【技术实现步骤摘要】
一种基于模板匹配的OCR识别方法及其系统
本专利技术涉及一种基于模板匹配的OCR识别方法及其系统，属于OCR识别领域。
技术介绍
传统意义上的OCR(opticalcharacterrecognition)文字识别是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。随着近年来图像处理技术的进步，对于OCR文字识别的需求越来越多，场景应用也不再局限于纸面文字，包括车牌识别，护照识别，交通标志识别等等。随着深度学习的进步，目前越来越多的OCR技术采用基于神经网络的识别方法或者传统的机器学习knn分类算法进行识别，这些技术在准确率上虽然满足要求，但算法开发周期长，耗时长且要求的所需要的运行设备硬件要求高，在一些简单的应用场景上性价比不高，如车牌识别领域。
技术实现思路
为了解决上述技术问题，本专利技术提供一种基于模板匹配的OCR识别方法及其系统，通过对图像的预处理，对切割后的...
【技术保护点】
1.一种基于模板匹配的OCR识别方法，其特征在于，包括如下步骤：/nS1：获取目标图像；/nS2：对所述目标图像进行预处理；/nS3：对经过预处理的目标图像进行字符切割，以获得单独的字符图像，利用投影算法对所述字符进行切割处理；/nS4：将所述单独的字符图像进行垂直投影分割获得N个一级网格，对所述一级网格进行水平投影分割获得N
【技术特征摘要】
1.一种基于模板匹配的OCR识别方法，其特征在于，包括如下步骤：
S1：获取目标图像；
S2：对所述目标图像进行预处理；
S3：对经过预处理的目标图像进行字符切割，以获得单独的字符图像，利用投影算法对所述字符进行切割处理；
S4：将所述单独的字符图像进行垂直投影分割获得N个一级网格，对所述一级网格进行水平投影分割获得N2个二级网格，对所述二级网格进行垂直投影分割获得2N2个三级网格，对所述三级网格进行水平投影分割获得4N2个四级网格，其中，N的取值大于2；
S5：计算所有的所述四级网格的特征值，所述特征值包括：笔画方向的对比特征值，横竖笔画判断的位特征值，撇捺笔画判断的位特征值，大小判断的位特征值，形状判断的位特征值；
S6：将所述特征值与字符模板的对应特征值按照从左到右的顺序，依次比对对应位置的数值，如果数值一致，则相似度加1，计算所有特征值的相似度总和，取相似度总和最大的字符模板所代表的字符作为字符识别结果。
2.根据权利要求1所述的一种基于模板匹配的OCR识别方法，其特征在于，所述S2步骤具体为：
S21：对所述目标图像进行目标定位，通过彩色图像定位方法，找到符合的颜色特征区域并进行裁剪；
S22：对经过定位裁剪的目标图像进行转正处理；
S23：对经过转正处理的目标图像通过OTSU算法进行二值化处理以获得二值化图像；
S24：对所述二值化图像通过连通域去噪方法进行去噪处理，获得经过预处理的目标图像。
3.根据权利要求2所述的一种基于模板匹配的OCR识别方法，其特征在于：所述S3步骤中，对所述经过预处理的目标图像的进行垂直方向投影，即对每一列的字符像素点数进行统计，获得表征目标图像的直方图，所述直方图中的波谷位置为字符间隔，根据字符间隔分割出单独字符图像。
4.根据权利要求3所述的一种基于模板匹配的OCR识别方法，其特征在于，所述S4步骤具体为：
S41：对所述单独字符图像进行垂直投影，统计每列的字符像素点数，并计算字符像素点数总和，从第一列起依次累加每列的字符像素点数，当累计点数达到点数总和的1/N时，此时的列记录为第一垂直分割线，继续累加，当累计点数达到点数总和的2/N时，此时的列记录为第二垂直分割线，以此类推，直至得到第N-1垂直分割线，所述第一至第N-1垂直分割线将所述单独字符图像分割为N个一级网格；
S42：对S41步骤获得的每个一级网格的图像进行水平投影，统计每行的字符像素点数，并计算字符像素点数总和，从第一行起依次累加每行的字符像素点数，当累计点数达到点数总和的1/N时，此时的行记录为第一水平分割线，继续累加，当累计点数达到点数总和的2/N时，此时的行记录为第二水平分割线，以此类推，直至得到第N-1水平分割线，所述第一至第N-1水平分割线将所述每个一级网格的图像分割为N个二级网格，所述单独字符图像被划分为N2个二级网格；
S43：对S42步骤获得的每个二级网格的图像进行垂直投影，统计每列的字符像素点数，并计算字符像素点数总和，从第一列起依次累加每列的字符像素点数，当累计点数达到点数总和的1/2时，此时的列记录为第N垂直分割线，所述第N垂直分割线将所述二级网格图像分割成2个三级网格，所述单独字符图像被划分为2N2个三级网格；
S44：对S43步骤获得的每个三级网格的图像进行水平投影，统计每行的字符像素点数，并计算字符像素点数总和，从第一行起依次累加每行的字符像素点数，当累计点数达到点数总和的1/2时，此时的行记录为第N水平分割线，所述第N水平分割线将所述三级网格图像分割成2个四级网格，最终将所述单独字符图像划分为4N2个四级网格。
5.根据权利要求4所述的一种基于模板匹配的OCR识别方法，其特征在于：所述S5步骤具体为：
S51：计算所述笔画方向的对比特征值，每个字符像素点根据周边8个像素点组成包含9个像素点的九宫格阵列，将所述九宫格阵列和横竖撇捺4个模板阵列比对，判断当前字符像素点的类别，计算判断为横竖撇捺4个类别的字符像素点个数，其中，最小点数和最大点数的比值记为笔画方向的对比特征值；
S52：计算所述横竖笔画判断的位特征值，根据S51计算的像素点类别值，当判断为横的字符像素点个数大于判断为竖的字符像素点个数，则所述四级网格横竖笔画判断的位特征值记为0，反之，则所述四级网格横竖笔画判断的位特征值记为1；
S53：计算所述撇捺笔画判断的位特征值，根据S51计算的像素点类别值，当判断为撇的字符像素点个数大于判断为捺的字符像素点个数，则所述四级网格撇捺笔画判断的位特征值记为0，反之，则所述四级网格横竖笔画判断的位特征值记为1；
S54：计算所述形状判断的位特征值，当所述四级网格的宽大于高时，则所述四级网格的形状判断的位特征值记为0，反之，则所述四级网格的形状判断的位特征值记为1；
S55：计算所述大小判断的位特征值，计算所有所述四级网格的面积大小，并求面积平均值，当所述四级网格的面积小于平均值时，则所述四级网格的大小判断的位特征值记为0，反之，则所述四级网格的大小判断的位特征值记为1。
6.一种基于模板匹配的O...
【专利技术属性】
技术研发人员：庄国金，陈文传，陈昊，温亦汝，杨龙，吕晓君，郑宇，
申请(专利权)人：厦门商集网络科技有限责任公司，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。