CN113012060A - 一种图像处理方法、图像处理***及电子设备 - Google Patents
一种图像处理方法、图像处理***及电子设备 Download PDFInfo
- Publication number
- CN113012060A CN113012060A CN202110180137.XA CN202110180137A CN113012060A CN 113012060 A CN113012060 A CN 113012060A CN 202110180137 A CN202110180137 A CN 202110180137A CN 113012060 A CN113012060 A CN 113012060A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- image processing
- screenshot
- standard
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 133
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 239000000463 material Substances 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000037303 wrinkles Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种图像处理方法,涉及图像处理技术领域。包括对图像材料进行边缘识别,将识别得到的边缘以外的内容去除获得截图;对截图的褶皱进行平整处理,和/或设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;处理完毕后将处理后的图片输出。图像处理***和电子设备用于进一步实现图像处理方法。本发明的技术方案使图像中的内容更便于读取和处理,得到的图像中关键内容的占比大大提高,更便于进行分类管理、归档和使用。
Description
【技术领域】
本发明涉及图像处理技术领域,具体而言,涉及一种图像处理方法、图像处理***及电子设备。
【背景技术】
现有的图像处理工具,其通常是用于对整个图像进行处理,无法有效地消除图像中的干扰元素,使最后得到的图像中包含了大量的无关内容。
这一方面严重影响了对图像中关键内容的读取,另一方面还会明显增大图像所占的存储空间,使存储压力增大,并且还会拖慢图像处理效率。
有鉴于此,特提出本申请。
【发明内容】
为克服现有技术中存在的干扰元素多、所占存储空间大的技术问题,本发明提供了一种图像处理方法、图像处理***及存储介质。
本发明提供的一种图像处理方法,用于处理图像材料,图像材料通过拍摄或扫描书面材料获得,包括如下步骤:S1、对图像材料进行边缘识别;S2、将识别得到的边缘以外的内容去除获得截图;S3、对截图的褶皱进行平整处理,和/或设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;及S4、处理完毕后将处理后的图片输出。
优选地,图像处理标准至少包括:提供标准图像边线,基于标准图像边线进行设定,步骤S3包括如下步骤:S31、判断截图中是否存在褶皱,若是则执行步骤S32和步骤S33,若否执行步骤S33;S32、对褶皱进行平整处理;S33、基于图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S35,若否则执行步骤S34;S34、将截图的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S35;S35、完成处理。或者步骤S3包括如下步骤:S31’、基于图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S33’,若否则执行步骤S32’;S32’、将截图的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S33’;S33’、判断截图中是否存在褶皱,若是则执行步骤S34’,若否执行步骤S35’;S34’、对褶皱进行平整处理,处理完毕后执行步骤S35’;S35’、完成处理。
优选地,在步骤S1中,包括在拍摄或者扫描书面材料的过程中进行识别,或者在拍摄或者扫描书面材料结束之后进行识别;图像处理方法还包括:拍摄或扫描书面材料时,获取书面材料表面的空间坐标;步骤S3中的平整处理包括:将空间坐标映射到水平面,得到平整图像。
优选地,步骤S3包括如下步骤:S30、将空间坐标映射到水平面,得到平整图像;S31”、基于图像处理标准判定平整图像的边缘是否符合要求,若是则执行步骤S33”,若否则执行步骤S32”;S32”、将平整图像的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S33”;S33”、完成处理。
优选地,基于图像处理标准判定截图的边缘是否符合要求具体包括如下流程:将截图进行二值化处理以获得二值图;提供去噪阈值,基于去噪阈值对二值图进行去噪;以及基于图像处理标准判定去噪后的二值图的边缘是否符合要求。
优选地,在步骤S1中,包括在拍摄或者扫描书面材料的过程中进行识别,或者在拍摄或者扫描书面材料结束之后进行识别;步骤S1还包括:提供边缘训练样本,进行边缘识别模型训练,应用训练后的模型进行边缘识别。
优选地,步骤S1包括:提供像素变化阈值,获取局部像素变化超过像素变化阈值的像素集合,将像素集合作为识别得到的边缘;或于书面材料上布置识别点,将捕捉识别点得到的线条作为识别得到的边缘。
优选地,将截图的边缘修正为与标准图像边线相匹配具体包括:将截图的边缘按标准图像边线的曲率进行拉伸插值处理。
为了进一步解决上述技术问题,本发明还提供一种图像处理***,用于处理图像材料,图像材料通过拍摄或扫描书面材料获得,其包括:边框识别模块:用于对图像材料进行边缘识别;截图模块:用于将识别得到的边缘以外的内容去除获得截图;修正模块:用于对截图的褶皱进行平整处理,和/或设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;及图片输出模块:用于处理完毕后将处理后的图片进行输出。
为了进一步解决上述技术问题,本发明还提供一种电子设备,其包括:存储器和处理器。存储器存储有计算机程序,计算机程序被设置为运行时执行上述的图像处理方法;处理器被设置为通过计算机程序执行上述的图像处理方法。
本发明的技术方案相比于现有技术的有益效果是:
1.处理过程中,通过进行边缘识别,将边缘以外的内容去除,使最后的处理对象体积更小,降低了处理负担和存储负担,有助于进一步提升处理效率。同时也减少了无关元素的干扰,减少了处理过程中的处理量,也避免了无关元素对关键内容的处理过程造成干扰,降低了处理关键内容时发生误差的风险。此外,最后得到的图像中关键内容的占比大大提高,更便于对图像中的内容进行读取和处理,最后得到的图像中关键内容的占比大大提高,更便于对最后处理得到的图像进行分类管理,分类特征更加明显,管理效率更高,出错率降低。
2.当判断到截图的边缘不符合图像处理标准时,将截图的边缘按照图像处理标准进行修正,能够使截图的边缘被修正为所需的样式,从而便于统一归档保存和管理,也更便于后续的调用和阅读。
3.通过将书面材料表面的空间坐标映射到水平面,可以得到平整图像,从而实现对图像的平整处理。这样的话,即使书面材料是褶皱的,也可以通过平整处理将图像中的褶皱消除,使最后得到的图片平整、美观,也更便于阅读。
4.通过将截图进行二值化处理获得二值图,不仅能够使边缘更加明显、突出,还能够使图中的内容的识别度更高,更容易被辨识。通过对二值图进行去噪,能够消除影像清晰度的噪音,更便于阅读。此外,二值图的边缘更加清晰明确,更便于判定去噪后的二值图的边缘是否符合要求,从而更加准确地对边缘进行修正处理。
5.借助深度学习,能够大大提高边缘识别的准确度,并优化在不同场景下,对边缘的识别能力。
6.图像处理***和电子设备能够进一步扩充图像处理方法的应用面。
【附图说明】
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例1提供的图像处理方法的流程示意图;
图2为本发明实施例1中步骤S3的流程示意图;
图3为本发明实施例2提供的图像处理方法的步骤S3的流程示意图;
图4为本发明实施例3提供的图像处理方法的步骤S3的流程示意图;
图5为本发明实施例4提供的图像处理方法的步骤S3的流程示意图;
图6为本发明实施例5提供的图像处理方法的流程示意图;
图7为本发明实施例6提供的图像处理方法的流程示意图;
图8为本发明实施例7提供的图像处理***的结构示意图;
图9为本发明实施例8提供的电子设备的结构示意图;
图10为用于实现本发明实施例的终端设备/服务器的计算机***的结构示意图。
附图标记说明:7-图像处理***;71-边框识别模块;72-截图模块;73-修正模块;74-图片输出模块;8-电子设备;81-存储器;82-处理器;800-计算机***;801-中央处理单元(CPU);802-存储器(ROM);803-RAM;804-总线;805-I/O接口;806-输入部分;807-输出部分;808-存储部分;809-通信部分;810-驱动器;811-可拆卸介质。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
应当理解,本发明使用的“***”、“装置”、“单元”、“模块”和/或“模组”等是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例1
请参照图1,本实施例提供一种图像处理方法,用于处理图像材料,图像材料通过拍摄或扫描书面材料获得。图像处理方法包括如下步骤:
S1、对图像材料进行边缘识别;
S2、将识别得到的边缘以外的内容去除获得截图;
S3、对截图的褶皱进行平整处理,和/或设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;以及
S4、处理完毕后将处理后的图片输出。
可选地,关于步骤S3,在具体的实施方式中提供这样一种方式:对截图的褶皱进行平整处理,并设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理。即通过边缘识别进行图像截取,再对截图进行平整处理和边缘修正。这样得到的图片不仅关键内容的占比大大提高,也更便于阅读,干扰元素明显减少、所占存储空间也更小,便于归档管理。
其中,书面材料通常可以是:教材、练习册、试卷、答题卡、其他辅导材料等。
在步骤S1中,边缘识别的具体实现方式为通过边缘检测算法获得,例如:Sobel算子、Laplacian算子、Canny算子等,也可以利用SmartCropper来完成。具体的识别原理包括如下:通过提供像素变化阈值,获取局部像素变化超过像素变化阈值的像素集合,将这些像素集合作为识别得到的边缘。例如:扫描教科书的某一页内容时,其纸张边缘的像素变化非常大,纸张的边缘能够被顺利识别,从而通过边缘识别将图像中纸张的边界识别出来。
边缘识别的另一种具体实现方式是:在书面材料上布置识别点,通过捕捉这些识别点,可以得到沿这些识别点的分布方向延伸的线条,将该线条作为识别得到的边缘。例如:在答题卡的边缘预先布置识别点,在扫描过程中,利用摄像头捕捉识别点,从而得到由识别点构成的沿答题卡的边缘延伸的线条,就可以将该线条作为答题卡的边缘。识别点的识别方式可以包括红外识别等。
可以结合具体的设计需求,灵活地选择具体的边缘识别方式,且不限于此。
为了进一步提高边缘识别的精度,并优化在不同的扫描环境中的识别效果,步骤S1还包括:提供边缘训练样本,进行边缘识别模型训练,应用训练后的模型进行边缘识别。以此借助深度学习来不断优化边缘识别性能。
为了进一步提高处理效率,在步骤S1中,边缘识别在拍摄或者扫描书面材料的过程中进行。这样可以一边拍摄/扫描,一边进行边缘识别,从而使获取截图更加高效、连贯,从容便于提高处理效率。
在本实施例的一个变形中,边缘识别在拍摄或者扫描书面材料结束之后进行。这样的话,可以在全部扫描工作完成后,直接批量导入全部图像材料,进行统一的批量化处理。
在步骤S2中,根据在步骤S1中识别得到的边缘,将边缘以外的图像内容去除,得到截图,从而将无关内容去掉,使截图中只保留需要的内容。例如:通过边缘识别将教科书的纸张边缘识别出来后,将纸张边缘以外的部分全部去除,得到的截图就只有纸张的内容,从而去掉无关部分,只保留纸面上的内容,这就是我们需要的内容。这样不仅去掉了无关内容的干扰,更便于阅读,同时还减小了图像的存储体积,更加便于归档和管理。
请结合图2,为了进一步优化对图像的处理效果,图像处理标准至少包括:提供标准图像边线,基于标准图像边线进行设定。此时,步骤S3包括如下步骤:
S31、判断截图中是否存在褶皱,若是则执行步骤S32和步骤S33,若否执行步骤S33;
S32、对褶皱进行平整处理;
S33、基于图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S35,若否则执行步骤S34;
S34、将截图的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S35;
S35、完成处理。
其中,标准图像边线是指:我们需要图像最终被处理成为的形状的边线。例如:如果我们需要图像最后都是正方形,那么标准图像边线就是对应的正方形的边线,这条边线沿正方形的边缘延伸形成环状,可以看作是呈正方形的线框。其中,如果对正方形的大小还有要求,还可以对正方形的边长进行限定,例如为300像素*300像素,这样的话,标准图像边线美一条边的的长度就都是300像素。
在基于图像处理标准对截图的平整图像的边缘是否符合要求进行判定时,如果截图的平整图像的边缘就是呈现为300像素*300像素的正方形线框,那就是符合要求的。但如果有任何一个部分不对应,比如某一段边缘向外弯曲了,那就是不符合要求的。到了步骤S32中,就将这一段向外弯曲的边缘进行修正,使这段边缘与标准图像边线对齐,从而使最后处理得到的图片的边缘与标准图像边线相匹配,使最后得到的图片的外形呈现标准的300像素*300像素的正方形。
通过该处理,能够保证经处理后的到的图片都是300像素*300像素的正方形,使结果统一,便于归档整理,也便于后续进行排版、阅读、打印。
在步骤S32中,具体的平整处理方式为:将截图的空间坐标映射到水平面,得到平整图像。
在步骤S34中,具体的边缘修正方式为:将边缘按标准图像边线的曲率进行拉伸插值处理。
可以理解,具体的平整处理方式和边缘修正方式均可以根据实际需要灵活选择和调整,并不局限于此。
需要说明的是,在扫描书面材料的过程中,特别是扫描教科书、练习册等材料时,一般都不方便将整本书拆开,每一张纸单独进行扫描,通常的做法是翻一页扫描一页。这就导致扫描得到的图像中纸张的边缘不是规整的矩形,而是局部会呈弯曲状,或者页面边成为斜边,而且越靠近书本中部装订线的位置,弯曲程度往往越大。
通过图像处理方法处理后,首先可以将图像沿着书本纸张的边缘将无关部分去除,只保留书本纸张对应的区域。此时通过将截图的边缘按照图像处理标准进行修正,将截图的边缘修正为标准图像边线,使截图都被重新调整为长方形或者正方形,这样就达到了将弯曲部分拉直的目的,消除了因为扫描过程导致的图像弯曲变形,这样更便于阅读和使用。
实施例2
请参照图3,本实施例提供一种图像处理方法,与实施例1相比,不同的是,步骤S3包括如下步骤:
S31’、基于图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S33’,若否则执行步骤S32’;
S32’、将截图的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S33’;
S33’、判断截图中是否存在褶皱,若是则执行步骤S34’,若否执行步骤S35’;
S34’、对褶皱进行平整处理,处理完毕后执行步骤S35’;
S35’、完成处理。
实施例3
请参照图4,本实施例提供一种图像处理方法,与实施例1相比,不同的是:在拍摄或扫描书面材料时,同时获取书面材料表面的空间坐标;步骤S3中的平整处理包括将空间坐标映射到水平面,得到平整图像。
且为了进一步优化对图像的处理效果,步骤S3包括如下步骤:
S30、将空间坐标映射到水平面,得到平整图像;
S31”、基于图像处理标准判定平整图像的边缘是否符合要求,若是则执行步骤S33”,若否则执行步骤S32”;
S32”、将平整图像的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S33”;
S33”、完成处理。
其中,可以利用激光束采集书面材料表面的空间坐标,根据激光束的三维平面以及世界坐标系与图像坐标系的转换关系,将平面的图像坐标转换为三维的世界坐标,以构建书面材料的空间模型,将书面材料空间模型映射到水平面,得到展平的图像。这样可以消除因为纸张褶皱带来的影响,更便于阅读。
实施例4
请参照图5,本实施例提供一种图像处理方法,与实施例1相比,不同的是:
步骤S33中“基于图像处理标准判定截图的边缘是否符合要求”具体包括:
S331、将截图进行二值化处理以获得二值图;
S332、提供去噪阈值,基于去噪阈值对二值图进行去噪;以及
S333、基于图像处理标准判定去噪后的二值图的边缘是否符合要求。
步骤S333就不是直接去判定截图的边缘是否符合要求,而是判定截图去噪后的二值图的边缘是否符合要求。其他处理步骤与实施例1相同,因此不再赘述也不再单独列出。
如图5所示,此时,本实施例提供的图像处理方法的步骤S3就包括如下步骤:
S31”’、判断截图中是否存在褶皱,若是则执行步骤S32”’和步骤S33”’,若否执行步骤S331;
S32”’、对褶皱进行平整处理;
S331、将整平后的截图进行二值化处理以获得二值图;
S332、提供去噪阈值,基于去噪阈值对二值图进行去噪;
S333、基于图像处理标准判定去噪后的二值图的边缘是否符合要求,若是则执行步骤S35”’,若否则执行步骤S34”’;
S34”’、将去噪后的二值图的边缘修正为与标准图像边线相匹配;修正完毕后执行步骤S35”’;
S35”’、完成处理。
通过以上处理,能够进一步提高图像处理效果,使处理得到的图片更加清晰,并减小无关的痕迹或者扫描过程中的灯光、倒影、及其他影响清晰度的因素的干扰。
通过将截图转化为二值图,可以有效排除纸张本身的颜色、扫描过程中的光线强度的干扰,使内容、纸张边缘都更加清晰、明显,不仅使内容更容易辨认,便于进行阅读,而且还有助于提高边缘识别的精准度。
根据去噪阈值进行去噪处理,能够进一步减小除纸张上无关的痕迹或者扫描过程中的灯光、倒影、及其他影响清晰度的因素的干扰,更便于进行阅读。
此外,二值化处理后,图片整体不仅更加清晰,而且将二值图进行归档保存,能够进一步减小存储体积,去除了其他颜色的干扰之后,在以后打印的过程中也更加节省油墨。
将去噪后的二值图的边缘与标准图像边线进行比对,如果二者相匹配,就无需进行修正,如果二者不匹配,就将去噪后的二值图的边缘修正为与标准图像边线相匹配。经二值化处理后,边线更加清晰、明显,这也进一步提高了对边缘修正的精确度。
实施例5
请参照图6,本实施例提供一种图像处理方法,包括如下步骤:
S1’、对图像材料进行边缘识别;
S2’、将识别得到的边缘以外的内容去除获得截图;
S3’、对截图的褶皱进行平整处理;及
S4’、处理完毕后将处理后的图片输出。
本实施例提供的图像处理方法的用途通过举例进行辅助说明:如果书面材料本身都是统一的300像素*300像素的正方形,边界清晰,并且不再需要再对图片的形状、大小进行调整,那么就可以只进行平整处理。
实施例6
请参照图7,本实施例提供一种图像处理方法,包括如下步骤:
S1”、对图像材料进行边缘识别;
S2”、将识别得到的边缘以外的内容去除获得截图;
S3”、设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;及
S4”、处理完毕后将处理后的图片输出。
本实施例提供的图像处理方法的用途通过举例进行辅助说明:如果书面材料本身就非常平整,但是需要将图像的形状、大小进行统一处理,也就可以不进行平整处理,只进行边缘修正处理即可。
实施例7
请参照图8,本实施例提供一种图像处理***7。图像处理***7,用于处理图像材料,图像材料通过拍摄或扫描书面材料获得。图像处理***包括:边框识别模块71、截图模块72、修正模块73和图片输出模块74。
边框识别模块71用于对图像材料进行边缘识别;截图模块72用于将识别得到的边缘以外的内容去除获得截图;修正模块73用于对所述截图的褶皱进行平整处理,和/或设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;图片输出模块74用于处理完毕后将处理后的图片进行输出。
实施例8
请参照图9,本实施例提供一种电子设备8,包括:存储器81和处理器82。存储器81存储有计算机程序,计算机程序被设置为运行时执行实施例1的图像处理方法。处理器82被设置为通过计算机程序执行实施例1的图像处理方法。
下面参考图10,其示出了适于用来实现本发明实施例的终端设备/服务器的计算机***800的结构示意图。图10示出的终端设备/服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,计算机***800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问记忆体(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有***800操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(I/O)界面805也连接至总线804。
以下部件连接至I/O界面805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络界面卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O界面805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的方法中限定的上述功能。需要说明的是,本发明所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是—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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问记忆体(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置执行如下步骤S1、对图像材料进行边缘识别;S2、将识别得到的边缘以外的内容去除获得截图;S3、对截图的褶皱进行平整处理,并设定图像处理标准,基于图像处理标准对截图的边缘进行修正处理;及S4、处理完毕后将处理后的图片输出。
本发明的技术方案相比于现有技术的有益效果是:
1.处理过程中,通过进行边缘识别,将边缘以外的内容去除,使最后的处理对象体积更小,降低了处理负担和存储负担,有助于进一步提升处理效率。同时也减少了无关元素的干扰,减少了处理过程中的处理量,也避免了无关元素对关键内容的处理过程造成干扰,降低了处理关键内容时发生误差的风险。此外,最后得到的图像中关键内容的占比大大提高,更便于对图像中的内容进行读取和处理,最后得到的图像中关键内容的占比大大提高,更便于对最后处理得到的图像进行分类管理,分类特征更加明显,管理效率更高,出错率降低。
2.当判断到截图的边缘不符合图像处理标准时,将截图的边缘按照图像处理标准进行修正,能够使截图的边缘被修正为所需的样式,从而便于统一归档保存和管理,也更便于后续的调用和阅读。
3.通过将书面材料表面的空间坐标映射到水平面,可以得到平整图像,从而实现对图像的平整处理。这样的话,即使书面材料是褶皱的,也可以通过平整处理将图像中的褶皱消除,使最后得到的图片平整、美观,也更便于阅读。
4.通过将截图进行二值化处理获得二值图,不仅能够使边缘更加明显、突出,还能够使图中的内容的识别度更高,更容易被辨识。通过对二值图进行去噪,能够消除影像清晰度的噪音,更便于阅读。此外,二值图的边缘更加清晰明确,更便于判定去噪后的二值图的边缘是否符合要求,从而更加准确地对边缘进行修正处理。
5.借助深度学习,能够大大提高边缘识别的准确度,并优化在不同场景下,对边缘的识别能力。
6.图像处理***和电子设备能够进一步扩充图像处理方法的应用面。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,用于处理图像材料,所述图像材料通过拍摄或扫描书面材料获得,包括如下步骤:
S1、对所述图像材料进行边缘识别;
S2、将识别得到的边缘以外的内容去除获得截图;
S3、对所述截图的褶皱进行平整处理,和/或设定图像处理标准,基于所述图像处理标准对截图的边缘进行修正处理;及
S4、处理完毕后将处理后的图片输出。
2.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理标准至少包括:提供标准图像边线,基于所述标准图像边线进行设定,所述步骤S3包括如下步骤:
S31、判断截图中是否存在褶皱,若是则执行步骤S32和步骤S33,若否执行步骤S33;
S32、对褶皱进行平整处理;
S33、基于所述图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S35,若否则执行步骤S34;
S34、将截图的边缘修正为与所述标准图像边线相匹配;修正完毕后执行步骤S35;
S35、完成处理;
或者所述步骤S3包括如下步骤:
S31’、基于所述图像处理标准判定截图的边缘是否符合要求,若是则执行步骤S33’,若否则执行步骤S32’;
S32’、将截图的边缘修正为与所述标准图像边线相匹配;修正完毕后执行步骤S33’;
S33’、判断截图中是否存在褶皱,若是则执行步骤S34’,若否执行步骤S35’;
S34’、对褶皱进行平整处理,处理完毕后执行步骤S35’;
S35’、完成处理。
3.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理方法还包括:拍摄或扫描书面材料时,获取书面材料表面的空间坐标;所述步骤S3中的所述平整处理包括:将所述空间坐标映射到水平面,得到平整图像。
4.根据权利要求3所述的图像处理方法,其特征在于,所述步骤S3包括如下步骤:
S30、将所述空间坐标映射到水平面,得到平整图像;
S31”、基于所述图像处理标准判定所述平整图像的边缘是否符合要求,若是则执行步骤S33”,若否则执行步骤S32”;
S32”、将所述平整图像的边缘修正为与所述标准图像边线相匹配;修正完毕后执行步骤S33”;
S33”、完成处理。
5.根据权利要求2或4所述的图像处理方法,其特征在于,基于所述图像处理标准判定截图的边缘是否符合要求具体包括如下流程:
将截图进行二值化处理以获得二值图;
提供去噪阈值,基于所述去噪阈值对所述二值图进行去噪;以及
基于所述图像处理标准判定去噪后的二值图的边缘是否符合要求。
6.根据权利要求1-4任一项所述的图像处理方法,其特征在于,在所述步骤S1中,包括在拍摄或者扫描书面材料的过程中进行识别,或者在拍摄或者扫描书面材料结束之后进行识别;所述步骤S1还包括:提供边缘训练样本,进行边缘识别模型训练,应用训练后的模型进行边缘识别。
7.根据权利要求1-4任一项所述的图像处理方法,其特征在于,所述步骤S1中对所述图像材料进行边缘识别包括如下两种方式中的一种:
方式一:提供像素变化阈值,获取局部像素变化超过所述像素变化阈值的像素集合,将所述像素集合作为识别得到的边缘;
方式二:于所述书面材料上布置识别点,将捕捉所述识别点得到的线条作为识别得到的边缘。
8.根据权利要求2或4所述的图像处理方法,其特征在于,将截图的边缘修正为与所述标准图像边线相匹配具体包括:将截图的边缘按标准图像边线的曲率进行拉伸插值处理。
9.一种图像处理***,用于处理图像材料,所述图像材料通过拍摄或扫描书面材料获得,其特征在于,包括:
边框识别模块:用于对所述图像材料进行边缘识别;
截图模块:用于将识别得到的边缘以外的内容去除获得截图;
修正模块:用于对所述截图的褶皱进行平整处理,和/或设定图像处理标准,基于所述图像处理标准对截图的边缘进行修正处理;及
图片输出模块:用于处理完毕后将处理后的图片进行输出。
10.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器存储有计算机程序,所述计算机程序被设置为运行时执行如所述权利要求1-8任一项所述的图像处理方法;
所述处理器被设置为通过所述计算机程序执行如所述权利要求1-8任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180137.XA CN113012060A (zh) | 2021-02-07 | 2021-02-07 | 一种图像处理方法、图像处理***及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180137.XA CN113012060A (zh) | 2021-02-07 | 2021-02-07 | 一种图像处理方法、图像处理***及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113012060A true CN113012060A (zh) | 2021-06-22 |
Family
ID=76384116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110180137.XA Pending CN113012060A (zh) | 2021-02-07 | 2021-02-07 | 一种图像处理方法、图像处理***及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012060A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941960A (zh) * | 2005-09-28 | 2007-04-04 | 宋柏君 | 嵌入式扫描手机 |
CN104239861A (zh) * | 2014-09-10 | 2014-12-24 | 深圳市易讯天空网络技术有限公司 | 卷曲文本图像预处理方法和彩票扫描识别方法 |
CN106934777A (zh) * | 2017-03-10 | 2017-07-07 | 北京小米移动软件有限公司 | 扫描图像获取方法及装置 |
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 |
CN107491730A (zh) * | 2017-07-14 | 2017-12-19 | 浙江大学 | 一种基于图像处理的化验单识别方法 |
CN110210413A (zh) * | 2019-06-04 | 2019-09-06 | 哈尔滨工业大学 | 一种基于深度学习的多学科试卷内容检测与识别***及方法 |
CN110738204A (zh) * | 2019-09-18 | 2020-01-31 | 平安科技(深圳)有限公司 | 一种证件区域定位的方法及装置 |
-
2021
- 2021-02-07 CN CN202110180137.XA patent/CN113012060A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941960A (zh) * | 2005-09-28 | 2007-04-04 | 宋柏君 | 嵌入式扫描手机 |
CN104239861A (zh) * | 2014-09-10 | 2014-12-24 | 深圳市易讯天空网络技术有限公司 | 卷曲文本图像预处理方法和彩票扫描识别方法 |
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 |
CN106934777A (zh) * | 2017-03-10 | 2017-07-07 | 北京小米移动软件有限公司 | 扫描图像获取方法及装置 |
CN107491730A (zh) * | 2017-07-14 | 2017-12-19 | 浙江大学 | 一种基于图像处理的化验单识别方法 |
CN110210413A (zh) * | 2019-06-04 | 2019-09-06 | 哈尔滨工业大学 | 一种基于深度学习的多学科试卷内容检测与识别***及方法 |
CN110738204A (zh) * | 2019-09-18 | 2020-01-31 | 平安科技(深圳)有限公司 | 一种证件区域定位的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348815B (zh) | 图像处理方法、图像处理装置以及非瞬时性存储介质 | |
US9769354B2 (en) | Systems and methods of processing scanned data | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN112183038A (zh) | 一种表格识别套打方法、计算机设备及计算机可读存储介质 | |
US20170289405A1 (en) | Content aware improvement of captured document images | |
CN109803172B (zh) | 一种直播视频的处理方法、装置及电子设备 | |
WO2019223068A1 (zh) | 虹膜图像局部增强方法、装置、设备及存储介质 | |
CN111507181B (zh) | 票据图像的矫正方法、装置及计算机设备 | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113781356B (zh) | 图像去噪模型的训练方法、图像去噪方法、装置及设备 | |
CN112507782A (zh) | 文本图像的识别方法及装置 | |
CN111046644A (zh) | 一种答题卡模板生成方法、识别方法、装置及存储介质 | |
CN109598270B (zh) | 扭曲文字的识别方法及装置、存储介质及处理器 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
US7724981B2 (en) | Adaptive contrast control systems and methods | |
CN113221897B (zh) | 图像矫正方法、图像文本识别方法、身份验证方法及装置 | |
CN113436222A (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、*** | |
CN102737240A (zh) | 分析数字文档图像的方法 | |
US8705134B2 (en) | Method of processing an image to clarify text in the image | |
CN110210467B (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
EP2545498B1 (en) | Resolution adjustment of an image that includes text undergoing an ocr process | |
WO2019223066A1 (zh) | 虹膜图像全局增强方法、装置、设备及存储介质 | |
CN111127580B (zh) | 自定义签章生成方法、计算机工具、签约方法及*** | |
CN111445402A (zh) | 一种图像去噪方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210622 |