CN110490886A - 一种针对倾斜视角下证件图像的自动纠正方法及*** - Google Patents
一种针对倾斜视角下证件图像的自动纠正方法及*** Download PDFInfo
- Publication number
- CN110490886A CN110490886A CN201910700596.9A CN201910700596A CN110490886A CN 110490886 A CN110490886 A CN 110490886A CN 201910700596 A CN201910700596 A CN 201910700596A CN 110490886 A CN110490886 A CN 110490886A
- Authority
- CN
- China
- Prior art keywords
- image
- angle
- point
- threshold
- viewing angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013459 approach Methods 0.000 claims abstract description 15
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种针对倾斜视角证件图像的自动纠正方法及***,根据影像边缘的强弱,不断调整并找到合适的阈值进行图像分割;利用找到的所有四边形的面积进行筛选,得到证件的边缘轮廓;根据四边形的两条边求取交点的方式得到四个角点;最后通过透视变换将证件图像进行纠正。本发明采用自适应地调节阈值,通过两次多边形拟合不仅提高了角点的精度,而且大大减少了计算量,使得结果在手机上能够快速被处理并返回;并利用了两直线求交点的方法寻找角点,解决了身份证等证件是圆角的问题。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种通过四边形检测并进行透视变换实现对倾斜视角下证件图像自动纠正的技术方案。
背景技术
在生活中,很多时候人们需要将自己的某个证件用手机拍摄并发送给其他人,但是在自行拍摄时往往会存在一些倾斜和偏移,使得证件没有办法占据整个屏幕,故纠正证件的方法有其存在的现实意义。在现有技术中,首先可以通过调用手机摄像头拍照获取证件的照片;其次在拍照完成之后,找到四边形的四个特征点,利用透视变换得到目标图像。四个特征点的提取往往又以提取四个角点最为方便,典型的检测角点的方法包括:基于边缘的检测算法和基于灰度的检测算法。基于边缘的检测算法一般先提取图像的边缘信息,然后寻找轮廓上曲率最大的点或者拐点,或进行多边形拟合寻找特征点。此类方法仅处理边界像素,因此计算量小且运算速度快,但是容易受到噪声影响,且对边缘提取的结果具有依赖性。基于灰度的角点检测算法通过对图像的局部结果进行分析,直接利用角点本身的属性特征检测。但是,上述的角点检测算法都存在一定的问题,基于边缘的检测算法对于不同的图像需要选区不同的阈值进行图像分割;基于灰度的角点检测对于处理图片背景中也存在角点的情况时,检测出的角点个数将会大于四个,这会对后面进行透视变换的过程产生很大的影响。
发明内容
本发明所要解决的技术性问题是能够在边缘较弱,证件的拍摄角度较为倾斜,图片的背景中存在干扰的情况下提取四边形的四个角点,目的在于提供一个能够抵抗图片干扰信息,对证件的角点自动提取并纠正的技术方案。
本发明的技术方案提供一种针对倾斜视角证件图像的自动纠正方法,根据影像边缘的强弱,不断调整并找到合适的阈值进行图像分割;利用找到的所有四边形的面积进行筛选,得到证件的边缘轮廓;根据四边形的两条边求取交点的方式得到四个角点;最后通过透视变换将证件图像进行纠正;
实现方式包括采用以下步骤,
步骤A)调用手机的摄像头,将拍照所获得的图片返回并显示在手机上;
步骤B)对获得的图片进行灰度化处理,并对灰度图像进行中值滤波;
步骤C)根据当前的低阈值和高阈值,对图片进行边缘轮廓检测;
步骤D)基于步骤C中检测到的所有轮廓,利用多边形拟合凸包边框,得到低精度拟合结果;
步骤E)筛选寻找面积最大且各个角度都接近直角的四边形轮廓,若筛选不到最大四边形轮廓,调整增加低阈值和高阈值,返回步骤C重新寻找边缘轮廓;成功筛选到则进入步骤F;
步骤F)对于步骤E所得最大四边形轮廓,再度利用多边形拟合凸包边框,获得高精度拟合得到的凸多边形;
步骤G)找到四个精确的角点,实现方式为,
1)设低精度拟合四边形周长的0.02倍记为maxL,筛选出步骤F所得结果与步骤E所得最大四边形轮廓的四个角点的距离小于maxL的点;
2)基于步骤1)筛选的点,在相邻的点之间求边长,然后用2×maxL作为阈值,筛选出步骤F所得高精度拟合得到的凸多边形中距离大于该阈值的四条边;
3)根据步骤2)所得四条边,利用两条直线求交点的方法得到四个角点的坐标;
步骤H)获取目标图像相对于原图像的转换矩阵,并纠正原图像,得到输出图像。
而且,步骤C~步骤E中,在寻找边缘轮廓的过程中动态地改变阈值时,按照高阈值为低阈值的两倍准则进行。
而且,第一次执行步骤C)时,初始的低阈值为10,初始的高阈值为20。
而且,步骤E)的筛选实现方式为,利用拟合多边形的点为4个,以及手机的照相像素相应阈值筛选出满足条件的拟合多边形;再进行面积比较找到面积最大的四边形并保存拟合得到该四边形的轮廓的编号;再以各个角的角度取值在70°~110°为限制条件筛选四边形轮廓。
而且,采用手机APP的方式实现。
本发明还提供一种针对倾斜视角证件图像的自动纠正***,用于执行如上所述针对倾斜视角证件图像的自动纠正方法。
本发明方法具有以下显著效果:
1.本发明利用动态调节Canny算子的阈值,使得检测边缘轮廓的同时可以自适应地调节阈值,直至凸包检测四边形得到的结果不为空。
2.在求解证件的四个角点的时候,利用了两次多边形的拟合,第一次保证找到了最大的四边形,第二次则是找到了角点附近的点,通过两次多边形拟合不仅提高了角点的精度,而且大大减少了计算量,使得结果在手机上能够快速被处理并返回。
附图说明
图1为本发明实施例的整体流程图。
图2为本发明实施例的倾斜视角证件图像自动纠正示意图。
图3为本发明实施例的步骤G的示意图。
具体实施方式
为了更好地理解本发明的技术方案,下面结合附图和实施例对本发明做进一步的详细说明。
本发明据影像边缘的强弱,不断调整并找到合适的阈值进行图像分割;利用找到的所有四边形的面积进行筛选,得到证件的边缘轮廓;根据四边形的两条边求取交点的方式得到四个角点;最后通过透视变换将证件图像进行纠正。
进一步地,本发明提出先利用中值滤波,在保护边缘的情况下除去噪声。之后利用Canny算子(如果未检测到,就使阈值增加,重新检测)获取图像的边缘。将得到的边缘进行膨胀处理,使得边缘之间的缺口被填补。利用凸包计算出新的轮廓点,并用多边形拟合凸包,得到精度较低的四边形边框。对得到的四边形边框,利用面积最大作为条件,找到面积最大的四边形边框,就可以认为该边框是证件的边框。对找到的最大四边形边框再一次进行多边形拟合,这一次的精度较高,拟合的结果可能是大于四条边的多边形。将第一次拟合后的四边形周长的0.02倍maxL作为阈值,保留高精度拟合后到低精度拟合后的四个角点距离小于这个阈值的点保留下来,来减小求取角点的计算量。使用两倍maxL作为阈值,找到长度大于该阈值的四条边,最后利用这四条边两两求交点,得到四边形的四个角点。利用这四个角点的坐标和目标图像四个角点的坐标,通过透视变换,利用H矩阵对原图像变换到目标图像的坐标系并输出图像。该方法相对于常规的角点检测稳定度和准确度都有很大的提高,避免了对于不同的图像需要手动调节阈值,实现了自动寻找Canny算子阈值的功能。同时,通过两次多边形的拟合,第一次来排除其他四边形的干扰,第二次提高了四边形精度,并利用了两直线求交点的方法寻找角点,解决了身份证等证件是圆角的问题。
如图1所示,本发明实施例提供的一种对倾斜视角下证件图像的自动纠正方法,包括如下步骤:
步骤A)调用手机的摄像头获得照片。将拍照所获得的图片返回并显示在手机屏幕上。
步骤B)对获得的图片进行灰度化和去噪处理。
实施例中,首先将图像转化为灰度图像,并根据图像去噪的一般规律,对灰度图像进行5×5的中值滤波。
步骤C)根据当前的低阈值和高阈值,对图片进行边缘轮廓检测。
考虑到,太低的低阈值进行Canny检测的结果往往没有什么价值,而且会使得处理时间加长,因此本发明优选设定高阈值为低阈值的两倍。实施例中,第一次执行步骤C)时,优选以10为初始的低阈值,并按高阈值为低阈值的两倍的准则来获得初始的高阈值,即20。进行Canny算法检测边缘,在边缘检测之后,进行膨胀处理,闭合边缘轮廓之间存在的小缺口。
后续将动态改变边缘检测的阈值。在寻找边缘轮廓的过程中动态地改变阈值,改变时保持高阈值为低阈值的两倍的准则,使得不论是弱边缘还是强边缘都可以被检测到,实现了弱边缘的边缘检测。
步骤D)利用多边形拟合凸包边框(低精度)。
实施例实现如下,
1)对步骤C中检测到的所有轮廓,使用OpenCV(图像处理库)内置的findContours函数(查找轮廓函数)进行轮廓提取,然后采用RETR_EXTERNAL参数(外部轮廓)只获得外部的轮廓;
2)进行多边形拟合。可调用OPENCV中用于拟合轮廓的approxPolyDP函数,将拟合的方式设置为用多边形进行拟合。对于得到的每个轮廓,首先求出最外层凸包点的点号,再将凸包点的点坐标保存起来,最后用周长的0.02倍作为阈值(使得原曲线和拟合直线的最大距离不超过该值),得到相片中每一个轮廓的拟合多边形,并保存到向量中。
本步骤进行的是第一次拟合,为低精度拟合。
步骤E)寻找面积最大且各个角度都接近直角的四边形。利用拟合多边形的点为4个,以及手机的照相像素相应阈值(例如面积大于40000像素)筛选出满足条件的拟合多边形,这样达到减小计算量的效果,再进行面积比较找到面积最大的四边形并保存拟合得到该四边形的轮廓的编号;鉴于证件照拍摄一般不会过于歪斜,再以各个角的角度取值在70°~110°为限制条件筛选四边形轮廓。
若筛选不到最大四边形轮廓,将低阈值加1,相应地按高阈值为低阈值的两倍的准则对高阈值加2,返回步骤C重新寻找边缘轮廓。
若筛选到最大四边形轮廓,则进入步骤F。
步骤F)对于步骤E所得最大四边形轮廓,再度利用多边形拟合凸包边框(高精度),获得高精度拟合得到的凸多边形。
实施例中,由于轮廓是存放在向量中的,利用步骤E求得的轮廓编号,对于得到最大的矩形轮廓,求出凸包,利用多边形拟合(较小阈值,精确拟合)凸包边框:
对于得到的轮廓,首先求出最外层凸包点的点号,再将凸包点的点坐标保存起来,最后用3个像素作为阈值(使得原曲线和拟合直线的最大距离不超过该值),得到该轮廓的拟合多边形。
本步骤进行的是第二次拟合,为低精度拟合。
步骤G)找到四个精确的角点。
在步骤F中,用三个像素作为阈值来进行多边形拟合,来提高最大四边形的精度,但提高精度的同时会导致拟合出来的多边形可能不止四条边。因此,参见图3,本发明提出进行以下处理:
1)由于两次拟合得到的角点都在拟合的同时也存放在了对应的点向量中,根据经验,利用低精度拟合四边形周长的0.02倍maxL作为阈值,筛选出高精度拟合之后(即步骤F所得结果)与低精度拟合四边形(即步骤E所得最大四边形轮廓)的四个角点(四个角点中的某一个)的距离小于maxL的点,这样排除了其他顶点的干扰,从而为角点检测减小了计算量,使得在手机上实现得以保障。
2)基于1)筛选的点,在相邻的点之间求边长,然后用2×maxL作为阈值,筛选出高精度拟合得到的凸多边形中距离大于该阈值的四条边。这样利用三角形两边之和小于第三边(低精度拟合得到的角点和第二次高精度拟合得到的离该点最近的两个点),有效剔除了同一个角点附近两个凸包点连线的情况。3)最后利用两条直线求交点的方法得到四个角点的坐标存放在点列表Corner中。
步骤H)获取纠正前后照片的坐标系变换矩阵并纠正原图像。用左上角点到右上角点的距离作为长,左上角点到左下角点的距离作为宽,得到目标图片的大小,将目标图片的四个角点存放在点列表Target中,利用OPENCV中getPerspectiveTransform函数(得到两个坐标系透视变换矩阵的函数,通过手机屏幕坐标系的四个角点和Corner可以计算得到H)得到目标图像相对于原图像的转换矩阵H,利用H矩阵对原图像变换到目标图像的坐标系并输出图像。
本发明利用动态调整Canny算子的阈值和进行多边形拟合的方法,既能够提取出弱边缘的边缘信息,同时也避免了四边形内外的其他高频信息对检测角点的影响,最终实现了对证件的角点检测并纠正相片。
具体实施时,可采用软件方式实现流程的自动运行。如图2所示,本发明可在手机上采用APP方式实现,对初始点1、2、3、4处理后,可得到效果理想的目标点1、2、3、4。运行流程的***装置也应当在本发明的保护范围内。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代。
Claims (6)
1.一种针对倾斜视角证件图像的自动纠正方法,其特征在于:根据影像边缘的强弱,不断调整并找到合适的阈值进行图像分割;利用找到的所有四边形的面积进行筛选,得到证件的边缘轮廓;根据四边形的两条边求取交点的方式得到四个角点;最后通过透视变换将证件图像进行纠正;
实现方式包括采用以下步骤,
步骤A)调用手机的摄像头,将拍照所获得的图片返回并显示在手机上;
步骤B)对获得的图片进行灰度化处理,并对灰度图像进行中值滤波;
步骤C)根据当前的低阈值和高阈值,对图片进行边缘轮廓检测;
步骤D)基于步骤C中检测到的所有轮廓,利用多边形拟合凸包边框,得到低精度拟合结果;
步骤E)筛选寻找面积最大且各个角度都接近直角的四边形轮廓,若筛选不到最大四边形轮廓,调整增加低阈值和高阈值,返回步骤C重新寻找边缘轮廓;成功筛选到则进入步骤F;
步骤F)对于步骤E所得最大四边形轮廓,再度利用多边形拟合凸包边框,获得高精度拟合得到的凸多边形;
步骤G)找到四个精确的角点,实现方式为,
1)设低精度拟合四边形周长的0.02倍记为maxL,筛选出步骤F所得结果与步骤E所得最大四边形轮廓的四个角点的距离小于maxL的点;
2)基于步骤1)筛选的点,在相邻的点之间求边长,然后用2×maxL作为阈值,筛选出步骤F所得高精度拟合得到的凸多边形中距离大于该阈值的四条边;
3)根据步骤2)所得四条边,利用两条直线求交点的方法得到四个角点的坐标;
步骤H)获取目标图像相对于原图像的转换矩阵,并纠正原图像,得到输出图像。
2.根据权利要求1所述的一种针对倾斜视角证件图像的自动纠正方法,其特征在于:步骤C~步骤E中,在寻找边缘轮廓的过程中动态地改变阈值时,按照高阈值为低阈值的两倍准则进行。
3.根据权利要求2所述的一种针对倾斜视角证件图像的自动纠正方法,其特征在于:第一次执行步骤C)时,初始的低阈值为10,初始的高阈值为20。
4.根据权利要求1所述的一种针对倾斜视角证件图像的自动纠正方法,其特征在于:步骤E)的筛选实现方式为,利用拟合多边形的点为4个,以及手机的照相像素相应阈值筛选出满足条件的拟合多边形;再进行面积比较找到面积最大的四边形并保存拟合得到该四边形的轮廓的编号;再以各个角的角度取值在70°~110°为限制条件筛选四边形轮廓。
5.根据权利要求1或2或3或4所述的一种针对倾斜视角证件图像的自动纠正方法,其特征在于:采用手机APP的方式实现。
6.一种针对倾斜视角证件图像的自动纠正***,其特征在于:用于执行如权利要求1至5所述针对倾斜视角证件图像的自动纠正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700596.9A CN110490886B (zh) | 2019-07-31 | 2019-07-31 | 一种针对倾斜视角下证件图像的自动纠正方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700596.9A CN110490886B (zh) | 2019-07-31 | 2019-07-31 | 一种针对倾斜视角下证件图像的自动纠正方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490886A true CN110490886A (zh) | 2019-11-22 |
CN110490886B CN110490886B (zh) | 2022-04-01 |
Family
ID=68549028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910700596.9A Active CN110490886B (zh) | 2019-07-31 | 2019-07-31 | 一种针对倾斜视角下证件图像的自动纠正方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490886B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668572A (zh) * | 2020-12-24 | 2021-04-16 | 成都新希望金融信息有限公司 | 身份证图像标准化方法、装置、电子设备及存储介质 |
CN113436079A (zh) * | 2021-06-23 | 2021-09-24 | 平安科技(深圳)有限公司 | 证件图像检测方法和装置、电子设备、存储介质 |
CN113763507A (zh) * | 2021-08-23 | 2021-12-07 | 广州南方卫星导航仪器有限公司 | 一种地物直角纠正的方法及*** |
CN115100506A (zh) * | 2022-06-27 | 2022-09-23 | 平安银行股份有限公司 | 双录场景下矫正屏幕的图像方法、服务器及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915573A (zh) * | 2010-08-04 | 2010-12-15 | 中国科学院自动化研究所 | 一种基于标记物的关键点检测的定位测量方法 |
CN102156972A (zh) * | 2011-04-19 | 2011-08-17 | 清华大学 | 图像倾斜纠正方法及*** |
US20160314563A1 (en) * | 2013-12-25 | 2016-10-27 | Grg Banking Equipment Co., Ltd. | Method for correcting fragmentary or deformed quadrangular image |
CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
CN108627092A (zh) * | 2018-04-17 | 2018-10-09 | 南京阿凡达机器人科技有限公司 | 一种包裹体积的测量方法、***、储存介质及移动终端 |
CN109166098A (zh) * | 2018-07-18 | 2019-01-08 | 上海理工大学 | 基于图像处理的工件毛刺检测方法 |
-
2019
- 2019-07-31 CN CN201910700596.9A patent/CN110490886B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915573A (zh) * | 2010-08-04 | 2010-12-15 | 中国科学院自动化研究所 | 一种基于标记物的关键点检测的定位测量方法 |
CN102156972A (zh) * | 2011-04-19 | 2011-08-17 | 清华大学 | 图像倾斜纠正方法及*** |
US20160314563A1 (en) * | 2013-12-25 | 2016-10-27 | Grg Banking Equipment Co., Ltd. | Method for correcting fragmentary or deformed quadrangular image |
CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
CN108627092A (zh) * | 2018-04-17 | 2018-10-09 | 南京阿凡达机器人科技有限公司 | 一种包裹体积的测量方法、***、储存介质及移动终端 |
CN109166098A (zh) * | 2018-07-18 | 2019-01-08 | 上海理工大学 | 基于图像处理的工件毛刺检测方法 |
Non-Patent Citations (4)
Title |
---|
AIJUN CHEN: "Circular Object Recognition Based on Invariant Features", 《2008 INTERNATIONAL SYMPOSIUM ON DISTRIBUTED COMPUTING AND APPLICATIONS FOR BUSINESS ENGINEERING AND SCIENCE》 * |
李振华 等: "基于轮廓多边形拟合的红外与可见光图像配准算法", 《***工程与电子技术》 * |
雒涛 等: "改进的自适应阈值 Canny 边缘检测", 《光电工程》 * |
韩志超: "基于智能手机的身份证信息识别***的研究与实现", 《中国优秀博说只学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668572A (zh) * | 2020-12-24 | 2021-04-16 | 成都新希望金融信息有限公司 | 身份证图像标准化方法、装置、电子设备及存储介质 |
CN113436079A (zh) * | 2021-06-23 | 2021-09-24 | 平安科技(深圳)有限公司 | 证件图像检测方法和装置、电子设备、存储介质 |
CN113763507A (zh) * | 2021-08-23 | 2021-12-07 | 广州南方卫星导航仪器有限公司 | 一种地物直角纠正的方法及*** |
CN113763507B (zh) * | 2021-08-23 | 2023-07-21 | 广州南方卫星导航仪器有限公司 | 一种地物直角纠正的方法及*** |
CN115100506A (zh) * | 2022-06-27 | 2022-09-23 | 平安银行股份有限公司 | 双录场景下矫正屏幕的图像方法、服务器及*** |
CN115100506B (zh) * | 2022-06-27 | 2024-05-24 | 平安银行股份有限公司 | 双录场景下矫正屏幕的图像方法、服务器及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110490886B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490886A (zh) | 一种针对倾斜视角下证件图像的自动纠正方法及*** | |
CN107370958B (zh) | 图像虚化处理方法、装置及拍摄终端 | |
CN109785291B (zh) | 一种车道线自适应检测方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及*** | |
CN103606132A (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
WO2017054314A1 (zh) | 一种建筑物高度计算方法、装置和存储介质 | |
CN108171674B (zh) | 针对任意视角投影仪图像的视觉矫正方法 | |
US20130215234A1 (en) | Method and apparatus for stereo matching | |
KR20050041886A (ko) | 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법 | |
US20180025246A1 (en) | Realtime object measurement | |
CN105096330A (zh) | 一种自动识别纯色边框的图像处理方法、***及拍摄终端 | |
CN108154491B (zh) | 一种图像反光消除方法 | |
CN112785534A (zh) | 一种动态场景下去鬼影多曝光图像融合方法 | |
CN109598736A (zh) | 深度图像与彩色图像的配准方法及装置 | |
EP3068122B1 (en) | Image processing apparatus and image processing method | |
CN107437239A (zh) | 一种图像增强方法和装置 | |
CN104376540B (zh) | 一种Bayer图像的去噪方法 | |
CN107545251A (zh) | 人脸质量判别及图片增强的方法及装置 | |
CN103049911A (zh) | 轮廓检测稳定性判断方法及图像检索方法 | |
CN113674303B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN104010114A (zh) | 视频去噪方法和装置 | |
CN113313645B (zh) | 图像处理方法、图像处理装置、终端及可读存储介质 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测*** | |
WO2017128646A1 (zh) | 一种图像处理的方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |