[發(fā)明專利]圖像文本區(qū)域定位方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011561668.5
• 申請(qǐng)日: 2020-12-25
• 公開(kāi)（公告）號(hào): CN112560847A
• 公開(kāi)（公告）日: 2021-03-26
• 發(fā)明（設(shè)計(jì)）人: 何龔敏;楊俊
• 申請(qǐng)（專利權(quán)）人: 中國(guó)建設(shè)銀行股份有限公司
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/34;G06K9/40
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉

本申請(qǐng)?zhí)峁┝艘环N圖像文本區(qū)域定位方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，對(duì)于純文本類型的文本圖像，對(duì)文本圖像進(jìn)行膨脹處理使相鄰文字連成一個(gè)文本行連通區(qū)域，通過(guò)文本行連通區(qū)域的外切矩形，確定圖像文本區(qū)域；對(duì)于文本直線交錯(cuò)類型的文本圖像，通過(guò)檢測(cè)文本圖像中的直線框架，確定圖像文本區(qū)域；對(duì)于復(fù)雜背景版面類型的文本圖像，識(shí)別出文本圖像中的單字框，將單字框合并成文本行連通區(qū)域，通過(guò)文本行連通區(qū)域和檢測(cè)得到的直線框架，確定圖像文本區(qū)域。可見(jiàn)，通過(guò)識(shí)別文本圖像中的直線框架和/或連通區(qū)域的外切矩形，實(shí)現(xiàn)對(duì)文本圖像中文本行上下左右邊沿位置進(jìn)行準(zhǔn)確定位，且對(duì)各個(gè)類型的文本圖像的圖像文本區(qū)域定位具有通用性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像文本區(qū)域定位方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。

背景技術(shù)

圖像文本識(shí)別在許多領(lǐng)域有著廣泛的需求，相關(guān)應(yīng)用涉及身份證識(shí)別、車牌號(hào)識(shí)別、快遞單識(shí)別、銀行卡號(hào)識(shí)別等等。圖像文本識(shí)別是指對(duì)文本圖像中存在的文本進(jìn)行識(shí)別，文本圖像通常分為純文本類型的圖像、文本直線交錯(cuò)類型的圖像(例如表格圖像)和復(fù)雜背景版面類型的圖像(例如票據(jù)圖像)，而圖像文本區(qū)域定位是圖像文本識(shí)別的前提。

目前，圖像文本區(qū)域定位的方案主要為圖像像素投影分析法，具體包括：對(duì)圖像進(jìn)行二值化處理，使圖像中的文字為黑色、背景為白色，將圖像的中的像素點(diǎn)水平投影，計(jì)算每一文本行上的黑色像素點(diǎn)的個(gè)數(shù)、從而得到像素分布圖，通過(guò)設(shè)定閾值，根據(jù)閾值，將像素分布圖上每個(gè)高峰的起點(diǎn)和結(jié)束點(diǎn)確定為文本行的上下邊界。

現(xiàn)有的圖像文本區(qū)域定位方案，只能定位到純文本圖像中每一行文本的上下邊沿位置，難以定位左右邊沿位置，另外，對(duì)于只有少量字符的文本行，水平投影后的峰值會(huì)比較小，對(duì)后續(xù)閾值設(shè)置造成困難，閾值設(shè)置太小會(huì)將噪聲識(shí)別為文本行，而閾值設(shè)置太大會(huì)忽略有少量單字的文本行，且該方案無(wú)法對(duì)存在直線的文本圖像進(jìn)行圖像文本區(qū)域定位。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N圖像文本區(qū)域定位方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，目的在于提高圖像文本區(qū)域定位的準(zhǔn)確性和通用性。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝艘韵录夹g(shù)方案：

一種圖像文本區(qū)域定位方法，包括：

獲取待定位文本圖像，確定所述待定位文本圖像的圖像類型；所述圖像類別包括純文本類型、文本直線交錯(cuò)類型或復(fù)雜背景版面類型；

若所述待定位文本圖像的圖像類型為純文本類型，則對(duì)所述待定位文本圖像進(jìn)行圖像預(yù)處理，并對(duì)圖像預(yù)處理后的待定位文本圖像進(jìn)行膨脹處理，得到目標(biāo)文本圖像，識(shí)別所述目標(biāo)文本圖像中的各個(gè)文本行連通區(qū)域，確定每個(gè)所述文本行連通區(qū)域的外切矩形的坐標(biāo)值，基于各個(gè)所述文本行連通區(qū)域的外切矩形的坐標(biāo)值，確定所述待定位文本圖像中的文本行區(qū)域；其中，每一個(gè)所述文本行連通區(qū)域中相鄰像素點(diǎn)的像素值相同；

若所述待定位文本圖像的圖像類型為文本直線交錯(cuò)類型，則對(duì)所述待定位文本圖像進(jìn)行圖像預(yù)處理，并對(duì)圖像預(yù)處理后的待定位文本圖像進(jìn)行水平線檢測(cè)和豎直線檢測(cè)，基于檢測(cè)得到的每一條水平線和每一條豎直線，確定多個(gè)矩形，依據(jù)所述矩形的坐標(biāo)值，確定所述待定位文本圖像中的文本行區(qū)域；

若所述述待定位文本圖像的圖像類型為復(fù)雜背景版面類型，則將所述待定位文本圖像輸入至預(yù)先構(gòu)建的單字識(shí)別模型中，得到所述待定位文本圖像中每個(gè)單字各自對(duì)應(yīng)單字框的坐標(biāo)預(yù)測(cè)值和置信度，基于每個(gè)所述單字框的置信度，從各個(gè)所述單字框中確定多個(gè)目標(biāo)單字框，將水平方向相鄰的目標(biāo)單字框進(jìn)行合并，得到多個(gè)文本行連通區(qū)域，對(duì)所述待定位文本圖像進(jìn)行水平線檢測(cè)和豎直線檢測(cè)，依據(jù)各個(gè)所述文本行連通區(qū)域、以及檢測(cè)得到的水平線和豎直線，確定所述待定位文本圖像中的文本行區(qū)域。

上述的方法，可選的，所述對(duì)所述待定位文本圖像進(jìn)行圖像預(yù)處理，包括：

對(duì)所述待定位文本圖像進(jìn)行灰度化處理，得到灰度化圖像；