CN101339617A - 手机拍照翻译装置 - Google Patents

Abstract

本发明公开了一种手机拍照翻译装置，包括：一个拍摄单元；一个用户界面单元；一个字符特征图像识别引擎(OCR engine)单元；一个翻译引擎单元，一个图像预处理单元。本发明公开的手机拍照翻译装置，使对字符特征图像识别在手持设备上的加载、拍照设备拍摄印刷体文字的获取处理、识别文字校正与显示的人机交互向导、对数字图像识别字符的识别、对翻译识别文字以及储存识别结果都变得十分方便，概括起来，本发明对所需要的资料能及时翻译，具有高效的输入功能，为手机功能提供了新的发展机遇。

Description

手机拍照翻译装置

技术领域

本发明涉及数字图像处理领域、模式识别领域、及嵌入式设备领域，特别涉及一种手持设备拍照翻译设备。

背景技术

随着手持设备的发展和普及，手机已经越来越成为人们日常生活随身携带的电子设备，而如何将需要翻译的资料高效输入，并将资料及时翻译，为手机功能提供新的发展机遇。

发明内容

本发明的目的是提供一种拍照翻译装置。

本发明的目的是通过以下技术方案实现的：

一种拍照翻译装置，包括：

字符特征图像识别(OCR)引擎单元，用于将文字资料数字图像中的字符转换成字符标准内码。

一个翻译引擎单元，用于翻译OCR识别出来的文字资料；

一个至少具有130万像素并具有微距功能的拍摄单元，用于拍摄获取名片的数字图像；

一个图像预处理单元，用于将拍摄的图像转换成翻译引擎单元所能识别的图像格式，将图像进行二值化压缩，用于提升识别速度；

一个用户界面单元，用于与用户交互，向导用户使用该功能界面。

其中，该OCR引擎单元包括：

引擎库单元，用于存储字符特征向量；

引擎设置单元，用于设置运行模式或数字图像参数；

引擎启动单元，用于分配运行空间、将引擎库装载入内存，启动引擎为可执行状态；

引擎版面分析单元，用于划分版面，分割翻译单词区域，将可识别字符用连通区域框定；

引擎识别单元，用于识别连通区内的数字图像，根据数字图像直观形象提取特征进行识别，输出字符内码；以及

引擎关闭单元，释放内存空间，关闭引擎。

该引擎库单元包括：

翻译库单元，用于存放词与翻译内容的对照表；以及

翻译接口单元，用于提供输入翻译字，获取翻译结果的接口。

图像预处理单元：从照相设备单元获取数字图像，该图像分辨率在1280×960以上，Jpg图像经过硬件解码转为16位rgb图像，从16位rgb图像转化为8位灰度bmp格式图像，然后对图像进行二值化处理；

二值图像是指整幅图像画面内仅黑(灰度值为0)白(灰度值为1)二值的图像，在它们上面不呈现出灰度的变化。在数字图像处理中，二值图像占有非常重要的地位。这是因为在实用的图像处理***中，要求处理的速度高、成本低，信息量大的浓淡图像处理花销太大，不是上策。而且二值化后的图像能够用几何学中的概念进行分析和特征描述，比起灰度图像来说方便得多。因而二值图像处理目前已成为图像处理中的一个独立的、重要分支而获得广泛的应用。

设表示像素在(i，j)位置的灰度值，二值化处理为下式所示。

$f(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥t\\ 0& f(i,j)\≤t\end{array}\right.$

这里t为二值化阈值(Threshold)。像素的8-邻域(8-Neighbor)，除去d-近邻的像素外，余下的对角线上的4个像素，称为(i，j)的非直接邻域，符号是：i-近邻。某个像素的连接数可以用这个像素的8-邻域值f(x₀)…f(x₇)来计算。

$N_c=\underset{k=\mathrm{0,2,4,6}}{\mathrm{\Σ}}[(1-f\left(x_k\right))-(1-f\left(x_k\right))(1-f\left(x_{k+1}\right))(1-f\left(x_{k+2}\right))]$

当x_k＝x₈时，令x₈＝x₀

对于一个像素的8-邻域的所有可能存在的值，按照上式进行计算，其连接数总是取0-4之间的值。文字的自动识别过程中，需要把二值图像进行细化，还可以大大减少冗余的信息。

二值化图像细化图像

本发明的优点是：对所需要翻译的资料具有高效输入，对资料能有及时翻译，为手机功能提供了新的发展机遇。

用户界面单元可以包括：

预览界面，版面分析界面，选词界面，翻译界面。

附图说明

图1为本发明实施例的结构框图；

图2为本发明实施例的流程示意图；

图3为本发明实施例的engine流程示意图。

图4-1～图4-4示出了本发明实施例的操作流程示意图。

具体实施方式

下面根据图1～图4-4给出本发明一个较好实施例，并予以详细描述，以使本领域的技术人员更易于理解本发明的结构特征和功能特色，而不是用来限定本发明的范围。

请参阅图1所示，具有拍照翻译功能的手机，包括图像预处理部件1、用户界面2、图像识别引擎3、字典引擎4和照相设备5，其中：用户界面2包括并列设置的预览界面21、分词界面22、校正界面23和翻译界面24；图像识别引擎3包括并列设置的引擎设置31、资料版面分析引擎32、字符识别引擎33和引擎关闭34；字典引擎4包括字典库41和翻译接口42；照相设备5包括相机退出单元51、相机拍照单元52、相机调节单元53和相机预览单元54。

请参阅图2所示的照相流程100，

S₁₀₀₁、初始化一OCR引擎初始化、相机初始化和字典引擎初始化；

S₁₀₀₂、资料预览一相机预览、预览调节；

S₁₀₀₃、资料拍摄一相机拍摄和图像转换；

S₁₀₀₄、版面分析一单词分块；

S₁₀₀₅、选词识别一选择单词、识别单词和单词校正；

S₁₀₀₆、翻译结果一调用字典引擎、显示结果；

在上述流程各步骤中，在S₁₀₀₆翻译结果中，若判断还需继续进行便跳回执行S₁₀₀₅，进行选词识别；若判断过程结束，则跳至S₁₀₀₇，退出一手机拍摄翻译处于退出状态。

在S₁₀₀₅选词识别步骤中，判断选词无法进行，便执行S₁₀₀₇，退出，手机拍摄翻译处于待机状态。

在S₁₀₀₂，资料预览步骤中，判断资料不需拍摄，便跳至S₁₀₀₇，退出，手机拍摄翻译处于待机状态。

在S₁₀₀₁初始化步骤中，判别拍摄翻译不需进行，便执行S₁₀₀₇，退出，手机拍摄翻译处于待机状态。

在S₁₀₀₄版面分析步骤中，或S₁₀₀₃资料拍摄步骤中发现图像不理想需重新拍摄，则跳回S₁₀₀₂，再执行资料预览步骤。

请参阅图3，其示出了本发明的引擎流程200的示意图，如图所示，

S₂₀₀₁，启动；

S₂₀₀₂，启动名片图像识别引擎；

S₂₀₀₃，设置名片图像属性。

S₂₀₀₄，名片图像处理

S₂₀₀₅，名片字输出

S₂₀₀₆，还有字输出吗？若有字输出，则跳回执行S₂₀₀₄。否则，执行S₂₀₀₇，

S₂₀₀₇，关闭名片图像

S₂₀₀₈，程序结束。

请参阅图4-1～图4-4

其给出了本发明的用户操作流程：即1′、拍摄资料，预览资料图像；

2′、点击“识别”，几秒钟后，名片上出现栏目画框；例如，通过键盘或触笔选择了“precdent”栏目；3′、弹出通过识别的英文单词，precedent，如果识别有误可以再修改，点击翻译。4′、显示该单词的中文翻译，重复执行“继续”+“翻译”操作后，可以完成对整段资料每个单词的翻译。

Claims (4)

1、一种手机拍照翻译装置，包括：

一个OCR引擎单元，用于将文字资料数字图像中的字符转换成字符标准内码；

一个翻译引擎单元，用于翻译OCR识别出来文字资料；

一个至少具有130万像素并且有微距功能的拍摄单元，用于拍摄获取名片的数字图像；

一个图像预处理单元，用于将拍摄的图像转换成翻译引擎单元所能识别的图像格式，将图像进行二值化压缩，以提升识别速度；以及一个用户界面单元，用于与用户交互，向导用户使用该界面。

2、根据权利要求1所述的手机拍照翻译装置，其特征在于，所述的ORC引擎单元包括：引擎库单元，用于存储字符特征向量；引擎设置单元，用于设运行模式或数字图像参数；引擎启动单元，用于分配运行空间，将引擎库装载入内存，启动该引擎启动单元为可执行状态；引擎面版分析单元，用于划分版面，分割翻译单词区域，将可识别字符用连通区域框定；引擎识别单元，用于识别连通区域内的数字图像，根据数字图像的直观形象提取特征进行识别，输出字符内码；引擎关闭单元，释放内存空间，关闭上述各个引擎单元。

3、根据权利要求2所述的手机拍照翻译装置，其特征在于，所述的引擎库单元包括：

翻译库单元，用于存放词与翻译内容的对照表；

翻译接口单元，用于提供输入翻译字，是获取翻译结果的接口。

4、根据权利要求1所述的手机拍照翻译装置，其特征在于，所述的用户界面单元，包括：预览界面、版面分析界面、选词界面和翻译界面。

Images