一种快速识别手写矢量的方法及装置、介质和设备制造方法及图纸

本发明专利技术公开了一种快速识别手写矢量的方法及装置、介质和设备，方法首先获取含有手写字体的原始图像并进行高斯滤波、灰度化、边缘检测，得到边缘图像，然后识别并存储其中的字母。检测边缘图像中是否含有直线，若有，则初步判定手写字体存在字母矢量的箭头特征，并分割边缘图像，得到含有直线的局部图像，再计算局部图像的HU矩，将HU矩与标准箭头HU矩进行匹配，两者一致的情况下判定手写字体存在字母矢量的箭头特征。只有两次都有检测到箭头特征，才判定手写字体为手写字母矢量，根据存储的字母信息生成并输出对应的字母矢量，其他情况则判定手写字体为字母，输出存储的字母信息。本发明专利技术可以准确高效地识别手写字母及手写字母矢量。

【技术实现步骤摘要】
一种快速识别手写矢量的方法及装置、介质和设备
本专利技术涉及手写字体识别
，特别是一种快速识别手写矢量的方法及装置、介质和设备。
技术介绍
目前现有的针对手写字体的识别技术大多数适用于手写的数字、字母、中文汉字，而缺乏对手写的矢量(向量)的识别。随着通讯技术的发展，线上学习系统、学生作业线上批改系统发展势头迅猛。矢量作为理工科常用的符号，在教师授课的手写板书、学生手写作业中出现的频率很高，因此，有必要研究能分辨手写字母及手写字母矢量的技术。
技术实现思路
本专利技术的第一目的在于解决现有技术的不足，提出一种快速识别手写矢量的方法，可以准确高效地识别手写字母及手写字母矢量。本专利技术的第二目的在于提出一种快速识别手写矢量的装置。本专利技术的第三目的在于提出一种计算机可读存储介质。本专利技术的第四目的在于提出一种计算设备。本专利技术的第一目的通过下述技术方案实现：一种快速识别手写矢量的方法，包括如下步骤：S1、获取含有手写字体的原始图像；S2、对原始图像进行高斯滤波处理，再将其从RGB图像转换为灰度图；S3、对灰度图进行边缘检测，得到边缘图像；S4、识别边缘图像中手写的字母或手写的字母矢量中的字母，并存储该字母信息；S5、检测边缘图像中是否含有直线，若无，则初步判定手写字体不存在字母矢量的箭头特征；若有，则初步判定手写字体存在字母矢量的箭头特征，然后根据直线在边缘图像中的像素点坐标，对边缘图像进行分割，得到含有直线的局部图像；S6、计算局部图像的HU矩，并将该HU矩与标准箭头HU矩进行匹配，若两者一致，则判定手写字体存在字母矢量的箭头特征；若两者不一致，则判定手写字体不存在字母矢量的箭头特征；S7、如果在步骤S5与步骤S6均有检测到箭头特征，则判定手写字体为手写字母矢量，根据步骤S4中存储的字母信息，生成并输出对应的字母矢量；如果在步骤S5和S6中任一个步骤没有检测到箭头特征，则判定手写字体为字母，并输出步骤S4中存储的字母信息。优选的，区域图像的HU矩的计算公式为：I1＝η20+η02I2＝(η20+η02)2+4η112I3＝(η20+3η12)2+(3η21-η03)2I4＝(η30+η12)2+(η21+η03)2I5＝(η30-η12)(η30-η12)[(η30+η12)2-3(η21+η03)2]+(3η21-η03)(η21+η30)[3(η30+η12)2-(η21+η03)2]I6＝(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)I7＝(3η21+η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+9η30-3η12)(η21+η30)[3(η30+η12)2-(η21+η03)2]其中，I1、I2、I3、I4、I5、I6、I7分别代表7个不变矩；η20、η02、η11、η30、η03、η30、η21、η12均为归一化中心矩。优选的，将原始图像从RGB图像转换为灰度图，具体是：对原始图像的RGB三个分量进行加权平均，得到最终的灰度值；或者使用中值滤波计算原始图像所有像素的中值，并以该中值调整中心像素的灰度值。优选的，使用边缘检测算法对灰度图进行边缘检测。优选的，识别边缘图像中手写的字母或手写的字母矢量中的字母，具体是：将边缘图像输入到提前训练好的手写字母识别模型中，由手写字母识别模型识别手写字体中的手写字母或手写字母矢量所涉及的字母。优选的，使用概率霍夫变换检测边缘图像中是否含有直线。本专利技术的第二目的通过下述技术方案实现：一种快速识别手写矢量的装置，包括：原始图像获取模块，用于获取含有手写字体的原始图像；预处理模块，用于对原始图像进行高斯滤波处理，再将其从RGB图像转换为灰度图；边缘检测模块，用于对灰度图进行边缘检测，得到边缘图像；字母识别及存储模块，用于识别边缘图像中手写的字母或手写的字母矢量中的字母，并储存该字母信息；直线检测模块，用于检测边缘图像中是否含有直线，在不含有直线的情况下初步判定手写字体不存在字母矢量的箭头特征；在含有直线的情况下初步判定手写字体存在字母矢量的箭头特征，然后根据直线在边缘图像中的像素点坐标，对边缘图像进行分割，得到含有直线的局部图像；HU矩匹配模块，用于计算局部图像的HU矩，并将该HU矩与标准箭头HU矩进行匹配，若两者一致，则判定手写字体存在字母矢量的箭头特征；若两者不一致，则判定手写字体不存在字母矢量的箭头特征；字母矢量判断模块，用于在直线检测模块和HU矩匹配模块同时有检测到箭头特征的情况下判定手写字体为手写字母矢量，根据字母识别及存储模块中存储的字母信息，生成并输出对应的字母矢量；字母判断模块，用于在直线检测模块和HU矩匹配模块中任一个模块没有检测到箭头特征的情况下判定手写字体为字母，并输出字母识别及存储模块中存储的字母信息。本专利技术的第三目的通过下述技术方案实现：一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现本专利技术第一目的所述的快速识别手写矢量的方法。本专利技术的第四目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现本专利技术第一目的所述的快速识别手写矢量的方法。本专利技术相对于现有技术具有如下的优点及效果：1、本专利技术方法通过两次检测来判断手写字体是否含有箭头特征，只有两次都有检测到箭头特征，才最终判定手写字体为手写字母矢量，根据存储的字母信息生成并输出对应的字母矢量，其他情况则判定手写字体为字母，输出存储的字母信息。可见，本专利技术能够准确分辨手写字母以及手写字母矢量，识别准确率高。2、本专利技术利用了效率较高的概率霍夫变换来检测箭头中的直线部分，间接筛选出可能为手写字母矢量的局部图像，再通过具有平移、旋转和尺度不变性的HU矩进行再次判断，综合两次判断结果来确定手写字体是否为手写字母矢量，具有计算量小，识别速度快，识别效率高的优点。附图说明图1为本专利技术快速识别手写矢量的方法的流程图。图2为本专利技术快速识别手写矢量的装置的结构框图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例1本实施例提供了一种快速识别手写矢量的方法，可应用于线上学习系统、学生作业线上批改系统、手写字体识别系统等。方法如图1所示，包括如下步骤：S1、通过学生或老师的电脑摄像头拍摄授课的手写板书、学生提交的手写作业，或通过手写板等智能手写设备的传感器感应手写轨迹等，生成含有手写字体的原始图像，程序获取该原始图像。S2、对原始图像进行高斯滤波处理，基本原理是将原始图像的每一个像素点与高斯内核进行卷积，将卷积和当作输出像素值，从而消除图像本文档来自技高网...

【技术保护点】
1.一种快速识别手写矢量的方法，其特征在于，包括如下步骤：/nS1、获取含有手写字体的原始图像；/nS2、对原始图像进行高斯滤波处理，再将其从RGB图像转换为灰度图；/nS3、对灰度图进行边缘检测，得到边缘图像；/nS4、识别边缘图像中手写的字母或手写的字母矢量中的字母，并存储该字母信息；/nS5、检测边缘图像中是否含有直线，若无，则初步判定手写字体不存在字母矢量的箭头特征；若有，则初步判定手写字体存在字母矢量的箭头特征，然后根据直线在边缘图像中的像素点坐标，对边缘图像进行分割，得到含有直线的局部图像；/nS6、计算局部图像的HU矩，并将该HU矩与标准箭头HU矩进行匹配，若两者一致，则判定手写字体存在字母矢量的箭头特征；若两者不一致，则判定手写字体不存在字母矢量的箭头特征；/nS7、如果在步骤S5与步骤S6均有检测到箭头特征，则判定手写字体为手写字母矢量，根据步骤S4中存储的字母信息，生成并输出对应的字母矢量；/n如果在步骤S5和S6中任一个步骤没有检测到箭头特征，则判定手写字体为字母，并输出步骤S4中存储的字母信息。/n

【技术特征摘要】
1.一种快速识别手写矢量的方法，其特征在于，包括如下步骤：
S1、获取含有手写字体的原始图像；
S2、对原始图像进行高斯滤波处理，再将其从RGB图像转换为灰度图；
S3、对灰度图进行边缘检测，得到边缘图像；
S4、识别边缘图像中手写的字母或手写的字母矢量中的字母，并存储该字母信息；
S5、检测边缘图像中是否含有直线，若无，则初步判定手写字体不存在字母矢量的箭头特征；若有，则初步判定手写字体存在字母矢量的箭头特征，然后根据直线在边缘图像中的像素点坐标，对边缘图像进行分割，得到含有直线的局部图像；
S6、计算局部图像的HU矩，并将该HU矩与标准箭头HU矩进行匹配，若两者一致，则判定手写字体存在字母矢量的箭头特征；若两者不一致，则判定手写字体不存在字母矢量的箭头特征；
S7、如果在步骤S5与步骤S6均有检测到箭头特征，则判定手写字体为手写字母矢量，根据步骤S4中存储的字母信息，生成并输出对应的字母矢量；
如果在步骤S5和S6中任一个步骤没有检测到箭头特征，则判定手写字体为字母，并输出步骤S4中存储的字母信息。


2.根据权利要求1所述的快速识别手写矢量的方法，其特征在于，区域图像的HU矩的计算公式为：
I1＝η20+η02
I2＝(η20+η02)2+4η112
I3＝(η20+3η12)2+(3η21-η03)2
I4＝(η30+η12)2+(η21+η03)2
I5＝(η30-η12)(η30-η12)[(η30+η12)2-3(η21+η03)2]+(3η21-η03)(η21+η30)[3(η30+η12)2-(η21+η03)2]
I6＝(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)
I7＝(3η21+η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+9η30-3η12)(η21+η30)[3(η30+η12)2-(η21+η03)2]
其中，I1、I2、I3、I4、I5、I6、I7分别代表7个不变矩；η20、η02、η11、η30、η03、η30、η21、η12均为归一化中心矩。


3.根据权利要求1所述的快速识别手写矢量的方法，其特征在于，将原始图像从RGB图像转换为灰度图，具体是：对原始图像的RGB三个分量进行加权平均，得到最终的灰度...

【专利技术属性】
技术研发人员：朱静，杜晓楠，牛子晗，王茹皓，李楚宪，尹邦政，赵宣博，陈新兵，黄薪如，刘静，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44