错别字的纠正方法、装置、设备及存储介质制造方法及图纸

本公开实施例公开了一种错别字的纠正方法、装置、设备及存储介质。该方法包括：对用户的手写文本进行文字识别，获得待纠正文本；将所述待纠正文本输入文字识别模型，获得所述待纠正文本中的错字和/或别字，以及所述错字和/或别字对应的正确字；将所述错字和/或别字以及正确字推送至用户，使用户对所述错字和/或别字进行纠正。本公开实施例提供的错别字的纠正方法，对用户的手写文本识别获得待纠正文本后，输入文字识别模型，以获得待纠正文本中的错字和/或别字，可以提高错别字纠正的可靠性，且节省时间。

【技术实现步骤摘要】
错别字的纠正方法、装置、设备及存储介质
本公开实施例涉及文字识别
，尤其涉及一种错别字的纠正方法、装置、设备及存储介质。
技术介绍
日常生活中，用户在手写文档时，由于个人的疏忽或者知识面的限制，文档中出现错字或者别字而不自知，从而影响文档的质量，且给看文档的其他人带来不好的体验。现在常用的做法是，请求其他用户对文档进行检查，这种方式的局限在于，会由于其他用户的疏忽或者知识面的限制，遗漏其中一些错别字，可靠性不高，而且其他用户查看文档需要花费一定的时间。
技术实现思路
本公开实施例提供一种错别字的纠正方法、装置、设备及存储介质，以识别及纠正用户手写文档中出现的错别字，可以提高错别字纠正的可靠性，且节省时间。第一方面，本公开实施例提供了一种错别字的纠正方法，该方法包括：对用户的手写文本进行文字识别，获得待纠正文本；将所述待纠正文本输入文字识别模型，获得所述待纠正文本中的错字和/或别字，以及所述错字和/或别字对应的正确字；将所述错字和/或别字以及正确字推送至用户，使用户对所述错字和/或别字进行纠正。进一步地，对用户的手写文本进行文字识别，包括：扫描用户的手写文本，获得初始文本图像；对所述初始文本图像进行降噪处理，获得降噪文本图像；针对降噪文本图像中的每一行文本，基于设定算法进行字符分割；对分割后的字符采用光学字符识别OCR技术进行文字识别，获得待纠正文本。进一步地，对所述初始文本图像进行降噪处理，获得降噪文本图像，包括：将所述初始文本图像进行灰度处理，获得灰度化文本图像；对所述灰度化文本图像二值化化处理，获得二值化文本图像；对所述二值化文本图像进行去孤点操作，获得降噪文本图像。进一步地，针对降噪文本图像中的每一行文本，基于设定算法进行字符分割，包括：采用边缘估计算法对每一行文字文本的字数进行估计；根据估计出的字数进行字符分割。进一步地，对分割后的字符采用光学字符识别OCR技术进行文字识别，获得待纠正文本，包括：对分割后的每个字符进行笔划抽取；对抽取出的笔划进行模糊特征计算及处理；将处理的笔划组合，获得每个字符分别对应的文字，获得待纠正文本。进一步地，在将所述待纠正文本输入文字识别模型之前，还包括：获取汉字样本集；基于所述样本集，采用设定机器学习算法进行模型训练，获得文字识别模型。进一步地，所述样本集包括由正确字组成的正例以及由正确字对应的错别字组成的反例。第二方面，本公开实施例还提供了一种错别字的纠正装置，该装置包括：待纠正文本获取模块，用于对用户的手写文本进行文字识别，获得待纠正文本；错字和/或别字获取模块，用于将所述待纠正文本输入文字识别模型，获得所述待纠正文本中的错字和/或别字，以及所述错字和/或别字对应的正确字；错字和/或别字纠正模块，用于将所述错字和/或别字以及正确字推送至用户，使用户对所述错字和/或别字进行纠正。第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理装置；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的错别字的纠正方法。第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的错别字的纠正方法。本公开实施例，首先对用户的手写文本进行文字识别，获得待纠正文本，然后将待纠正文本输入文字识别模型，获得待纠正文本中的错字和/或别字，以及错字和/或别字对应的正确字，最后将错字和/或别字以及正确字推送至用户，使用户对错字和/或别字进行纠正。本公开实施例提供的错别字的纠正方法，对用户的手写文本识别获得待纠正文本后，输入文字识别模型，以获得待纠正文本中的错字和/或别字，可以提高错别字纠正的可靠性，且节省时间。附图说明图1是本公开实施例一中的一种错别字的纠正方法的流程图；图2是本公开实施例二中的一种错别字的纠正装置的结构示意图；图3是本公开实施例三中的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。实施例一图1为本公开实施例一提供的一种错别字的纠正方法的流程图，本实施例可适用于对手写文本中的错别字进行识别的情况，该方法可以由错别字的纠正装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有错别字的纠正功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：步骤110，对用户的手写文本进行文字识别，获得待纠正文本。本实施例中，可以采用光学字符识别(OpticalCharacterRecognition，OCR)技术对用户的手写文本进行文字识别。具体的过程可以是，扫描手写文本获得字符，通过检测暗、亮模式确定其形状，然后用字符识别方法将形状翻译为计算机文字；即，针对印刷体字符，采用光学的方式将纸质文本中的文字转化为黑白点阵的图像文件，并通过识别软件将图像中的文字转化成文本格式，从而获得待纠正文本。可选的，对用户的手写文本进行文字识别，可通过下述方式实施：扫描用户的手写文本，获得初始文本图像；对初始文本图像进行降噪处理，获得降噪文本图像；针对降噪文本图像中的每一行文本，基于设定算法进行字符分割；对分割后的字符采用光学字符识别OCR技术进行文字识别，获得待纠正文本。其中，可以采用扫描仪或者数码相机等电子设备对手写文本进行扫描。对初始文本图像进行降噪处理，获得降噪文本图像的过程可以是，将初始文本图像进行灰度处理，获得灰度化文本图像；对灰度化文本图像二值化化处理，获得二值化文本图像；对二值化文本图像进行去孤点操作，获得降噪文本图像。本实施例中，初始文本图像为彩色图像，对彩色图像进行灰度处理的方式可以是，对于每个像素点，对红绿蓝(RedGreenBlue，RGB)分量按照设定计算方法获得每个像素点的灰度值，从而获得灰度图像。其中，设定计算方法包括：分量法、最大值法、平均值法或者加权平均法。分量法的原理是将RGB三分量中的任意一个分量值确定为当前像素点的灰度值，例如，将红分量的值确定为灰度值；最大值法的原理是将RGB三分量中的最大值确定为灰度值；平均值法是将RGB三分量值的平均值确定为灰度值；加权平均法的原理是将RBG三分量以不同的权重进行加权平均获得灰度值。对灰度化文本文档来自技高网...

【技术保护点】
1.一种错别字的纠正方法，其特征在于，包括：/n对用户的手写文本进行文字识别，获得待纠正文本；/n将所述待纠正文本输入文字识别模型，获得所述待纠正文本中的错字和/或别字，以及所述错字和/或别字对应的正确字；/n将所述错字和/或别字以及正确字推送至用户，使用户对所述错字和/或别字进行纠正。/n

【技术特征摘要】
1.一种错别字的纠正方法，其特征在于，包括：
对用户的手写文本进行文字识别，获得待纠正文本；
将所述待纠正文本输入文字识别模型，获得所述待纠正文本中的错字和/或别字，以及所述错字和/或别字对应的正确字；
将所述错字和/或别字以及正确字推送至用户，使用户对所述错字和/或别字进行纠正。


2.根据权利要求1所述的方法，其特征在于，对用户的手写文本进行文字识别，包括：
扫描用户的手写文本，获得初始文本图像；
对所述初始文本图像进行降噪处理，获得降噪文本图像；
针对降噪文本图像中的每一行文本，基于设定算法进行字符分割；
对分割后的字符采用光学字符识别OCR技术进行文字识别，获得待纠正文本。


3.根据权利要求2所述的方法，其特征在于，对所述初始文本图像进行降噪处理，获得降噪文本图像，包括：
将所述初始文本图像进行灰度处理，获得灰度化文本图像；
对所述灰度化文本图像二值化化处理，获得二值化文本图像；
对所述二值化文本图像进行去孤点操作，获得降噪文本图像。


4.根据权利要求2所述的方法，其特征在于，针对降噪文本图像中的每一行文本，基于设定算法进行字符分割，包括：
采用边缘估计算法对每一行文字文本的字数进行估计；
根据估计出的字数进行字符分割。


5.根据权利要求2所述的方法，其特征在于，对分割后的字符采用光学字符识别OCR技术进行文字识别，获得待纠正文本，包括：
...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11