CN111104940A - 图像旋转校正方法、装置、电子设备及存储介质 - Google Patents

图像旋转校正方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111104940A
CN111104940A CN201811256128.9A CN201811256128A CN111104940A CN 111104940 A CN111104940 A CN 111104940A CN 201811256128 A CN201811256128 A CN 201811256128A CN 111104940 A CN111104940 A CN 111104940A
Authority
CN
China
Prior art keywords
edge
point
target
recognized
searching
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
CN201811256128.9A
Other languages
English (en)
Inventor
杜杨君
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.)
Shenzhen Yihua Computer Co Ltd
Shenzhen Yihua Time Technology Co Ltd
Shenzhen Yihua Financial Intelligent Research Institute
Original Assignee
Shenzhen Yihua Computer Co Ltd
Shenzhen Yihua Time Technology Co Ltd
Shenzhen Yihua Financial Intelligent Research Institute
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 Shenzhen Yihua Computer Co Ltd, Shenzhen Yihua Time Technology Co Ltd, Shenzhen Yihua Financial Intelligent Research Institute filed Critical Shenzhen Yihua Computer Co Ltd
Priority to CN201811256128.9A priority Critical patent/CN111104940A/zh
Publication of CN111104940A publication Critical patent/CN111104940A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

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

Abstract

本发明公开了一种图像旋转校正方法、装置、电子设备及存储介质。该方法包括：在图像中查找待识别目标的第一边的边缘点；根据第一边的端点确定待识别目标的第二边的边缘点查找区间，并在第二边的边缘点查找区间内查找第二边的边缘点，其中第二边与第一边平行；根据第一边的端点和第二边的端点，确定待识别目标的第三边的边缘点查找区间并查找第三边的边缘点，以及确定待识别目标的第四边的边缘点查找区间并查找第四边的边缘点；根据各边的边缘点确定待识别目标的边，并根据待识别目标的边对图像进行旋转校正。本发明根据已找到边缘点的边的端点，来缩小其他边的边缘点查找范围，缩短边缘点查找时间，提升图像旋转矫正的效率。

Description

图像旋转校正方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术，尤其涉及一种图像旋转校正方法、装置、电子设备及存储介质。
背景技术
目前，对于纸币、支票、证件信息等的识别，均涉及到图像的旋转校正，以便进行后续的图像分割及字符识别。
以纸币为例，图像旋转校正一般是对扫描的图像中纸币的四条边进行采样，得到四条边的点集。然后对各边的点集用霍夫直线检测方法得到要求精度内(ρ和θ精度)的包含的点最多的直线，同时去掉其他的点，则这条包含的点最多的直线即为纸币的边(霍夫直线检测方法是根据极坐标系下的直线方程ρ＝xcosθ+ysinθ来进行计算，ρ表示原点到直线的距离，即原点到直线的垂线的长度，θ表示垂线与x轴的夹角。用霍夫直线检测方法可以排除掉纸币折角、缺边导致的异常边缘点)。然后对各边的点集用最小二乘法进行线性拟合，得到各边的斜率K与截距b，根据公式y＝Kx+b，可以求出相邻两条边的交点，即纸币的角点，由此可以依次求出纸币在原图的四个角点。
然后依据纸币上边缘的斜率K求出边的倾斜角度a(即纸币上边缘与x轴的夹角)，结合纸币四角点，通过图像旋转公式x'＝xcosα-ysinα与y'＝xsinα+ycosα可以求出原图的四个角点在旋转-a角度后得到的目标图的四个角点，其中(x，y)表示原坐标，(x'，y')表示(x，y)旋转α角度后得到的新坐标，α表示将图像校正所需要旋转的角度。假设原图四个角点的坐标分别为左上角(x1，y1)，右上角(x2，y2)，右下角(x3，y3)，左下角(x4，y4)，旋转角度-a后得到目标图的四个角点的坐标分别为左上角(x1'，y1')，右上角(x2'，y2')，右下角(x3'，y3')，左下角(x4'，y4')，将-a代入α，则：
x1'＝x1×cos(-a)-y1×sin(-a)；y1'＝x1×sin(-a)+y1×cos(-a)；
x2'＝x2×cos(-a)-y2×sin(-a)；y2'＝x2×sin(-a)+y2×cos(-a)；
x3'＝x3×cos(-a)-y3×sin(-a)；y3'＝x3×sin(-a)+y3×cos(-a)；
x4'＝x4×cos(-a)-y4×sin(-a)；y4'＝x4×sin(-a)+y4×cos(-a)；
反过来，目标图旋转a角度后可以从目标图的四个角点得到原图的四个角点。即：
x1＝x1'×cos(a)-y1'×sin(a)；y1＝x1'×sin(a)+y1'×cos(a)；
x2＝x2'×cos(a)-y2'×sin(a)；y2＝x2'×sin(a)+y2'×cos(a)；
x3＝x3'×cos(a)-y3'×sin(a)；y3＝x3'×sin(a)+y3'×cos(a)；
x4＝x4'×cos(a)-y4'×sin(a)；y4＝x4'×sin(a)+y4'×cos(a)；
那么，在目标图四个角点内的区域(即纸币区域)，都可以通过旋转a角度得到原图的四个角点内的区域。因此只需要在目标图四个角点内遍历所有的点，然后找到对应的原图的点，把原图的点在目标图中填充(可使用最近邻插值或者双线性插值)，即可得到矫正后的纸币图像。
但是，上述图像旋转校正方法，需要全图扫描寻找纸币四条边，效率低。
发明内容
本发明提供一种图像旋转校正方法、装置、电子设备及存储介质，以优化找边的方法，提升找边效率，提升图像旋转矫正的效率。
第一方面，本发明实施例提供了一种图像旋转校正方法，包括：
在图像中查找待识别目标的第一边的边缘点；
根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行；
根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点；
根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述图像进行旋转校正。
第二方面，本发明实施例还提供了一种图像旋转校正装置，包括：
边缘点查找模块，用于在图像中查找待识别目标的第一边的边缘点；根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行；根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点；
图像旋转校正模块，用于根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述图像进行旋转校正。
第三方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的图像旋转校正方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的图像旋转校正方法。
本发明实施例的技术方案，根据已经找到边缘点的边的端点，来缩小其他边的边缘点查找范围，从而缩短边缘点查找时间，提升找边效率，提升图像旋转矫正的效率，提高图像处理速度。
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做一简单地介绍，显而易见地，下面描述中的附图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。
图1是本发明实施例一提供的图像旋转校正方法的流程图；
图2是本发明实施例二提供的确定下一边缘点的初始查找位置的示意图；
图3是本发明实施例三提供的图像旋转校正装置的结构框图；
图4是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的图像旋转校正方法的流程图，本实施例可适用于对图像进行旋转校正的情况，例如，可以针对验钞机采集的纸币图像、票据接收/发放模块采集的支票图像等进行图像的前期处理。该方法可以由图像旋转校正装置来执行，该装置可以通过软件和/或硬件实现，该装置可集成在具有处理功能的设备中，例如，验钞机、ATM机、PC机等。如图1所示，该方法具体包括如下步骤：
步骤110，在图像中查找待识别目标的第一边的边缘点。
其中，待识别目标可以是纸币、证件等需要进行图像识别的物体。图像是指通过扫描待识别目标得到的待识别图像，其中包括背景区域和待识别目标。本实施例中，待识别目标一般为矩形或正方形，包含四条边。边缘点是指对待识别目标的边进行采样，得到的边上的点。一般一条边需要采集很多个点，构成点集。
具体的，可以针对第一边相对于待识别目标的位置(即属于待识别目标的哪条边)，按照一定的顺序，从图像的相应行或相应列开始，逐行或逐列来查找第一边的边缘点。例如，第一边为待识别目标的上边缘，则可以按照从左往右、从上往下的顺序，查找第一边的边缘点，具体可以从上往下找到一个边缘点后，换到下一列，再次从上往下查找该边的下一个边缘点。在扫描的图像中，一般为黑色背景，待识别目标所在区域的灰度比背景灰度高，因此可以设置灰度阈值来区分当前点是背景点还是边缘点，具体的，上一个扫描点的灰度低于灰度阈值，而下一个扫描点的灰度高于灰度阈值，则下一个扫描点为边缘点。灰度阈值的具体取值与图像采集设备有关，例如，灰度阈值的取值范围可以是0至20。
步骤120，根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行。
其中，考虑到待识别目标的形状，在已经找到第一边的点集之后，可以参考第一边的两个端点来查找与第一边平行的第二边的边缘点，例如，在第一边的两端点之间的区间内，去查找第二边的边缘点，而不必从整个图像的第一行像素或第一列像素开始逐行或逐列地查找，以缩小查找范围，节省查找时间。
步骤130，根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点。
其中，考虑到待识别目标的形状，在查找到待识别目标的两条平行边的边缘点之后，可以根据这两条平行边的端点来缩小另外两条边的边缘点查找范围，具体的，确定所述第一边和所述第二边的第一同侧端点之间的区间，作为所述第三边的边缘点查找区间；确定所述第一边和所述第二边的第二同侧端点之间的区间，作为所述第四边的边缘查找区间。
示例性的，第一边为左边缘，第二边为右边缘，那么可以将第一边的上端点与第二边的上端点之间的区间，作为上边缘的边缘点查找区间；将第一边的下端点与第二边的下端点之间的区间，作为下边缘的边缘点查找区间。
步骤140，根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述待识别目标进行旋转校正。
其中，各边的边缘点是指待识别目标的四条边的边缘点，针对每条边，可以通过对该边的边缘点进行线性拟合，得到该边的直线方程，从而确定待识别目标的倾斜角度，以按照该倾斜角度进行旋转校正。
本实施例的技术方案，根据已经找到边缘点的边的端点，来缩小其他边的边缘点查找范围，从而缩短边缘点查找时间，提升找边效率，提升图像旋转矫正的效率，提高图像处理速度。进而节省的时间可以用于增加新算法，提升设备鉴别性能；或者，节省的时间可用于提升纸币传输速度，例如8张/s提升到10张/s或者12张/s，提升设备传输性能。
在上述技术方案的基础上，可选的，步骤120中根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，包括：根据所述第一边相对于所述待识别目标的位置及所述第一边的端点坐标，确定所述第二边的偏移方向及偏移量；根据所述第一边的端点坐标、所述偏移方向及所述偏移量，确定所述第二边的边缘点查找区间。
其中，偏移参数包括：偏移方向和偏移量，偏移参数是指第二边相对于第一边的偏移情况。对于固定的坐标轴方向，通过比较第一边的两端点坐标的大小，可以确定待识别目标的倾斜情况，进而可以确定第二边的偏移参数，然后基于第一边的端点坐标和第二边的偏移参数，可以确定第二边的边缘点查找区间，排除掉无效的背景区域，且确定方式简单可靠，易于实现。偏移量可以根据待识别目标的具体情况进行计算，以纸币为例，其长边的长度大概为短边长度的2倍，当纸币倾斜时，长边的两端点的纵坐标差值为短边的两端点的横坐标差值的2倍，因此，若第一边为长边，可以近似使用长边的两端点的纵坐标差值的一半作为偏移量；对于正方形的待识别目标，各边长相等，则可以使用第一边的两端点的纵坐标差值，作为偏移量。
进一步的，根据所述第一边相对于所述待识别目标的位置及所述第一边的端点坐标，确定所述第二边的偏移方向及偏移量，包括：
若所述第一边为所述待识别目标的上边缘或下边缘，根据所述第一边的左端点的纵坐标值与右端点的纵坐标值的大小，确定所述第二边的偏移方向，并根据所述左端点的纵坐标值与右端点的纵坐标值的差值计算所述第二边的偏移量；
若所述第一边为所述待识别目标的左边缘或右边缘，根据所述第一边的上端点的横坐标值与下端点的横坐标值的大小，确定所述第二边的偏移方向，并根据所述上端点的横坐标值与下端点的横坐标值的差值计算所述第二边的偏移量。
进一步的，根据所述第一边的端点坐标、所述偏移方向及所述偏移量，确定所述第二边的边缘点查找区间，包括：
若所述第一边为所述待识别目标的上边缘或下边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的横坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间；
若所述第一边为所述待识别目标的左边缘或右边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的纵坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间。
示例性的，坐标轴是以图像左上角为原点，竖直向下为y轴正向，水平向右为x轴正向。若第一边为纸币的上边缘，第一边的左端点的坐标为(X1，Y1)，第一边的右端点的坐标为(X2，Y2)，第一边的左端点的纵坐标值大于右端点的纵坐标值，表示待识别目标左低右高，即向左倾斜，那么第二边的边缘点查找区间应该以第一边的左右端点的横坐标为基准向右偏移(即在第一边的端点的横坐标值的基础上增加偏移量)，偏移量为
Figure BDA0001842763800000091
由此第二边的边缘点查找区间为
Figure BDA0001842763800000092
在一个实施方式中，针对待识别目标的每条边，在查找该边的边缘点时，均在该边的边缘点查找区间内根据该边的当前边缘点和该边的预设步距确定该边的下一个边缘点的初始查找位置。
具体的，可以分别为每条边设置预设步距，预设步距可以根据图像采集设备的分辨率或采样点数需求来设定。例如，纸币长边为155mm，需要采样50至70个采样点，可以根据这些数据设置纸币长边的步距。具体可以根据当前边相对于待识别目标的位置，从当前边缘点向预设方向偏移预设步距，以确定当前边的下一个边缘点的初始查找位置。例如，对于上边缘，将上边缘的当前边缘点向右偏移预设步距且向上偏移预设步距的位置，作为下一个边缘点的初始查找位置；又如，对于左边缘，将左边缘的当前边缘点向下偏移预设步距且向左偏移预设步距的位置，作为下一个边缘点的初始查找位置。
示例性的，以纸币上边缘点的查找为例，每当从上往下逐行查找，找到一个边缘点后，则将该边缘点所在的列数(K)向右偏移该边的预设步距(M)，并将该边缘点所在的行数(L)向上偏移该边的预设步距(M)，跳到相应的位置(即L-M行，K+M列)，将该位置作为初始查找位置，从上往下继续查找该列上的上边缘点。由此不需要查找边上的所有点，利用预设步距间隔找点，可以节省查找边缘点的时间，省去大部分无效点的判断。
在另一个可选实施方式中，根据各边的边缘点确定所述待识别目标的边，包括：利用预设的霍夫直线夹角范围去掉各边的异常边缘点；根据去掉异常边缘点之后的各边的边缘点进行线性拟合，得到各边的直线方程。
其中，霍夫直线夹角范围是指极坐标系下的直线方程ρ＝xcosθ+ysinθ中的θ，即原点到直线的垂线与x轴的夹角。在现有图像旋转校正方法中，霍夫直线检测是针对θ为360度的直线检测。考虑到待识别目标的实际传输情况以及设备传输待识别目标时传输通道的限制，待识别目标的倾斜角度可能有个固定的角度范围，而不是360度范围内的倾斜，因此，可以根据具体设备传输通道的情况设置霍夫直线夹角范围，在设置的该霍夫直线夹角范围内去掉异常边缘点，优化了霍夫直线检测方法，以提高剔除异常点的效率。
以纸币为例，因为设备传输通道的限制，纸币长边的倾斜角度不会超过±15度。超过这个角度后，纸币图像采集也会因为倾斜角度过大而无法完整采集或者采集到下一张纸币(连张)，这样的话，旋转矫正是没有意义的。因此，在做霍夫直线检测时，假设纸币上下两条长边的倾斜角度在-15度到15度，对应的θ角在75度到105度，左右两条短边的倾斜角度在75度到105度，对应的θ角在165度到195度。由此霍夫直线夹角范围从360度缩减到30度，检测的效率提高了12倍。
实施例二
本实施例在上述各实施例的基础上，以纸币为例，对图像旋转校正方法中根据已查找完边缘点的边确定其他边的边缘点查找区间进行了具体说明。与上述实施例相同或相应的术语解释，本实施例不再赘述。在具体实施中，先查找待识别目标的哪条边(即第一边的选择)，以及待识别目标的不同的倾斜情况，均会影响到第二边的边缘点查找区间的具体计算。下面结合第一边的不同选择以及待识别目标的不同倾斜情况分别进行说明。
本实施例中，若第一边为上边缘或下边缘，第一边的左端点的坐标为(X1，Y1)，第一边的右端点的坐标为(X2，Y2)。若第一边为左边缘或右边缘，第一边的上端点的坐标为(X3，Y3)，第一边的下端点的坐标为(X4，Y4)。需要说明的是，本发明实施例针对图像的处理，其坐标轴是以图像左上角为原点，竖直向下为y轴正向，水平向右为x轴正向，如果坐标轴的设置有所变化，则本发明实施例中端点坐标的大小比较及相应倾斜情况的确定，查找偏移量的具体计算公式，以及边缘点查找区间的具体计算公式，也会相应改变，这些本领域技术人员基于本发明原理可以做出的修改、等同替换、改进，也属于本发明的保护范围。
(1)若所述第一边为所述待识别目标的上边缘，且所述第一边的左端点的纵坐标值大于右端点的纵坐标值(表示待识别目标左低右高)，则确定所述待识别目标向左倾斜，第二边的偏移参数如下：以第一边的左右端点为基准的偏移方向是向右偏移，偏移量为
Figure BDA0001842763800000111
进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为
Figure BDA0001842763800000112
其中，由于待识别目标是倾斜的，基于已查找到的第一边的端点坐标，若选取[X1，X2]这个区间作为第二边(与第一边平行)的边缘点查找区间，是不合适的，应该要整体往右偏移一些。
(2)若所述第一边为所述待识别目标的上边缘，且所述第一边的左端点的纵坐标值小于右端点的纵坐标值(表示待识别目标左高右低)，则确定所述待识别目标向右倾斜，第二边的偏移参数如下：以第一边的左右端点为基准的偏移方向为向左偏移，偏移量为
Figure BDA0001842763800000121
进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为
Figure BDA0001842763800000122
(3)若所述第一边为所述待识别目标的下边缘，且所述第一边的左端点的纵坐标值大于右端点的纵坐标值(表示待识别目标左低右高)，则确定所述待识别目标向左倾斜，第二边的偏移参数如下：以第一边的左右端点为基准的偏移方向是向左偏移，偏移量为
Figure BDA0001842763800000123
进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为
Figure BDA0001842763800000124
(4)若所述第一边为所述待识别目标的下边缘，且所述第一边的左端点的纵坐标值小于右端点的纵坐标值(表示待识别目标左高右低)，则确定所述待识别目标向右倾斜，第二边的偏移参数如下：以第一边的左右端点为基准的偏移方向为向右偏移，偏移量为
Figure BDA0001842763800000125
进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为
Figure BDA0001842763800000126
(5)若所述第一边为所述待识别目标的左边缘，且所述第一边的上端点的横坐标值大于下端点的横坐标值(表示待识别目标左高右低)，则确定所述待识别目标向右倾斜，第二边的偏移参数如下：以第一边的上下端点为基准的偏移方向是向下偏移，偏移量为2(X3-X4)。进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为[Y3+2(X3-X4)，Y4+2(X3-X4)]。
(6)若所述第一边为所述待识别目标的左边缘，且所述第一边的上端点的横坐标值小于下端点的横坐标值(表示待识别目标左低右高)，则确定所述待识别目标向左倾斜，第二边的偏移参数如下：以第一边的上下端点为基准的偏移方向为向上偏移，偏移量为2(X4-X3)。进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为[Y3-2(X4-X3)，Y4-2(X4-X3)]。
(7)若所述第一边为所述待识别目标的右边缘，且所述第一边的上端点的横坐标值大于下端点的横坐标值(表示待识别目标左高右低)，则确定所述待识别目标向右倾斜，第二边的偏移参数如下：以第一边的上下端点为基准的偏移方向是向上偏移，偏移量为2(X3-X4)。进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为[Y3-2(X3-X4)，Y4-2(X3-X4)]。
(8)若所述第一边为所述待识别目标的右边缘，且所述第一边的上端点的横坐标值小于下端点的横坐标值(表示待识别目标左低右高)，则确定所述待识别目标向左倾斜，第二边的偏移参数如下：以第一边的上下端点为基准的偏移方向为向下偏移，偏移量为2(X4-X3)。进而根据偏移量和偏移方向，计算第二边的边缘点查找区间为[Y3+2(X4-X3)，Y4+2(X4-X3)]。
示例性的，纸币图像的高度为H(即包括H行像素，从上往下依次为0至H-1)，宽度为W(即包括W列像素，从左往右依次为0至W-1)。首先查找纸币的上边缘，按从左往右、从上往下的顺序，按预设步距X查找纸币的上边缘。
如图2所示，白点为找到的上边缘的点集，步距X为两个白点之间的横向距离。每当从上往下，找到一个边缘点后，则将当前边缘点向右偏移X，向上偏移X，跳到相应位置，继续从上往下查找下一个边缘点，也就是说，不是从当前边缘点的下一列的顶部开始查找。同理，查找下边缘点、左边缘点、右边缘点时，也可以使用同样的方法来节省查找边缘点的时间，省去大部分无效点的判断。
当查找完上边缘点后，可以得到上边缘的左右两端的端点。假设左端点的坐标为(A1，B1)，右端点的坐标为(A2，B2)，如果纸币没有倾斜，则B1＝B2。如果纸币倾斜，例如，左低右高(即正角度倾斜)，则B1>B2，反之，则B2>B1。
因为已经得到上边缘的左右端点，不需要再从0到W-1区间来查找下边缘。如果B1＝B2，则下边缘只需要从A1到A2区间查找即可。这样就排除掉了左右两端的无效的背景区域了。如果纸币倾斜，B1>B2，则下边缘的查找区间A1到A2是不合适的，应该要整体往右偏移一些，这个偏移量可以近似使用
Figure BDA0001842763800000141
来代替。同样的，如果纸币倾斜，B2>B1，则下边缘的查找区间A1到A2要整体往左偏移
Figure BDA0001842763800000142
当查找完纸币下边缘点后，可以得到纸币下边缘的左右两个端点，假设下边缘的左端点坐标为(A3，B3)，右端点的坐标为(A4，B4)。查找纸币的左边缘时，不需要从上往下0到H-1逐行扫描，只需要从B1到B3区间进行扫描即可。同理，查找纸币的右边缘时，也只需要从上往下扫描B2到B4区间即可。
经过上述操作，可以将纸币四条边的边缘点查找时间尽可能地缩短，提升找边效率，节省时间，提高纸币处理速度。
实施例三
本实施例提供了一种图像旋转校正装置，如图3所示，该装置包括：
边缘点查找模块310，用于在图像中查找待识别目标的第一边的边缘点；根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行；根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点；
图像旋转校正模块320，用于根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述图像进行旋转校正。
可选的，边缘点查找模块310包括：
偏移参数确定单元，用于根据所述第一边相对于所述待识别目标的位置及所述第一边的端点坐标，确定所述第二边的偏移方向及偏移量；
区间确定单元，用于根据所述第一边的端点坐标、所述偏移方向及所述偏移量，确定所述第二边的边缘点查找区间。
可选的，偏移参数确定单元具体用于：
若所述第一边为所述待识别目标的上边缘或下边缘，根据所述第一边的左端点的纵坐标值与右端点的纵坐标值的大小，确定所述第二边的偏移方向，并根据所述左端点的纵坐标值与右端点的纵坐标值的差值计算所述第二边的偏移量；
若所述第一边为所述待识别目标的左边缘或右边缘，根据所述第一边的上端点的横坐标值与下端点的横坐标值的大小，确定所述第二边的偏移方向，并根据所述上端点的横坐标值与下端点的横坐标值的差值计算所述第二边的偏移量。
可选的，区间确定单元具体用于：
若所述第一边为所述待识别目标的上边缘或下边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的横坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间；
若所述第一边为所述待识别目标的左边缘或右边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的纵坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间。
可选的，边缘点查找模块310具体用于：确定所述第一边和所述第二边的第一同侧端点之间的区间，作为所述第三边的边缘点查找区间；确定所述第一边和所述第二边的第二同侧端点之间的区间，作为所述第四边的边缘查找区间。
可选的，边缘点查找模块310具体用于：针对每条边，在查找该边的边缘点时，均在该边的边缘点查找区间内根据该边的当前边缘点和该边的预设步距确定该边的下一个边缘点的初始查找位置。
可选的，图像旋转校正模块320具体用于：利用预设的霍夫直线夹角范围去掉各边的异常边缘点；根据去掉异常边缘点之后的各边的边缘点进行线性拟合，得到各边的直线方程。
本发明实施例所提供的图像旋转校正装置可执行本发明任意实施例所提供的图像旋转校正方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的图像旋转校正方法。
值得注意的是，图像旋转校正装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例四
本实施例提供一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的图像旋转校正方法。
图4是本发明实施例四提供的电子设备的结构示意图，如图4所示，该电子设备包括：处理器410、存储器420、输入装置430和输出装置440；电子设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图像旋转校正方法对应的程序指令/模块(例如，图像旋转校正装置中的边缘点查找模块310和图像旋转校正模块320)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的图像旋转校正方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的图像旋转校正方法。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
本领域普通技术人员应该明白，上述的本发明实施例的各模块或各操作可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或操作制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像旋转校正方法，其特征在于，包括：
在图像中查找待识别目标的第一边的边缘点；
根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行；
根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点；
根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述图像进行旋转校正。
2.根据权利要求1所述的方法，其特征在于，根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，包括：
根据所述第一边相对于所述待识别目标的位置及所述第一边的端点坐标，确定所述第二边的偏移方向及偏移量；
根据所述第一边的端点坐标、所述偏移方向及所述偏移量，确定所述第二边的边缘点查找区间。
3.根据权利要求2所述的方法，其特征在于，根据所述第一边相对于所述待识别目标的位置及所述第一边的端点坐标，确定所述第二边的偏移方向及偏移量，包括：
若所述第一边为所述待识别目标的上边缘或下边缘，根据所述第一边的左端点的纵坐标值与右端点的纵坐标值的大小，确定所述第二边的偏移方向，并根据所述左端点的纵坐标值与右端点的纵坐标值的差值计算所述第二边的偏移量；
若所述第一边为所述待识别目标的左边缘或右边缘，根据所述第一边的上端点的横坐标值与下端点的横坐标值的大小，确定所述第二边的偏移方向，并根据所述上端点的横坐标值与下端点的横坐标值的差值计算所述第二边的偏移量。
4.根据权利要求2所述的方法，其特征在于，根据所述第一边的端点坐标、所述偏移方向及所述偏移量，确定所述第二边的边缘点查找区间，包括：
若所述第一边为所述待识别目标的上边缘或下边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的横坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间；
若所述第一边为所述待识别目标的左边缘或右边缘，按照坐标轴的方向以及所述偏移方向，在所述第一边的端点的纵坐标值的基础上增加或减少所述偏移量，得到所述第二边的边缘点查找区间。
5.根据权利要求1所述的方法，其特征在于，根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点，包括：
确定所述第一边和所述第二边的第一同侧端点之间的区间，作为所述第三边的边缘点查找区间；
确定所述第一边和所述第二边的第二同侧端点之间的区间，作为所述第四边的边缘查找区间。
6.根据权利要求1所述的方法，其特征在于，针对每条边，在查找该边的边缘点时，均在该边的边缘点查找区间内根据该边的当前边缘点和该边的预设步距确定该边的下一个边缘点的初始查找位置。
7.根据权利要求1所述的方法，其特征在于，根据各边的边缘点确定所述待识别目标的边，包括：
利用预设的霍夫直线夹角范围去掉各边的异常边缘点；
根据去掉异常边缘点之后的各边的边缘点进行线性拟合，得到各边的直线方程。
8.一种图像旋转校正装置，其特征在于，包括：
边缘点查找模块，用于在图像中查找待识别目标的第一边的边缘点；根据所述第一边的端点确定所述待识别目标的第二边的边缘点查找区间，并在所述第二边的边缘点查找区间内查找所述第二边的边缘点，其中所述第二边与所述第一边平行；根据所述第一边的端点和所述第二边的端点，确定所述待识别目标的第三边的边缘点查找区间并查找所述第三边的边缘点，以及确定所述待识别目标的第四边的边缘点查找区间并查找所述第四边的边缘点；
图像旋转校正模块，用于根据各边的边缘点确定所述待识别目标的边，并根据所述待识别目标的边对所述图像进行旋转校正。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像旋转校正方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的图像旋转校正方法。
CN201811256128.9A 2018-10-26 2018-10-26 图像旋转校正方法、装置、电子设备及存储介质 Pending CN111104940A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811256128.9A CN111104940A (zh) 2018-10-26 2018-10-26 图像旋转校正方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811256128.9A CN111104940A (zh) 2018-10-26 2018-10-26 图像旋转校正方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111104940A true CN111104940A (zh) 2020-05-05

Family

ID=70417697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811256128.9A Pending CN111104940A (zh) 2018-10-26 2018-10-26 图像旋转校正方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111104940A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132851A (zh) * 2020-11-25 2020-12-25 恒银金融科技股份有限公司 一种针对金融票据图像旋转角度的计算方法
CN112183255A (zh) * 2020-09-15 2021-01-05 西北工业大学 一种基于深度学习的水下目标视觉识别与姿态估计方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398895A (zh) * 2007-09-26 2009-04-01 杨高波 一种数据矩阵(dm)二维条形码识别的图像预处理方法
CN102156972A (zh) * 2011-04-19 2011-08-17 清华大学 图像倾斜纠正方法及***
CN104182751A (zh) * 2014-07-25 2014-12-03 小米科技有限责任公司 目标物边缘提取方法和装置
CN105261110A (zh) * 2015-10-26 2016-01-20 江苏国光信息产业股份有限公司 一种高效dsp纸币冠字号识别方法
CN105528606A (zh) * 2015-10-30 2016-04-27 小米科技有限责任公司 区域识别方法及装置
CN106504407A (zh) * 2016-11-01 2017-03-15 深圳怡化电脑股份有限公司 一种处理纸币图像的方法及装置
CN106960184A (zh) * 2017-03-08 2017-07-18 南昌航空大学 一种书本边框的图像定位方法
CN107292888A (zh) * 2016-03-31 2017-10-24 合肥美亚光电技术股份有限公司 待测物中屏蔽区域的获取方法、装置以及检测***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398895A (zh) * 2007-09-26 2009-04-01 杨高波 一种数据矩阵(dm)二维条形码识别的图像预处理方法
CN102156972A (zh) * 2011-04-19 2011-08-17 清华大学 图像倾斜纠正方法及***
CN104182751A (zh) * 2014-07-25 2014-12-03 小米科技有限责任公司 目标物边缘提取方法和装置
CN105261110A (zh) * 2015-10-26 2016-01-20 江苏国光信息产业股份有限公司 一种高效dsp纸币冠字号识别方法
CN105528606A (zh) * 2015-10-30 2016-04-27 小米科技有限责任公司 区域识别方法及装置
CN107292888A (zh) * 2016-03-31 2017-10-24 合肥美亚光电技术股份有限公司 待测物中屏蔽区域的获取方法、装置以及检测***
CN106504407A (zh) * 2016-11-01 2017-03-15 深圳怡化电脑股份有限公司 一种处理纸币图像的方法及装置
CN106960184A (zh) * 2017-03-08 2017-07-18 南昌航空大学 一种书本边框的图像定位方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112183255A (zh) * 2020-09-15 2021-01-05 西北工业大学 一种基于深度学习的水下目标视觉识别与姿态估计方法
CN112132851A (zh) * 2020-11-25 2020-12-25 恒银金融科技股份有限公司 一种针对金融票据图像旋转角度的计算方法

Similar Documents

Publication Publication Date Title
CN109657629B (zh) 一种文本行提取方法及装置
CN101534370B (zh) 图像处理器和图像处理方法
US9014459B2 (en) Identification method for valuable file and identification device thereof
CN101789122B (zh) 用于校正畸变文档图像的方法和***
CN107610322B (zh) 纸币版本的识别方法、装置、电子设备以及存储介质
CN111079803B (zh) 基于梯度信息的模板匹配方法
CN111104940A (zh) 图像旋转校正方法、装置、电子设备及存储介质
US8249387B2 (en) Image processing method and apparatus for detecting lines of images and start and end points of lines
CN102306415B (zh) 便携式有价文件识别装置
JP5027783B2 (ja) 円検出装置
JP2009211490A (ja) 画像認識方法および装置
EP0899679B1 (en) Line direction deciding device, image inclination detecting device and image inclination correction device
CN111860498A (zh) 一种车牌的对抗性样本生成方法、装置及存储介质
CN107680246B (zh) 一种纸币图案中的曲线边界定位方法及设备
JP2864735B2 (ja) 物体識別方法および装置ならびに物体識別のための画像処理方法および装置
JP2000322579A (ja) 画像認識装置
CN113378666A (zh) 一种票据图像倾斜校正方法、票据识别方法及***
CN109815975A (zh) 一种基于机器人的目标分类方法及相关装置
CN114120518A (zh) 纸币连张检测方法、装置、电子设备及存储介质
CN102332088A (zh) 一种基于游程特征的选票符号机器视觉识别方法
JP2011186916A (ja) 画像認識装置、画像認識方法及び画像認識プログラム
CN108717708B (zh) 规则图像的边沿斜率的计算方法及装置
WO2008002077A2 (en) Method for correcting note image in damaged note
JPH11219460A (ja) 傾斜画像処理方法
KR20070078509A (ko) 지로 장표 수납기의 문자인식방법

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: 20200505