CN108877030A - 图像处理方法、装置、终端和计算机可读存储介质 - Google Patents
图像处理方法、装置、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN108877030A CN108877030A CN201810801925.4A CN201810801925A CN108877030A CN 108877030 A CN108877030 A CN 108877030A CN 201810801925 A CN201810801925 A CN 201810801925A CN 108877030 A CN108877030 A CN 108877030A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- pixel
- color
- stained
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2008—Testing patterns thereon using pre-processing, e.g. de-blurring, averaging, normalisation or rotation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明实施例公开了一种图像处理方法、装置、终端和计算机可读存储介质,该方法包括:获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。通过上述方法,能够在字符识别的过程中去除污损的干扰,提高字符识别的准确率,并且可对抗实际样本中各种情况的污损,识别稳定性高。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像处理方法、装置、终端和计算机可读存储介质。
背景技术
随着社会智能化的快速发展,光学字符识别(Optical Character Recognition,OCR)的应用越来越广泛,OCR是指利用电子设备检测识别打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。流水号一般指某活动参加人的号码,也可以指的是银行的编码,支票上的流水号作为后期检索定位样本的重要凭证,在被***覆盖的情况下容易受到污损,从而导致支票上的流水号难以被识别。
发明内容
本发明实施例提供一种图像处理方法、装置、终端和计算机可读存储介质,能够有效提升字符识别准确率。
一种图像处理方法,包括:
获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;
提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;
当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
可选的,在其中一个实施例中,所述提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损,包括:
将所述第一处理图像中的RGB色彩转换为HSV色彩空间;
提取所述HSV色彩空间中的彩色像素点,并判断所述彩色像素点是否大于预设阈值;其中所述彩色像素点包括红色像素点、蓝色像素点和绿色像素点中的一种或一种以上;
若是,则判定所述第一处理图像中存在污损。
可选的,在其中一个实施例中,所述根据预设处理模型去除所述第一处理图像中的污损,包括:
将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图;
通过图像合成算法将所述灰度图进行图像合成处理,得到去除污损后的图形。
可选的,在其中一个实施例中,所述将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图,包括:
对所述第一处理图像进行红色通道分离处理,得到去除红色后的第一灰度图;
对所述第一处理图像进行蓝色通道分离处理,得到去除蓝色后的第二灰度图。
可选的,在其中一个实施例中,所述通过图像合成算法将所述灰度图进行图像合成处理,包括:
建立与所述第一处理图像大小相同的第二空间图像;
遍历所述第一灰度图与第二灰度图的像素点,以生成所述第二空间图像的像素点。
可选的,在其中一个实施例中,所述方法还包括:
对于同一像素点,当所述第一灰度图与第二灰度图的灰度值相同时,则所述第二空间图像生成与第一灰度图或第二灰度图的灰度值相同的像素点;
对于同一像素点,当所述第一灰度图的灰度值大于第二灰度图的灰度值时,则所述第二空间图像生成与第一灰度图的灰度值相同的像素点;
对于同一像素点,当所述第一灰度图的灰度值小于第二灰度图的灰度值时,则所述第二空间图像生成与第二灰度图的灰度值相同的像素点。
可选的,在其中一个实施例中,在所述将所述第一处理图像中的RGB色彩转换为HSV色彩空间之后,所述方法还包括:
将所述HSV色彩空间中的黑色像素点的赋值为黑色灰度值,并将所述HSV色彩空间中除黑色像素点之外的像素点赋值为灰色灰度值,得到黑色分量图;
根据所述黑色分量图对第一处理图像进行字符分割。
一种图像处理装置,包括:
图像获取模块,用于获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;
色彩提取模块,用于提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;
图像处理模块,用于当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
一种终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的方法。
一种计算机可读存储介质,包括计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行所述的方法。
实施本发明实施例,将具有如下有益效果:
上述图像处理方法、装置、终端和计算机可读存储介质,通过获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像,提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损,当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别,能够在字符识别的过程中去除污损的干扰,提高字符识别的准确率,并且可对抗实际样本中各种情况的污损,识别稳定性高。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中图像处理方法的应用环境示意图;
图2为一个实施例中终端的内部结构示意图;
图3为一个实施例中图像处理方法的流程示意图;
图4为另一个实施例中图像处理方法的流程示意图;
图5为一个实施例中图像处理装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
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,不是旨在限制本申请。可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一应用程序称为第二应用程序,且类似地,可将第二进应用程序为第一应用程序。第一应用程序和第二应用程序两者都是应用程序,但其不是同一应用程序。
图1为一个实施例中图像处理方法的应用环境示意图。如图1所示,该应用环境包括票据100和该票据100上的编码区域110。
其中,在对票据100进行字符识别的过程中,可以对票据100进行扫描以生成具有该票据100信息的画面,将扫描出的画面作为待处理图像。编码区域110中包含有对票据100进行识别的特定字符串,是后期日志记录中对票据100进行检索定位的依据,该字符串可以是由数字、字母、下划线组成的一串字符,例如识别码、流水号、冠字号等。但在票据100的运转过程中,编码区域110中往往会存在污损,例如在支票的流水号上会有银行的***来标定该银行的相关信息。
因此,本发明实施例通过获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别,提高对票据100中的字符识别的准确率。
图2为一个实施例中终端的内部结构示意图。该终端包括通过***总线连接的处理器、存储器和显示屏。其中,该处理器用于提供计算和控制能力,支撑整个终端的运行。存储器用于存储数据、程序、和/或指令代码等,存储器上存储至少一个计算机程序,该计算机程序可被处理器执行,以实现本申请实施例中提供的适用于终端的图像处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random-Access-Memory,RAM)等。例如,在一个实施例中,存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作***、数据库和计算机程序。该数据库中存储有用于实现以上各个实施例所提供的一种图像处理方法相关的数据。该计算机程序可被处理器所执行,以用于实现本申请各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作***、数据库和计算机程序提供高速缓存的运行环境。显示屏可以是触摸屏,比如为电容屏或电子屏,用于显示终端的界面信息。该终端可以是电脑或者个人数字助理或银行自助设备等。
本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,为一个实施例中图像处理方法的流程图,本实施例中的图像处理方法,用于在字符识别的过程中对图1所示票据上的编码区域进行去除污损处理,以提高字符识别的准确率。该图像处理方法,包括以下步骤302~步骤306:
步骤302:获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像。
其中,票据包括支票、汇票和银行本票等,在对支票进行OCR识别的过程中,可以对支票进行扫描以生成具有该支票画面信息的图像,将该图像作为待处理图像。初步识别待处理图像中的特定字符,以确定包含该特定字符串的编码区域,截取包含该特定字符串的编码区域作为处理区域。其中特定字符串可以是由数字、字母、下划线组成的一串字符,例如识别码、流水号、冠字号等。
进一步的,对所述处理区域进行对比增强处理,得到第一处理图像,例如可以调节该处理区域的对比度参数,突出该处理区域中的特定字符串的显示效果,弱化背景。同理,若该处理区域中存在污损,则也会突出污损的显示。
步骤304:提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损。
其中,像素点指的是在数字图像中将图像分割成非常细小的点,像素点的值表示了该点图像的亮度。像素点由红、绿、蓝三个像素单元组成,这三种基色通过不同的亮度组合即可产生各种颜色,通过提取第一处理图像中像素点的色彩,根据所述像素点的色彩可以判断该第一处理图像中是否存在污损。
举例说明,支票的流水号区域为黑色字体,当该流水号区域中存在***等标记留下的污损时,该流水号区域会存在红色或蓝色等颜色单元,因此,通过分析红色或蓝色的像素点即能判断该流水号区域中是否存在污损。
在一个具体的实施例中,上述提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损的步骤还包括如图4所示的步骤S3041~步骤S3043:
步骤S3041:将所述第一处理图像中的RGB色彩转换为HSV色彩空间。
RGB色彩模式是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色。HSV色彩空间是根据颜色的直观特性的一种颜色空间,也称六角锥体模型(Hexcone Model),其中颜色的参数分别是:色调(H),饱和度(S),明度(V)。由RGB到HSV的转换可以通过把RGB三维坐标的中轴线立起来,并扁化,以形成HSV的锥形模型,HSV说是一种直观的颜色模型,可以根据HSV模型获取到层次丰富的色彩分类。
步骤S3042:提取所述HSV色彩空间中的彩色像素点,并判断所述彩色像素点是否大于预设阈值。
具体的,彩色像素点包括但不限于红色像素点、蓝色像素点和绿色像素点,本实施例通过提取HSV色彩空间中的彩色像素点,并判断所述彩色像素点是否大于预设阈值,从而可以判断第一处理图像中是否存在污损。进一步的,若所述彩色像素点大于预设阈值,则执行步骤S3041。
步骤S3043:判定为所述第一处理图像中存在污损。
举例说明,提取支票的流水号区域中的彩色像素点,当提取的像素点中包含红色或蓝色或绿色等像素点,且红色或蓝色或绿色等像素点超过预设阈值时,则认为该支票的流水号区域中存在***标记留下的污损。
步骤306:当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
在一个具体的实施例中,当所述第一处理图像中存在污损时,可以将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图。
具体的,当确定该第一处理图像中存在红色和蓝色的污损时,可以分别对第一处理图像中的红色通道和蓝色通道进行分离。对所述第一处理图像进行红色通道分离处理,可以得到去除红色后的第一灰度图,通过对红色通道进行分离,使原图中颜色越接近红色的地方在红色通道越接近白色,在分离出红色通道的同时,绿色和蓝色被填充为和红色相同的数值,因此得到了去除红色污损的灰度图形。对所述第一处理图像进行蓝色通道分离处理,可以得到去除蓝色后的第二灰度图。同理,通过对蓝色通道进行分离,得到了去除蓝色污损的灰度图形。
进一步的,通过图像合成算法将所述灰度图进行图像合成处理,以得到去除污损后的图形。
具体的,可以通过建立与所述第一处理图像大小相同的第二空间图像,遍历所述第一灰度图与第二灰度图的像素点,以生成所述第二空间图像的像素点,从而得到合成后的图形。
在遍历整个图像的像素点的过程中,对于同一像素点,当所述第一灰度图与第二灰度图的灰度值相同时,则所述第二空间图像生成与第一灰度图或第二灰度图的灰度值相同的像素点;对于同一像素点,当所述第一灰度图的灰度值大于第二灰度图的灰度值时,则所述第二空间图像生成与第一灰度图的灰度值相同的像素点;对于同一像素点,当所述第一灰度图的灰度值小于第二灰度图的灰度值时,则所述第二空间图像生成与第二灰度图的灰度值相同的像素点。
由于灰度值的范围一般从0到255,白色为255,黑色为0,因此灰度值越大的像素点越接近白色,则根据上述处理过程,第一灰度图与第二灰度图的灰度值相同的像素点被选取为第二空间图像的像素点,第一灰度图与第二灰度图的灰度值不相同的像素点时则会选取灰度值较高的像素点,也即是选取接近白色的像素点,因此经过上述遍历过程能够将不同通道下的污损消除,达到只保留特定字符串的效果。
在一个实施例中,该图像处理方法还包括:将所述HSV色彩空间中的黑色像素点的赋值为黑色灰度值,并将所述HSV色彩空间中除黑色像素点之外的像素点赋值为灰色灰度值,得到只包含特定字符串的黑色分量图。例如,将HSV色彩空间中满足黑色条件的像素点的灰度值赋值为0,剩余的像素点的灰度值都赋值为150,则能够得到特定字符串加黑、且在特定字符串周围为灰色的图形。
进一步的,根据所述黑色分量图对第一处理图像进行字符分割,通过搜索第一处理图像中可能的字符,能够把第一处理图像中与该黑色分量图相识的字符切割出来,便于后续对字符进行识别。
上述图像处理方法,通过获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像,提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损,当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别,能够在字符识别的过程中去除污损的干扰,提高字符识别的准确率,并且可对抗实际样本中各种情况的污损,识别稳定性高。
应该理解的是,虽然上述图3-4中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示,在一个实施例中,提供一种图像处理装置,该装置包括:图像获取模块510、色彩提取模块520、图像处理模块530。
图像获取模块510,用于获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;
色彩提取模块520,用于提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;
图像处理模块530,用于当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
在一个实施例中,色彩提取模块520还用于将所述第一处理图像中的RGB色彩转换为HSV色彩空间;提取所述HSV色彩空间中的彩色像素点,并判断所述彩色像素点是否大于预设阈值;若是,则判定所述第一处理图像中存在污损。
在一个实施例中,图像处理模块530还用于将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图;通过图像合成算法将所述灰度图进行图像合成处理,得到去除污损后的图形。
在一个实施例中,图像处理模块530还用于对所述第一处理图像进行红色通道分离处理,得到去除红色后的第一灰度图;对所述第一处理图像进行蓝色通道分离处理,得到去除蓝色后的第二灰度图。
在一个实施例中,图像处理模块530还用于建立与所述第一处理图像大小相同的第二空间图像;遍历所述第一灰度图与第二灰度图的像素点,以生成所述第二空间图像的像素点。
在一个实施例中,图像处理模块530还用于对于同一像素点,当所述第一灰度图与第二灰度图的灰度值相同时,则所述第二空间图像生成与第一灰度图或第二灰度图的灰度值相同的像素点;对于同一像素点,当所述第一灰度图的灰度值大于第二灰度图的灰度值时,则所述第二空间图像生成与第一灰度图的灰度值相同的像素点;对于同一像素点,当所述第一灰度图的灰度值小于第二灰度图的灰度值时,则所述第二空间图像生成与第二灰度图的灰度值相同的像素点。
在一个实施例中,该图像处理装置还包括字符分割模块,用于将所述HSV色彩空间中的黑色像素点的赋值为黑色灰度值,并将所述HSV色彩空间中除黑色像素点之外的像素点赋值为灰色灰度值,得到黑色分量图;根据所述黑色分量图对第一处理图像进行字符分割。
上述图像处理装置,通过图像获取模块510获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像,色彩提取模块520提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损,当所述第一处理图像中存在污损时,图像处理模块530根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别,能够在字符识别的过程中去除污损的干扰,提高字符识别的准确率,并且可对抗实际样本中各种情况的污损,识别稳定性高。
上述图像处理装置中各个模块的划分仅用于举例说明,在其他实施例中,可将图像处理装置按照需要划分为不同的模块,以完成上述图像处理装置的全部或部分功能。
关于图像处理装置的具体限定可以参见上文中对于信号处理方法的限定,在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时,实现本申请实施例中所描述的图像处理方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行如上述各实施例中所描述的图像处理方法。
本申请实施例还提供了一种计算机程序产品。一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各实施例中所描述的图像处理方法。
在上述实施例中,可以全部或部分的通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;
提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;
当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
2.根据权利要求1所述的方法,其特征在于,所述提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损,包括:
将所述第一处理图像中的RGB色彩转换为HSV色彩空间;
提取所述HSV色彩空间中的彩色像素点,并判断所述彩色像素点是否大于预设阈值;其中所述彩色像素点包括红色像素点、蓝色像素点和绿色像素点中的一种或一种以上;
若是,则判定所述第一处理图像中存在污损。
3.根据权利要求1所述的方法,其特征在于,所述根据预设处理模型去除所述第一处理图像中的污损,包括:
将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图;
通过图像合成算法将所述灰度图进行图像合成处理,得到去除污损后的图形。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一处理图像中的颜色通道进行分离,得到至少一个去除单一颜色通道后的灰度图,包括:
对所述第一处理图像进行红色通道分离处理,得到去除红色后的第一灰度图;
对所述第一处理图像进行蓝色通道分离处理,得到去除蓝色后的第二灰度图。
5.根据权利要求4所述的方法,其特征在于,所述通过图像合成算法将所述灰度图进行图像合成处理,包括:
建立与所述第一处理图像大小相同的第二空间图像;
遍历所述第一灰度图与第二灰度图的像素点,以生成所述第二空间图像的像素点。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对于同一像素点,当所述第一灰度图与第二灰度图的灰度值相同时,则所述第二空间图像生成与第一灰度图或第二灰度图的灰度值相同的像素点;
对于同一像素点,当所述第一灰度图的灰度值大于第二灰度图的灰度值时,则所述第二空间图像生成与第一灰度图的灰度值相同的像素点;
对于同一像素点,当所述第一灰度图的灰度值小于第二灰度图的灰度值时,则所述第二空间图像生成与第二灰度图的灰度值相同的像素点。
7.根据权利要求2所述的方法,其特征在于,在所述将所述第一处理图像中的RGB色彩转换为HSV色彩空间之后,所述方法还包括:
将所述HSV色彩空间中的黑色像素点的赋值为黑色灰度值,并将所述HSV色彩空间中除黑色像素点之外的像素点赋值为灰色灰度值,得到黑色分量图;
根据所述黑色分量图对第一处理图像进行字符分割。
8.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像中包含特定字符串的处理区域,并对所述处理区域进行对比增强处理,得到第一处理图像;
色彩提取模块,用于提取所述第一处理图像中像素点的色彩,并根据所述像素点的色彩判断所述第一处理图像中是否存在污损;
图像处理模块,用于当所述第一处理图像中存在污损时,根据预设处理模型去除所述第一处理图像中的污损,并根据去除污损后的图像进行字符识别。
9.一种终端,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项权利要求所述的方法。
10.一种计算机可读存储介质,包括计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求1-7所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810801925.4A CN108877030B (zh) | 2018-07-19 | 2018-07-19 | 图像处理方法、装置、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810801925.4A CN108877030B (zh) | 2018-07-19 | 2018-07-19 | 图像处理方法、装置、终端和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108877030A true CN108877030A (zh) | 2018-11-23 |
CN108877030B CN108877030B (zh) | 2020-10-20 |
Family
ID=64303909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810801925.4A Active CN108877030B (zh) | 2018-07-19 | 2018-07-19 | 图像处理方法、装置、终端和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108877030B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903210A (zh) * | 2019-01-04 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 水印的去除方法、装置和服务器 |
CN110992344A (zh) * | 2019-12-05 | 2020-04-10 | 北京华恒盛世科技有限公司 | 基于卫星图片缺陷的定位、识别和分类方法 |
CN111275051A (zh) * | 2020-02-28 | 2020-06-12 | 上海眼控科技股份有限公司 | 字符识别方法、装置、计算机设备和计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030062919A1 (en) * | 2001-09-28 | 2003-04-03 | Vargas Leroy C. | Method and apparatus for detecting pinhole defects in a dielectric layer |
CN106097312A (zh) * | 2016-06-01 | 2016-11-09 | 同济大学 | 一种基于机器视觉的手套撕破和油污检测方法 |
CN106251328A (zh) * | 2016-07-13 | 2016-12-21 | 南京农业大学 | 一种利用二维高光谱图像识别鸡胴体表面污染物的方法 |
CN107610132A (zh) * | 2017-08-28 | 2018-01-19 | 西北民族大学 | 一种古籍文档图像污渍去除方法 |
CN107909080A (zh) * | 2017-10-27 | 2018-04-13 | 广西小草信息产业有限责任公司 | 一种文字提取***及方法 |
-
2018
- 2018-07-19 CN CN201810801925.4A patent/CN108877030B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030062919A1 (en) * | 2001-09-28 | 2003-04-03 | Vargas Leroy C. | Method and apparatus for detecting pinhole defects in a dielectric layer |
CN106097312A (zh) * | 2016-06-01 | 2016-11-09 | 同济大学 | 一种基于机器视觉的手套撕破和油污检测方法 |
CN106251328A (zh) * | 2016-07-13 | 2016-12-21 | 南京农业大学 | 一种利用二维高光谱图像识别鸡胴体表面污染物的方法 |
CN107610132A (zh) * | 2017-08-28 | 2018-01-19 | 西北民族大学 | 一种古籍文档图像污渍去除方法 |
CN107909080A (zh) * | 2017-10-27 | 2018-04-13 | 广西小草信息产业有限责任公司 | 一种文字提取***及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903210A (zh) * | 2019-01-04 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 水印的去除方法、装置和服务器 |
CN109903210B (zh) * | 2019-01-04 | 2024-02-06 | 创新先进技术有限公司 | 水印的去除方法、装置和服务器 |
CN110992344A (zh) * | 2019-12-05 | 2020-04-10 | 北京华恒盛世科技有限公司 | 基于卫星图片缺陷的定位、识别和分类方法 |
CN111275051A (zh) * | 2020-02-28 | 2020-06-12 | 上海眼控科技股份有限公司 | 字符识别方法、装置、计算机设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108877030B (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10817741B2 (en) | Word segmentation system, method and device | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN111681273B (zh) | 图像分割方法、装置、电子设备及可读存储介质 | |
CN111275696B (zh) | 一种医学图像处理的方法、图像处理的方法及装置 | |
CN112580643B (zh) | 一种基于深度学习的车牌识别方法、装置及存储介质 | |
CN108877030A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN110400362A (zh) | 一种基于图像的abaqus二维裂纹建模方法、***及计算机可读存储介质 | |
CN106650670A (zh) | 活体人脸视频的检测方法及装置 | |
CN112906794A (zh) | 一种目标检测方法、装置、存储介质及终端 | |
WO2023165616A1 (zh) | 图像模型隐蔽后门的检测方法及***、存储介质、终端 | |
CN112016545A (zh) | 一种包含文本的图像生成方法及装置 | |
CN110399760A (zh) | 一种批量二维码定位方法、装置、电子设备及存储介质 | |
CN204537126U (zh) | 一种图像文本识别翻译眼镜 | |
CN114842524B (zh) | 一种基于不规则显著性像素簇的人脸鉴伪方法 | |
CN117011168A (zh) | 一种联合DeeplabV3+和LaMa模型的透明光滑物体高光去除方法及*** | |
CN110633666A (zh) | 一种基于手指颜色贴片的手势轨迹识别方法 | |
CN109800758A (zh) | 一种极大值区域检测的自然场景文字检测方法 | |
CN115439850A (zh) | 基于审单的图文字符识别方法、装置、设备及存储介质 | |
CN113674215A (zh) | 光伏板的光斑识别方法、装置及计算机可读存储介质 | |
CN116797613B (zh) | 多模态细胞分割、模型训练方法、装置、设备、存储介质 | |
CN114841972B (zh) | 基于显著性图和语义嵌入特征金字塔的输电线路缺陷识别方法 | |
CN113935360B (zh) | 视频中辅助线的识别方法、装置、设备及可读存储介质 | |
CN112712124B (zh) | 一种基于深度学习的多模块协同物体识别***及方法 | |
US10762607B2 (en) | Method and device for sensitive data masking based on image recognition | |
CN116777914B (zh) | 一种数据处理方法、装置、设备以及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |