CN111783787B - 一种识别图像字符的方法、装置和电子设备 - Google Patents
一种识别图像字符的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111783787B CN111783787B CN202010660641.5A CN202010660641A CN111783787B CN 111783787 B CN111783787 B CN 111783787B CN 202010660641 A CN202010660641 A CN 202010660641A CN 111783787 B CN111783787 B CN 111783787B
- Authority
- CN
- China
- Prior art keywords
- texture
- identified
- matrix
- character image
- character
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 135
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V30/14—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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)
Abstract
本说明书实施例提供一种识别图像字符的方法,获取待识别字符图像的信息,包括色值数据,基于色值数据生成纹理矩阵,对纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为生成类别标签,对各一级纹理矩阵进行二级划分,利用各二级纹理矩阵中的特征值为待识别字符图像生成识别标签,确定与待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。利用纹理进行先分类后识别,不需要将待识别字符图像与各参考字符之间进行计算,只需要在同类参考字符中进行识别,降低了数据运算量,提高了识别效率。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种识别图像字符的方法、装置和电子设备。
背景技术
为了能够得到图像中的字符信息,业内产生了识别图像中的字符(比如字母、数字、文字等)的方法,目前较为常见的方法多是,将待识别图像和参考图像相匹配,参考图像可以看作字符字典,不同的参考图像中具有不同的字符,这样,匹配程度最高的参考图像中的字符,便是从待识别图像中识别出的字符。
对现有技术进行分析发现,这种方式需要将待识别图像与众多参考图像一一比对,计算相似程度,这种方式所需的计算量较大,效率较低。有必要提出一种新的识别图像字符的方法,以提高字符的识别效率。
发明内容
本说明书实施例提供一种识别图像字符的方法、装置和电子设备,用以提高字符识别效率。
本说明书实施例提供一种识别图像字符的方法,包括:
获取待识别字符图像的信息,所述待识别字符图像的信息包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵;
对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签;
对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签;
以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
可选地,所述纹理矩阵为01矩阵,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
可选地,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
可选地,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
可选地,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
可选地,还包括:
对待识别图像进行分割,提取待识别字符图像。
可选地,所述对所述待识别字符图像的纹理矩阵进行一级划分,包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
可选地,所述识别标签为多位二进制字符;
所述方法,还包括:
将所述识别标签转换成十进制字符串;
所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
本说明书实施例还提供一种识别图像字符的装置,包括:
纹理提取模块,获取待识别字符图像的信息,所述待识别字符图像的信息包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵;
标签模块,对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签;
对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签;
分类识别模块,以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
可选地,所述纹理矩阵为01矩阵,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
可选地,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
可选地,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
可选地,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
可选地,还包括:
对待识别图像进行分割,提取待识别字符图像。
可选地,所述对所述待识别字符图像的纹理矩阵进行一级划分,包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
可选地,所述识别标签为多位二进制字符;
所述标签模块,还用于:
将所述识别标签转换成十进制字符串;
所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
本说明书实施例还提供一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项方法。
本说明书实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项方法。
本说明书实施例提供的各种技术方案通过获取待识别字符图像的信息,包括色值数据,基于色值数据生成纹理矩阵,对纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为生成类别标签,对各一级纹理矩阵进行二级划分,利用各二级纹理矩阵中的特征值为待识别字符图像生成识别标签,确定与待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。利用纹理进行先分类后识别,不需要将待识别字符图像与各参考字符之间进行计算,只需要在同类字符中进行识别,降低了数据运算量,从而提高了识别效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种识别图像字符的方法的原理示意图;
图2为本说明书实施例提供的一种识别图像字符的装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种识别图像字符的方法的原理示意图,该方法可以包括:
S101:获取待识别字符图像的信息,所述待识别字符图像的信息可以包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵。
待识别字符图像,可以是浏览器对视频截图生成的图像,截图中可能包含各种字符,浏览器截图生成的图像的信息,可以是图像数据,具体形式可以是图像的64位编码数据。
图像中可能包含空白区域,空白区域使得不同的字符之间形成了间隔,因此,为了实现单个字符的识别,在本说明书实施例中,该方法还可以包括:
对待识别图像进行分割,提取待识别字符图像。
色值数据可以是灰度数据或者色度数据,灰度可以是灰阶、亮度等,色度可以是RGB的色彩饱和度等,在此不做具体阐述。
在本说明书实施例中,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,可以包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
这样,生成二值化的矩阵,便于存储计算。
在本说明书实施例中,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
具体的,可以利用卷积核[0,1,0,1,-4,1,0,1,0]进行处理,这样,根据卷积计算出的结果是否大于0,便可以判断四个相邻特征点的色值数据是否大于中心特征点的色值数据的四倍。
而构成四叉树的五个特征点,如果不满足纹理条件,则可以在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值0,这样,生成的纹理矩阵便是01矩阵,该矩阵中特征值1的分布情况,便可以描述待识别字符图像中满足预设纹理的点的分布情况,因而,根据这种01矩阵,便可以进行字符识别。
当然,该纹理条件只是一种纹理特征的示例,应当理解为,为了提取其他灰度分布的纹理,纹理条件可以进行适应性的调整,即四个相邻特征点的色值数据与中心特征点的色值数据还可以具有其他数量关系,在此不做具体阐述和限制。
当然,还可以再进行其他方式的处理,比如,通过特征值为1的连续的特征点个数来过滤下划线。
S102:对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签。
在本说明书实施例中,对纹理矩阵进行划分,可以将纹理矩阵划分为分别对应不同区域的多个一级纹理矩阵,比如,可以按照四个象限将纹理矩阵划分为四个一级矩阵。这样,对于相似的字符,二者相应的一级纹理矩阵应该具有某种相似性。
在一种实施方式中,这种相似性可以体现在一级纹理矩阵中具有满足纹理条件的特征点的个数上,这在实际应用中可以理解为:如果两个字符相似,那么,二者在特征点的区域分布上,应该具有一定的相似性。
这里的分布,可以是绝对分布,比如,不同字符在相同区域对应的一级纹理矩阵中满足纹理条件的特征点的个数相同。
当然也可以是相对分布,即同一字符在各区域的一级纹理矩阵之间也具有某种关系。
对于纹理矩阵为01矩阵的情况,在一种方案中,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,可以包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
这样,对于每个区域对应的一级纹理矩阵,便可以以0或1的形式,来描述特征点的相对分布状况,进而进行识别相似的同类字符。
当然,这里的一级划分,可以是多次划分,以及划分只是用来与后续生成识别标签时进行的划分相区别,因此,一级划分不限于一次,可以是多次,每次都可以将纹理矩阵划分成更小的矩阵。
因此,作为一种示例,在本说明书实施例中,所述对所述待识别字符图像的纹理矩阵进行一级划分,可以包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
划分出多少个一级纹理矩阵,生成的类别标签便有多少位二进制字符。
比如,如果在利用待识别字符图像生成纹理矩阵后,划分出16个一级纹理矩阵,那么,类别标签便可以是由01组成的16位字符串。
S103:对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签。
在本说明书实施例中,识别标签也可以是多位二进制字符。
具体的,所述利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签,可以包括:
比较所述各二级纹理矩阵中特征值为1的特征点个数和所述多个各二级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各二级纹理矩阵生成多位二进制字符,每位二进制字符与均一个二级纹理矩阵相对应。
当然,这里,多个各二级纹理矩阵中特征值为1的特征点平均数,也就等于这多个各二级纹理矩阵所构成的一级纹理矩阵中特征值为1的特征点除以由这个一级纹理矩阵划分出的二级纹理矩阵个数,由此变换得到的各种计算公式,都应该在本申请的保护范围之内。
继续结合上述实施例中,划分出16个一级纹理矩阵的情况进行分析,如果对16个一级纹理矩阵又各自划分出了4个二级纹理矩阵,那么该待识别字符图像便划分出了64个二级纹理矩阵,那么,我们便可以生成一个64位的字符串。
这样,由于为待识别字符图像即生成了类别标签,又生成了识别标签,这就使得,在利用识别标签与参考字符的识别标签进行一一计算之前,可以先利用类别标签确定与当前待识别字符图像同类的参考字符,便不需要遍历所有的参考字符的识别标签。
S104:以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
获取待识别字符图像的信息,包括色值数据,基于色值数据生成纹理矩阵,对纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为生成类别标签,对各一级纹理矩阵进行二级划分,利用各二级纹理矩阵中的特征值为待识别字符图像生成识别标签,确定与待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。利用纹理进行先分类后识别,不需要将待识别字符图像与各参考字符之间进行计算,只需要在同类参考字符中进行识别,降低了数据运算量,从而提高了识别效率。
此外,通过以二进制字符来记录待识别字符图像,可以压缩数据量,避免遍历参考字符图像并直接利用像素信息进行计算相似度的复杂计算过程,提高了识别效率,对于参考字符,也不需要存储大量的像素数据,只需要存储个字符的类别标签和识别标签。
在本说明书实施例中,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,可以包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
这样,判断偏差的预设条件可以是:码距小于阈值。
计算识别标签的码距,可以是:根据两个识别标签的同位上的字是否相同来确定差异字符的个数作为码距(比如,海明距离),在此不做具体阐述。
在识别标签为多位二进制字符的方案中,该方法还可以包括:
将所述识别标签转换成十进制字符串;
那么,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,则可以包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
在识别出字符后,可以返回识别出的字符,如果没有得到偏差小于阈值的参考字符,则可以返回空值,当然,这只是一种示例。
图2为本说明书实施例提供的一种识别图像字符的装置的结构示意图,该装置可以包括:
纹理提取模块201,获取待识别字符图像的信息,所述待识别字符图像的信息包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵;
标签模块202,对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签;
对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签;
分类识别模块203,以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
在本说明书实施例中,所述纹理矩阵为01矩阵,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,可以包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
在本说明书实施例中,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
在本说明书实施例中,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,可以包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
在本说明书实施例中,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
在本说明书实施例中,还可以包括:
对待识别图像进行分割,提取待识别字符图像。
在本说明书实施例中,所述对所述待识别字符图像的纹理矩阵进行一级划分,可以包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
在本说明书实施例中,所述识别标签为多位二进制字符;
标签模块202,还用于:
将所述识别标签转换成十进制字符串;
所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,可以包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
该装置获取待识别字符图像的信息,包括色值数据,基于色值数据生成纹理矩阵,对纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为生成类别标签,对各一级纹理矩阵进行二级划分,利用各二级纹理矩阵中的特征值为待识别字符图像生成识别标签,确定与待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。利用纹理进行先分类后识别,不需要将待识别字符图像与各参考字符之间进行计算,只需要在同类字符中进行识别,降低了数据运算量,从而提高了识别效率。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同***组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (18)
1.一种识别图像字符的方法,其特征在于,包括:
获取待识别字符图像的信息,所述待识别字符图像的信息包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵;
对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签;
对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签;
以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
2.根据权利要求1所述的方法,其特征在于,所述纹理矩阵为01矩阵,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
3.根据权利要求2所述的方法,其特征在于,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
5.根据权利要求4所述的方法,其特征在于,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
6.根据权利要求1所述的方法,其特征在于,还包括:
对待识别图像进行分割,提取待识别字符图像。
7.根据权利要求1所述的方法,其特征在于,所述对所述待识别字符图像的纹理矩阵进行一级划分,包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
8.根据权利要求1所述的方法,其特征在于,所述识别标签为多位二进制字符;
所述方法,还包括:
将所述识别标签转换成十进制字符串;
所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
9.一种识别图像字符的装置,包括:
纹理提取模块,获取待识别字符图像的信息,所述待识别字符图像的信息包括色值数据,基于所述色值数据进行处理生成待识别字符图像的纹理矩阵;
标签模块,对所述待识别字符图像的纹理矩阵进行一级划分,得到多个一级纹理矩阵,利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签;
对各一级纹理矩阵进行二级划分,得到多个二级纹理矩阵,利用各二级纹理矩阵中的特征值为所述待识别字符图像生成识别标签;
分类识别模块,以所述类别标签为依据对参考字符划分类别并确定与所述待识别字符图像的类别标签相同的多个同类参考字符,利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,以偏差满足预设条件的参考字符作为识别出的字符。
10.根据权利要求9所述的装置,其特征在于,所述纹理矩阵为01矩阵,所述利用各一级纹理矩阵中的特征值为所述待识别字符图像生成类别标签,包括:
比较所述各一级纹理矩阵中特征值为1的特征点个数和所述多个各一级纹理矩阵中特征值为1的特征点平均数;
根据各比较结果,为各一级纹理矩阵生成多位二进制字符,每位二进制字符与均一个一级纹理矩阵相对应。
11.根据权利要求10所述的装置,其特征在于,所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
计算利用待识别字符图像的识别标签与各同类参考字符的标签计算识别标签的码距。
12.根据权利要求9-11中任一项所述的装置,其特征在于,所述基于所述色值数据进行处理生成待识别字符图像的纹理矩阵,包括:
根据构成四叉树的五个特征点的色值数据,判断中心特征点与四个相邻特征点的色值数据是否满足预设的纹理条件,若满足,则在纹理矩阵中为所述中心特征点和四个所述相邻特征点配置特征值1。
13.根据权利要求12所述的装置,其特征在于,所述纹理条件为:四个相邻特征点的色值数据大于中心特征点的色值数据的四倍。
14.根据权利要求9所述的装置,其特征在于,还包括:
对待识别图像进行分割,提取待识别字符图像。
15.根据权利要求9所述的装置,其特征在于,所述对所述待识别字符图像的纹理矩阵进行一级划分,包括:
对基于所述色值数据进行处理生成的原始矩阵进行零级划分,得到多个零级纹理矩阵;
对各零级纹理矩阵进行一级划分,得到多个一级纹理矩阵。
16.根据权利要求9所述的装置,其特征在于,所述识别标签为多位二进制字符;
所述标签模块,还用于:
将所述识别标签转换成十进制字符串;
所述利用待识别字符图像的识别标签和所述各同类参考字符的标签计算识别标签的偏差,包括:
将所述十进制字符串还原为多位二进制字符,并利用所述多位二进制字符进行计算。
17.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-8中任一项所述的方法。
18.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660641.5A CN111783787B (zh) | 2020-07-10 | 2020-07-10 | 一种识别图像字符的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660641.5A CN111783787B (zh) | 2020-07-10 | 2020-07-10 | 一种识别图像字符的方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783787A CN111783787A (zh) | 2020-10-16 |
CN111783787B true CN111783787B (zh) | 2023-08-25 |
Family
ID=72767059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010660641.5A Active CN111783787B (zh) | 2020-07-10 | 2020-07-10 | 一种识别图像字符的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783787B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591983B (zh) * | 2021-07-30 | 2024-03-19 | 金地(集团)股份有限公司 | 图像识别方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203539A (zh) * | 2015-05-04 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 识别集装箱箱号的方法和装置 |
CN106228166A (zh) * | 2016-07-27 | 2016-12-14 | 北京交通大学 | 字符图像的识别方法 |
US9720934B1 (en) * | 2014-03-13 | 2017-08-01 | A9.Com, Inc. | Object recognition of feature-sparse or texture-limited subject matter |
CN108564079A (zh) * | 2018-05-08 | 2018-09-21 | 东华大学 | 一种便携式字符识别装置及方法 |
CN108764233A (zh) * | 2018-05-08 | 2018-11-06 | 天津师范大学 | 一种基于连续卷积激活的场景字符识别方法 |
CN111046876A (zh) * | 2019-12-18 | 2020-04-21 | 南京航空航天大学 | 基于纹理检测技术的车牌字符快速识别方法及其*** |
CN111339787A (zh) * | 2018-12-17 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 一种语种识别方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101733539B1 (ko) * | 2009-11-24 | 2017-05-10 | 삼성전자주식회사 | 문자인식장치 및 그 제어방법 |
-
2020
- 2020-07-10 CN CN202010660641.5A patent/CN111783787B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9720934B1 (en) * | 2014-03-13 | 2017-08-01 | A9.Com, Inc. | Object recognition of feature-sparse or texture-limited subject matter |
CN106203539A (zh) * | 2015-05-04 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 识别集装箱箱号的方法和装置 |
CN106228166A (zh) * | 2016-07-27 | 2016-12-14 | 北京交通大学 | 字符图像的识别方法 |
CN108564079A (zh) * | 2018-05-08 | 2018-09-21 | 东华大学 | 一种便携式字符识别装置及方法 |
CN108764233A (zh) * | 2018-05-08 | 2018-11-06 | 天津师范大学 | 一种基于连续卷积激活的场景字符识别方法 |
CN111339787A (zh) * | 2018-12-17 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 一种语种识别方法、装置、电子设备及存储介质 |
CN111046876A (zh) * | 2019-12-18 | 2020-04-21 | 南京航空航天大学 | 基于纹理检测技术的车牌字符快速识别方法及其*** |
Non-Patent Citations (1)
Title |
---|
基于灰度自适应压缩的纹理提取算法及其应用;彭善磊;《中国优秀硕士学位论文全文数据库 信息科技辑》;I138-1344 * |
Also Published As
Publication number | Publication date |
---|---|
CN111783787A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284371B (zh) | 反欺诈方法、电子装置及计算机可读存储介质 | |
CN111858843B (zh) | 一种文本分类方法及装置 | |
CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
CN111143505B (zh) | 文档处理方法、装置、介质及电子设备 | |
CN110163205A (zh) | 图像处理方法、装置、介质和计算设备 | |
CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN115018588A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN111783766B (zh) | 一种分步识别图像字符的方法、装置和电子设备 | |
CN111783787B (zh) | 一种识别图像字符的方法、装置和电子设备 | |
CN113704474B (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN113435308B (zh) | 文本多标签分类方法、装置、设备及存储介质 | |
CN113157853A (zh) | 问题挖掘方法、装置、电子设备及存储介质 | |
CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
CN114741697B (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
CN114969385B (zh) | 基于文档属性赋值实体权重的知识图谱优化方法及装置 | |
CN113626605B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN115984886A (zh) | 表格信息抽取方法、装置、设备及存储介质 | |
CN111783765B (zh) | 一种识别图像字符的方法、装置和电子设备 | |
CN113569929B (zh) | 基于小样本扩展的互联网服务提供方法、装置及电子设备 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN115292702A (zh) | 一种恶意代码家族的识别方法、装置、设备及存储介质 | |
CN114743030A (zh) | 图像识别方法、装置、存储介质和计算机设备 | |
CN110414496B (zh) | 相似字识别方法、装置、计算机设备及存储介质 | |
CN113469237A (zh) | 用户意图识别方法、装置、电子设备及存储介质 |
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 |