[發(fā)明專利]用于識別圖像中文字區(qū)域的方法和裝置

有效

• 申請?zhí)枺?/td>: 201610794963.2
• 申請日: 2016-08-31
• 公開（公告）號: CN107784301B
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計）人: 陳鑫;高建忠;雷成軍;吳冬雪;楊琳琳;程濤遠
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/46
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于識別圖像中文字區(qū)域的方法，其特征在于，所述方法包括：

獲取待識別的圖像中的各個像素點的顏色值和位置信息；

基于所述各個像素點的顏色值，對所述像素點進行聚類，其中每個像素點類別中的像素點的顏色值相同或相似；

針對聚類處理后的每類像素點，確定由該類像素點中的像素點構(gòu)成的各個連通區(qū)域的輪廓，得到輪廓集合；

基于所述輪廓集合中的各個輪廓的顏色值和位置信息，對所述各個輪廓進行合并，以得到所述圖像中的各個文字區(qū)域，包括：將所述輪廓集合中顏色值相同或相似、橫向間距不大于橫向預(yù)定閾值且縱向間距不大于縱向預(yù)定閾值的輪廓進行合并，得到各個文字區(qū)域。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述位置信息包括橫向坐標和縱向坐標；以及

所述基于所述輪廓集合中的各個輪廓的顏色值和位置信息，對所述各個輪廓進行合并，以得到所述圖像中的各個文字區(qū)域，包括：

針對位于同一行的各個輪廓，將顏色值相同或相似且第一橫向間距不大于第一預(yù)定閾值的輪廓進行合并，以得到各個文字行集合；

針對各個文字行集合，基于各個文字行集合的顏色值、縱向坐標和橫向坐標，對各個文字行集合進行合并，以得到所述圖像中的各個文字區(qū)域。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，針對各個文字行集合，基于各個文字行集合的顏色值、縱向坐標和橫向坐標，對各個文字行集合進行合并，以得到所述圖像中的各個文字區(qū)域包括：

計算縱向相鄰的文字行的縱向間距和各自起始橫向坐標之間的第二橫向間距；

將顏色值相同、縱向間距不大于第二預(yù)定閾值以及第二橫向間距不大于第三預(yù)定閾值的文字行合并，以得到所述圖像中的各個文字區(qū)域。

4.根據(jù)權(quán)利要求1-3中任一所述的方法，其特征在于，所述方法還包括：

確定所述各個輪廓的外接矩形，所述外接矩形的顏色值為對應(yīng)輪廓的顏色值，所述外接矩形的位置信息為對應(yīng)輪廓的四邊頂點坐標；以及

所述基于所述輪廓集合中的各個輪廓的顏色值和位置信息，對所述各個輪廓進行合并，以得到所述圖像中的各個文字區(qū)域，包括：

基于所述各個輪廓的外接矩形的顏色值和位置信息，對各個外接矩形進行合并，以得到所述圖像中的各個文字區(qū)域。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在基于所述輪廓集合中的各個輪廓的顏色值和位置信息，對所述各個輪廓進行合并，以得到所述圖像中的各個文字區(qū)域之前，所述方法還包括：

基于各個輪廓的縱向坐標信息，從所述各個輪廓中刪除縱向高度大于第四預(yù)定閾值的輪廓。

6.一種用于識別圖像中文字的方法，其特征在于，所述方法包括：

對所識別出的待識別圖像中的各個文字區(qū)域分別進行文字識別，得到各個文字識別結(jié)果，其中，待識別圖像中的各個文字區(qū)域是通過如權(quán)利要求1-5中任一所述的方法得到的；

聚合所得到的各個文字識別結(jié)果。

7.一種用于識別圖像中文字區(qū)域的裝置，其特征在于，所述裝置包括：

獲取單元，配置用于獲取待識別的圖像中的各個像素點的顏色值和位置信息；

聚類單元，配置用于基于所述各個像素點的顏色值，對所述像素點進行聚類，其中每個像素點類別中的像素點的顏色值相同或相似；

輪廓確定單元，配置用于針對聚類處理后的每類像素點，確定由該類像素點中的像素點構(gòu)成的各個連通區(qū)域的輪廓，得到輪廓集合；

文字區(qū)域生成單元，配置用于基于所述輪廓集合中的各個輪廓的顏色值和位置信息，對所述各個輪廓進行合并，以得到所述圖像中的各個文字區(qū)域；

所述文字區(qū)域生成單元，進一步配置用于將所述輪廓集合中顏色值相同或相似、橫向間距不大于橫向預(yù)定閾值且縱向間距不大于縱向預(yù)定閾值的輪廓進行合并，得到各個文字區(qū)域。