CN115050015B - 金融票据账号字符区的精确分割方法 - Google Patents
金融票据账号字符区的精确分割方法 Download PDFInfo
- Publication number
- CN115050015B CN115050015B CN202210971563.XA CN202210971563A CN115050015B CN 115050015 B CN115050015 B CN 115050015B CN 202210971563 A CN202210971563 A CN 202210971563A CN 115050015 B CN115050015 B CN 115050015B
- Authority
- CN
- China
- Prior art keywords
- rough
- image
- boundary
- pixels
- account
- 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
Classifications
-
- 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
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Character Input (AREA)
Abstract
本发明提供一种金融票据账号字符区的精确分割方法,该方法包括预先获取待切割金融票据的账号字符区的二值化粗切割图像;对该图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;根据每行黑像素的个数H,确认金融票据账号字符区的粗略上边界和粗略下边界;对二值化粗切割图像计算黑白像素交替变化的次数Cx;连续p行的Cx值都大于Tc时,将粗略上边界r确定为精确上边界,将粗略下边界r+p确定为精确下边界;根据二值化粗切割图像,确定账号字符区的左边界和右边界;根据4个边界待切割金融票据的账号字符区进行切割。本发明可以显著提高账号字符区的精确分割的效率,进一步提高字符识别的准确率和效率。
Description
技术领域
本发明涉及薄片类纸质介质处理领域,特别是涉及一种金融票据账号字符区的精确分割方法。
背景技术
目前国内各大银行普遍要求硬件提供商,存单、支票等金融票据的账号的识别。虽然在字符识别的准确率随着各种神经网络识别技术的发展不断提高,但是账号字符区的精确分割,仍然是下一步识别最为重要的一个环节。而在特定的场景下,如账号打印位置的偏离,及与其他周围要素的干扰,给账号精确分割定位带来了一定的困难。
发明内容
基于此,本发明的目的在于提供一种金融票据账号字符区的精确分割方法,以精确分割账号字符区。
第一方面,本发明实施例提供一种金融票据账号字符区的精确分割方法,上述方法包括:1、一种金融票据账号字符区的精确分割方法,上述方法包括:步骤S102,预先获取待切割金融票据的账号字符区的二值化粗切割图像;步骤S104,对二值化粗切割图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;其中,目标区域和干扰图案的像素为黑像素,白背景区的像素为白像素,目标区域和干扰图案的黑像素共n行;步骤S106,根据每行黑像素的个数H,初步确认金融票据账号字符区的矩形区域的粗略上边界和粗略下边界,其中,第r行为粗略上边界,第r+p行为粗略下边界,目标区域的高度为p;步骤S108,对二值化粗切割图像从第r行逐行向下开始搜索,计算黑白像素交替变化的次数,当一行中相邻像素由黑像素变化为白像素时或由白像素变为黑像素时,计数加1,搜索完一行后变化累计为Cx,依次进行,则得到由r+1行到r+p行变化序列:Cr+1,Cr+2,……,Cr+p;步骤S110,当连续p行的Cx值都大于Tc时,将粗略上边界r确定为精确上边界,将粗略下边界r+p确定为精确下边界,反之则确定粗略上边界、粗略下边界的选取错误,需要重新计算边界;其中,Tc为账号字符的间隙数量;步骤S112,根据二值化粗切割图像,确定账号字符区的左边界和右边界;步骤S114,根据精确上边界、精确下边界、左边界和右边界对待切割金融票据的账号字符区进行切割。
进一步地,步骤S102包括:步骤S1022:根据预设的阈值,将待切割金融票据的整体的初始图像进行二值化处理,得到二值化图像,其中二值化图像的前景与黑背景分离,二值化图像包括金融票据的前景图像和四周边缘的黑背景;步骤S1024:对二值化图像中的前景图像进行矩形拟合并计算倾斜角度,然后根据倾斜角度对初始图像进行旋转矫正,得到矫正后图像;步骤S1026:利用拟合的整个金融票据的矩形区域对矫正后图像进行切割,得到去除黑背景后的图像,将去除黑背景后的图像作为第一图像;步骤S1028:根据账号字符区的大概位置,对第一图像的账号字符区进行粗切割,得到第二图像;步骤S10210:计算第二图像的所有的像素点的单通道的灰度值,并利用灰度值的均值对第二图像进行二值化处理,得到账号字符区的二值化粗切割图像,其中,二值化粗切割图像的包括目标区域、干扰图案和白背景区,干扰图案包括红水线和干扰字符;目标区域和干扰图案的像素为黑像素,白背景区的像素为白像素;目标区域的黑像素行数为p。
进一步地,步骤S106包括:步骤S1062:对账号字符区的二值化粗切割图像进行水平投影,得到每行黑像素的个数之和,记为H1,H2,H3,H4,……Hn,n为目标区域和干扰图案的总体的黑像素的行数;步骤S1064:由H1开始向下逐一进行判定,由于票据的账号是由多个数字及字母组成的,且账号字符在图像都有一定的高度,每行黑像素个数之和H会表现出连续性的特点;步骤S1066:当连续p行的H值都大于Th时,将第r行确定为粗略上边界,其中,r为初始行数,Th为预设的每行的黑像素的个数的阈值,Th的值与账号字符数量成正比例关系;步骤S1068:从第r+p-1行开始向上逐一判定,当出现连续p行的H值都大于Th时,将第r+p行确认为粗略下边界。
进一步地,步骤S1066包括:当 Hr+1 > Th,……, Hr+p> Th时,将第r行确定为粗略上边界。
进一步地,步骤S1068包括:当Hr+p-1 > Th,……, Hr> Th时,将第r+p行确认为粗略下边界。
进一步地,步骤S110包括:若 Cr+1 > Tc,……, Cr+p> Tc时,则将粗略上边界r确定为精确上边界、将粗略下边界r+p确定为精确下边界。
进一步地,步骤S112包括:根据精确上边界和精确下边界,对二值化粗切割图像进行垂直方向上的投影,得到每列黑像素的个数的和,记为V1,V2,V3,……,Vm,黑像素共m列;从V1开始从左向右进行判定,一旦满足条件:VL-1= 0 && VL>0 && VL+1>0 && VL+2>0时停止搜索,判定L处为账号字符区的左边界;再从最右侧的投影点Vm开始从右向左进行判定,一旦满足条件:VR+1= 0 && VR>0 && VR-1>0 && VR-2>0时停止搜索,判定R处为账号字符区的右边界。
本发明实施例的有益效果如下:
通过本发明可以显著提高账号字符区的精确分割的效率,进一步提高字符识别的准确率。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种金融票据账号字符区的精确分割方法的流程图;
图2为本发明实施例提供的一种金融票据示意图;
图3为本发明实施例提供的第二图像的示意图;
图4为本发明实施例提供的账号字符区的精确切割后的图像的示意图;
图5为本发明实施例提供的账号字符区的二值化粗切割图像的示意图。
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。
目前国内各大银行普遍要求硬件提供商,存单、支票等金融票据的账号的识别。虽然在字符识别的准确率随着各种神经网络识别技术的发展不断提高,但是账号字符区的精确分割,仍然是下一步识别最为重要的一个环节。而在特定的场景下,如账号打印位置的偏离,及与其他周围要素的干扰,给账号精确分割定位带来了一定的困难。
本发明应用场景是票据账号识别。
实施例一
本发明实施例提供一种金融票据账号字符区的精确分割方法,上述方法包括:
步骤S102,预先获取待切割金融票据的账号字符区的二值化粗切割图像。
步骤S104,对二值化粗切割图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;其中,目标区域和干扰图案的像素为黑像素,白背景区的像素为白像素,目标区域和干扰图案的黑像素共n行。
具体地,在实际应用中,目标区域的像素也可以为白像素,金融票据的白背景区的像素可以为黑像素。
步骤S106,根据每行黑像素的个数H,初步确认金融票据账号字符区的矩形区域的粗略上边界和粗略下边界,其中,第r行为粗略上边界,第r+p行为粗略下边界,目标区域的高度为p。
步骤S108,对二值化粗切割图像从第r行逐行向下开始搜索,计算黑白像素交替变化的次数,当一行中相邻像素由黑像素变化为白像素时或由白像素变为黑像素时,计数加1,搜索完一行后变化累计为Cx,依次进行,则得到由r+1行到r+p行变化序列:Cr+1,Cr+2,……,Cr+p。
步骤S110,当连续p行的Cx值都大于Tc时,将粗略上边界r确定为精确上边界,将粗略下边界r+p确定为精确下边界,反之则确定粗略上边界、粗略下边界的选取错误,需要重新计算边界;其中,Tc为账号字符的间隙数量。
步骤S112,根据二值化粗切割图像,确定账号字符区的左边界和右边界。
步骤S114,根据精确上边界、精确下边界、左边界和右边界对待切割金融票据的账号字符区进行切割。
本发明提供一种金融票据账号字符区的精确分割方法,该方法包括预先获取待切割金融票据的账号字符区的二值化粗切割图像;对该图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;根据每行黑像素的个数H,确认金融票据账号字符区的粗略上边界和粗略下边界;对二值化粗切割图像计算黑白像素交替变化的次数Cx;连续p行的Cx值都大于Tc时,将粗略上边界r确定为精确上边界,将粗略下边界r+p确定为精确下边界;根据二值化粗切割图像,确定账号字符区的左边界和右边界;根据4个边界待切割金融票据的账号字符区进行切割。本发明可以显著提高账号字符区的精确分割的效率,进一步提高字符识别的准确率和效率。
实施例二
本发明实施例提供另一种金融票据账号字符区的精确分割方法,上述方法包括:
步骤S1022:根据预设的阈值,将待切割金融票据的整体的初始图像进行二值化处理,得到二值化图像,其中二值化图像的前景与黑背景分离,二值化图像包括金融票据的前景图像和四周边缘的黑背景。
具体地,图2的黑色边缘即为上述黑背景,整个票据为前景图像。
步骤S1024:对二值化图像中的前景图像进行矩形拟合并计算倾斜角度,然后根据倾斜角度对初始图像进行旋转矫正,得到矫正后图像。
步骤S1026:利用拟合的整个金融票据的矩形区域对矫正后图像进行切割,得到去除黑背景后的图像,将去除黑背景后的图像作为第一图像。
步骤S1028:根据账号字符区的大概位置,对第一图像的账号字符区进行粗切割,得到第二图像。
如图3所示,为第二图像示意图。
步骤S10210:计算第二图像的所有的像素点的单通道的灰度值,并利用灰度值的均值对第二图像进行二值化处理,得到账号字符区的二值化粗切割图像,其中,二值化粗切割图像的包括目标区域、干扰图案和白背景区,干扰图案包括红水线和干扰字符;目标区域和干扰图案的像素为黑像素,白背景区的像素为白像素;目标区域的黑像素行数为p,p包括10。
具体地,图5为二值化粗切割图像的示意图。其中,数字区域为目标区域,数字之间的白空隙为白背景区,图5下方的红水线和干扰字符为干扰图案。
步骤S104,对图5的二值化粗切割图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;其中,目标区域和干扰图案的像素为黑像素,白背景区的像素为白像素,目标区域和干扰图案的黑像素共n行。
步骤S1062:对账号字符区的二值化粗切割图像进行水平投影,得到每行黑像素的个数之和,记为H1,H2,H3,H4,……Hn,n为目标区域和干扰图案的总体的黑像素的行数。
步骤S1064:由H1开始向下逐一进行判定,由于票据的账号是由多个数字及字母组成的,且账号字符在图像都有一定的高度,每行黑像素个数之和H会表现出连续性的特点。
步骤S1066:当连续p行的H值都大于Th时,将第r行确定为粗略上边界,其中,r为初始行数,Th为预设的每行的黑像素的个数的阈值,Th的值与账号字符数量成正比例关系。
具体地,当 Hr+1 > Th,……, Hr+p> Th时,将第r行确定为粗略上边界。
步骤S1068:从第r+p-1行开始向上逐一判定,当出现连续p行的H值都大于Th时,将第r+p行确认为粗略下边界。
具体地,当Hr+p-1 > Th,……, Hr> Th时,将第r+p行确认为粗略下边界。
步骤S108,对二值化粗切割图像从第r行逐行向下开始搜索,计算黑白像素交替变化的次数,当一行中相邻像素由黑像素变化为白像素时或由白像素变为黑像素时,计数加1,搜索完一行后变化累计为Cx,依次进行,则得到由r+1行到r+p行变化序列:Cr+1,Cr+2,……,Cr+p。
步骤S110:当连续p行的Cx值都大于Tc时(即Cr+1 > Tc,……, Cr+p> Tc时),将粗略上边界r确定为精确上边界,将粗略下边界r+p确定为精确下边界,反之则确定粗略上边界、粗略下边界的选取错误,需要重新计算边界;其中,Tc为账号字符的间隙数量。
步骤S112包括:
S1122:根据精确上边界和精确下边界,对二值化粗切割图像进行垂直方向上的投影,得到每列黑像素的个数的和,记为V1,V2,V3,……,Vm,黑像素共m列。
S1124:从V1开始从左向右进行判定,一旦满足条件:VL-1= 0 && VL>0 && VL+1>0 &&VL+2>0时停止搜索,判定L处为账号字符区的左边界。
S1126:再从最右侧的投影点Vm开始从右向左进行判定,一旦满足条件:VR+1= 0 &&VR>0 && VR-1>0 && VR-2>0时停止搜索,判定R处为账号字符区的右边界。
步骤S114,根据精确上边界、精确下边界、左边界和右边界对待切割金融票据的账号字符区进行精准切割。
本发明实施例所提供的金融票据账号字符区的精确分割方法,其实现原理及产生的技术效果和前述的方法实施例相同,为简要描述,本实施例部分未提及之处,可参考前述方法实施例中相应内容。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (2)
1.一种金融票据账号字符区的精确分割方法,其特征在于,所述方法包括:
步骤S102,预先获取待切割金融票据的账号字符区的二值化粗切割图像;
步骤S104,对所述二值化粗切割图像进行水平投影,得到目标区域和干扰图案的黑像素的行数n和白背景区;其中,所述目标区域和所述干扰图案的像素为黑像素,所述白背景区的像素为白像素,所述目标区域和所述干扰图案的黑像素共n行;
步骤S106,根据每行黑像素的个数H,初步确认所述金融票据账号字符区的矩形区域的粗略上边界和粗略下边界,其中,第r行为所述粗略上边界,第r+p行为所述粗略下边界,所述目标区域的高度为p;
步骤S108,对所述二值化粗切割图像从第r行逐行向下开始搜索,计算黑白像素交替变化的次数,当一行中相邻像素由黑像素变化为白像素时或由白像素变为黑像素时,计数加1,搜索完一行后变化累计为Cx,依次进行,则得到由r+1行到r+p行变化序列:Cr+1,Cr+2,……,Cr+p;
步骤S110,当连续p行的Cx值都大于Tc时,将所述粗略上边界r确定为精确上边界,将所述粗略下边界r+p确定为精确下边界,反之则确定粗略上边界、粗略下边界的选取错误,需要重新计算边界;其中,所述Tc为账号字符的间隙数量;其中,若 Cr+1 > Tc,……, Cr+p> Tc时,则将所述粗略上边界r确定为精确上边界、将所述粗略下边界r+p确定为精确下边界;
步骤S112,根据所述二值化粗切割图像,确定所述账号字符区的左边界和右边界;
步骤S114,根据所述精确上边界、精确下边界、左边界和右边界对待切割金融票据的账号字符区进行切割;
步骤S102包括:
步骤S1022:根据预设的阈值,将待切割金融票据的整体的初始图像进行二值化处理,得到二值化图像,其中所述二值化图像的前景与黑背景分离,所述二值化图像包括金融票据的前景图像和四周边缘的所述黑背景;
步骤S1024:对所述二值化图像中的所述前景图像进行矩形拟合并计算倾斜角度,然后根据倾斜角度对初始图像进行旋转矫正,得到矫正后图像;
步骤S1026:利用拟合的整个金融票据的矩形区域对所述矫正后图像进行切割,得到去除所述黑背景后的图像,将所述去除所述黑背景后的图像作为第一图像;
步骤S1028:根据所述账号字符区的大概位置,对所述第一图像的账号字符区进行粗切割,得到第二图像;
步骤S10210:计算所述第二图像的所有的像素点的单通道的灰度值,并利用所述灰度值的均值对所述第二图像进行二值化处理,得到所述账号字符区的二值化粗切割图像,其中,所述二值化粗切割图像的包括目标区域、干扰图案和白背景区,所述干扰图案包括红水线和干扰字符;所述目标区域和所述干扰图案的像素为黑像素,所述白背景区的像素为白像素;所述目标区域的黑像素行数为p;其中,数字区域为目标区域,数字之间的白空隙为白背景区;
步骤S106包括:
步骤S1062:对所述账号字符区的二值化粗切割图像进行水平投影,得到每行黑像素的个数之和,记为H1,H2,H3,H4,……Hn,n为目标区域和干扰图案的总体的黑像素的行数;
步骤S1064:由H1开始向下逐一进行判定,由于票据的账号是由多个数字及字母组成的,且账号字符在图像都有一定的高度,每行黑像素个数之和H会表现出连续性的特点;
步骤S1066:当连续p行的H值都大于Th时,将第r行确定为粗略上边界,其中,r为初始行数,Th为预设的每行的黑像素的个数的阈值,Th的值与账号字符数量成正比例关系;其中,当Hr+1 > Th,……, Hr+p> Th时,将第r行确定为粗略上边界;
步骤S1068:从第r+p-1行开始向上逐一判定,当出现连续p行的H值都大于Th时,将第r+p行确认为粗略下边界;其中,当Hr+p-1 > Th,……, Hr> Th时,将第r+p行确认为粗略下边界。
2.根据权利要求1所述的金融票据账号字符区的精确分割方法,其特征在于,步骤S112包括:
根据所述精确上边界和所述精确下边界,对二值化粗切割图像进行垂直方向上的投影,得到每列黑像素的个数的和,记为V1,V2,V3,……,Vm,黑像素共m列;
从V1开始从左向右进行判定,一旦满足条件:VL-1= 0 && VL>0 && VL+1>0 && VL+2>0时停止搜索,判定L处为账号字符区的左边界;
再从最右侧的投影点Vm开始从右向左进行判定,一旦满足条件:VR+1= 0 && VR>0 &&VR-1>0 && VR-2>0时停止搜索,判定R处为账号字符区的右边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210971563.XA CN115050015B (zh) | 2022-08-15 | 2022-08-15 | 金融票据账号字符区的精确分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210971563.XA CN115050015B (zh) | 2022-08-15 | 2022-08-15 | 金融票据账号字符区的精确分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115050015A CN115050015A (zh) | 2022-09-13 |
CN115050015B true CN115050015B (zh) | 2023-09-12 |
Family
ID=83167032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210971563.XA Active CN115050015B (zh) | 2022-08-15 | 2022-08-15 | 金融票据账号字符区的精确分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115050015B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452615B (zh) * | 2023-06-19 | 2023-10-03 | 恒银金融科技股份有限公司 | 冠字号区域前景和背景的分割方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
WO2014005456A1 (zh) * | 2012-07-04 | 2014-01-09 | 广州广电运通金融电子股份有限公司 | 一种纸类字符识别方法及相关装置 |
CN107358795A (zh) * | 2017-07-17 | 2017-11-17 | 陈剑桃 | 一种有效的车牌识别*** |
CN108446702A (zh) * | 2018-03-14 | 2018-08-24 | 深圳怡化电脑股份有限公司 | 一种图像字符分割方法、装置、设备及存储介质 |
CN108460386A (zh) * | 2018-03-19 | 2018-08-28 | 深圳怡化电脑股份有限公司 | 字符图像切割方法、装置、设备及存储介质 |
CN108510639A (zh) * | 2018-03-02 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法、装置、验钞机和存储介质 |
CN111814795A (zh) * | 2020-06-05 | 2020-10-23 | 北京嘉楠捷思信息技术有限公司 | 字符分割方法、装置及计算机可读存储介质 |
CN112016566A (zh) * | 2020-10-27 | 2020-12-01 | 恒银金融科技股份有限公司 | 一种金融票据大写金额处手写汉字的分割方法 |
CN112016565A (zh) * | 2020-10-27 | 2020-12-01 | 恒银金融科技股份有限公司 | 一种金融票据的账号处模糊数字的分割方法 |
CN112528895A (zh) * | 2020-12-17 | 2021-03-19 | 恒银金融科技股份有限公司 | 一种金融票据图像票号处变造检测的计算方法 |
CN114743207A (zh) * | 2022-03-29 | 2022-07-12 | 深圳怡化电脑股份有限公司 | 一种票据图像识别方法和装置 |
-
2022
- 2022-08-15 CN CN202210971563.XA patent/CN115050015B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
WO2014005456A1 (zh) * | 2012-07-04 | 2014-01-09 | 广州广电运通金融电子股份有限公司 | 一种纸类字符识别方法及相关装置 |
CN107358795A (zh) * | 2017-07-17 | 2017-11-17 | 陈剑桃 | 一种有效的车牌识别*** |
CN108510639A (zh) * | 2018-03-02 | 2018-09-07 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法、装置、验钞机和存储介质 |
CN108446702A (zh) * | 2018-03-14 | 2018-08-24 | 深圳怡化电脑股份有限公司 | 一种图像字符分割方法、装置、设备及存储介质 |
CN108460386A (zh) * | 2018-03-19 | 2018-08-28 | 深圳怡化电脑股份有限公司 | 字符图像切割方法、装置、设备及存储介质 |
CN111814795A (zh) * | 2020-06-05 | 2020-10-23 | 北京嘉楠捷思信息技术有限公司 | 字符分割方法、装置及计算机可读存储介质 |
CN112016566A (zh) * | 2020-10-27 | 2020-12-01 | 恒银金融科技股份有限公司 | 一种金融票据大写金额处手写汉字的分割方法 |
CN112016565A (zh) * | 2020-10-27 | 2020-12-01 | 恒银金融科技股份有限公司 | 一种金融票据的账号处模糊数字的分割方法 |
CN112528895A (zh) * | 2020-12-17 | 2021-03-19 | 恒银金融科技股份有限公司 | 一种金融票据图像票号处变造检测的计算方法 |
CN114743207A (zh) * | 2022-03-29 | 2022-07-12 | 深圳怡化电脑股份有限公司 | 一种票据图像识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115050015A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115018828B (zh) | 一种电子元器件的缺陷检测方法 | |
CN104112128B (zh) | 应用于票据影像字符识别的数字图像处理***及方法 | |
RU2678485C1 (ru) | Способ сегментации и распознавания символов | |
CN111814722A (zh) | 一种图像中的表格识别方法、装置、电子设备及存储介质 | |
JP3748164B2 (ja) | パターン抽出装置 | |
CN104781835B (zh) | 二维码 | |
CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
US9367782B2 (en) | High capacity 2D color barcode and method for decoding the same | |
CN108985305B (zh) | 一种激光蚀刻工业***编码图像定位及校正方法 | |
CN115050015B (zh) | 金融票据账号字符区的精确分割方法 | |
CN115578732B (zh) | 一种肥料生产线的标签识别方法 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN116391204A (zh) | 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 | |
CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
CN106909869A (zh) | 一种矩阵式二维码的采样网格划分方法及装置 | |
CN109858484A (zh) | 一种基于偏斜评价的多类别变换车牌校正算法 | |
CN110084117B (zh) | 基于二值图分段投影的文档表格线检测方法、*** | |
CN110059695B (zh) | 一种基于垂直投影的字符分割方法及终端 | |
JPH08305795A (ja) | 文字認識方法 | |
CN115880683A (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
JP2005302056A (ja) | パターン抽出装置 | |
CN102682308B (zh) | 图像处理方法和图像处理设备 | |
CN115410191A (zh) | 文本图像识别方法、装置、设备和存储介质 | |
JPH0256688A (ja) | 文字切出し装置 | |
CN113989823A (zh) | 基于ocr坐标的图片表格还原方法及*** |
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 |