[發(fā)明專利]一種翻譯圖片中文字的方法

有效

• 申請?zhí)枺?/td>: 201610073785.4
• 申請日: 2016-02-02
• 公開（公告）號: CN105761201B
• 公開（公告）日: 2019-03-22
• 發(fā)明（設計）人: 王洪君;孫健琳;于光玉;劉珂;王小飛
• 申請（專利權(quán)）人: 山東大學
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/32;G06K9/34;G06K9/62;G06F17/28
• 代理公司: 濟南金迪知識產(chǎn)權(quán)代理有限公司 37219
• 代理人: 呂利敏

本發(fā)明涉及一種翻譯圖片中文字的方法。本發(fā)明所述種翻譯圖片中文字的方法，僅對文檔中文字部分使用機器學習的方法進行檢測和OCR識別；可對文字部分先進行機器翻譯并設置相應翻譯準確的置信度，后期進行人工翻譯調(diào)整，并將不同翻譯準確率置信度的翻譯用不同的背景色標記區(qū)分，提高了翻譯準確度。本發(fā)明所述種翻譯圖片中文字的方法，提出了一種保留原有掃描文件圖片格式，僅通過識別圖片中文字區(qū)域和內(nèi)容可進行多種翻譯方式的選擇，翻譯準確度高，易操作和實現(xiàn)。

技術(shù)領域

本發(fā)明涉及一種翻譯圖片中文字的方法，屬于圖像處理的技術(shù)領域。

背景技術(shù)

在國際化越來越盛行和信息交互越來越頻繁的現(xiàn)代社會，很多情況下我們需要將某些證件、文件的掃描件或帶有特定文字格式的圖片中的文字內(nèi)容進行語言之間的翻譯。現(xiàn)有技術(shù)中，已經(jīng)有較成熟的技術(shù)和軟件來實現(xiàn)文本的翻譯；但是對于圖片中的文字，尤其是對于有特定格式的圖片中的文字，通常仍然需要依賴人工翻譯，并且重新保存文件的格式，圖片中文字內(nèi)容的翻譯因此也變得繁瑣和不便利。

掃描文件一般保存為圖片格式，圖片中包含特定文字和特定的排版。在需要將圖片文字進行翻譯的情況下，不能方便地提取圖片中的文字進行翻譯，也很難保留原來圖片中的排版格式。

現(xiàn)有技術(shù)中關于掃描文字的識別已經(jīng)有各種識別軟件，中國專利CN102904909A公開了一種云模式的OCR文字識別方法，該方法是一種基于OCR識別的文字識別技術(shù)。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種翻譯圖片中文字的方法。

本發(fā)明的技術(shù)方案如下：

發(fā)明概述：一種翻譯圖片中文字的方法，圖片文件中文字的翻譯步驟包括，圖片文件的預處理，圖片文件中文字區(qū)域的識別，OCR字符識別以及標記置信度的文字翻譯。

一種翻譯圖片中文字的方法，包括步驟如下：

1)圖片的預處理：對圖片進行去噪、文字內(nèi)容對齊和對比度調(diào)整。來自掃描儀或者相機的圖片，一般都包含噪聲點，文字內(nèi)容可能歪斜，圖片的亮度、對比度差異也較大。為了提高后續(xù)文字識別的準確度，需要對圖片進行預處理，以去除圖片中的噪聲點，矯正圖片上下邊緣處于水平位置及矯正圖片中文本行保持水平，并通過對比度調(diào)整使得圖片中的文字和背景能明顯區(qū)分出來。

2)文字區(qū)域檢測：在圖片中，文字區(qū)域的位置和大小不固定，采用機器學習的方法生成的檢測器檢測并標記圖片中的文字區(qū)域和非文字區(qū)域：

模型訓練：通過文字區(qū)域樣本和非文字區(qū)域樣本生成檢測器。用來檢測圖片中文字的檢測器是使用Soft-Cascade機器學習的方法訓練得來的，這種方法需要預先準備兩組矩形圖片的樣本：正例組(文字區(qū)域樣本)的矩形圖片為文字，負例組(非文字區(qū)域樣本)的矩形圖片為非文字；這種方法需要預先準備一些掃描圖片樣本，對樣本圖片中的文字區(qū)域進行人工標記，再利用固定大小的滑動窗口依次掃過整張圖片，將窗口2/3區(qū)域落在人工標記的文字區(qū)域的矩形圖片標記為正例組(文字區(qū)域樣本)，否則標記為負例組(非文字區(qū)域樣本)。使用該訓練集進行的訓練，最終生成的檢測器能判斷輸入的矩形區(qū)域是否屬于文字區(qū)域；

區(qū)域檢測：將預處理后的圖片按不同比例縮小，得到圖片的金字塔形數(shù)據(jù)，使用滑動窗口技術(shù)分別掃過不同大小的圖片，通過固定窗口大小的檢測器確定掃過的每個區(qū)域是否為文字區(qū)域，將不同比例圖片得到的文字區(qū)域合并，標定出圖片中的文字區(qū)域；

3)文字區(qū)域識別：使用OCR字符識別技術(shù)調(diào)用第三方(Tesseract或FineReader)的API接口，識別文字區(qū)域內(nèi)的文字內(nèi)容并保存，同時將文字區(qū)域用背景色覆蓋，設置為可編輯區(qū)域；