CN110647866B - 一种检测文字笔画的方法 - Google Patents

一种检测文字笔画的方法 Download PDF

Info

Publication number
CN110647866B
CN110647866B CN201910951371.0A CN201910951371A CN110647866B CN 110647866 B CN110647866 B CN 110647866B CN 201910951371 A CN201910951371 A CN 201910951371A CN 110647866 B CN110647866 B CN 110647866B
Authority
CN
China
Prior art keywords
edge
pixels
points
strokes
types
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.)
Active
Application number
CN201910951371.0A
Other languages
English (en)
Other versions
CN110647866A (zh
Inventor
陈梅丽
徐烂烂
谢亚光
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.)
Hangzhou Arcvideo Technology Co ltd
Original Assignee
Hangzhou Arcvideo Technology 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 Hangzhou Arcvideo Technology Co ltd filed Critical Hangzhou Arcvideo Technology Co ltd
Priority to CN201910951371.0A priority Critical patent/CN110647866B/zh
Publication of CN110647866A publication Critical patent/CN110647866A/zh
Application granted granted Critical
Publication of CN110647866B publication Critical patent/CN110647866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V30/32—Digital ink
    • G06V30/333—Preprocessing; Feature extraction
    • G06V30/347—Sampling; Contour coding; Stroke extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种检测文字笔画的方法。它具体包括如下步骤：(1)提取图像高频分量，在高频分量上进行带有方向性的边缘检测，获取边缘平面；(2)根据边缘方向将边缘像素分为8类，并进行数值标志；(3)对边缘方向进行纠错处理，得到最终的边缘像素平面；(4)在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，得到新的边缘像素平面；(5)在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边。本发明的有益效果是：用于高效率的进行文字笔画的检测，用来保护视频中的文字部分不会有因为各种图像处理而造成文字笔画清晰度的损失。

Description

一种检测文字笔画的方法
技术领域
本发明涉及数字视频处理相关技术领域，尤其是指一种检测文字笔画的方法。
背景技术
众所周知，任何图像处理过程都会对原图像质量造成一定程度的退化，大多数图像画面质量的退化对于人眼而言是不敏感的，但是视频中的文字一般具有较明显的边界，人眼对于这种灰度变化剧烈的强边缘具有更高的敏感性，一旦出现模糊、变形、出错等，就容易被人眼所捕捉，造成用户体验下降。
发明内容
本发明是为了克服现有技术中存在上述的不足，提供了一种提高文字笔画清晰度的检测文字笔画的方法。
为了实现上述目的，本发明采用以下技术方案：
一种检测文字笔画的方法，具体包括如下步骤：
(1)提取图像高频分量，在高频分量上进行带有方向性的边缘检测，获取边缘平面；
(2)根据边缘方向将边缘像素分为8类，并进行数值标志；
(3)对边缘方向进行纠错处理，得到最终的边缘像素平面；
(4)在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，得到新的边缘像素平面；
(5)在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边。
本发明是一种检测文字横/竖笔画的算法，用于高效率的进行文字笔画的检测，可应用于各种图像处理算法中，用来保护视频中的文字部分不会有因为各种图像处理而造成文字笔画清晰度的损失。
作为优选，在步骤(2)中，8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素个None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8。
作为优选，在步骤(3)中，对边缘方向进行纠错处理的具体方法如下：
(31)找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素；
(32)选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向；
(33)如果步骤(32)无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向；
(34)如果步骤(33)仍然无法确认新方向，则不对该孤立点进行修正。
作为优选，在步骤(4)中，归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素个None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8。
作为优选，在步骤(5)中，构成横竖笔画角点的类型有四种，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点。
作为优选，在步骤(5)中，具体算法如下：
(51)选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点；
(52)在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型；
(53)根据角点与边的位置关系，确定角点类型；
(54)确定的两个角点相连的像素组成文字横竖笔画。
本发明的有益效果是：用于高效率的进行文字笔画的检测，可应用于各种图像处理算法中，用来保护视频中的文字部分不会有因为各种图像处理而造成文字笔画清晰度的损失。
附图说明
图1是本发明的算法流程图；
图2是本发明中8类边缘像素的示意图；
图3是本发明中纠错处理的方法流程图；
图4是本发明中4类边缘像素的示意图；
图5是本发明中横笔画的四种角点类型示意图；
图6是本发明中步骤(51)中所提到H方向和V方向边缘交叉的像素点示意图；
图7是本发明中步骤(52)中所提到角点与H、V两边的位置关系示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中，一种检测文字笔画的方法，具体包括如下步骤：
(1)提取图像高频分量，在高频分量上进行带有方向性的边缘检测，获取边缘平面；
(2)根据边缘方向将边缘像素分为8类，并进行数值标志，具体如表1所示；其中：如图2所示，8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素个None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8；
表1
H RH RC RV V LV LC LH None
0 1 3 2 4 6 7 5 8
(3)对边缘方向进行纠错处理，得到最终的边缘像素平面；
如图3所示，对边缘方向进行纠错处理的具体方法如下：
(31)找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素；
(32)选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向；
(33)如果步骤(32)无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向；
(34)如果步骤(33)仍然无法确认新方向，则不对该孤立点进行修正；
(4)在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，具体如表2所示，得到新的边缘像素平面；其中：如图4所示，归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素个None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8；
表2
H RC V LC None
0 3 4 7 8
(5)在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边；其中：构成横竖笔画角点的类型有四种，定义为type 0～3，简称T0、T1、T2、T3，如图5所示，以横笔画为例说明四种角点类型，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点；
具体算法如下：
(51)选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点，共有四种情况，如图6所示中的灰色像素点；
(52)在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型，具体为：符合如图7所示位置关系；
(53)根据角点与边的位置关系，确定角点类型；
(54)确定的两个角点相连的像素组成文字横竖笔画。
本发明是一种检测文字横/竖笔画的算法，用于高效率的进行文字笔画的检测，可应用于各种图像处理算法中，用来保护视频中的文字部分不会有因为各种图像处理而造成文字笔画清晰度的损失。

Claims (2)

1.一种检测文字笔画的方法，其特征是，具体包括如下步骤：
（1）提取图像高频分量，在高频分量上进行带有方向性的边缘检测，获取边缘平面；
（2）根据边缘方向将边缘像素分为8类，并进行数值标志；8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8；
（3）对边缘方向进行纠错处理，得到最终的边缘像素平面；
（4）在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素，并进行数值标志，得到新的边缘像素平面；归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8；
（5）在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边；构成横竖笔画角点的类型有四种，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点；具体算法如下：
（51）选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点；
（52）在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型；
（53）根据角点与边的位置关系，确定角点类型；
（54）确定的两个角点相连的像素组成文字横竖笔画。
2.根据权利要求1所述的一种检测文字笔画的方法，其特征是，在步骤（3）中，对边缘方向进行纠错处理的具体方法如下：
（31）找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素；
（32）选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向；
（33）如果步骤（32）无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向；
（34）如果步骤（33）仍然无法确认新方向，则不对该孤立点进行修正。
CN201910951371.0A 2019-10-08 2019-10-08 一种检测文字笔画的方法 Active CN110647866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910951371.0A CN110647866B (zh) 2019-10-08 2019-10-08 一种检测文字笔画的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910951371.0A CN110647866B (zh) 2019-10-08 2019-10-08 一种检测文字笔画的方法

Publications (2)

Publication Number Publication Date
CN110647866A CN110647866A (zh) 2020-01-03
CN110647866B true CN110647866B (zh) 2022-03-25

Family

ID=68993551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910951371.0A Active CN110647866B (zh) 2019-10-08 2019-10-08 一种检测文字笔画的方法

Country Status (1)

Country Link
CN (1) CN110647866B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236894A (zh) * 2010-04-30 2011-11-09 西门子公司 圆检测方法及装置
CN103093185A (zh) * 2011-11-07 2013-05-08 佳能株式会社 字符识别装置、图像处理装置及其方法
CN103679738A (zh) * 2013-12-27 2014-03-26 江南大学 基于颜色半径邻近域像素分类的图像边缘检测方法
CN104392229A (zh) * 2014-10-09 2015-03-04 南通大学 基于笔画片段方向分布特征的笔迹识别方法
CN104751142A (zh) * 2015-04-01 2015-07-01 电子科技大学 一种基于笔划特征的自然场景文本检测算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005190400A (ja) * 2003-12-26 2005-07-14 Seiko Epson Corp 顔画像検出方法及び顔画像検出システム並びに顔画像検出プログラム
US9076056B2 (en) * 2013-08-20 2015-07-07 Adobe Systems Incorporated Text detection in natural images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236894A (zh) * 2010-04-30 2011-11-09 西门子公司 圆检测方法及装置
CN103093185A (zh) * 2011-11-07 2013-05-08 佳能株式会社 字符识别装置、图像处理装置及其方法
CN103679738A (zh) * 2013-12-27 2014-03-26 江南大学 基于颜色半径邻近域像素分类的图像边缘检测方法
CN104392229A (zh) * 2014-10-09 2015-03-04 南通大学 基于笔画片段方向分布特征的笔迹识别方法
CN104751142A (zh) * 2015-04-01 2015-07-01 电子科技大学 一种基于笔划特征的自然场景文本检测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于角点检测的毛笔字笔画分割算法;敖雪峰等;《图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集》;20141201;第173-176页 *

Also Published As

Publication number Publication date
CN110647866A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
US20180137321A1 (en) Method and system for decoding two-dimensional code using weighted average gray-scale algorithm
CN108830133B (zh) 合同影像图片的识别方法、电子装置及可读存储介质
WO2017088462A1 (zh) 图像处理方法和装置
US20180253852A1 (en) Method and device for locating image edge in natural background
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
WO2017088479A1 (zh) 台标识别方法及装置
CN110276769B (zh) 一种视频画中画架构中直播内容定位方法
CN117635609B (zh) 一种塑胶产品生产质量视觉检测方法
CN112036259A (zh) 一种基于图像处理与深度学习相结合的表格矫正与识别的方法
CN109544577B (zh) 一种基于边缘点编组的改进直线提取方法
JPWO2012004830A1 (ja) 画像処理装置
CN116152261B (zh) 一种印刷制品质量的视觉检测***
US8000535B2 (en) Methods and systems for refining text segmentation results
CN110288619B (zh) 基于视觉的太阳花模组表面螺钉孔位置检测方法
CN111080723A (zh) 基于Unet网络的图像元素分割方法
CN114792310A (zh) 一种LCD屏幕中边缘模糊的Mura缺陷检测方法
CN112396582B (zh) 一种基于Mask RCNN的均压环歪斜检测方法
US20060153449A1 (en) Block-based parallel image thinning methods, computer program products and systems
CN110647866B (zh) 一种检测文字笔画的方法
CN110728669B (zh) 一种视频马赛克检测方法
CN110310223B (zh) 一种紫外光与可见光图像的融合方法
CN110827220B (zh) 一种基于图像边缘分析的抗锯齿方法
CN110826564A (zh) 一种复杂场景图像中的小目标语义分割方法及***
CN112288372B (zh) 一种可同时识别一维条码和三段码字符的快递单识别方法
CN111695557B (zh) 一种图像处理方法及装置

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