CN108921804A - 扭曲文档图像的校正方法 - Google Patents
扭曲文档图像的校正方法 Download PDFInfo
- Publication number
- CN108921804A CN108921804A CN201810723247.4A CN201810723247A CN108921804A CN 108921804 A CN108921804 A CN 108921804A CN 201810723247 A CN201810723247 A CN 201810723247A CN 108921804 A CN108921804 A CN 108921804A
- Authority
- CN
- China
- Prior art keywords
- picture
- image
- distortion
- file
- point
- 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
Links
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 18
- 238000003708 edge detection Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种扭曲文档图像的校正方法，其特征在于，包括以下步骤：S1、获取扭曲文档图像，对扭曲文档图像进行预处理，得到二值图像；S2、对二值图像进行目标提取，获得目标图像，对目标图像进行角点检测，得到所述角点的位置信息；S3、根据角点和位置信息进行连通域检测，以生成文本框并拟合曲面畸变函数，再根据小孔成像原理和畸变校正原理确定校正前后角点的位置映射关系；S4、根据位置映射关系完成像素空间变换，最后进行灰度插值得到校正图像。该校正方法具有自动化性能高、校正效果好、简单实用的特点。
Description
技术领域
本发明涉及一种扭曲文档图像的校正方法。
背景技术
手持数字成像设备具有成像简单、快速以及非接触的特点,其极大地丰富了扭曲文档图像的获取方式,但是在成像过程中会不可避免地产生扭曲形变和透视失真，导致光学字符识别(OCR)软件中的版面分析和切分算法失效，从而使扭曲文档图像无法被识别。因此必须首先通过图像校正的方法对这种变形文档进行图像恢复。
发明内容
本发明的目的在于提供一种扭曲文档图像的校正方法，通过简单实用的校正算法将扭曲文档图像恢复为校正图像，具有自动化性能高、校正效果好的特点。
为达到上述目的，本发明提供如下技术方案：一种扭曲文档图像的校正方法，包括以下步骤：
S1、获取扭曲文档图像，对所述扭曲文档图像进行预处理，得到二值图像；
S2、对所述二值图像进行目标提取，获得目标图像，对所述目标图像进行角点检测，得到所述角点的位置信息；
S3、根据所述角点和位置信息进行连通域检测，以生成文本框并拟合曲面畸变函数，再根据小孔成像原理和畸变校正原理确定校正前后所述角点的位置映射关系；
S4、根据所述位置映射关系完成像素空间变换，最后进行灰度插值得到校正图像。
进一步地，所述扭曲文档图像通过图像采集设备获取，所述图像采集设备包括扫描仪、手机、数码相机等能将纸质文档转变为扭曲文档图像的方便携带的设备，所述扭曲文档图像为拍摄设备正视拍摄原始扭曲文档下的扭曲图像。
进一步地，步骤S1中，所述预处理包括以下步骤：
a1、灰度处理，将所述扭曲文档图像中的每个像素信息由一个量化后的灰度级来描述，所述的像素选自0-225中的任一值；
a2、二值化，将灰度处理后的扭曲文档图像中背景的像素值设置为0，文档区域像素值设置为1，从而将所述扭曲文档图像变为黑白状态，得到二值图像。
进一步的，所述扭曲文档图像包括目标图像和背景信息，所述目标图像是单纯的扭曲文本页面图像，所述背景信息则是其余的图像信息，所述目标图像的提取只需获取目标边界清晰轮廓即可，但要保证文本的扭曲信息不能被破坏。
进一步地，步骤S2中，所述目标提取包括边缘检测，所述边缘检测为canny边缘检测法，通过所述边缘检测得到所述二值图像的重要线条和轮廓。
进一步地，所述目标提取还包括轮廓提取，对边缘检测后的二值图像进行轮廓提取得到所述目标图像。
进一步地，所述canny边缘检测采用双阈值值法，高阈值用来检测图像中重要的、显著的线条、轮廓等，而低阈值用来保证不丢失细节部分，低阈值检测出来的边缘更丰富。然后采用查找算法，将低阈值中与高阈值的边缘有重叠的线条保留，其他的线条都删除。所述轮廓提取选取图像中包围的面积最大的轮廓作为目标轮廓，并将其从背景信息中提取出来。
进一步地，所述角点检测是根据轮廓图像的黑白比例急剧变化的点或者是图像边缘曲率极大值点，所述角点在图像中梯度值和梯度方向的变化速率都很高。
进一步地，步骤S2中，所述角点检测包括以下步骤：
在所述目标图像中选取一个局部窗口，所述局部窗口内部的图像块保持全黑，从所述目标图像的中心沿水平和竖直方向按照固定步长偏移，当所述局部窗口内部的黑白比例发生明显变化时，所述局部窗口包括至少一个角点，记录每个所述角点的位置信息。
进一步地，步骤S3中，所述连通域检测为八邻域标记法，所述文本框中包括至少一个字符框，以每个所述字符框的角点进行曲面多项式拟合，确定所述曲面畸变函数。
进一步地，所述连通域检测具体包括以下步骤：
1)按从下往上、从左往右的顺序对所述目标图像的逐个像素点进行扫描，当扫描到黑色像素点时，判断该像素点是否已被标记，若是，则继续扫描检测下一个像素点；若否，则对该点进行标记；
2)以该点为中心像素点进行K×K(K＝1、3、5、7、9......)的矩阵扫描，若矩阵扫描过程中扫到未被标记的黑色像素点，则以该点为中心重复上诉标记和矩阵扫描......直至矩阵扫描找不到黑色像素点；
3)然后返回到上一个中心像素点，当返回到第一个中心像素点时，表明该连通域分割结束即已检测出一个连通域，同理检测出所有连通域；
4)根据属于同一连通域的黑色像素点的位置信息获取处于边界上的点，并生成文本框，所述文本框中包括至少一个字符框，每个所述字符框可作为一个字符块处理单元。
进一步地，所述畸变函数可估计扭曲文档图像的空间扭曲几何畸变，所述畸变函数通过高次多项式来摸拟，所述扭曲文档图像的畸变程度可根据所述畸变函数的系数矩阵来确定。
进一步地，确定所述畸变函数之前需要通过图像上的特征点进行曲面多项式拟合。
进一步地，所述映射关系为：
其中，(x，y)为理想图像中角点的位置信息，(x’，y’)为所述目标图像中角点的位置信息，所述理想图像为物体按照理想针孔模型成像所得的图像。
进一步地，所述灰度插值为双线性插值法。
与现有技术相比，本发明的有益效果在于：本发明的扭曲文档图像的校正方法将获取的扭曲文档图像进行预处理，然后从中提取出目标图像，并检测目标图像的角点，获取位置信息；然后利用曲面微积分思想拟合曲面畸变函数，再利用校正前后的角点的位置映射关系完成像素空间变换，并对空间变换后的像素进行灰度插值完成校正，得到校正图像。该校正方法具有自动化性能高、校正效果好、简单实用的特点。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一实施例所示的扭曲文档图像的校正方法流程步骤图；
图2为本发明一实施例所示的角点检测的原理图；
图3和图4为本发明一实施例所示的校正前后的文本框和曲边字符框的示意图；
图5为本发明一实施例所示的双线性插值原理图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
请参见图1，本发明一实施例所示的扭曲文档图像的校正方法，包括以下步骤：
S1、获取扭曲文档图像，对所述扭曲文档图像进行预处理，得到二值图像；
S2、对所述二值图像进行目标提取，获得目标图像，对所述目标图像进行角点检测，得到所述角点的位置信息；
S3、根据所述角点和位置信息进行连通域检测，以生成文本框并拟合曲面畸变函数，再根据小孔成像原理和畸变校正原理确定校正前后所述角点的位置映射关系；
S4、根据所述位置映射关系完成像素空间变换，最后进行灰度插值得到校正图像。
具体的，所述扭曲文档图像通过图像采集设备获取，所述图像采集设备包括扫描仪、手机、数码相机等能将纸质文档转变为扭曲文档图像的方便携带的设备，所述扭曲文档图像为拍摄设备正视拍摄原始扭曲文档下的扭曲图像。
具体的，步骤S1中，所述预处理包括以下步骤：a1、灰度处理，将所述扭曲文档图像中的每个像素信息由一个量化后的灰度级来描述，所述的像素选自0-225中的任一值；a2、二值化，将灰度处理后的扭曲文档图像中背景的像素值设置为0，文档区域像素值设置为1，从而将所述扭曲文档图像变为黑白状态，得到二值图像。当然，还可对二值图像进行平滑滤波处理。在本实施例中，预处理具体步骤包括：
a1、灰度处理
彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，采用RGB颜色分量加权和的全局映射，进行彩色到灰度的变换算法。根据彩色像素在不同颜色分量的统计信息，自动生成各颜色分量的灰度化权重，由于人眼对绿色的敏感度最高，对蓝色敏感度最低，因此可按照合适比例对三个分量进行加权平均得到较合理的灰度图像
R＝G＝B＝(ωRR+ωGG+ωBB)
其中，ωR，ωG，ωB分别为R，G，B的权值，取不同的值形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使ωG＞ωR＞ωB将得到较易识别的灰度图像。一般时，ωG＝0.299，ωR＝0.587，ωB＝0.114得到的灰度图像效果最好。
a2、二值化处理
二值化处理时采用的方法是取一个合适的定值作为二值化的阈值。当图像像素点的R、G、B值大于该阈值，则将它们的值都设置为255。反之，当图像像素点的R、G、B小于该阈值，则将它们的值都设置为0。从而得到二值化后的文本图像。即：
其中，I(x,y)为图像在(x,y)点的像素值，T(x,y)为选择的阈值，B(x,y)为二值化之后的图像素值。
具体的，所述扭曲文档图像包括目标图像和背景信息，所述目标图像是单纯的扭曲文本页面图像，所述背景信息则是其余的图像信息，所述目标图像的提取只需获取目标边界清晰轮廓即可，但要保证文本的扭曲信息不能被破坏。
具体的，步骤S2中，所述目标提取包括边缘检测，所述边缘检测为canny边缘检测法，通过所述边缘检测得到所述二值图像的重要线条和轮廓。
具体的，所述目标提取还包括轮廓提取，对边缘检测后的二值图像进行轮廓提取得到所述目标图像。
具体的，所述canny边缘检测采用双阈值值法，高阈值用来检测图像中重要的、显著的线条、轮廓等，而低阈值用来保证不丢失细节部分，低阈值检测出来的边缘更丰富。然后采用查找算法，将低阈值中与高阈值的边缘有重叠的线条保留，其他的线条都删除。所述轮廓提取选取图像中包围的面积最大的轮廓作为目标轮廓，并将其从背景信息中提取出来。
具体的，所述角点检测是根据轮廓图像的黑白比例急剧变化的点或者是图像边缘曲率极大值点，所述角点在图像中梯度值和梯度方向的变化速率都很高。
具体的，步骤S2中，所述角点检测包括以下步骤：在所述目标图像中选取一个局部窗口，所述局部窗口内部的图像块保持全黑，从所述目标图像的中心沿水平和竖直方向按照固定步长偏移，当所述局部窗口内部的黑白比例发生明显变化时，所述局部窗口包括至少一个角点，记录每个所述角点的位置信息。
请结合图2，所述角点检测的原理为：在状态a时，窗口内的图像块亮度值恒定，所以不同方向的偏移仅导致较弱的亮度变化；在状态b时，沿着区域边缘的偏移会导致窗口内亮度有较弱变化，但垂直于边缘的偏移则会导致较强的亮度变化；在状态c和d时，任意窗口的偏移都会导致较强的亮度变化。
具体的，步骤S3中，所述连通域检测为八邻域标记法，所述文本框中包括至少一个字符框，以每个所述字符框的角点进行曲面多项式拟合，确定所述曲面畸变函数。所述连通域检测具体包括以下步骤：
1)按从下往上、从左往右的顺序对所述目标图像的逐个像素点进行扫描，当扫描到黑色像素点时，判断该像素点是否已被标记，若是，则继续扫描检测下一个像素点；若否，则对该点进行标记；
2)以该点为中心像素点进行K×K(K＝1、3、5、7、9......)的矩阵扫描，若矩阵扫描过程中扫到未被标记的黑色像素点，则以该点为中心重复上诉标记和矩阵扫描......直至矩阵扫描找不到黑色像素点；
3)然后返回到上一个中心像素点，当返回到第一个中心像素点时，表明该连通域分割结束即已检测出一个连通域，同理检测出所有连通域；
4)根据属于同一连通域的黑色像素点的位置信息获取处于边界上的点，并生成文本框，所述文本框中包括至少一个字符框，每个所述字符框可作为一个字符块处理单元，并将字符框角点位置记作Ai、Bi、Cj、Dj。
具体的，所述畸变函数可估计扭曲文档图像的空间扭曲几何畸变，所述畸变函数通过高次多项式来摸拟，所述扭曲文档图像的畸变程度可根据所述畸变函数的系数矩阵来确定。确定所述畸变函数之前需要通过图像上的特征点进行曲面多项式拟合。请结合图3和图4，为了确定多项式系数，在扭曲图中找到n个点，以及在理想图像中的对应坐标，这些点称为关键点(角点)。基于这n对约束点数据用最小二乘法可以辨识出式中的参数u和v，从而确定坐标映射关系，校正前后结果比对如图所示。
请结合图5，物体按照理想针孔模型成像，所得的图像为理想图像，记为f(x，y)为理想图像中角点的位置信息，又由于实际拍摄的扭曲文档图像与理想图像不完全一致，因此所成的图像有扭曲成为扭曲图像，记为g(x，y)，为所述目标图像中角点的位置信息。假定理想图中的点(x’，y’)在扭曲图中的对应坐标为(x，y)，则点(x’，y’)与(x，y)的映射关系为：
然后采用灰度插值来校正图像，所示灰度插值为双线性插值法，双线性插值方法得到的图像不会出现锯齿情况，会比临近插值法得到的图像精确的多，其精确度已经满足一般图像要求，不需要更高精确度的灰度插值。
综上所述：
本发明的扭曲文档图像的校正方法将获取的扭曲文档图像进行预处理，然后从中提取出目标图像，并检测目标图像的角点，获取位置信息；然后利用曲面微积分思想拟合曲面畸变函数，再利用校正前后的角点的位置映射关系完成像素空间变换，并对空间变换后的像素进行灰度插值完成校正，得到校正图像。该校正方法具有自动化性能高、校正效果好、简单实用的特点，其具有以下优点：
1)选用的双阈值Canny边缘检测和给予纹理特征的目标图像提取的方法，可以获得更加清晰的边界轮廓和更加精确的目标图像，更加有利于图像角点检测；
2)通过本发明提出的角点检测方法，可更加精确高效的确定角点位置信息；
3)通过基于连通体检测的方式可将单个字符包含在单个字符边框单元内，可以确定文本框角点作为拟合曲面畸变函数的特征点；
4)根据相机小孔成像原理和畸变校正原理可找到扭曲图像和理想图像中边缘上关键点的坐标映射关系，进而可完成从局部到整体的文档扭曲图像校正工作。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种扭曲文档图像的校正方法，其特征在于，包括以下步骤：
S1、获取扭曲文档图像，对所述扭曲文档图像进行预处理，得到二值图像；
S2、对所述二值图像进行目标提取，获得目标图像，对所述目标图像进行角点检测，得到所述角点的位置信息；
S3、根据所述角点和位置信息进行连通域检测，以生成文本框并拟合曲面畸变函数，再根据小孔成像原理和畸变校正原理确定校正前后所述角点的位置映射关系；
S4、根据所述位置映射关系完成像素空间变换，最后进行灰度插值得到校正图像。
2.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，步骤S1中，所述预处理包括以下步骤：
a1、灰度处理，将所述扭曲文档图像中的每个像素信息由一个量化后的灰度级来描述，所述的像素选自0-225中的任一值；
a2、二值化，将灰度处理后的扭曲文档图像中背景的像素值设置为0，文档区域像素值设置为1，从而将所述扭曲文档图像变为黑白状态，得到二值图像。
3.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，步骤S2中，所述目标提取包括边缘检测，所述边缘检测为canny边缘检测法，通过所述边缘检测得到所述二值图像的重要线条和轮廓。
4.如权利要求3所述的扭曲文档图像的校正方法，其特征在于，所述目标提取还包括轮廓提取，对边缘检测后的二值图像进行轮廓提取得到所述目标图像。
5.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，步骤S2中，所述角点检测包括以下步骤：
在所述目标图像中选取一个局部窗口，所述局部窗口内部的图像块保持全黑，从所述目标图像的中心沿水平和竖直方向按照固定步长偏移，当所述局部窗口内部的黑白比例发生明显变化时，所述局部窗口包括至少一个角点，记录每个所述角点的位置信息。
6.如权利要求5所述的扭曲文档图像的校正方法，其特征在于，步骤S3中，所述连通域检测为八邻域标记法，所述文本框中包括至少一个字符框，以每个所述字符框的角点进行曲面多项式拟合，确定所述曲面畸变函数。
7.如权利要求6所述的扭曲文档图像的校正方法，其特征在于，所述连通域检测具体包括以下步骤：
1)按从下往上、从左往右的顺序对所述目标图像的逐个像素点进行扫描，当扫描到黑色像素点时，判断该像素点是否已被标记，若是，则继续扫描检测下一个像素点；若否，则对该点进行标记；
2)以该点为中心像素点进行K×K(K＝1、3、5、7、9......)的矩阵扫描，若矩阵扫描过程中扫到未被标记的黑色像素点，则以该点为中心重复上诉标记和矩阵扫描......直至矩阵扫描找不到黑色像素点；
3)然后返回到上一个中心像素点，当返回到第一个中心像素点时，表明该连通域分割结束即已检测出一个连通域，同理检测出所有连通域；
4)根据属于同一连通域的黑色像素点的位置信息获取处于边界上的点，并生成文本框，所述文本框中包括至少一个字符框，每个所述字符框可作为一个字符块处理单元。
8.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，所述映射关系为：
其中，(x，y)为理想图像中角点的位置信息，(x’，y’)为所述目标图像中角点的位置信息，所述理想图像为物体按照理想针孔模型成像所得的图像。
9.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，所述灰度插值为双线性插值法。
10.如权利要求1所述的扭曲文档图像的校正方法，其特征在于，所述扭曲文档图像通过图像采集设备获取，所述图像采集设备选自扫描仪、手机、数码相机中的任一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810723247.4A CN108921804A (zh) | 2018-07-04 | 2018-07-04 | 扭曲文档图像的校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810723247.4A CN108921804A (zh) | 2018-07-04 | 2018-07-04 | 扭曲文档图像的校正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108921804A true CN108921804A (zh) | 2018-11-30 |
Family
ID=64423752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810723247.4A Pending CN108921804A (zh) | 2018-07-04 | 2018-07-04 | 扭曲文档图像的校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108921804A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969586A (zh) * | 2019-10-24 | 2020-04-07 | 青岛中科智保科技有限公司 | 一种基于人机交互的消除文本图像变形的算法 |
| CN111145124A (zh) * | 2019-12-30 | 2020-05-12 | 北京华宇信息技术有限公司 | 一种图像倾斜的校正方法及装置 |
| CN111353961A (zh) * | 2020-03-12 | 2020-06-30 | 上海合合信息科技发展有限公司 | 一种文档曲面校正方法及装置 |
| CN112257705A (zh) * | 2020-09-29 | 2021-01-22 | 全通金信控股(广东)有限公司 | 一种用于识别图片文字内容的方法 |
| CN112801088A (zh) * | 2020-12-31 | 2021-05-14 | 科大讯飞股份有限公司 | 一种扭曲文本行图像矫正的方法和相关装置 |
| CN113409334A (zh) * | 2021-06-20 | 2021-09-17 | 桂林电子科技大学 | 一种基于质心的结构光角点检测方法 |
| CN114359889A (zh) * | 2022-03-14 | 2022-04-15 | 北京智源人工智能研究院 | 一种长文本资料的文本识别方法 |
| CN115409980A (zh) * | 2022-09-02 | 2022-11-29 | 重庆众仁科技有限公司 | 畸变图像的矫正方法及*** |
| WO2023019974A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京百度网讯科技有限公司 | 文档图像的矫正方法、装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413271A (zh) * | 2013-07-18 | 2013-11-27 | 西安交通大学 | 基于局部信息的文档图像校正方法 |
| CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
| CN105701434A (zh) * | 2015-12-30 | 2016-06-22 | 广州卓德信息科技有限公司 | 二维码扭曲图像的图像校正方法 |
-
2018
- 2018-07-04 CN CN201810723247.4A patent/CN108921804A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413271A (zh) * | 2013-07-18 | 2013-11-27 | 西安交通大学 | 基于局部信息的文档图像校正方法 |
| CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
| CN105701434A (zh) * | 2015-12-30 | 2016-06-22 | 广州卓德信息科技有限公司 | 二维码扭曲图像的图像校正方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969586A (zh) * | 2019-10-24 | 2020-04-07 | 青岛中科智保科技有限公司 | 一种基于人机交互的消除文本图像变形的算法 |
| CN111145124A (zh) * | 2019-12-30 | 2020-05-12 | 北京华宇信息技术有限公司 | 一种图像倾斜的校正方法及装置 |
| CN111353961B (zh) * | 2020-03-12 | 2023-12-19 | 上海合合信息科技股份有限公司 | 一种文档曲面校正方法及装置 |
| CN111353961A (zh) * | 2020-03-12 | 2020-06-30 | 上海合合信息科技发展有限公司 | 一种文档曲面校正方法及装置 |
| CN112257705A (zh) * | 2020-09-29 | 2021-01-22 | 全通金信控股(广东)有限公司 | 一种用于识别图片文字内容的方法 |
| CN112257705B (zh) * | 2020-09-29 | 2024-05-31 | 全通金信控股(广东)有限公司 | 一种用于识别图片文字内容的方法 |
| CN112801088A (zh) * | 2020-12-31 | 2021-05-14 | 科大讯飞股份有限公司 | 一种扭曲文本行图像矫正的方法和相关装置 |
| CN112801088B (zh) * | 2020-12-31 | 2024-05-31 | 科大讯飞股份有限公司 | 一种扭曲文本行图像矫正的方法和相关装置 |
| CN113409334A (zh) * | 2021-06-20 | 2021-09-17 | 桂林电子科技大学 | 一种基于质心的结构光角点检测方法 |
| WO2023019974A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京百度网讯科技有限公司 | 文档图像的矫正方法、装置、电子设备和存储介质 |
| CN114359889A (zh) * | 2022-03-14 | 2022-04-15 | 北京智源人工智能研究院 | 一种长文本资料的文本识别方法 |
| CN115409980A (zh) * | 2022-09-02 | 2022-11-29 | 重庆众仁科技有限公司 | 畸变图像的矫正方法及*** |
| CN115409980B (zh) * | 2022-09-02 | 2023-12-22 | 重庆众仁科技有限公司 | 畸变图像的矫正方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921804A (zh) | 扭曲文档图像的校正方法 | |
| CN112508826B (zh) | 一种印刷品缺陷检测方法 | |
| CN100380393C (zh) | 复杂背景下qr码图像符号区域的精确定位方法 | |
| CN107993263B (zh) | 环视***自动标定方法、汽车、标定装置及存储介质 | |
| CN103714327B (zh) | 一种图像方向校正方法及*** | |
| US7680325B2 (en) | Image processing method of detecting a correspondence between colors, image processing apparatus and program for detecting a correspondence between colors | |
| US20130208995A1 (en) | Image Defect Map Creation Using Batches of Digital Images | |
| US20030095709A1 (en) | Multiple image area detection in a digital image | |
| CN108827316A (zh) | 基于改进的Apriltag标签的移动机器人视觉定位方法 | |
| US6721465B1 (en) | Non-contact image reader and system using the same | |
| CN105095892A (zh) | 基于图像处理的学生文档管理*** | |
| CN108830267A (zh) | 一种基于图像识别进行阅卷的方法及*** | |
| CN102360419A (zh) | 计算机扫描阅读管理方法及*** | |
| CN110400278A (zh) | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 | |
| CN108460833A (zh) | 一种基于bim构建传统建筑数字化保护与修复的信息平台 | |
| CN106033535A (zh) | 电子阅卷方法 | |
| CN112446864A (zh) | 瑕疵检测方法、装置、设备和存储介质 | |
| JPH09147122A (ja) | 画像検出及びピクセル処理システム及び画像処理方法 | |
| JP5608511B2 (ja) | 画像補正装置および画像補正方法 | |
| CN110533686A (zh) | 线阵相机行频与物体运动速度是否匹配的判断方法及*** | |
| CN109598736A (zh) | 深度图像与彩色图像的配准方法及装置 | |
| EP3944184A1 (en) | Dark image enhancement | |
| CN108965646A (zh) | 图像处理装置、图像处理方法和存储介质 | |
| CN112164055A (zh) | 一种基于颜色分割的光伏电池色差分类方法 | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |
|
| RJ01 | Rejection of invention patent application after publication |