检测到精细检测的过程,既保证了较高的精确率,也降低了计算效率。
步骤5:基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
其中,所述倾斜角度的获取:计算数组1和数组2的最大值索引,求得倾斜角度。其中,数组1是用来确定倾斜角度的整数值0°-179°,数组2是对数组1确定的整数值x再次进行(x-1,x+1)这个范围0.01或者0.02的精度确定,最后由数组1的整数值加上数组二确定的小数值的到最后的精确倾斜角度。
进一步的,所述票据图像的倾斜校正:以图像中心点(x0,y0),进行仿射变换。满足:
x'=(x-x0)cosθ+(y-y0)sinθ+x0
y'=(y-y0)cosθ-(x-x0)sinθ+y0
其中,(x,y)为原始图像横纵坐标,(x’,y’)为旋转后图像坐标。
输出图像:输出倾斜校正后的图像。
进一步的,为了证明本公开所述方案的有效性,进行了如下实验:
本实施例中对100张普通增值税票据进行了测试实验,由于传统白游程算法以1°为角度搜索单位,所以角度检测只能为整数值,精确度为1°。为了提高可比较性,对传统白游程算法以检测角度允许在0.3°内波动、对传统白游程算法以检测角度允许在0.1°内波动为前提。对比了传统白游程倾斜校正算法与改进后白游程倾斜校正算法,在校正精度和执行效率的方面的差异。
表1、本公开所述方案与现有方法的对比结果
如表1所示,展示了传统白游程倾斜校正算法与改进后白游程倾斜校正算法对比,从表1中可以得出,即使在角度允许波动范围较小的前提下,改进的白游程算法在执行效率和检测精确度方面都有显著的提升。
如图2(a)-图2(c)给出了具体的票据校正结果示意图:其中:
图2(a)为本公开实施例一中所述的输入的待校正票据图像;
图2(b)为本公开实施例一中所述的传统白游程算法校正票据图像;
图2(c)为本公开实施例一中所述的采用本公开所述方案校正票据图像。
本公开所述方案针对现有方法存在的不足,给出了针对性的改进方案。本文通过自适应基准点搜索策略,选取较少的优质基准点(优质基准点:越接近两行文字中间区域的基准点,参考价值越高),抛弃了传统算法选取大量基准点,以量取胜的策略,大大提高了执行效率。本文通过角度二次搜索过程,实现了角度检测的由粗到细,虽然付出了一定的计算代价,但检测精度由原来的1°提高到了0.01°,由于所选取的基准点数量较少,即使是二次搜索,执行效率也比传统算法的一次搜索有较大的提升。
实施例二:
本实施例的目的是提供一种票据图像倾斜校正系统。
一种票据图像倾斜校正系统,包括:
滤波单元,其用于对待校正的票据图像进行滤波处理;
二值化处理单元,其用于采用自适应二值化算法对所述票据图像进行二值化处理;
连通区域去噪单元,其用于确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
基准点获取单元,其用于利用自适应基准点搜索策略进行基准点选取;
游程长度计算单元,其用于采用角度搜索方法统计基准点游程长度;
倾斜校正单元,其用于基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
实施例三:
本实施例的目的是提供一种票据识别方法。
一种票据识别方法,包括:
采集表格类票据图像;
利用实施例一中所述的票据图像倾斜校正方法对所述票据图像进行校正;
采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
实施例四:
本实施例的目的是提供一种票据识别系统。
一种票据识别系统,包括:
图像采集单元,其用于采集表格类票据图像;
图像校正单元,其用于利用实施例一中所述的票据图像倾斜校正方法对所述票据图像进行校正;
票据识别单元,其用于采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例一中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,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。
上述实施例提供的一种票据图像倾斜校正方法、票据识别方法及系统可以实现,具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种票据图像倾斜校正方法,其特征在于,包括:
对待校正的票据图像进行滤波处理;
采用自适应二值化算法对所述票据图像进行二值化处理;
确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
利用自适应基准点搜索策略进行基准点选取,并采用角度搜索方法统计基准点游程长度;
基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
2.如权利要求1所述的一种票据图像倾斜校正方法,其特征在于,所述利用自适应基准点搜索策略进行基准点选取,具体包括:
根据票据图像的大小设置基准点数量范围;基于基准点数量范围,确定垂直方向初始步长和水平方向的步长,遍历图像的白色像素点,以该像素点为中心,以水平步长和垂直步长围成矩形掩膜区域,若掩膜区域内不存在黑色像素点,则将该点选取为基准点;统计基准点的数量,若超出基准点数上限范围,则增大垂直方向步长,再次遍历图像的白色像素点;若小于基准点数下限范围,则减小垂直方向步长。最后,获得设置基准点个数范围内的所有合适的基准点。
3.如权利要求1所述的一种票据图像倾斜校正方法,其特征在于,所述采用角度搜索方法统计基准点游程长度,具体为:
根据选取的基准点,计算各个基准点0度至179度方向上的游程长度,每间隔第一预设角度取一条直线,将各个方向上的游程长度累加,并根据索引进行存储,计算其中最大值的索引,作为第一次搜索的粗略角度θ;同第一次搜索,每间隔第二预设角度取一条直线,计算该角度θ-1度到θ+1度方向上的游程长度,并根据索引进行存储。
4.如权利要求1所述的一种票据图像倾斜校正方法,其特征在于,所述基于获得的基准点游程长度确定倾斜角度,具体为:选择基准点游程长度中的最大值索引,作为最终的倾斜角度。
5.如权利要求1所述的一种票据图像倾斜校正方法,其特征在于,所述倾斜校正具体为,基于倾斜角度以图像中心点进行仿射变换,获得校正后的图像。
6.一种票据图像倾斜校正系统,其特征在于,包括:
滤波单元,其用于对待校正的票据图像进行滤波处理;
二值化处理单元,其用于采用自适应二值化算法对所述票据图像进行二值化处理;
连通区域去噪单元,其用于确定连通区域,统计各连通区域的黑色像素点数量,并将数量低于预设阈值的连通区域去除;
基准点获取单元,其用于利用自适应基准点搜索策略进行基准点选取;
游程长度计算单元,其用于采用角度搜索方法统计基准点游程长度;
倾斜校正单元,其用于基于获得的基准点游程长度确定倾斜角度,实现票据图像的倾斜校正。
7.一种票据识别方法,其特征在于,包括:
采集表格类票据图像;
利用如权利要求1-5任一项所述的票据图像倾斜校正方法对所述票据图像进行校正;
采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
8.一种票据识别系统,其特征在于,包括:
图像采集单元,其用于采集表格类票据图像;
图像校正单元,其用于利用如权利要求1-5任一项所述的票据图像倾斜校正方法对所述票据图像进行校正;
票据识别单元,其用于采用YOLO目标检测算法对校正后的票据图像进行文字定位,实现票据的识别。
9.一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5任一项所述的一种票据图像倾斜校正方法。
10.一种非暂态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1-5任一项所述的一种票据图像倾斜校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110593341.4A CN113378666A (zh) | 2021-05-28 | 2021-05-28 | 一种票据图像倾斜校正方法、票据识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110593341.4A CN113378666A (zh) | 2021-05-28 | 2021-05-28 | 一种票据图像倾斜校正方法、票据识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113378666A true CN113378666A (zh) | 2021-09-10 |
Family
ID=77574733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110593341.4A Pending CN113378666A (zh) | 2021-05-28 | 2021-05-28 | 一种票据图像倾斜校正方法、票据识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378666A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309758A (zh) * | 2023-05-25 | 2023-06-23 | 奥谱天成(厦门)光电有限公司 | 一种基于OpenCV的线激光图像自动对齐方法及终端设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447017A (zh) * | 2008-11-27 | 2009-06-03 | 浙江工业大学 | 一种基于版面分析的选票快速识别统计方法及系统 |
CN102063621A (zh) * | 2010-11-30 | 2011-05-18 | 汉王科技股份有限公司 | 文字行几何畸变校正方法和装置 |
CN102332088A (zh) * | 2011-06-22 | 2012-01-25 | 浙江工业大学 | 一种基于游程特征的选票符号机器视觉识别方法 |
CN102859321A (zh) * | 2011-04-25 | 2013-01-02 | 三洋电机株式会社 | 物体检测装置以及信息取得装置 |
CN102938062A (zh) * | 2012-10-16 | 2013-02-20 | 山东山大鸥玛软件有限公司 | 一种基于内容的文档图像倾斜角估计方法 |
CN103236065A (zh) * | 2013-05-09 | 2013-08-07 | 中南大学 | 基于主动轮廓模型和细胞神经网络的生物芯片分析方法 |
CN103258198A (zh) * | 2013-04-26 | 2013-08-21 | 四川大学 | 一种表格文档图像中字符提取方法 |
CN109800625A (zh) * | 2018-11-27 | 2019-05-24 | 上海眼控科技股份有限公司 | 一种基于区域生长的表格框线检测方法 |
-
2021
- 2021-05-28 CN CN202110593341.4A patent/CN113378666A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447017A (zh) * | 2008-11-27 | 2009-06-03 | 浙江工业大学 | 一种基于版面分析的选票快速识别统计方法及系统 |
CN102063621A (zh) * | 2010-11-30 | 2011-05-18 | 汉王科技股份有限公司 | 文字行几何畸变校正方法和装置 |
CN102859321A (zh) * | 2011-04-25 | 2013-01-02 | 三洋电机株式会社 | 物体检测装置以及信息取得装置 |
CN102332088A (zh) * | 2011-06-22 | 2012-01-25 | 浙江工业大学 | 一种基于游程特征的选票符号机器视觉识别方法 |
CN102938062A (zh) * | 2012-10-16 | 2013-02-20 | 山东山大鸥玛软件有限公司 | 一种基于内容的文档图像倾斜角估计方法 |
CN103258198A (zh) * | 2013-04-26 | 2013-08-21 | 四川大学 | 一种表格文档图像中字符提取方法 |
CN103236065A (zh) * | 2013-05-09 | 2013-08-07 | 中南大学 | 基于主动轮廓模型和细胞神经网络的生物芯片分析方法 |
CN109800625A (zh) * | 2018-11-27 | 2019-05-24 | 上海眼控科技股份有限公司 | 一种基于区域生长的表格框线检测方法 |
Non-Patent Citations (2)
Title |
---|
岳明明: "《金融票据中印刷号码识别算法的研究》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
王威等: "《一种通过方向白游程校正文本图像倾斜的方法》", 《科学技术与工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309758A (zh) * | 2023-05-25 | 2023-06-23 | 奥谱天成(厦门)光电有限公司 | 一种基于OpenCV的线激光图像自动对齐方法及终端设备 |
CN116309758B (zh) * | 2023-05-25 | 2023-08-08 | 奥谱天成(厦门)光电有限公司 | 一种基于OpenCV的线激光图像自动对齐方法及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10922794B2 (en) | Image correction method and device | |
Shi et al. | Automatic license plate recognition system based on color image processing | |
US20180137322A1 (en) | Block decoding method and system for two-dimensional code | |
CN108280829A (zh) | 焊缝图像识别方法、计算机装置及计算机可读存储介质 | |
CN104239870B (zh) | 一种基于曲线弧分割的椭圆检测方法 | |
US20100084470A1 (en) | Two-dimensional barcode localization for camera based devices | |
CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN101645172A (zh) | 数字图像中直线的快速检测方法 | |
CN106096497B (zh) | 一种针对多元遥感数据的房屋矢量化方法 | |
US20090245687A1 (en) | Image processing method and apparatus for detecting lines of images and start and end points of lines | |
CN113378666A (zh) | 一种票据图像倾斜校正方法、票据识别方法及系统 | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
WO2013095822A1 (en) | Dynamic line-detection system for processors having limited internal memory | |
CN111489389A (zh) | 一种光斑中心检测方法 | |
WO2022021687A1 (zh) | 快速响应码区域定位方法、电子设备及存储介质 | |
CN107563314B (zh) | 一种基于平行坐标系的车道线检测方法 | |
CN111767752B (zh) | 一种二维码识别方法及装置 | |
Pan et al. | An efficient method for skew correction of license plate | |
CN111104940A (zh) | 图像旋转校正方法、装置、电子设备及存储介质 | |
JP4224328B2 (ja) | 車番認識装置 | |
CN111126109B (zh) | 一种车道线识别方法、装置和电子设备 | |
CN116343215A (zh) | 一种文档图像的倾斜校正方法和系统 | |
CN113378865A (zh) | 一种影像金字塔的匹配方法和装置 | |
Jun et al. | A vehicle license plate location and correction method based the characteristics of license plate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210910 |