CN111325214B - 喷印字符提取处理方法、装置、存储介质和电子设备 - Google Patents
喷印字符提取处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111325214B CN111325214B CN202010122408.1A CN202010122408A CN111325214B CN 111325214 B CN111325214 B CN 111325214B CN 202010122408 A CN202010122408 A CN 202010122408A CN 111325214 B CN111325214 B CN 111325214B
- Authority
- CN
- China
- Prior art keywords
- jet printing
- character
- area
- image data
- processing
- 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
Links
- 238000007639 printing Methods 0.000 title claims abstract description 235
- 238000000605 extraction Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 89
- 230000011218 segmentation Effects 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 9
- 238000007641 inkjet printing Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000010339 dilation Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012856 packing Methods 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Record Information Processing For Printing (AREA)
Abstract
本发明提供了一种喷印字符提取处理方法、装置、存储介质和电子设备，该方法包括：对喷印区域的图像数据进行动态阈值分割，对分割后的图像数据进行离散化处理，并识别喷印区域中的第一字符区域；对各第一字符区域对应的离散化区域进行膨胀处理；将膨胀处理后的图像数据中同一行的字符区域合并，为合并后的同行字符区域创建对应的最小外接凸体；对每行对应最小外接凸体的内部区域进行膨胀处理；对处理后的各最小外接凸体内部的图像数据进行动态阈值分割，对分割后的图像数据进行离散化处理，并识别各最小外接凸体内部的第二字符区域；将同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符创建喷印字符集合，准确地实现喷印字符实时提取。
Description
技术领域
本发明涉及包装流水线及包装工艺技术领域，尤其涉及一种喷印字符提取处理方法、装置、存储介质和电子设备。
背景技术
产品包装箱上的型号标记是在动态流水线上利用在线喷印机喷印而成。由于动态流水线的抖动和线速不均匀、在线喷印机的喷头堵塞和持续损耗、空调包装箱来料材质差异、喷印墨水的浓度和粘度差异等综合因素，导致喷印在空调包装箱上的型号标记存在随机畸变，当整体畸变或者局部畸变大于最大允许公差的时候即为喷印不良。
型号标记随机畸变的具体表现为：①字符的喷印位置存在差异；②字符的宽度和高度存在差异；③字符的清晰度存在差异；④字符的完整性存在差异；⑤字符变形；⑥字符与字符间的间隙存在差异。综上因素，无法利用预先设计好的分割框准确地分割提取出每一个独立字符。
可见，如何提供一种具有高鲁棒性的针对在线喷印过程中形成的畸变字符标记的检测方法，以消除喷印的畸变影响、实现每一个独立的字符的准确分割提取，对于喷印质量的在线检测以及包装工艺的规范化具有重要意义。
发明内容
本发明的目的在于克服上述技术问题，提供一种喷印字符提取处理方法、装置、存储介质和电子设备。
本发明的一个方面，提供了一种喷印字符提取处理方法，所述方法包括：
对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域；
对各个第一字符区域对应的离散化区域进行第一膨胀处理；
将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体；
对每行对应所述最小外接凸体的内部区域进行第二膨胀处理；
对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域；
将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
可选地，所述方法还包括：
根据所述喷印字符集合进行喷印质量的在线检测。
可选地，所述将属于同一个喷印字符的第二字符区域合并，包括：
为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
对合并后的离散字符区域进行第三膨胀处理；
为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
可选地，所述提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合，包括：
为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
可选地，在对喷印区域对应的图像数据进行第一动态阈值分割之前，所述方法还包括：
根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；
根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
可选地，所述方法还包括：
将分割出的各个喷印区域对应的喷印字符集合进行有序集合合并。
本发明的另一个方面，提供了一种喷印字符提取处理装置，所述装置包括：
第一识别模块，用于对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域；
第一处理模块，用于对各个第一字符区域对应的离散化区域进行第一膨胀处理；
生成模块，用于将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体；
第二处理模块，用于对每行对应所述最小外接凸体的内部区域进行第二膨胀处理；
第二识别模块，用于对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域；
提取模块，用于将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
可选地，所述装置还包括：
检测模块，用于根据所述喷印字符集合进行喷印质量的在线检测。
可选地，所述提取模块，包括：
第一生成单元，用于为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
处理单元，用于对合并后的离散字符区域进行第三膨胀处理；
第二生成单元，用于为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
可选地，所述提取模块，还包括：
第三生成单元，用于为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
获取单元，用于获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
提取单元，用于提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
可选地，所述装置还包括：
预处理模块，用于在所述第一识别模块对喷印区域对应的图像数据进行第一动态阈值分割之前，根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
可选地，所述装置还包括：
配置模块，用于将分割出的各个喷印区域对应的喷印字符集合进行有序集合合并。
此外，本发明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上所述方法的步骤。
此外，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
本发明实施例提供的喷印字符提取处理方法、装置、存储介质和电子设备，能够准确地对存在随机畸变的喷印区域实现喷印字符的实时提取，输出完整有序的字符集合，有效地消除了随机畸变的影响，鲁棒性高，为实现型号标记喷印质量的在线自动检测提供理论依据与技术支撑。
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，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例的喷印字符提取处理方法的流程示意图；
图2为本发明实施例中的空调包装箱上的原始喷印标记的在线采集图；
图3为本发明实施例的喷印字符提取处理装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
图1示意性示出了本发明一个实施例的喷印字符提取处理方法的流程图。参照图1，本发明实施例提出的喷印字符提取处理方法具体包括以下步骤，如下所示：
S11、对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域。
S12、对各个第一字符区域对应的离散化区域进行第一膨胀处理。
本实施例中，具体可根据预设的结构元素对各个第一字符区域对应的离散化区域进行水平膨胀处理。
S13、将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体。
S14、对每行对应所述最小外接凸体的内部区域进行第二膨胀处理。
S15、对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域。
S16、将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
本发明实施例提供的喷印字符提取处理方法，能够准确地对存在随机畸变的喷印区域实现喷印字符的实时提取，输出完整有序的字符集合，有效地消除了随机畸变的影响，鲁棒性高，为实现型号标记喷印质量的在线自动检测提供理论依据与技术支撑。
本发明实施例中，若喷印载体对应的原始喷印标记图像中包括有多个喷印区域，则在对具体喷印区域对应的图像数据进行第一动态阈值分割之前，所述方法还包括以下步骤：根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
在一个具体实施例中，以空调包装箱作为喷印载体为例进行说明。利用工业相机在动态流水线上获取空调包装箱上的原始喷印标记图像，如图2所示，根据空调包装箱上预先设置的特定标识即喷印区域标识，提取出整体有效喷印区域，屏蔽背景图像对本算法的干扰。其中，喷印区域标识，在空调包装箱上用于框选出整体有效喷印字符区域，不在该区域内的型号标记都属于喷印不良，然后，根据型号标记自身的喷印分布特征，利用灰度直方图原理将整体喷印字符区域分割成左、中、右三大喷印区域。
本发明实施例中，对于有多个喷印区域的原始喷印标记图像，在得到各个喷印区域对应的喷印字符集合之后，所述方法还包括以下步骤：将分割出的各个喷印区域对应的喷印字符集合进行有序集合合并，得到喷印载体对应的原始喷印标记图像中的全部喷印字符。
在一个具体实施例中，以如图2所示的喷印区域分布为例进行说明。在按照如图1所示方法流程得到左侧区域对应的喷印字符集合。中间区域和右侧区域的字符离散化有序提取跟左边区域的字符离散化有序提取原理是一样的。具体的，右边区域可首先进行动态阈值分割并离散化处理，根据面积大小、宽度和高度筛选出一维码下方的字符区域，得到的离散化字符区域适当膨胀后变形为最小外接平行矩形，将上述区域从左到右排序。最后，将分别分割提取出来的左、中、右区域内的喷印字符集合有序集合合并在一起，就得到了完整有序的喷印字符集合，有效地消除了随机畸变对喷印字符提取的影响。
本实施例中，在得到喷印区域对应的喷印字符集合之后，所述方法还包括根据所述喷印字符集合进行喷印质量的在线检测的步骤。
本实施例中，在得到喷印区域对应的喷印字符集合之后，可通过所述喷印字符集合进行喷印质量的在线检测，为实现型号标记喷印质量的在线式自动检测提供理论依据与技术支撑。
本发明实施例中，步骤S16中的将属于同一个喷印字符的第二字符区域合并，具体包括以下附图中未示出的步骤：
S161、为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
S162、对合并后的离散字符区域进行第三膨胀处理；
S163、为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
进一步地，步骤S16中的提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合，具体包括以下附图中未示出的步骤：
S164、为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
S165、获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
S166、提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
在一个具体实施例中，以如图2所示的喷印区域分布中的左边喷印区域为例进行说明。首先，对喷印区域进行动态阈值分割并离散化处理，根据面积大小筛选出较大的字符区域即第一字符区域，并过滤掉背景噪声和空调包装箱上的微小脏污点干扰。对得到的离散化区域水平膨胀处理，将图像中属于同一行的字符区域合并，同行字符区域整形为最小外接凸体。其中，最小外接凸体为包含有同行字符区域的通过平滑线条连通的凸多边形。对每行最小外接凸体进行适当膨胀处理，在其内部进行动态阈值分割并离散化处理，根据面积大小筛选出离散字符区域即第二字符区域。然后，将离散字符区域变形为最小外接平行矩形，对具有公共区域的矩形合并处理；得到的离散字符区域进行适当的膨胀处理后再变形为最小外接平行矩形，具有公共区域的矩形再次合并处理，此时属于同一个字符的离散区域已经合并完成。最后，将得到的离散字符区域最后一次变形为最小外接平行矩形，然后与该字符所在行的最小外接凸体计算区域交集，此时获取到喷印区域内每一个喷印字符的完整最小外接平行矩形，将上述区域从左到右、从上到下排序，得到所述喷印字符集合。
本发明实施例，根据空调包装箱上的型号标记喷印特征，设计出一种鲁棒性高的算法消除畸变影响，将每一个独立的字符实时动态分割提取出来，输出完整有序的字符集合，为实现型号标记喷印质量的在线式自动检测提供理论依据与技术支撑。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
图3示意性示出了本发明一个实施例的喷印字符提取处理装置的结构示意图。参照图3，本发明实施例的喷印字符提取处理装置具体包括第一识别模块201、第一处理模块202、生成模块203、第二处理模块204、第二识别模块205和提取模块206，其中：
第一识别模块201，用于对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域；
第一处理模块202，用于对各个第一字符区域对应的离散化区域进行第一膨胀处理；
生成模块203，用于将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体；
第二处理模块204，用于对每行对应所述最小外接凸体的内部区域进行第二膨胀处理；
第二识别模块205，用于对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域；
提取模块206，用于将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
本发明实施例中，所述装置还包括附图中未示出的检测模块，所述的检测模块，用于根据所述喷印字符集合进行喷印质量的在线检测。
本发明实施例中，所述提取模块206，具体包括第一生成单元、处理单元以及第二生成单元，其中：
第一生成单元，用于为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
处理单元，用于对合并后的离散字符区域进行第三膨胀处理；
第二生成单元，用于为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
进一步地，所述提取模块206，还包括第三生成单元、获取单元和提取单元，其中：
第三生成单元，用于为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
获取单元，用于获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
提取单元，用于提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
本发明实施例中，所述装置还包括附图中未示出的预处理模块，所述的预处理模块，用于在所述第一识别模块对喷印区域对应的图像数据进行第一动态阈值分割之前，根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
进一步地，所述装置还包括附图中未示出的配置模块，所述的配置模块，用于将分割出的各个喷印区域对应的喷印字符集合进行有序集合合并，得到喷印载体对应的原始喷印标记图像中的全部喷印字符。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
本发明实施例提供的喷印字符提取处理方法、装置，能够准确地对存在随机畸变的喷印区域实现喷印字符的实时提取，输出完整有序的字符集合，有效地消除了随机畸变的影响，鲁棒性高，为实现型号标记喷印质量的在线自动检测提供理论依据与技术支撑。
此外，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上所述方法的步骤。
本实施例中，所述喷印字符提取处理装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明实施例提供的电子设备，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个喷印字符提取处理方法实施例中的步骤，例如图1所示的S11～S16。或者，所述处理器执行所述计算机程序时实现上述各喷印字符提取处理装置实施例中各模块/单元的功能，例如图3所示的第一识别模块201、第一处理模块202、生成模块203、第二处理模块204、第二识别模块205和提取模块206。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述喷印字符提取处理装置中的执行过程。例如，所述计算机程序可以被分割成第一识别模块201、第一处理模块202、生成模块203、第二处理模块204、第二识别模块205和提取模块206。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述电子设备的各种功能。所述存储器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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种喷印字符提取处理方法，其特征在于，所述方法包括：
对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域；
对各个第一字符区域对应的离散化区域进行第一膨胀处理；
将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体；
对每行对应所述最小外接凸体的内部区域进行第二膨胀处理；
对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域；
将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述喷印字符集合进行喷印质量的在线检测。
3.根据权利要求1所述的方法，其特征在于，所述将属于同一个喷印字符的第二字符区域合并，包括：
为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
对合并后的离散字符区域进行第三膨胀处理；
为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
4.根据权利要求3所述的方法，其特征在于，所述提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合，包括：
为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
5.根据权利要求1所述的方法，其特征在于，在对喷印区域对应的图像数据进行第一动态阈值分割之前，所述方法还包括：
根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；
根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
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：
将分割出的各个喷印区域对应的喷印字符集合进行有序集合合并。
7.一种喷印字符提取处理装置，其特征在于，所述装置包括：
第一识别模块，用于对喷印区域对应的图像数据进行第一动态阈值分割，并对第一动态阈值分割后的图像数据进行第一离散化处理，从第一离散化处理后的图像数据中识别喷印区域中的至少一个第一字符区域；
第一处理模块，用于对各个第一字符区域对应的离散化区域进行第一膨胀处理；
生成模块，用于将第一膨胀处理后的图像数据中属于同一行的字符区域合并，并为合并后的同行字符区域创建对应的最小外接凸体；
第二处理模块，用于对每行对应所述最小外接凸体的内部区域进行第二膨胀处理；
第二识别模块，用于对所述第二膨胀处理后的各个最小外接凸体内部的图像数据进行第二动态阈值分割，并对第二动态阈值分割后的图像数据进行第二离散化处理，从第二离散化处理后的图像数据中识别各个最小外接凸体内部的至少一个第二字符区域；
提取模块，用于将属于同一个喷印字符的第二字符区域合并，提取合并后的每一喷印字符以创建所述喷印区域对应的喷印字符集合。
8.根据权利要求7所述的装置，其特征在于，所述提取模块，包括：
第一生成单元，用于为各个第二字符区域创建对应的第一最小外接平行矩形，对具有公共区域的第一最小外接平行矩形进行合并；
处理单元，用于对合并后的离散字符区域进行第三膨胀处理；
第二生成单元，用于为膨胀处理后的离散字符区域创建对应的第二最小外接平行矩形，对具有公共区域的第二最小外接平行矩形进行再次合并，得到每一喷印字符对应的离散字符区域。
9.根据权利要求8所述的装置，其特征在于，所述提取模块，还包括：
第三生成单元，用于为各个喷印字符对应的离散字符区域创建对应的第三最小外接平行矩形；
获取单元，用于获取每一第三最小外接平行矩形与当前喷印字符所在行的最小外接凸体的区域交集，得到每一喷印字符对应的目标外接平行矩形；
提取单元，用于提取各个目标外接平行矩形，将所述目标外接平行矩形进行排序，得到所述喷印字符集合。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
预处理模块，用于在所述第一识别模块对喷印区域对应的图像数据进行第一动态阈值分割之前，根据预设在喷印载体上的喷印区域标识，从所述喷印载体对应的原始喷印标记图像中提取有效喷印区域；根据有效喷印区域的喷印分布特征对所述有效喷印区域进行喷印区域分割。
11.一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1-6任一项所述方法的步骤。
12.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010122408.1A CN111325214B (zh) | 2020-02-27 | 2020-02-27 | 喷印字符提取处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010122408.1A CN111325214B (zh) | 2020-02-27 | 2020-02-27 | 喷印字符提取处理方法、装置、存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111325214A CN111325214A (zh) | 2020-06-23 |
| CN111325214B true CN111325214B (zh) | 2023-02-14 |
Family
ID=71173081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010122408.1A Active CN111325214B (zh) | 2020-02-27 | 2020-02-27 | 喷印字符提取处理方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111325214B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112150397B (zh) * | 2020-10-15 | 2024-02-20 | 江西威力固智能设备有限公司 | 一种字符处理方法及喷印设备 |
| CN113022133B (zh) * | 2021-02-01 | 2022-05-17 | 广州广合科技股份有限公司 | 喷印机效率提升方法、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156876A (zh) * | 2011-03-31 | 2011-08-17 | 华中科技大学 | 基于十六值变换的符号识别方法 |
| CN103914680A (zh) * | 2013-01-07 | 2014-07-09 | 上海宝信软件股份有限公司 | 一种喷印字符图像识别与校验***及方法 |
| CN106250901A (zh) * | 2016-03-14 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 一种基于图像特征信息的数字识别方法 |
| CN106940799A (zh) * | 2016-01-05 | 2017-07-11 | 腾讯科技（深圳）有限公司 | 文本图像处理方法和装置 |
| CN108921158A (zh) * | 2018-06-14 | 2018-11-30 | 众安信息技术服务有限公司 | 图像校正方法、装置及计算机可读存储介质 |
| CN110766016A (zh) * | 2019-10-21 | 2020-02-07 | 广西师范大学 | 一种基于概率神经网络的喷码字符识别方法 |
-
2020
- 2020-02-27 CN CN202010122408.1A patent/CN111325214B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156876A (zh) * | 2011-03-31 | 2011-08-17 | 华中科技大学 | 基于十六值变换的符号识别方法 |
| CN103914680A (zh) * | 2013-01-07 | 2014-07-09 | 上海宝信软件股份有限公司 | 一种喷印字符图像识别与校验***及方法 |
| CN106940799A (zh) * | 2016-01-05 | 2017-07-11 | 腾讯科技（深圳）有限公司 | 文本图像处理方法和装置 |
| CN106250901A (zh) * | 2016-03-14 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 一种基于图像特征信息的数字识别方法 |
| CN108921158A (zh) * | 2018-06-14 | 2018-11-30 | 众安信息技术服务有限公司 | 图像校正方法、装置及计算机可读存储介质 |
| CN110766016A (zh) * | 2019-10-21 | 2020-02-07 | 广西师范大学 | 一种基于概率神经网络的喷码字符识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111325214A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109670500B (zh) | 一种文字区域获取方法、装置、存储介质及终端设备 | |
| CN111325214B (zh) | 喷印字符提取处理方法、装置、存储介质和电子设备 | |
| CN104123550A (zh) | 基于云计算的文本扫描识别方法 | |
| CN111814673B (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
| CN110866529A (zh) | 字符识别方法、装置、电子设备及存储介质 | |
| CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| JPH0467234B2 (zh) | ||
| CN110969046A (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
| CN113450355A (zh) | 一种基于多膜态ct图像和3dcnn网络提取图像特征的方法 | |
| CN112200789B (zh) | 一种图像识别的方法及装置、电子设备和存储介质 | |
| CN111401184A (zh) | 机器视觉处理方法、装置、存储介质和电子设备 | |
| CN104850819B (zh) | 信息处理方法及电子设备 | |
| CN109993171B (zh) | 一种基于多模板和多比例的车牌字符分割方法 | |
| CN112348112B (zh) | 图像识别模型的训练方法、训练装置及终端设备 | |
| Mostafa | An adaptive algorithm for the automatic segmentation of printed Arabic text | |
| CN114038000A (zh) | 一种图像表格的结构化方法、***和电子设备 | |
| CN114694147B (zh) | 分割椭圆形图案中环绕文字的方法和装置 | |
| TWI795851B (zh) | 文字分割方法、電子設備及儲存介質 | |
| CN115700824A (zh) | 文字分割方法、电子设备及存储介质 | |
| El Makhfi et al. | Scale-space approach for character segmentation in scanned images of Arabic documents | |
| CN112733735B (zh) | 一种采用机器学习进行图纸布局分类识别的方法 | |
| JP7370574B2 (ja) | コマ抽出方法及びプログラム | |
| US20230043408A1 (en) | Image generation method, computing device, and storage medium | |
| CN109871759B (zh) | 基于TensorFlow和OpenCV的车道线识别方法 | |
| Gupta et al. | Character Recognition and Speech Synthesis using Adaptive Neuro Fuzzy Inference System |
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 |