CN115830606A - 文字瑕疵检测方法、计算机装置及存储介质 - Google Patents

文字瑕疵检测方法、计算机装置及存储介质 Download PDF

Info

Publication number
CN115830606A
CN115830606A CN202111092189.8A CN202111092189A CN115830606A CN 115830606 A CN115830606 A CN 115830606A CN 202111092189 A CN202111092189 A CN 202111092189A CN 115830606 A CN115830606 A CN 115830606A
Authority
CN
China
Prior art keywords
image
character
text
similarity
outline
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
Application number
CN202111092189.8A
Other languages
English (en)
Inventor
王正峯
林立哲
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.)
Hon Hai Precision Industry Co Ltd
Original Assignee
Hon Hai Precision Industry 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 Hon Hai Precision Industry Co Ltd filed Critical Hon Hai Precision Industry Co Ltd
Priority to CN202111092189.8A priority Critical patent/CN115830606A/zh
Priority to US17/748,280 priority patent/US20230092072A1/en
Publication of CN115830606A publication Critical patent/CN115830606A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality

Abstract

本申请提供一种文字瑕疵检测方法、计算机装置及存储介质，其中，所述方法包括：获取无瑕疵图像和待检测图像；对无瑕疵图像和待检测图像分别进行第一图像处理，获得无瑕疵图像的第一图像和待检测图像的第二图像；对第一图像和第二图像分别进行第二图像处理，获得第一图像中每个文字的第一轮廓图像和第二图像中每个文字的第二轮廓图像；匹配每个文字的第一轮廓图像和第二轮廓图像；确定每个文字的第一轮廓图像和匹配的第二轮廓图像的相似度；根据相似度的值确定与相似度对应的第二轮廓图像中的文字检测结果。本申请可以辅助进行文字瑕疵检测，提高准确率。

Description

文字瑕疵检测方法、计算机装置及存储介质
技术领域
本申请涉及光学瑕疵检测领域，尤其涉及一种文字瑕疵检测方法、计算机装置及存储介质。
背景技术
在实际工业生产过程中，印刷图像中文字有瑕疵不仅会影像产品的美观，还会使用户对产品的使用性能产生误导，因此需要对产品进行文字瑕疵检测来实现对产品的质量控制。现有的基于Hu moments的印刷图像文字瑕疵检测方法，其定义过于复杂，不易解释印刷图像中文字的形状特征，导致需要对样本图像预处理时，没有明确的处理方向。
发明内容
鉴于以上内容，有必要提供一种文字瑕疵检测方法、计算机装置及存储介质，能够通过图像预处理降低文字瑕疵检测的过杀率与失误率，提高文字瑕疵检测的准确性和实用性。
所述文字瑕疵检测方法包括：获取无瑕疵图像和待检测图像；对所述无瑕疵图像和所述待检测图像分别进行第一图像处理，获得所述无瑕疵图像的第一图像和所述待检测图像的第二图像；对所述第一图像和所述第二图像分别进行第二图像处理，获得所述第一图像中每个文字的第一轮廓图像和所述第二图像中每个文字的第二轮廓图像；匹配每个文字的所述第一轮廓图像和所述第二轮廓图像；确定每个文字的所述第一轮廓图像和匹配的第二轮廓图像的相似度；根据所述相似度的值，确定与所述相似度对应的第二轮廓图像中的文字检测结果。
可选地，所述第一图像处理包括：按照预设的第一阈值进行图像二值化。
可选地，所述对所述第一图像和所述第二图像分别进行第二图像处理，获得所述第一图像中每个文字的第一轮廓图像和所述第二图像中每个文字的第二轮廓图像包括：确定所述第一图像中每个文字的第一位置，根据所述每个文字的第一位置对所述第一图像中的每个文字进行分割并提取所述第一轮廓图像；及确定所述第二图像中每个文字的第二位置，根据所述每个文字的第二位置对所述第二图像中的每个文字进行分割并提取所述第二轮廓图像。
可选地，所述匹配每个文字的所述第一轮廓图像和所述第二轮廓图像包括：获取每个文字的第一轮廓图像的第一中心点和每个文字的第二轮廓图像的第二中心点；根据所述第一中心点和所述第二中心点，将属于同一文字的第一轮廓图像和第二轮廓图像进行一一对应。
可选地，所述确定每个文字的所述第一轮廓图像和匹配的所述第二轮廓图像的相似度包括：计算每个文字的所述第一轮廓图像的第一傅里叶描述子和每个文字的所述第二轮廓图像的第二傅里叶描述子；根据属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子，获得每个文字的所述第一轮廓图像和匹配的所述第二轮廓图像的相似度。
可选地，所述相似度包括：属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子的余弦距离。
可选地，所述相似度的取值范围为[0，2]。
可选地，所述根据所述相似度的值，确定与所述相似度对应的所述第二轮廓图像中的文字检测结果包括：比较所述相似度的值与预设的第二阈值的大小关系；当所述相似度的值大于或等于所述预设的第二阈值时，确定与所述相似度对应的所述第二轮廓图像中的文字为有瑕疵文字；当所述相似度的值小于所述预设的第二阈值时，确定与所述相似度对应的所述第二轮廓图像中的文字为无瑕疵文字。
所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述文字瑕疵检测方法。
所述计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现所述文字瑕疵检测方法。
相较于现有技术，所述文字瑕疵检测方法、计算机装置及存储介质，能够通过分析文字的轮廓形状，检测文字外型上的瑕疵，还可以通过图像预处理降低检测的过杀率与失误率，提高文字瑕疵检测的准确性和实用性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的文字瑕疵检测方法的流程图。
图2是本申请实施例提供的计算机装置的架构图。
图3是本申请实施例提供的无瑕疵图像和待检测图像的示例图。
图4是本申请实施例提供的第一图像和第二图像的示例图。
图5是本申请实施例提供的文字瑕疵检测方法的步骤S6中的流程图。
主要元件符号说明
计算机装置 3
文字瑕疵检测系统 30
存储器 31
处理器 32
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，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做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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
参阅图1所示，为本申请较佳实施例的文字瑕疵检测方法的流程图。
在本实施例中，所述文字瑕疵检测方法可以应用于计算机装置(例如图2所示的计算机装置3)中，对于需要进行文字瑕疵检测的计算机装置，可以直接在计算机装置上集成本申请的方法所提供的用于文字瑕疵检测的功能，或者以软件开发工具包(SoftwareDevelopment Kit，SDK)的形式运行在计算机装置上。
如图1所示，所述文字瑕疵检测方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1，计算机装置获取无瑕疵图像和待检测图像。
在一个实施例中，计算机装置可以响应用户输入获取一幅无瑕疵图像和一幅待检测图像。所述无瑕疵图像和待检测图像还可以预先存储在计算机装置的存储器中，或者预先存储在与计算机装置通讯连接的其他设备中。
本实施例中，所述无瑕疵图像可以是工厂生产的某种印刷品的矩形标准样本(Golden Sample)图像，也即所述无瑕疵图像中的文字的排列方向无需校正。本实施例中，所述无瑕疵图像中包含的文字可以是指例如汉字、数字、英文字母等。
本实施例中，所述待检测图像可以是针对待检测的所述某种印刷品所拍摄的矩形图像。
在一个实施例中，所述待检测图像和所述无瑕疵图像大小一致。
举例而言，参阅图3所示，图像3A表示只包含一个文字的无瑕疵图像，图像3B表示待检测图像。
步骤S2，计算机装置对所述无瑕疵图像和所述待检测图像分别进行第一图像处理，获得所述无瑕疵图像的第一图像和所述待检测图像的第二图像。
在一个实施例中，所述第一图像处理包括：按照预设的第一阈值进行图像二值化。例如，当所述无瑕疵图像中任一位置处的像素(pixel)值大于或等于所述第一阈值(例如，30)时，将该任一位置处的像素二值化为255；当所述无瑕疵图像中任一位置处的像素值小于所述第一阈值时，将该任一位置处的像素二值化为0，得到所述无瑕疵图像的第一图像。类似地，当所述待检测图像中任一位置处的像素值大于或等于所述第一阈值(例如，30)时，将该任一位置处的像素二值化为255；当所述待检测图像中任一位置处的像素值小于所述第一阈值时，将该任一位置处的像素二值化为0，得到所述待检测图像的第二图像。例如图4所示，对无瑕疵图像3A进行图像二值化后获得图像4A，对待检测图像3B进行图像二值化后获得图像4B。
在其他实施例中，计算机装置还可以利用大津算法(OTSU Thresholding)确定所述第一阈值的大小。需要说明的是，所述图像二值化不会改变图像的大小，所述无瑕疵图像的第一图像和所述待检测图像的第二图像的大小一致。
步骤S3，计算机装置对所述第一图像和所述第二图像分别进行第二图像处理，获得所述第一图像中每个文字的第一轮廓图像和所述第二图像中每个文字的第二轮廓图像。
在一个实施例中，计算机装置确定所述第一图像中每个文字的第一位置，根据所述每个文字的第一位置对所述第一图像中的每个文字进行分割并提取所述每个文字的第一轮廓图像；及确定所述第二图像中每个文字的第二位置，根据所述每个文字的第二位置对所述第二图像中的每个文字进行分割并提取所述每个文字的第二轮廓图像。
在一个实施例中，计算机装置可以利用光学字符识别(Optical CharacterRecognition，OCR)技术识别所述第一图像和所述第二图像中的文字，进而确认所述第一图像中每个文字的第一位置和所述第二图像中每个文字的第二位置。
例如，计算机装置可以在所述第一图像中用第一矩形框将所述第一图像中的每个文字分别框选出来，每个文字对应一个第一矩形框，每个第一矩形框中包含所述第一图像中的一个文字的完整图像。本实施例中，每个文字的第一位置即指与该每个文字对应的第一矩形框在所述第一图像中的位置。计算机装置可以以所述第一图像的左下角为第一坐标原点o，在所述第一坐标原点处以所述第一图像的相邻两条边为坐标轴建立第一直角坐标系xoy，从而定位所述第一矩形框所在的所述第一位置，例如，定位所述第一矩形框的左下角在所述第一直角坐标系的坐标(x1，y1)和所述第一矩形框的右上角在所述第一直角坐标系的坐标(x2，y2)，通过坐标(x1，y1)和坐标(x2，y2)确定所述第一位置A。
类似的，计算机装置可以在所述第二图像中用第二矩形框将所述第二图像中的每个文字分别框选出来，每个文字对应一个第二矩形框，每个第二矩形框中包含所述第二图像中的一个文字的完整图像。本实施例中，每个文字的第二位置即指与该每个文字对应的第二矩形框在所述第二图像中的位置。计算机装置可以以所述第二图像的左下角为第二坐标原点O，在所述第二坐标原点处以所述第二图像的相邻两条边为坐标轴建立第二直角坐标系XOY，从而定位所述第二矩形框所在的所述第二位置，例如，定位所述第二矩形框的左下角在所述第二直角坐标系的坐标(X1，Y1)和所述第二矩形框的右上角在所述第二直角坐标系的坐标(X2，Y2)，通过坐标(X1，Y1)和坐标(X2，Y2)确定所述第二位置B。
需要说明的是，由于所述无瑕疵图像和所述待检测图像都是针对同种印刷品所拍摄的矩形图像且所述无瑕疵图像的第一图像和所述待检测图像的第二图像的大小一致，所以当第一位置A和第二位置B的坐标相同时，可以确定处于所述第一位置A的文字和处于所述第二位置B的文字：为同一文字、属于同一位置，并且属于所述同一文字的第一矩形框和第二矩形框大小一致。
在一个实施例中，计算机装置可以使用OCR软件的字符切割功能根据所述每个文字的第一位置对所述第一图像中的每个文字进行分割并提取所述每个文字的第一轮廓图像；及使用OCR软件的字符切割功能根据所述每个文字的第二位置对所述第二图像中的每个文字进行分割并提取所述每个文字的第二轮廓图像。
例如，计算机装置沿着第一矩形框的边缘切割所述第一图像中的每个文字，获得所述每个文字的第一轮廓图像。同样的，可以沿着第二矩形框的边缘切割所述第二图像中的每个文字，获得所述每个文字的第二轮廓图像。需要说明的是，属于同一位置的同一文字的所述第一轮廓图像和所述第二轮廓图像的大小相同。
步骤S4，计算机装置匹配每个文字的所述第一轮廓图像和所述第二轮廓图像。
在一个实施例中，所述匹配每个文字的所述第一轮廓图像和所述第二轮廓图像包括：获取每个文字的第一轮廓图像的第一中心点和每个文字的第二轮廓图像的第二中心点；根据所述第一中心点和所述第二中心点，将属于同一文字的第一轮廓图像和第二轮廓图像进行一一对应，所述同一文字是指在所述无瑕疵图像和所述待检测图像中属于同一位置的文字。
例如，计算机装置可以利用OpenCV算法计算所述第一中心点和所述第二中心点；计算所述第一中心点在所述第一直角坐标系中的坐标(x3，y3)和所述第二中心点在所述第二直角坐标系中的坐标(X3，Y3)，将坐标相同的所述第一中心点和所述第二中心点进行一一对应，从而将属于同一位置的同一文字的第一轮廓图像和第二轮廓图像进行一一对应。
步骤S5，计算机装置确定每个文字的所述第一轮廓图像和匹配的第二轮廓图像的相似度。
在一个实施例中，所述确定每个文字的所述第一轮廓图像和匹配的第二轮廓图像的相似度包括：计算每个文字的所述第一轮廓图像的第一傅里叶描述子和每个文字的所述第二轮廓图像的第二傅里叶描述子，所述第一傅里叶描述子可以被视为多维向量M，所述第二傅里叶描述子可以被视为多维向量N；根据属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子，获得每个文字的所述第一轮廓图像和匹配的第二轮廓图像的相似度。
所述相似度是指属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子的余弦距离dist(M,N)，计算公式为：dist(M,N)＝1-cos(M,N)；所述相似度的取值范围为[0，2]。
需要说明的是，所述傅里叶描述子具有平移不变性、旋转不变性、尺度不变性，不受所述第一轮廓图像和所述第二轮廓图像中的文字轮廓在图像中的位置、角度及轮廓的缩放等影响。例如，计算得到图像4A中的文字轮廓图像与图像4B中的文字轮廓图像之间的相似度的值为0.06。
步骤S6，计算机装置根据所述相似度的值，确定与所述相似度对应的第二轮廓图像中的文字检测结果。
在一个实施例中，所述根据所述相似度的值，确定对应的第二轮廓图像中的文字检测结果包括如图5所示的步骤S60至步骤S62。
步骤S60，计算机装置比较所述相似度的值与预设的第二阈值的大小关系，当所述相似度的值大于或等于所述预设的第二阈值时执行步骤S61，当所述相似度的值小于所述预设的第二阈值时执行步骤S62。
在一个实施例中，所述预设的第二阈值可以是0.05。
步骤S61，计算机装置确定与所述相似度对应的所述第二轮廓图像中的文字为有瑕疵文字。
在一个实施例中，当与所述相似度对应的所述第二轮廓图像中的文字为有瑕疵文字时，所述第二轮廓图像中的文字对应的在待检测图像中的文字即为有瑕疵文字。举例而言，图像4A与图像4B之间的相似度的值为0.06，大于预设的第二阈值0.05，所以图像4B中的文字为有瑕疵文字，即待检测图像3B中的文字为有瑕疵文字。
步骤S62，计算机装置确定与所述相似度对应的所述第二轮廓图像中的文字为无瑕疵文字。
在一个实施例中，当与所述相似度对应的所述第二轮廓图像中的文字为无瑕疵文字时，所述第二轮廓图像中的文字对应的在待检测图像中的文字即为无瑕疵文字。
上述图1详细介绍了本申请的文字瑕疵检测方法，下面结合图2，对实现所述文字瑕疵检测方法的硬件装置架构进行介绍。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
参阅图2所示，为本申请较佳实施例提供的计算机装置的结构示意图。在本申请较佳实施例中，所述计算机装置3包括存储器31、至少一个处理器32。本领域技术人员应该了解，图2示出的计算机装置的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机装置3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述计算机装置3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。
需要说明的是，所述计算机装置3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据。例如，所述存储器31可以用于存储无瑕疵图像和待检测图像，还可以存储安装在所述计算机装置3中的文字瑕疵检测系统30，并在计算机装置3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的计算机可读的存储介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述计算机装置3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机装置3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机装置3的各种功能和处理数据，例如执行文字瑕疵检测的功能。
在一些实施例中，所述文字瑕疵检测系统30运行于计算机装置3中。所述文字瑕疵检测系统30可以包括多个由程序代码段所组成的功能模块。所述文字瑕疵检测系统30中的各个程序段的程序代码可以存储于计算机装置3的存储器31中，并由至少一个处理器32所执行，以实现图1所示的文字瑕疵检测的功能。
本实施例中，所述文字瑕疵检测系统30根据其所执行的功能，可以被划分为多个功能模块。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。
尽管未示出，所述计算机装置3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机装置3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是服务器、个人电脑等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述计算机装置3的操作系统以及安装的各类应用程序(如所述的文字瑕疵检测系统30)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。存储在所述存储器31中的程序代码可以由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到文字瑕疵检测的目的。
在本申请的一个实施例中，所述存储器31存储一个或多个指令(即至少一个指令)，所述至少一个指令被所述至少一个处理器32所执行以实现图1所示的文字瑕疵检测的目的。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后所应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照以上较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (10)

1.一种文字瑕疵检测方法，其特征在于，所述方法包括：
获取无瑕疵图像和待检测图像；
对所述无瑕疵图像和所述待检测图像分别进行第一图像处理，获得所述无瑕疵图像的第一图像和所述待检测图像的第二图像；
对所述第一图像和所述第二图像分别进行第二图像处理，获得所述第一图像中每个文字的第一轮廓图像和所述第二图像中每个文字的第二轮廓图像；
匹配每个文字的所述第一轮廓图像和所述第二轮廓图像；
确定每个文字的所述第一轮廓图像和匹配的第二轮廓图像的相似度；
根据所述相似度的值，确定与所述相似度对应的第二轮廓图像中的文字检测结果。
2.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述第一图像处理包括：按照预设的第一阈值进行图像二值化。
3.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述对所述第一图像和所述第二图像分别进行第二图像处理，获得所述第一图像中每个文字的第一轮廓图像和所述第二图像中每个文字的第二轮廓图像包括：
确定所述第一图像中每个文字的第一位置，根据所述每个文字的第一位置对所述第一图像中的每个文字进行分割并提取所述第一轮廓图像；及
确定所述第二图像中每个文字的第二位置，根据所述每个文字的第二位置对所述第二图像中的每个文字进行分割并提取所述第二轮廓图像。
4.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述匹配每个文字的所述第一轮廓图像和所述第二轮廓图像包括：
获取每个文字的第一轮廓图像的第一中心点和每个文字的第二轮廓图像的第二中心点；
根据所述第一中心点和所述第二中心点，将属于同一文字的第一轮廓图像和第二轮廓图像进行一一对应。
5.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述确定每个文字的所述第一轮廓图像和匹配的所述第二轮廓图像的相似度包括：
计算每个文字的所述第一轮廓图像的第一傅里叶描述子和每个文字的所述第二轮廓图像的第二傅里叶描述子；
根据属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子，获得每个文字的所述第一轮廓图像和匹配的所述第二轮廓图像的相似度。
6.根据权利要求5所述的文字瑕疵检测方法，其特征在于，所述相似度包括：
属于同一文字的所述第一轮廓图像的第一傅里叶描述子和所述第二轮廓图像的第二傅里叶描述子的余弦距离。
7.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述相似度的取值范围为[0，2]。
8.根据权利要求1所述的文字瑕疵检测方法，其特征在于，所述根据所述相似度的值，确定与所述相似度对应的所述第二轮廓图像中的文字检测结果包括：
比较所述相似度的值与预设的第二阈值的大小关系；
当所述相似度的值大于或等于所述预设的第二阈值时，确定与所述相似度对应的所述第二轮廓图像中的文字为有瑕疵文字；
当所述相似度的值小于所述预设的第二阈值时，确定与所述相似度对应的所述第二轮廓图像中的文字为无瑕疵文字。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至8中任意一项所述的文字瑕疵检测方法。
10.一种计算机装置，其特征在于，该计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现如权利要求1至8中任意一项所述的文字瑕疵检测方法。
CN202111092189.8A 2021-09-17 2021-09-17 文字瑕疵检测方法、计算机装置及存储介质 Pending CN115830606A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111092189.8A CN115830606A (zh) 2021-09-17 2021-09-17 文字瑕疵检测方法、计算机装置及存储介质
US17/748,280 US20230092072A1 (en) 2021-09-17 2022-05-19 Method of detecting misprints, computing device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111092189.8A CN115830606A (zh) 2021-09-17 2021-09-17 文字瑕疵检测方法、计算机装置及存储介质

Publications (1)

Publication Number Publication Date
CN115830606A true CN115830606A (zh) 2023-03-21

Family

ID=85515835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111092189.8A Pending CN115830606A (zh) 2021-09-17 2021-09-17 文字瑕疵检测方法、计算机装置及存储介质

Country Status (2)

Country Link
US (1) US20230092072A1 (zh)
CN (1) CN115830606A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576088A (zh) * 2024-01-15 2024-02-20 平方和(北京)科技有限公司 一种液体杂质智能过滤视觉检测方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576088A (zh) * 2024-01-15 2024-02-20 平方和(北京)科技有限公司 一种液体杂质智能过滤视觉检测方法和装置
CN117576088B (zh) * 2024-01-15 2024-04-05 平方和(北京)科技有限公司 一种液体杂质智能过滤视觉检测方法和装置

Also Published As

Publication number Publication date
US20230092072A1 (en) 2023-03-23

Similar Documents

Publication Publication Date Title
CN110060237B (zh) 一种故障检测方法、装置、设备及系统
US11341319B2 (en) Visual data mapping
CN116168351B (zh) 电力设备巡检方法及装置
CN112464797A (zh) 一种吸烟行为检测方法、装置、存储介质及电子设备
CN114005126A (zh) 表格重构方法、装置、计算机设备及可读存储介质
CN111950523A (zh) 基于航拍的船只检测优化方法、装置、电子设备及介质
CN115830606A (zh) 文字瑕疵检测方法、计算机装置及存储介质
CN115810132B (zh) 一种裂缝朝向识别方法、装置、设备及存储介质
CN112651315A (zh) 折线图的信息提取方法、装置、计算机设备和存储介质
CN111680680A (zh) 一种目标码定位方法、装置、电子设备及存储介质
US11978197B2 (en) Inspection method for inspecting an object and machine vision system
TWI786837B (zh) 文字瑕疵檢測方法、電腦裝置及儲存介質
CN112084103A (zh) 界面测试方法、装置、设备和介质
CN115311237A (zh) 一种图像检测方法、装置及电子设备
CN114037700A (zh) 面板缺陷检测方法、装置、电子设备及存储介质
CN114708239A (zh) 胶宽检测方法、装置、电子设备及存储介质
CN110717432B (zh) 一种物品检测方法、装置和计算机存储介质
CN115082944A (zh) 表格的智能识别切分方法、系统和终端
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法
CN112084364A (zh) 对象分析方法、局部图像搜索方法、设备及存储介质
CN115829904A (zh) 印字瑕疵检测方法、计算机装置及存储介质
TWI786838B (zh) 印字瑕疵檢測方法、電腦裝置及儲存介質
CN115830605A (zh) 文字图像瑕疵检测方法、计算机装置及存储介质
CN116597140A (zh) 一种目标对象检测方法、装置、及电子设备
CN115705728A (zh) 图像处理方法、计算机装置及存储介质

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