CN107274345A - 一种中文打印字符图像合成方法及装置 - Google Patents

一种中文打印字符图像合成方法及装置 Download PDF

Info

Publication number
CN107274345A
CN107274345A CN201710423248.2A CN201710423248A CN107274345A CN 107274345 A CN107274345 A CN 107274345A CN 201710423248 A CN201710423248 A CN 201710423248A CN 107274345 A CN107274345 A CN 107274345A
Authority
CN
China
Prior art keywords
character
image
chinese
printable
standard
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
CN201710423248.2A
Other languages
English (en)
Inventor
李宏宇
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.)
Zhongan Information Technology Service Co Ltd
Original Assignee
Zhongan Information Technology Service 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 Zhongan Information Technology Service Co Ltd filed Critical Zhongan Information Technology Service Co Ltd
Priority to CN201710423248.2A priority Critical patent/CN107274345A/zh
Publication of CN107274345A publication Critical patent/CN107274345A/zh
Priority to PCT/CN2018/090189 priority patent/WO2018223994A1/zh
Priority to CN201880002329.8A priority patent/CN109313794A/zh
Priority to KR1020197020896A priority patent/KR20190109732A/ko
Priority to SG11201907521SA priority patent/SG11201907521SA/en
Priority to JP2019540003A priority patent/JP6831469B2/ja
Priority to US16/433,302 priority patent/US20190304066A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/10—Selection of transformation methods according to the characteristics of the input images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Character Discrimination (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明公开了一种中文打印字符图像合成方法，其包括步骤：S101：接收用户输入的字符需求或图像字符，生成相应的标准字符；S102：接收用户输入的背景图像，生成相应的背景模板；S103：接收用户输入的变换需求，根据所述变换需求对所述标准字符进行变换，以生成相应的字符扩展集；S104：将字符扩展集中的扩展字符与背景模板合成，生成合成字符图像。相应地，本发明还提出了一种中文打印字符图像合成装置，其执行上述方法。本发明的方法和装置能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并满足各种应用需求，例如可以模拟出打印字符中的点阵效果和局部扭曲效果，生成逼真的字符样本，方便深度学习的模型训练。

Description

一种中文打印字符图像合成方法及装置
技术领域
本发明涉及光学字符识别领域，尤其涉及一种打印字符图像合成方法及装置。
背景技术
证件和票据中的打印字符图像识别是光学字符识别(OCR)领域的一个分支，不同于手写体识别，它更侧重于识别出现在图像中的机器打印字符，是语言依赖的。
中文打印字符识别要比英文字符识别更加复杂，因为中文字符类别繁多，比如：在国家中文标准字符集国标GB2312中仅一类字和二类字就有6763种。
识别这么多种字符需要一个很好的深度学习模型，而训练一个好的深度神经网络模型(DNN)则需要大量的高质量训练样本，该样本要不仅能够覆盖每个中文字符，而且每个字符都能有上千种变化，并且能够体现出不同应用场景中的背景变化。
迄今为止没有任何公开的大型中文打印字符集，而为数千种中文字符手动设计生成不同训练样本也是不现实的。目前，中文字符集合扩展主要采用非线性变换的方式进行一些简单的预处理，还有一些是通过融入扭曲模型来生成字符变种。
然而，这些方法没有能够形成一套整体方案，尤其是无法适应各种应用需求变化。因此，亟需一种中文打印字符图像合成方法，该方法能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并适应各种应用需求。
发明内容
本发明的目的之一是提供一种中文打印字符图像合成方法，该方法能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并满足关于中文打印字符图像的各种应用需求。
根据上述目的，本发明提出了一种中文打印字符图像合成方法，其包括步骤：
S101：接收用户输入的字符需求或图像字符，生成相应的标准字符；
S102：接收用户输入的背景图像，生成相应的背景模板；
S103：接收用户输入的变换需求，根据所述变换需求对所述标准字符进行变换，以生成相应的字符扩展集；
S104：将字符扩展集中的扩展字符与背景模板合成，生成合成字符图像。
本发明所述的中文打印字符图像合成方法的提出是为了满足关于中文打印字符图像的各种应用需求。该应用需求可以包括为训练深度神经网络模型提供大量的高质量训练样本，通常该样本不仅能够覆盖每个中文字符，而且每个字符都能有上千种变化，并且能够体现出不同应用场景中的背景变化，从而使得可以基于经所述训练样本训练的深度神经网络模型有效识别类别繁多的中文字符。
本发明所述的中文打印字符图像合成方法根据用户提供的字符需求或图像字符、背景图像以及变换需求生成合成字符图像，其中：
步骤S101中：为了合成字符图像，首先需要生成标准字符。该步骤根据用户输入的字符需求或图像字符生成相应的标准字符。所述字符需求可以包括对字体的指定，可以根据所述字符需求通过字符库生成相应的标准字符。所述图像字符是以图像形式给出字符，可以对所述图像字符进行处理以生成相应的标准字符。
步骤S102中：为了模拟不同背景图像场景，该步骤根据用户输入的背景图像生成相应的背景模板，该背景模板用于步骤S104中字符图像的合成。
步骤S103中：为了模拟不同字符变形场景，该步骤根据用户输入的变换需求对所述标准字符进行变换，生成相应的字符扩展集，该字符扩展集中的扩展字符用于步骤S104中字符图像的合成。
步骤S104中：该步骤将字符扩展集中的扩展字符与背景模板合成，生成合成字符图像。由于所述扩展字符和背景模板分别模拟了不同背景图像场景和不同字符变形场景，因此所述合成字符图像模拟了不同背景图像和不同字符变形结合的场景，以该合成字符图像作为深度神经网络模型的训练样本不仅能够覆盖每个中文字符，而且每个字符都能有上千种变化，并且能够体现出不同应用场景中的背景变化，从而使得可以基于经所述训练样本训练的深度神经网络模型有效识别类别繁多的中文字符。
从以上可以看出，本发明所述方法能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并且可以满足关于中文打印字符图像的各种应用需求。
本发明所述的中文打印字符图像合成方法中，S102和S103的顺序可以互换。
进一步地，本发明所述的中文打印字符图像合成方法中：
当用户输入的为图像字符时，步骤S101包括：从图像字符中切分和提取出图像中所含的字符，对该字符进行二值化处理和缩放变换后生成所述标准字符，再将所述标准字符保存为相应的标准字符图像；
当用户输入的为字符需求时，步骤S101包括：根据所述字符需求，自动生成对应的字符，对该字符进行二值化处理生成所述标准字符，再将所述标准字符保存为相应的标准字符图像。
上述方案中，所述标准字符图像为所述标准字符的一种表现形式。所述图像字符是以图像形式给出字符，然后对所述图像字符进行上述处理以生成相应的标准字符，并将所述标准字符保存为相应的标准字符图像。所述字符需求可以包括对字体的指定，可以根据所述字符需求通过字符库生成相应的标准字符，并将将所述标准字符保存为相应的标准字符图像。
更进一步地，上述中文打印字符图像合成方法中，所述标准字符图像的长边分辨率为32-64个像素。
进一步地，本发明所述的中文打印字符图像合成方法中，步骤S102包括：采用双线性差值方式或双三次差值方式对背景图像进行等比例缩放变换，以生成所述背景模板。
上述方案中，由于所述背景图像中的字符分辨率通常与标准字符图像的分辨率不同，因此所述背景图像通常不能直接用于合成字符图像，而是需要对所述背景图像进行等比例缩放变换生成所述背景模板，以使得所述背景模板中的字符分辨率与标准字符图像的分辨率接近或相同，从而使得所述背景模板可以直接用于合成字符图像。
更进一步地，上述中文打印字符图像合成方法中，所述等比例缩放变换的缩放比例根据与所述标准字符对应的标准字符图像的分辨率与背景图像中的字符分辨率的比值而确定。
上述方案中，设标准字符图像分辨率为x1×y1，如果在实际应用中采集到的背景图像中的字符分辨率为在x2×y2,则所述等比例缩放变换的缩放比例r可以通过下式计算：r＝max(x1,y1)/max(x2,y2)。
进一步地，本发明所述的中文打印字符图像合成方法中，在步骤S103中，所述变换包括：模糊处理变换、仿射变换、局部剪切变换和透视变换的至少其中之一。
上述方案中，由于现实中的需求多种多样，以识别中文打印字符为例，待识别的中文打印字符通常存在打印模糊、角度倾斜、位置偏移、大小变化、因纸张弯曲变形导致的打印字符局部变小以及手机拍照产生的字符的径向畸变等特征，因此存在相应的变换需求，根据该变换需求进行上述相应变换以使得用于训练的样本模拟不同字符变形的场景。
上述方案中，所述透视变换通常角度较小，畸变太多容易给字符扩展集带来更多不确定因素，不利于模型训练。通常透视变换的参数随机选取，这样可以有效扩展字符样本，有效模拟出实际应用场景中的字符变化。
更进一步地，上述中文打印字符图像合成方法中，所述模糊处理变换包括：高斯模糊处理和/或点阵模糊处理。
上述方案中，所述模糊处理通常对应待识别的中文打印字符存在的打印模糊特征。所述高斯模糊处理是常用的模糊处理方式。所述点阵模糊处理主要用于例如***中的点阵打印字体的模糊处理。
更进一步地，上述中文打印字符图像合成方法中，所述点阵模糊处理包括步骤：
在标准字符构成的标准字符集中随机选取前景字符的像素点；
以该像素点为中心点，提取与点阵模糊算子对应大小的区域；
用该区域与点阵模糊算子做点乘运算；
重复若干次所述点乘运算，得到点阵打印字符。
上述方案中，通常当用户要求采用点阵打印字体时，点阵模糊算子就作为模糊处理的方式对标准字符进行处理。所述点阵模糊算子是本发明中提出的一种条形算子，其本质是一种条形核，用于模拟点阵字体打印时产生的模糊效果。
更进一步地，上述中文打印字符图像合成方法中，所述点阵模糊算子包括宽度小于高度的条形算子。
更进一步地，上述中文打印字符图像合成方法中，所述仿射变换包括：旋转变换、平移变换和缩放变换的至少其中之一。
上述方案中，所述仿射变换通常对应待识别的中文打印字符存在的角度倾斜、位置偏移、大小变化等特征。
上述方案中，所述旋转变换通常角度较小，且字符扩展集通常包括多种角度的字符。
更进一步地，上述中文打印字符图像合成方法中，所述平移变换包括步骤：随机设定待平移变换的与所述标准字符对应的标准字符图像的上、下、左、右四个边界值，然后进行零填充。
更进一步地，上述中文打印字符图像合成方法中，所述缩放变换包括步骤：将待缩放变换的与所述标准字符对应的标准字符图像按照缩放比例因子进行等比例缩放，所述缩放比例因子在0.5～1之间选取。
上述方案是发明人设计的一种简单高效的平移变换和缩放变换方法，可以结合使用。
更进一步地，上述中文打印字符图像合成方法中，所述局部剪切变换包括步骤：在待局部剪切变换的与所述标准字符对应的标准字符图像上沿横向或纵向选取一区域，相应地保持所述区域的高度或宽度不变，对该区域进行压缩；然后采用压缩后的区域替换先前与所述标准字符对应的标准字符图像中的相应区域。
上述方案中，所述局部剪切变换通常对应待识别的中文打印字符存在的因纸张弯曲变形导致的打印字符局部变小特征。
进一步地，本发明所述的中文打印字符图像合成方法中，步骤S104包括：
根据与扩展字符对应的扩展字符图像的大小，在所述背景模板中截取对应大小的背景模板区域；
将所述背景模板区域与扩展字符图像进行加权合成，生成合成字符图像。
上述方案中，为了尽量减小空间占用和识别计算量，通常按照上述步骤匹配并合成扩展字符图像和背景模板，从而生成合成字符图像。所述匹配包括大小匹配和权值匹配，所述权值通常包括灰度权值。
更进一步地，上述中文打印字符图像合成方法中，所述加权合成的加权系数的确定以背景模板区域的平均灰度值为依据，所述平均灰度值越大，则所述加权系数越小。
上述方案中，由于扩展字符图像的灰度值通常相对固定，因此通常以背景模板区域的平均灰度值为依据确定加权系数。
本发明的另一目的是提供一种中文打印字符图像合成装置，该装置能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并满足关于中文打印字符图像的各种应用需求。
根据上述目的，本发明提出了一种中文打印字符图像合成装置，其执行上述任一中文打印字符图像合成方法，所述中文打印字符图像合成装置包括：
字符预处理单元，其用于执行步骤S101；
背景预处理单元，其用于执行步骤S102；
扩展变换单元，其用于执行步骤S103；以及
合成单元，其用于执行步骤S104。
本发明所述的中文打印字符图像合成装置由于执行上述任一中文打印字符图像合成方法，因此与上述方法一样，能方便快速地扩展生成中文打印字符及合成中文打印字符图像，并满足关于中文打印字符图像的各种应用需求。
本发明所述的中文打印字符图像合成方法，其具有以下优点和有益效果：
(1)能方便快速地扩展生成中文打印字符及合成中文打印字符图像。
(2)满足关于中文打印字符图像的各种应用需求。
(3)可以为训练深度神经网络模型提供大量的高质量训练样本，通常该样本不仅能够覆盖每个中文字符，而且每个字符都能有上千种变化，并且能够体现出不同应用场景中的背景变化，从而使得可以基于经所述训练样本训练的深度神经网络模型有效识别类别繁多的中文字符。
(4)可以模拟出打印字符中的点阵效果和局部扭曲效果，生成逼真的字符样本，方便深度学习的模型训练。
本发明所述的中文打印字符图像合成装置，其同样具有上述效果。
附图说明
图1为本发明所述的中文打印字符图像合成方法在一种实施方式下的流程示意图。
图2为本发明所述的中文打印字符图像合成装置在一种实施方式下的结构示意图。
图3为实施例1中步骤S103的具体流程示意图。
图4为实施例2中步骤S103的具体流程示意图。
图5为实施例1中字符“路”的标准字符图像。
图6为实施例1中字符“路”的部分扩展字符图像。
图7为图6中的扩展字符图像对应的带证件背景的合成字符图像。
图8为实施例2中字符“妇”的标准字符图像。
图9为实施例2中字符“妇”的部分扩展字符图像。
图10为图9中的扩展字符图像对应的带票据背景的合成字符图像。
具体实施方式
下面将结合说明书附图和具体的实施例来对本发明所述的中文打印字符图像合成方法及装置进行进一步地详细说明，但是该详细说明不构成对本发明的限制。
图1显示了本发明所述的中文打印字符图像合成方法在一种实施方式下的流程。如图1所示，该中文打印字符图像合成方法包括步骤：
S101：接收用户输入的字符需求或图像字符，生成相应的标准字符。
S102：接收用户输入的背景图像，生成相应的背景模板。
S103：接收用户输入的变换需求，根据变换需求对标准字符进行变换，以生成相应的字符扩展集。
S104：将字符扩展集中的扩展字符与背景模板合成，生成合成字符图像。
在某些实施方式中，当用户输入的为图像字符时，步骤S101包括：从图像字符中切分和提取出图像中所含的字符，对该字符进行二值化处理和缩放变换后生成标准字符，再将标准字符保存为相应的标准字符图像；当用户输入的为字符需求时，步骤S101包括：根据字符需求，自动生成对应的字符，对该字符进行二值化处理生成标准字符，再将标准字符保存为相应的标准字符图像。
例如，用户选择字体类型作为字符需求输入，则步骤S101自动生成对应的中文一类字、二类字或其它字符，对该中文一类字、二类字或其它字符进行二值化处理生成标准字符，再将标准字符保存为相应的标准字符图像。
在某些实施方式中，标准字符图像的长边分辨率为32-64个像素。
例如，标准字符图像分辨率为x1×y1，其中，32≤x1≤64，32≤y1≤64，0.5≤y1/x1≤1.5。
在某些实施方式中，步骤S102包括：采用双线性差值方式或双三次差值方式对背景图像进行等比例缩放变换，以生成背景模板。
在某些实施方式中，等比例缩放变换的缩放比例根据与标准字符对应的标准字符图像的分辨率与背景图像中的字符分辨率的比值而确定。
例如，设标准字符图像分辨率为x1×y1，如果在实际应用中采集到的背景图像中的字符分辨率为在x2×y2,则所述等比例缩放变换的缩放比例r可以通过下式计算：r＝max(x1,y1)/max(x2,y2)。
在某些实施方式中，在步骤S103中，变换包括：模糊处理变换、仿射变换、局部剪切变换和透视变换的至少其中之一。
上述变换对应相应的变换需求，该变换需求包括模拟待识别的中文打印字符存在的各种特征。例如，模糊处理变换模拟打印模糊特征，仿射变换模拟角度倾斜、位置偏移、大小变化特征，局部剪切变换模拟因纸张弯曲变形导致的打印字符局部变小特征，透视变换模拟手机拍照产生的字符的径向畸变特征。
在某些实施方式中，模糊处理变换包括：高斯模糊处理和/或点阵模糊处理。
例如，当用户要求采用点阵打印字体时，相应的变换采用点阵模糊处理。
在某些实施方式中，点阵模糊处理包括步骤：
在标准字符构成的标准字符集中随机选取前景字符的像素点；
以该像素点为中心点，提取与点阵模糊算子对应大小的区域；
用该区域与点阵模糊算子做点乘运算；
重复若干次点乘运算，得到点阵打印字符。
在某些实施方式中，点阵模糊算子包括宽度小于高度的条形算子。
例如，点阵模糊算子为一个条形算子，其宽度1个像素，高度随机生成。
在某些实施方式中，仿射变换包括：旋转变换、平移变换和缩放变换的至少其中之一。
上述变换对应相应的变换需求。例如，旋转变换模拟角度倾斜特征，平移变换模拟位置偏移特征，缩放变换模拟大小变化特征。
在某些实施方式中，平移变换包括步骤：随机设定待平移变换的与标准字符对应的标准字符图像的上、下、左、右四个边界值，然后进行零填充。
在某些实施方式中，缩放变换包括步骤：将待缩放变换的与标准字符对应的标准字符图像按照缩放比例因子进行等比例缩放，缩放比例因子在0.5～1之间选取。
在某些实施方式中，局部剪切变换包括步骤：在待局部剪切变换的与标准字符对应的标准字符图像上沿横向或纵向选取一区域，相应地保持区域的高度或宽度不变，对该区域进行压缩；然后采用压缩后的区域替换先前与标准字符对应的标准字符图像中的相应区域。
在某些实施方式中，步骤S104包括：
根据与扩展字符对应的扩展字符图像的大小，在背景模板中截取对应大小的背景模板区域；
将背景模板区域与扩展字符图像进行加权合成，生成合成字符图像。
在某些实施方式中，加权合成的加权系数的确定以背景模板区域的平均灰度值为依据，平均灰度值越大，则加权系数越小。
图2显示了本发明所述的中文打印字符图像合成装置在一种实施方式下的结构。如图2所示，该中文打印字符图像合成装置包括：字符预处理单元901、背景预处理单元902、扩展变换单元903以及合成单元904，其中：字符预处理单元901被配置为执行步骤S101，背景预处理单元902被配置为执行步骤S102，扩展变换单元903被配置为执行步骤S103，合成单元904被配置为执行步骤S104。
下面基于上述方法和装置介绍两个实施例，以进一步说明本发明。
实施例1
图3显示了实施例1中步骤S103的具体流程。图5显示了实施例1中字符“路”的标准字符图像。图6显示了实施例1中字符“路”的部分扩展字符图像。图7显示了图6中的扩展字符图像对应的带证件背景的合成字符图像。
结合参考图1、图2以及图3，本实施例通过图2所示中文打印字符图像合成装置执行图1所示中文打印字符图像合成方法，其中：
字符预处理单元901执行步骤S101：
当前用户输入的字符需求为“标准细黑字体”，字符预处理单元901在接收当前用户输入的该字符需求后，自动生成中文一类字、二类字、英文字母和数字的“标准细黑字体”的字符，对该字符进行二值化处理生成标准字符，再将该标准字符保存为相应的标准字符图像。其中字符“路”的标准字符图像如图5所示。
背景预处理单元902执行步骤S102：
当用户输入背景图像后，背景预处理单元902接收该背景图像，并根据输入的背景图像中出现的字符分辨率大小确定背景图像尺度放缩比例，然后用双线性差值或双三次差值方式进行等比例放缩，生成相应的背景模板。本实施例中，标准字符图像分辨率是32×30，实际应用中采集到的背景图像中出现的字符分辨率是64×62，背景图像的缩放比例r为：r＝max(32,30)/max(64,62)＝0.5。
扩展变换单元903执行步骤S103：
如图3所示，该步骤具体包括以下变换步骤：
S201：扩展变换单元903接收步骤S101中的标准字符图像，并根据接收的用户输入的变换需求对该标准字符图像进行模糊处理变换。本实施例中的模糊处理变换为高斯模糊处理变换。
S202：扩展变换单元903根据接收的用户输入的变换需求对上述模糊处理变换的结果进行旋转变换，该旋转变换的角度不超过5度。
S203：扩展变换单元903根据接收的用户输入的变换需求对上述旋转变换的结果进行平移缩放变换。本实施例中，采用发明人设计的简单高效的平移缩放变换方法，即随机设定待平移变换的上述旋转变换的结果的上、下、左、右四个边界值，然后进行零填充。然后，对填充后的图像按照缩放比例因子进行等比例缩放，缩放比例因子在0.5～1之间随机选取。
S204：扩展变换单元903根据接收的用户输入的变换需求对上述平移缩放变换的结果进行透视变换。本实施例中，透视变换角度较小，透视变换的参数随机选取。
步骤S103通过上述变换步骤S201-S204生成相应的字符扩展集。其中，字符“路”的部分扩展字符图像如图6所示。
合成单元904执行步骤S104：
合成单元904根据与扩展字符对应的扩展字符图像的大小，随机在背景模板中截取对应大小的背景模板区域；将背景模板区域与扩展字符图像进行加权合成，生成合成字符图像。其中，加权合成为线性加权合成，加权系数的确定以背景模板区域的平均灰度值为依据，平均灰度值越大，则背景模板区域的加权系数越小，相应地扩展字符图像的加权系数越大。图6中的扩展字符图像对应的带证件背景的合成字符图像如图7所示。
实施例2
图4显示了实施例2中步骤S103的具体流程。图8显示了实施例2中字符“妇”的标准字符图像。图9显示了实施例2中字符“妇”的部分扩展字符图像。图10显示了图9中的扩展字符图像对应的带票据背景的合成字符图像。
结合参考图1、图2以及图4，本实施例通过图2所示中文打印字符图像合成装置执行图1所示中文打印字符图像合成方法，其中：
字符预处理单元901执行步骤S101：
当前用户输入的字符需求为“标准宋体字体”，字符预处理单元901在接收当前用户输入的该字符需求后，自动生成中文一类字、二类字、英文字母和数字的“标准宋体字体”的字符，对该字符进行二值化处理生成标准字符，再将该标准字符保存为相应的标准字符图像。其中字符“妇”的标准字符图像如图8所示。
背景预处理单元902执行步骤S102：
当用户输入背景图像后，背景预处理单元902接收该背景图像，并根据输入的背景图像中出现的字符分辨率大小确定背景图像尺度放缩比例，然后用双线性差值或双三次差值方式进行等比例放缩，生成相应的背景模板。本实施例中，标准字符图像分辨率是32×30，实际应用中采集到的背景图像中出现的字符分辨率是64×62，背景图像的缩放比例r为：r＝max(32,30)/max(64,62)＝0.5。
扩展变换单元903执行步骤S103：
如图4所示，该步骤具体包括以下变换步骤：
S301：扩展变换单元903接收步骤S101中的标准字符图像，并根据接收的用户输入的变换需求对该标准字符图像进行模糊处理变换。本实施例中，用户输入的变换需求包括用户要求采用点阵打印字体，因此相应地，模糊处理变换为点阵模糊处理变换。具体地，本实施例中点阵模糊算子是一个条形算子，宽度1个像素，高度随机生成。点阵模糊处理过程需要在标准字符构成的标准字符集中随机选取前景字符的像素点，然后以该像素点为中心点，提取与点阵模糊算子对应大小的区域，用该区域与点阵模糊算子做点乘运算。重复上述运算多次后，得到点阵打印字符。
S302：扩展变换单元903根据接收的用户输入的变换需求对上述模糊处理变换的结果进行旋转变换，该旋转变换的角度不超过5度。
S303：扩展变换单元903根据接收的用户输入的变换需求对上述旋转变换的结果进行平移缩放变换。本实施例中，采用发明人设计的简单高效的平移缩放变换方法，即随机设定待平移变换的上述旋转变换的结果的上、下、左、右四个边界值，然后进行零填充。然后，对填充后的图像按照缩放比例因子进行等比例缩放，缩放比例因子在0.5～1之间随机选取。
S304：扩展变换单元903根据接收的用户输入的变换需求对上述平移缩放变换的结果进行局部剪切变换，包括步骤：在待局部剪切变换的与标准字符对应的标准字符图像上沿横向或纵向选取一区域，相应地保持区域的高度或宽度不变，对该区域进行压缩；然后采用压缩后的区域替换先前与标准字符对应的标准字符图像中的相应区域，生成新图像。
S305：扩展变换单元903根据接收的用户输入的变换需求对上述局部剪切变换的结果进行透视变换。本实施例中，透视变换角度较小，透视变换的参数随机选取。
步骤S103通过上述变换步骤S301-S305生成相应的字符扩展集。其中，字符“妇”的部分扩展字符图像如图9所示。
合成单元904执行步骤S104：
合成单元904根据与扩展字符对应的扩展字符图像的大小，随机在背景模板中截取对应大小的背景模板区域；将背景模板区域与扩展字符图像进行加权合成，生成合成字符图像。其中，加权合成为线性加权合成，加权系数的确定以背景模板区域的平均灰度值为依据，平均灰度值越大，则背景模板区域的加权系数越小，相应地扩展字符图像的加权系数越大。图9中的扩展字符图像对应的带票据背景的合成字符图像如图10所示。
通过上述描述可以看出，上述各实施例通过多次变换能生成任意数量的扩展字符，模拟实际应用中的变化，并且与背景模板融合后，能快速有效地生成逼真的字符样本，方便深度神经网络模型训练。
尤其是针对点阵打印字体，通过点阵模糊算子能够轻松模拟出打印字符中的点阵效果、漏针效果和局部扭曲效果，快速合成出点阵式中文打印字符集合，显著提高合成效率。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。
此外，本发明实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。
需要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。

Claims (16)

1.一种中文打印字符图像合成方法，其特征在于，包括步骤：
S101：接收用户输入的字符需求或图像字符，生成相应的标准字符；
S102：接收用户输入的背景图像，生成相应的背景模板；
S103：接收用户输入的变换需求，根据所述变换需求对所述标准字符进行变换，以生成相应的字符扩展集；
S104：将字符扩展集中的扩展字符与背景模板合成，生成合成字符图像。
2.根据权利要求1所述的中文打印字符图像合成方法，其特征在于：
当用户输入的为图像字符时，步骤S101包括：从图像字符中切分和提取出图像中所含的字符，对该字符进行二值化处理和缩放变换后生成所述标准字符，再将所述标准字符保存为相应的标准字符图像；
当用户输入的为字符需求时，步骤S101包括：根据所述字符需求，自动生成对应的字符，对该字符进行二值化处理生成所述标准字符，再将所述标准字符保存为相应的标准字符图像。
3.根据权利要求2所述的中文打印字符图像合成方法，其特征在于，所述标准字符图像的长边分辨率为32-64个像素。
4.根据权利要求1所述的中文打印字符图像合成方法，其特征在于，步骤S102包括：采用双线性差值方式或双三次差值方式对背景图像进行等比例缩放变换，以生成所述背景模板。
5.根据权利要求4所述的中文打印字符图像合成方法，其特征在于，所述等比例缩放变换的缩放比例根据与所述标准字符对应的标准字符图像的分辨率与背景图像中的字符分辨率的比值而确定。
6.根据权利要求1所述的中文打印字符图像合成方法，其特征在于，在步骤S103中，所述变换包括：模糊处理变换、仿射变换、局部剪切变换和透视变换的至少其中之一。
7.根据权利要求6所述的中文打印字符图像合成方法，其特征在于，所述模糊处理变换包括：高斯模糊处理和/或点阵模糊处理。
8.根据权利要求6所述的中文打印字符图像合成方法，其特征在于，所述点阵模糊处理包括步骤：
在标准字符构成的标准字符集中随机选取前景字符的像素点；
以该像素点为中心点，提取与点阵模糊算子对应大小的区域；
用该区域与点阵模糊算子做点乘运算；
重复若干次所述点乘运算，得到点阵打印字符。
9.根据权利要求8所述的中文打印字符图像合成方法，其特征在于，所述点阵模糊算子包括宽度小于高度的条形算子。
10.根据权利要求6所述的中文打印字符图像合成方法，其特征在于，所述仿射变换包括：旋转变换、平移变换和缩放变换的至少其中之一。
11.根据权利要求10所述的中文打印字符图像合成方法，其特征在于，所述平移变换包括步骤：随机设定待平移变换的与所述标准字符对应的标准字符图像的上、下、左、右四个边界值，然后进行零填充。
12.根据权利要求10或11所述的中文打印字符图像合成方法，其特征在于，所述缩放变换包括步骤：将待缩放变换的与所述标准字符对应的标准字符图像按照缩放比例因子进行等比例缩放，所述缩放比例因子在0.5～1之间选取。
13.根据权利要求6所述的中文打印字符图像合成方法，其特征在于，所述局部剪切变换包括步骤：在待局部剪切变换的与所述标准字符对应的标准字符图像上沿横向或纵向选取一区域，相应地保持所述区域的高度或宽度不变，对该区域进行压缩；然后采用压缩后的区域替换先前与所述标准字符对应的标准字符图像中的相应区域。
14.根据权利要求1所述的中文打印字符图像合成方法，其特征在于，步骤S104包括：
根据与扩展字符对应的扩展字符图像的大小，在所述背景模板中截取对应大小的背景模板区域；
将所述背景模板区域与扩展字符图像进行加权合成，生成合成字符图像。
15.根据权利要求14所述的中文打印字符图像合成方法，其特征在于，所述加权合成的加权系数的确定以背景模板区域的平均灰度值为依据，所述平均灰度值越大，则所述加权系数越小。
16.一种中文打印字符图像合成装置，其特征在于，其执行如权利要求1-15中任意一项所述的中文打印字符图像合成方法，所述中文打印字符图像合成装置包括：
字符预处理单元，其用于执行步骤S101；
背景预处理单元，其用于执行步骤S102；
扩展变换单元，其用于执行步骤S103；以及
合成单元，其用于执行步骤S104。
CN201710423248.2A 2017-06-07 2017-06-07 一种中文打印字符图像合成方法及装置 Pending CN107274345A (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201710423248.2A CN107274345A (zh) 2017-06-07 2017-06-07 一种中文打印字符图像合成方法及装置
PCT/CN2018/090189 WO2018223994A1 (zh) 2017-06-07 2018-06-07 中文打印字符图像合成方法及装置
CN201880002329.8A CN109313794A (zh) 2017-06-07 2018-06-07 中文打印字符图像合成方法及装置
KR1020197020896A KR20190109732A (ko) 2017-06-07 2018-06-07 한자 인쇄 문자 이미지 합성 방법 및 장치
SG11201907521SA SG11201907521SA (en) 2017-06-07 2018-06-07 Synthesis method of chinese printed character images and device thereof
JP2019540003A JP6831469B2 (ja) 2017-06-07 2018-06-07 中国語の印刷文字画像の合成方法及び装置
US16/433,302 US20190304066A1 (en) 2017-06-07 2019-06-06 Synthesis method of chinese printed character images and device thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710423248.2A CN107274345A (zh) 2017-06-07 2017-06-07 一种中文打印字符图像合成方法及装置

Publications (1)

Publication Number Publication Date
CN107274345A true CN107274345A (zh) 2017-10-20

Family

ID=60066556

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710423248.2A Pending CN107274345A (zh) 2017-06-07 2017-06-07 一种中文打印字符图像合成方法及装置
CN201880002329.8A Pending CN109313794A (zh) 2017-06-07 2018-06-07 中文打印字符图像合成方法及装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201880002329.8A Pending CN109313794A (zh) 2017-06-07 2018-06-07 中文打印字符图像合成方法及装置

Country Status (6)

Country Link
US (1) US20190304066A1 (zh)
JP (1) JP6831469B2 (zh)
KR (1) KR20190109732A (zh)
CN (2) CN107274345A (zh)
SG (1) SG11201907521SA (zh)
WO (1) WO2018223994A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564103A (zh) * 2018-01-09 2018-09-21 众安信息技术服务有限公司 数据处理方法与装置
CN108932735A (zh) * 2018-07-10 2018-12-04 广州众聚智能科技有限公司 一种生成深度学习样本的方法
WO2018223994A1 (zh) * 2017-06-07 2018-12-13 众安信息技术服务有限公司 中文打印字符图像合成方法及装置
CN109101121A (zh) * 2018-07-05 2018-12-28 深圳市上融科技有限公司 一种电磁式电子白板坐标转换方法、装置及可读介质
CN109272043A (zh) * 2018-09-21 2019-01-25 北京京东金融科技控股有限公司 用于光学字符识别的训练数据生成方法、***和电子设备
CN109615671A (zh) * 2018-10-25 2019-04-12 北京中关村科金技术有限公司 一种字库样本自动生成方法、计算机装置及可读存储介质
CN110060265A (zh) * 2019-05-15 2019-07-26 北京艺泉科技有限公司 一种从书画文物图像中分割并提取***的方法
CN110223277A (zh) * 2019-05-28 2019-09-10 深圳新视智科技术有限公司 图像生成的方法、装置、终端设备及存储介质
CN110807823A (zh) * 2019-11-13 2020-02-18 四川大学 一种点阵字符打印效果的图像仿真生成方法
CN110909728A (zh) * 2019-12-03 2020-03-24 中国太平洋保险（集团）股份有限公司 一种多语种保单自动识别的控制算法及装置
CN110969176A (zh) * 2018-09-29 2020-04-07 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN111191708A (zh) * 2019-12-25 2020-05-22 浙江省北大信息技术高等研究院 自动化样本关键点标注方法、装置及***
CN112784931A (zh) * 2021-01-19 2021-05-11 浪潮金融信息技术有限公司 一种汉字数据集构造方法、***及介质
CN113012265A (zh) * 2021-04-22 2021-06-22 中国平安人寿保险股份有限公司 针式打印字符图像生成方法、装置、计算机设备和介质
CN113159008A (zh) * 2021-06-25 2021-07-23 湖南星汉数智科技有限公司 客票行程单构建方法、装置、计算机设备和存储介质
CN113269257A (zh) * 2021-05-27 2021-08-17 中山大学孙逸仙纪念医院 一种图像分类方法、装置、终端设备及存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111580788B (zh) * 2019-02-15 2024-04-09 阿里巴巴集团控股有限公司 模板搭配信息推荐方法、装置及电子设备
CN111179379A (zh) * 2019-12-26 2020-05-19 湖南星汉数智科技有限公司 一种通用动车票数据集生成方法、装置、计算机装置及计算机可读存储介质
CN112767239A (zh) * 2021-01-12 2021-05-07 云南电网有限责任公司电力科学研究院 一种样本自动生成方法、***、设备和存储介质
CN114187593B (zh) * 2021-12-14 2024-01-30 北京有竹居网络技术有限公司 一种图像处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5796410A (en) * 1990-06-12 1998-08-18 Lucent Technologies Inc. Generation and use of defective images in image analysis
CN1734472A (zh) * 2004-08-13 2006-02-15 富士通株式会社 生成劣化字符图像的方法和装置
CN103310210A (zh) * 2012-03-13 2013-09-18 日立电脑机器株式会社 文字识别装置、识别字典生成装置以及归一化方法
CN104899571A (zh) * 2015-06-12 2015-09-09 成都数联铭品科技有限公司 一种用于复杂文字识别的随机样本产生方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016184785A (ja) * 2015-03-25 2016-10-20 京セラドキュメントソリューションズ株式会社 画像処理装置及び画像処理方法
CN106446896B (zh) * 2015-08-04 2020-02-18 阿里巴巴集团控股有限公司 一种字符分割方法、装置及电子设备
CN107274345A (zh) * 2017-06-07 2017-10-20 众安信息技术服务有限公司 一种中文打印字符图像合成方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5796410A (en) * 1990-06-12 1998-08-18 Lucent Technologies Inc. Generation and use of defective images in image analysis
CN1734472A (zh) * 2004-08-13 2006-02-15 富士通株式会社 生成劣化字符图像的方法和装置
CN103310210A (zh) * 2012-03-13 2013-09-18 日立电脑机器株式会社 文字识别装置、识别字典生成装置以及归一化方法
CN104899571A (zh) * 2015-06-12 2015-09-09 成都数联铭品科技有限公司 一种用于复杂文字识别的随机样本产生方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018223994A1 (zh) * 2017-06-07 2018-12-13 众安信息技术服务有限公司 中文打印字符图像合成方法及装置
CN108564103A (zh) * 2018-01-09 2018-09-21 众安信息技术服务有限公司 数据处理方法与装置
CN109101121A (zh) * 2018-07-05 2018-12-28 深圳市上融科技有限公司 一种电磁式电子白板坐标转换方法、装置及可读介质
CN109101121B (zh) * 2018-07-05 2021-07-27 深圳市上融科技有限公司 一种电磁式电子白板坐标转换方法、装置及可读介质
CN108932735A (zh) * 2018-07-10 2018-12-04 广州众聚智能科技有限公司 一种生成深度学习样本的方法
CN109272043A (zh) * 2018-09-21 2019-01-25 北京京东金融科技控股有限公司 用于光学字符识别的训练数据生成方法、***和电子设备
CN110969176A (zh) * 2018-09-29 2020-04-07 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN110969176B (zh) * 2018-09-29 2023-12-29 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN109615671A (zh) * 2018-10-25 2019-04-12 北京中关村科金技术有限公司 一种字库样本自动生成方法、计算机装置及可读存储介质
CN110060265A (zh) * 2019-05-15 2019-07-26 北京艺泉科技有限公司 一种从书画文物图像中分割并提取***的方法
CN110223277A (zh) * 2019-05-28 2019-09-10 深圳新视智科技术有限公司 图像生成的方法、装置、终端设备及存储介质
CN110807823A (zh) * 2019-11-13 2020-02-18 四川大学 一种点阵字符打印效果的图像仿真生成方法
CN110909728A (zh) * 2019-12-03 2020-03-24 中国太平洋保险（集团）股份有限公司 一种多语种保单自动识别的控制算法及装置
CN111191708A (zh) * 2019-12-25 2020-05-22 浙江省北大信息技术高等研究院 自动化样本关键点标注方法、装置及***
CN112784931B (zh) * 2021-01-19 2023-08-22 浪潮金融信息技术有限公司 一种汉字数据集构造方法、***及介质
CN112784931A (zh) * 2021-01-19 2021-05-11 浪潮金融信息技术有限公司 一种汉字数据集构造方法、***及介质
CN113012265A (zh) * 2021-04-22 2021-06-22 中国平安人寿保险股份有限公司 针式打印字符图像生成方法、装置、计算机设备和介质
CN113012265B (zh) * 2021-04-22 2024-04-30 中国平安人寿保险股份有限公司 针式打印字符图像生成方法、装置、计算机设备和介质
CN113269257A (zh) * 2021-05-27 2021-08-17 中山大学孙逸仙纪念医院 一种图像分类方法、装置、终端设备及存储介质
CN113159008A (zh) * 2021-06-25 2021-07-23 湖南星汉数智科技有限公司 客票行程单构建方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN109313794A (zh) 2019-02-05
SG11201907521SA (en) 2019-09-27
US20190304066A1 (en) 2019-10-03
WO2018223994A1 (zh) 2018-12-13
JP6831469B2 (ja) 2021-02-17
JP2020507846A (ja) 2020-03-12
KR20190109732A (ko) 2019-09-26

Similar Documents

Publication Publication Date Title
CN107274345A (zh) 一种中文打印字符图像合成方法及装置
US11899927B2 (en) Simulated handwriting image generator
CN111723585A (zh) 一种风格可控的图像文本实时翻译与转换方法
CN106384094A (zh) 一种基于书写风格建模的中文字库自动生成方法
CN108090400A (zh) 一种图像文本识别的方法和装置
CN111563563B (zh) 一种手写体识别的联合数据的增强方法
CN111507181B (zh) 票据图像的矫正方法、装置及计算机设备
CN112036137A (zh) 一种基于深度学习的多风格书法数字墨水仿真方法和***
CN114140786B (zh) 基于HRNet编码与双分支解码的场景文本识别方法
CN110969681A (zh) 一种基于gan网络的手写体书法文字生成方法
CN112529989A (zh) 一种基于票据模板的图片重构方法
CN104239872A (zh) 异态汉字识别方法
CN113592735A (zh) 文本页面图像还原方法及***、电子设备和计算机可读介质
CN110287911A (zh) 一种***的内容识别方法、装置、设备及存储介质
Sethy et al. Off-line Odia handwritten numeral recognition using neural network: a comparative analysis
CN113158583A (zh) 一种端到端的基于深度学习的文本图像水印模型建立方法
CN113034355A (zh) 一种基于深度学习的肖像图像双下巴去除方法
CN109741273A (zh) 一种手机拍照低质图像的自动处理与评分方法
Tripathy Reconstruction of oriya alphabets using Zernike moments
CN112183494A (zh) 基于神经网络的文字识别方法、装置及存储介质
CN114565702A (zh) 文本图像生成方法、装置及电子设备
CN111583412B (zh) 构建书法浮雕深度学习网络的方法及构建书法浮雕的方法
Rajput et al. Printed and handwritten kannada numeral recognition using crack codes and fourier descriptors plate
CN112132916B (zh) 一种利用生成对抗网络的篆刻作品定制化设计生成装置
CN115331236A (zh) 一种手写整行样本的生成方法和装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171020

WD01 Invention patent application deemed withdrawn after publication