TWI786837B - 文字瑕疵檢測方法、電腦裝置及儲存介質 - Google Patents
文字瑕疵檢測方法、電腦裝置及儲存介質 Download PDFInfo
- Publication number
- TWI786837B TWI786837B TW110134879A TW110134879A TWI786837B TW I786837 B TWI786837 B TW I786837B TW 110134879 A TW110134879 A TW 110134879A TW 110134879 A TW110134879 A TW 110134879A TW I786837 B TWI786837 B TW I786837B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- character
- text
- contour image
- contour
- Prior art date
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
- Image Analysis (AREA)
Abstract
本申請提供一種文字瑕疵檢測方法、電腦裝置及儲存介質,其中,所述方法包括:獲取無瑕疵圖像和待檢測圖像;對無瑕疵圖像和待檢測圖像分別進行第一影像處理,獲得第一圖像和第二圖像;對第一圖像和第二圖像分別進行第二影像處理,獲得第一圖像中每個文字的第一輪廓圖像和第二圖像中每個文字的第二輪廓圖像;匹配每個文字的第一輪廓圖像和第二輪廓圖像;確定每個文字的第一輪廓圖像和匹配的第二輪廓圖像的相似度;根據相似度的值確定與相似度對應的第二輪廓圖像中的文字檢測結果。本申請可以輔助進行文字瑕疵檢測,提高準確率。
Description
本發明涉及光學瑕疵檢測領域,尤其涉及一種文字瑕疵檢測方法、電腦裝置及儲存介質。
在實際工業生產過程中,印刷圖像中文字有瑕疵不僅會影像產品的美觀,還會使用戶對產品的使用性能產生誤導,因此需要對產品進行文字瑕疵檢測來實現對產品的品質控制。現有的基於Hu moments的印刷圖像文字瑕疵檢測方法,其定義過於複雜,不易解釋印刷圖像中文字的形狀特徵,導致需要對樣本圖像預處理時,沒有明確的處理方向。
鑒於以上內容,有必要提供一種文字瑕疵檢測方法、電腦裝置及儲存介質,能夠透過圖像預處理降低文字瑕疵檢測的過殺率與失誤率,提高文字瑕疵檢測的準確性和實用性。
所述文字瑕疵檢測方法包括:獲取無瑕疵圖像和待檢測圖像;對所述無瑕疵圖像和所述待檢測圖像分別進行第一影像處理,獲得所述無瑕疵圖像的第一圖像和所述待檢測圖像的第二圖像;對所述第一圖像和所述第二圖像分別進行第二影像處理,獲得所述第一圖像中每個文字的第一輪廓圖像和所述第二圖像中每個文字的第二輪廓圖像;匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像;確定每個文字的所述第一輪廓圖像和
匹配的第二輪廓圖像的相似度;根據所述相似度的值,確定與所述相似度對應的第二輪廓圖像中的文字檢測結果。
可選地,所述第一影像處理包括:按照預設的第一閾值進行圖像二值化。
可選地,所述對所述第一圖像和所述第二圖像分別進行第二影像處理,獲得所述第一圖像中每個文字的第一輪廓圖像和所述第二圖像中每個文字的第二輪廓圖像包括:確定所述第一圖像中每個文字的第一位置,根據所述每個文字的第一位置對所述第一圖像中的每個文字進行分割並提取所述第一輪廓圖像;及確定所述第二圖像中每個文字的第二位置,根據所述每個文字的第二位置對所述第二圖像中的每個文字進行分割並提取所述第二輪廓圖像。
可選地,所述匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像包括:獲取每個文字的第一輪廓圖像的第一中心點和每個文字的第二輪廓圖像的第二中心點;根據所述第一中心點和所述第二中心點,將屬於同一文字的第一輪廓圖像和第二輪廓圖像進行一一對應。
可選地,所述確定每個文字的所述第一輪廓圖像和匹配的所述第二輪廓圖像的相似度包括:計算每個文字的所述第一輪廓圖像的第一傅立葉描述子和每個文字的所述第二輪廓圖像的第二傅立葉描述子;根據屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子,獲得每個文字的所述第一輪廓圖像和匹配的所述第二輪廓圖像的相似度。
可選地,所述相似度包括:屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子的餘弦距離。
可選地,所述相似度的取值範圍為[0,2]。
可選地,所述根據所述相似度的值,確定與所述相似度對應的所述第二輪廓圖像中的文字檢測結果包括:比較所述相似度的值與預設的第
二閾值的大小關係;當所述相似度的值大於或等於所述預設的第二閾值時,確定與所述相似度對應的所述第二輪廓圖像中的文字為有瑕疵文字;當所述相似度的值小於所述預設的第二閾值時,確定與所述相似度對應的所述第二輪廓圖像中的文字為無瑕疵文字。
所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現所述文字瑕疵檢測方法。
所述電腦裝置包括儲存器和至少一個處理器,所述儲存器中儲存有至少一個指令,所述至少一個指令被所述至少一個處理器執行時實現所述文字瑕疵檢測方法。
相較於習知技術,所述文字瑕疵檢測方法、電腦裝置及儲存介質,能夠透過分析文字的輪廓形狀,檢測文字外型上的瑕疵,還可以透過圖像預處理降低檢測的過殺率與失誤率,提高文字瑕疵檢測的準確性和實用性。
3:電腦裝置
30:文字瑕疵檢測系統
31:儲存器
32:處理器
S1~S6:步驟
S60~S62:步驟
為了更清楚地說明本申請實施例或習知技術中的技術方案,下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本申請的實施例,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據提供的附圖獲得其他的附圖。
圖1是本申請實施例提供的文字瑕疵檢測方法的流程圖。
圖2是本申請實施例提供的電腦裝置的架構圖。
圖3是本申請實施例提供的無瑕疵圖像和待檢測圖像的示例圖。
圖4是本申請實施例提供的第一圖像和第二圖像的示例圖。
圖5是本申請實施例提供的文字瑕疵檢測方法的步驟S6中的流
程圖。
為了能夠更清楚地理解本申請的上述目的、特徵和優點,下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是,在不衝突的情況下,本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本申請,所描述的實施例僅僅是本申請一部分實施例,而不是全部的實施例。基於本申請中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬於本申請保護的範圍。
除非另有定義,本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的,不是旨在於限制本申請。
參閱圖1所示,為本申請較佳實施例的文字瑕疵檢測方法的流程圖。
在本實施例中,所述文字瑕疵檢測方法可以應用於電腦裝置(例如圖2所示的電腦裝置3)中,對於需要進行文字瑕疵檢測的電腦裝置,可以直接在電腦裝置上集成本申請的方法所提供的用於文字瑕疵檢測的功能,或者以軟體開發套件(Software Development Kit,SDK)的形式運行在電腦裝置上。
如圖1所示,所述文字瑕疵檢測方法具體包括以下步驟,根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
步驟S1,電腦裝置獲取無瑕疵圖像和待檢測圖像。
在一個實施例中,電腦裝置可以回應用戶輸入獲取一幅無瑕疵圖像和一幅待檢測圖像。所述無瑕疵圖像和待檢測圖像還可以預先儲存在電
腦裝置的儲存器中,或者預先儲存在與電腦裝置通訊連接的其他設備中。
本實施例中,所述無瑕疵圖像可以是工廠生產的某種印刷品的矩形標準樣本(Golden Sample)圖像,也即所述無瑕疵圖像中的文字的排列方向無需校正。本實施例中,所述無瑕疵圖像中包含的文字可以是指例如漢字、數位、英文字母等。
本實施例中,所述待檢測圖像可以是針對待檢測的所述某種印刷品所拍攝的矩形圖像。
在一個實施例中,所述待檢測圖像和所述無瑕疵圖像大小一致。
舉例而言,參閱圖3所示,圖像3A表示只包含一個文字的無瑕疵圖像,圖像3B表示待檢測圖像。
步驟S2,電腦裝置對所述無瑕疵圖像和所述待檢測圖像分別進行第一影像處理,獲得所述無瑕疵圖像的第一圖像和所述待檢測圖像的第二圖像。
在一個實施例中,所述第一影像處理包括:按照預設的第一閾值進行圖像二值化。例如,當所述無瑕疵圖像中任一位置處的圖元(pixel)值大於或等於所述第一閾值(例如,30)時,將該任一位置處的圖元二值化為255;當所述無瑕疵圖像中任一位置處的圖元值小於所述第一閾值時,將該任一位置處的圖元二值化為0,得到所述無瑕疵圖像的第一圖像。類似地,當所述待檢測圖像中任一位置處的圖元值大於或等於所述第一閾值(例如,30)時,將該任一位置處的圖元二值化為255;當所述待檢測圖像中任一位置處的圖元值小於所述第一閾值時,將該任一位置處的圖元二值化為0,得到所述待檢測圖像的第二圖像。例如圖4所示,對無瑕疵圖像3A進行圖像二值化後獲得圖像4A,對待檢測圖像3B進行圖像二值化後獲得圖像4B。
在其他實施例中,電腦裝置還可以利用大津演算法(OTSU Thresholding)確定所述第一閾值的大小。需要說明的是,所述圖像二值化
不會改變圖像的大小,所述無瑕疵圖像的第一圖像和所述待檢測圖像的第二圖像的大小一致。
步驟S3,電腦裝置對所述第一圖像和所述第二圖像分別進行第二影像處理,獲得所述第一圖像中每個文字的第一輪廓圖像和所述第二圖像中每個文字的第二輪廓圖像。
在一個實施例中,電腦裝置確定所述第一圖像中每個文字的第一位置,根據所述每個文字的第一位置對所述第一圖像中的每個文字進行分割並提取所述每個文字的第一輪廓圖像;及確定所述第二圖像中每個文字的第二位置,根據所述每個文字的第二位置對所述第二圖像中的每個文字進行分割並提取所述每個文字的第二輪廓圖像。
在一個實施例中,電腦裝置可以利用光學字元辨識(Optical Character Recognition,OCR)技術識別所述第一圖像和所述第二圖像中的文字,進而確認所述第一圖像中每個文字的第一位置和所述第二圖像中每個文字的第二位置。
例如,電腦裝置可以在所述第一圖像中用第一矩形框將所述第一圖像中的每個文字分別框選出來,每個文字對應一個第一矩形框,每個第一矩形框中包含所述第一圖像中的一個文字的完整圖像。本實施例中,每個文字的第一位置即指與該每個文字對應的第一矩形框在所述第一圖像中的位置。電腦裝置可以以所述第一圖像的左下角為第一座標原點o,在所述第一座標原點處以所述第一圖像的相鄰兩條邊為座標軸建立第一直角座標系xoy,從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座標系的座標(x1,y1)和所述第一矩形框的右上角在所述第一直角座標系的座標(x2,y2),透過座標(x1,y1)和座標(x2,y2)確定所述第一位置A。
類似的,電腦裝置可以在所述第二圖像中用第二矩形框將所述第二圖像中的每個文字分別框選出來,每個文字對應一個第二矩形框,每個
第二矩形框中包含所述第二圖像中的一個文字的完整圖像。本實施例中,每個文字的第二位置即指與該每個文字對應的第二矩形框在所述第二圖像中的位置。電腦裝置可以以所述第二圖像的左下角為第二座標原點O,在所述第二座標原點處以所述第二圖像的相鄰兩條邊為座標軸建立第二直角座標系XOY,從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座標系的座標(X1,Y1)和所述第二矩形框的右上角在所述第二直角座標系的座標(X2,Y2),透過座標(X1,Y1)和座標(X2,Y2)確定所述第二位置B。
需要說明的是,由於所述無瑕疵圖像和所述待檢測圖像都是針對同種印刷品所拍攝的矩形圖像且所述無瑕疵圖像的第一圖像和所述待檢測圖像的第二圖像的大小一致,所以當第一位置A和第二位置B的座標相同時,可以確定處於所述第一位置A的文字和處於所述第二位置B的文字:為同一文字、屬於同一位置,並且屬於所述同一文字的第一矩形框和第二矩形框大小一致。
在一個實施例中,電腦裝置可以使用OCR軟體的字元切割功能根據所述每個文字的第一位置對所述第一圖像中的每個文字進行分割並提取所述每個文字的第一輪廓圖像;及使用OCR軟體的字元切割功能根據所述每個文字的第二位置對所述第二圖像中的每個文字進行分割並提取所述每個文字的第二輪廓圖像。
例如,電腦裝置沿著第一矩形框的邊緣切割所述第一圖像中的每個文字,獲得所述每個文字的第一輪廓圖像。同樣的,可以沿著第二矩形框的邊緣切割所述第二圖像中的每個文字,獲得所述每個文字的第二輪廓圖像。需要說明的是,屬於同一位置的同一文字的所述第一輪廓圖像和所述第二輪廓圖像的大小相同。
步驟S4,電腦裝置匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像。
在一個實施例中,所述匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像包括:獲取每個文字的第一輪廓圖像的第一中心點和每個文字的第二輪廓圖像的第二中心點;根據所述第一中心點和所述第二中心點,將屬於同一文字的第一輪廓圖像和第二輪廓圖像進行一一對應,所述同一文字是指在所述無瑕疵圖像和所述待檢測圖像中屬於同一位置的文字。
例如,電腦裝置可以利用OpenCV演算法計算所述第一中心點和所述第二中心點;計算所述第一中心點在所述第一直角座標系中的座標(x3,y3)和所述第二中心點在所述第二直角座標系中的座標(X3,Y3),將座標相同的所述第一中心點和所述第二中心點進行一一對應,從而將屬於同一位置的同一文字的第一輪廓圖像和第二輪廓圖像進行一一對應。
步驟S5,電腦裝置確定每個文字的所述第一輪廓圖像和匹配的第二輪廓圖像的相似度。
在一個實施例中,所述確定每個文字的所述第一輪廓圖像和匹配的第二輪廓圖像的相似度包括:計算每個文字的所述第一輪廓圖像的第一傅立葉描述子和每個文字的所述第二輪廓圖像的第二傅立葉描述子,所述第一傅立葉描述子可以被視為多維向量M,所述第二傅立葉描述子可以被視為多維向量N;根據屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子,獲得每個文字的所述第一輪廓圖像和匹配的第二輪廓圖像的相似度。
所述相似度是指屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子的餘弦距離dist(M,N),計算公式為:dist(M,N)=1-cos(M,N);所述相似度的取值範圍為[0,2]。
需要說明的是,所述傅立葉描述子具有平移不變性、旋轉不變性、尺度不變性,不受所述第一輪廓圖像和所述第二輪廓圖像中的文字輪廓在圖像中的位置、角度及輪廓的縮放等影響。例如,計算得到圖像4A中的文字輪廓圖像與圖像4B中的文字輪廓圖像之間的相似度的值為0.06。
步驟S6,電腦裝置根據所述相似度的值,確定與所述相似度對應的第二輪廓圖像中的文字檢測結果。
在一個實施例中,所述根據所述相似度的值,確定對應的第二輪廓圖像中的文字檢測結果包括如圖5所示的步驟S60至步驟S62。
步驟S60,電腦裝置比較所述相似度的值與預設的第二閾值的大小關係,當所述相似度的值大於或等於所述預設的第二閾值時執行步驟S61,當所述相似度的值小於所述預設的第二閾值時執行步驟S62。
在一個實施例中,所述預設的第二閾值可以是0.05。
步驟S61,電腦裝置確定與所述相似度對應的所述第二輪廓圖像中的文字為有瑕疵文字。
在一個實施例中,當與所述相似度對應的所述第二輪廓圖像中的文字為有瑕疵文字時,所述第二輪廓圖像中的文字對應的在待檢測圖像中的文字即為有瑕疵文字。舉例而言,圖像4A與圖像4B之間的相似度的值為0.06,大於預設的第二閾值0.05,所以圖像4B中的文字為有瑕疵文字,即待檢測圖像3B中的文字為有瑕疵文字。
步驟S62,電腦裝置確定與所述相似度對應的所述第二輪廓圖像中的文字為無瑕疵文字。
在一個實施例中,當與所述相似度對應的所述第二輪廓圖像中的文字為無瑕疵文字時,所述第二輪廓圖像中的文字對應的在待檢測圖像中的文字即為無瑕疵文字。
上述圖1詳細介紹了本申請的文字瑕疵檢測方法,下面結合圖2,對實現所述文字瑕疵檢測方法的硬體裝置架構進行介紹。
應該瞭解,所述實施例僅為說明之用,在專利申請範圍上並不受此結構的限制。
參閱圖2所示,為本申請較佳實施例提供的電腦裝置的結構示意圖。在本申請較佳實施例中,所述電腦裝置3包括儲存器31、至少一個處
理器32。本領域技術人員應該瞭解,圖2示出的電腦裝置的結構並不構成本申請實施例的限定,既可以是匯流排型結構,也可以是星形結構,所述電腦裝置3還可以包括比圖示更多或更少的其他硬體或者軟體,或者不同的部件佈置。
在一些實施例中,所述電腦裝置3包括一種能夠按照事先設定或儲存的指令,自動進行數值計算和/或資訊處理的終端,其硬體包括但不限於微處理器、專用積體電路、可程式設計閘陣列、數位訊號處理器及嵌入式設備等。
需要說明的是,所述電腦裝置3僅為舉例,其他現有的或今後可能出現的電子產品如可適應於本申請,也應包含在本申請的保護範圍以內,並以引用方式包含於此。
在一些實施例中,所述儲存器31用於儲存程式碼和各種資料。例如,所述儲存器31可以用於儲存無瑕疵圖像和待檢測圖像,還可以儲存安裝在所述電腦裝置3中的文字瑕疵檢測系統30,並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31包括唯讀記憶體(Read-Only Memory,ROM)、可程式設計唯讀記憶體(Programmable Read-Only Memory,PROM)、可抹除可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory,EPROM)、一次可程式設計唯讀記憶體(One-time Programmable Read-Only Memory,OTPROM)、電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、唯讀光碟(Compact Disc Read-Only Memory,CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的電腦可讀的儲存介質。
在一些實施例中,所述至少一個處理器32可以由積體電路組成,例如可以由單個封裝的積體電路所組成,也可以是由多個相同功能或不同功能封裝的積體電路所組成,包括一個或者多個中央處理器(Central
Processing unit,CPU)、微處理器、數位訊號處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit),利用各種介面和線路連接整個電腦裝置3的各個部件,透過運行或執行儲存在所述儲存器31內的程式或者模組,以及調用儲存在所述儲存器31內的資料,以執行電腦裝置3的各種功能和處理資料,例如執行文字瑕疵檢測的功能。
在一些實施例中,所述文字瑕疵檢測系統30運行於電腦裝置3中。所述文字瑕疵檢測系統30可以包括多個由程式碼段所組成的功能模組。所述文字瑕疵檢測系統30中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中,並由至少一個處理器32所執行,以實現圖1所示的文字瑕疵檢測的功能。
本實施例中,所述文字瑕疵檢測系統30根據其所執行的功能,可以被劃分為多個功能模組。本申請所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段,其儲存在儲存器中。
儘管未示出,所述電腦裝置3還可以包括給各個部件供電的電源(比如電池),優選的,電源可以透過電源管理裝置與所述至少一個處理器32邏輯相連,從而透過電源管理裝置實現管理充電、放電、以及功耗管理等功能。電源還可以包括一個或一個以上的直流或交流電源、再充電裝置、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。所述電腦裝置3還可以包括多種感測器、藍牙模組、Wi-Fi模組等,在此不再贅述。
應該瞭解,所述實施例僅為說明之用,在專利申請範圍上並不受此結構的限制。
上述以軟體功能模組的形式實現的集成的單元,可以儲存在一個電腦可讀取儲存介質中。上述軟體功能模組儲存在一個儲存介質中,包括
若干指令用以使得一台電腦裝置(可以是伺服器、個人電腦等)或處理器(processor)執行本申請各個實施例所述方法的部分。
在進一步的實施例中,結合圖2,所述至少一個處理器32可執行所述電腦裝置3的作業系統以及安裝的各類應用程式(如所述的文字瑕疵檢測系統30)、程式碼等,例如,上述的各個模組。
所述儲存器31中儲存有程式碼,且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。儲存在所述儲存器31中的程式碼可以由所述至少一個處理器32所執行,從而實現所述各個模組的功能以達到文字瑕疵檢測的目的。
在本申請的一個實施例中,所述儲存器31儲存一個或多個指令(即至少一個指令),所述至少一個指令被所述至少一個處理器32所執行以實現圖1所示的文字瑕疵檢測的目的。
在本申請所提供的幾個實施例中,應該理解到,所揭露的裝置和方法,可以透過其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述模組的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外,在本申請各個實施例中的各功能模組可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言,顯然本申請不限於上述示範性實施例的細節,而且在不背離本申請的精神或基本特徵的情況下,能夠以其他的
具體形式實現本申請。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外,顯然“包括”一詞不排除其他單元或,單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一,第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後所應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照以上較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S1~S6:步驟
Claims (9)
- 一種文字瑕疵檢測方法,其中,所述方法包括:獲取無瑕疵圖像和待檢測圖像;對所述無瑕疵圖像和所述待檢測圖像分別進行第一影像處理,獲得所述無瑕疵圖像的第一圖像和所述待檢測圖像的第二圖像;對所述第一圖像和所述第二圖像分別進行第二影像處理,獲得所述第一圖像中每個文字的第一輪廓圖像和所述第二圖像中每個文字的第二輪廓圖像,包括:確定所述第一圖像中每個文字的第一位置,根據所述每個文字的第一位置對所述第一圖像中的每個文字進行分割並提取所述第一輪廓圖像;及確定所述第二圖像中每個文字的第二位置,根據所述每個文字的第二位置對所述第二圖像中的每個文字進行分割並提取所述第二輪廓圖像;匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像;確定每個文字的所述第一輪廓圖像和匹配的第二輪廓圖像的相似度;根據所述相似度的值,確定與所述相似度對應的第二輪廓圖像中的文字檢測結果。
- 如請求項1所述的文字瑕疵檢測方法,其中,所述第一影像處理包括:按照預設的第一閾值進行圖像二值化。
- 如請求項1所述的文字瑕疵檢測方法,其中,所述匹配每個文字的所述第一輪廓圖像和所述第二輪廓圖像包括:獲取每個文字的第一輪廓圖像的第一中心點和每個文字的第二輪廓圖像的第二中心點;根據所述第一中心點和所述第二中心點,將屬於同一文字的第一輪廓圖像和第二輪廓圖像進行一一對應。
- 如請求項1所述的文字瑕疵檢測方法,其中,所述確定每個文字的所述第一輪廓圖像和匹配的所述第二輪廓圖像的相似度包括:計算每個文字的所述第一輪廓圖像的第一傅立葉描述子和每個文字的所述 第二輪廓圖像的第二傅立葉描述子;根據屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子,獲得每個文字的所述第一輪廓圖像和匹配的所述第二輪廓圖像的相似度。
- 如請求項4所述的文字瑕疵檢測方法,其中,所述相似度包括:屬於同一文字的所述第一輪廓圖像的第一傅立葉描述子和所述第二輪廓圖像的第二傅立葉描述子的餘弦距離。
- 如請求項1所述的文字瑕疵檢測方法,其中,所述相似度的取值範圍為[0,2]。
- 如請求項1所述的文字瑕疵檢測方法,其中,所述根據所述相似度的值,確定與所述相似度對應的所述第二輪廓圖像中的文字檢測結果包括:比較所述相似度的值與預設的第二閾值的大小關係;當所述相似度的值大於或等於所述預設的第二閾值時,確定與所述相似度對應的所述第二輪廓圖像中的文字為有瑕疵文字;當所述相似度的值小於所述預設的第二閾值時,確定與所述相似度對應的所述第二輪廓圖像中的文字為無瑕疵文字。
- 一種電腦可讀儲存介質,其中,所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至7中任意一項所述的文字瑕疵檢測方法。
- 一種電腦裝置,其中,該電腦裝置包括儲存器和至少一個處理器,所述儲存器中儲存有至少一個指令,所述至少一個指令被所述至少一個處理器執行時實現如請求項1至7中任意一項所述的文字瑕疵檢測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110134879A TWI786837B (zh) | 2021-09-17 | 2021-09-17 | 文字瑕疵檢測方法、電腦裝置及儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110134879A TWI786837B (zh) | 2021-09-17 | 2021-09-17 | 文字瑕疵檢測方法、電腦裝置及儲存介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI786837B true TWI786837B (zh) | 2022-12-11 |
TW202314589A TW202314589A (zh) | 2023-04-01 |
Family
ID=85794938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110134879A TWI786837B (zh) | 2021-09-17 | 2021-09-17 | 文字瑕疵檢測方法、電腦裝置及儲存介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI786837B (zh) |
-
2021
- 2021-09-17 TW TW110134879A patent/TWI786837B/zh active
Non-Patent Citations (2)
Title |
---|
期刊 Jayadevan, R., et al. "Offline recognition of Devanagari script: A survey." IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews) 41.6 (2011) ieeexplore.ieee.org 2011 pages 782-796 * |
期刊 Yao, Cong, et al. "Rotation-invariant features for multi-oriented text detection in natural images." PloS one 8.8 (2013): e70173 journals.plos.org 2013 pages 1-15; * |
Also Published As
Publication number | Publication date |
---|---|
TW202314589A (zh) | 2023-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020215552A1 (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN112418216B (zh) | 一种复杂自然场景图像中的文字检测方法 | |
US8295610B1 (en) | Feature scaling for face detection | |
US11734954B2 (en) | Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium | |
US20210279411A1 (en) | Visual data mapping | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
WO2023231380A1 (zh) | 极片缺陷识别及模型训练方法、装置及电子设备 | |
CN113033543A (zh) | 曲形文本识别方法、装置、设备及介质 | |
CN111738252B (zh) | 图像中的文本行检测方法、装置及计算机系统 | |
TWI786837B (zh) | 文字瑕疵檢測方法、電腦裝置及儲存介質 | |
CN115830606A (zh) | 文字瑕疵检测方法、计算机装置及存储介质 | |
CN112686122A (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
CN115546219B (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN112084103A (zh) | 界面测试方法、装置、设备和介质 | |
TWI786838B (zh) | 印字瑕疵檢測方法、電腦裝置及儲存介質 | |
CN114120305B (zh) | 文本分类模型的训练方法、文本内容的识别方法及装置 | |
WO2023072633A1 (en) | Inspection method for inspecting an object and machine vision system | |
CN114387600A (zh) | 文本特征识别方法、装置、计算机设备和存储介质 | |
CN114913518A (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
TWI807426B (zh) | 文字圖像瑕疵檢測方法、電腦裝置及儲存介質 | |
US20230086131A1 (en) | Text image defect detection method, computer device, and storage medium | |
TWI778735B (zh) | 影像處理方法、電腦裝置及儲存介質 | |
CN113723370B (zh) | 基于斜框的染色体检测方法及装置 | |
Ashaduzzaman et al. | An Automated Testing Framework for Gesture Recognition System using Dynamic Image Pattern Generation with Augmentation | |
CN118097644A (zh) | 检测人机界面中元素的方法、装置、电子设备及存储介质 |