文本图像的二值化方法及装置、电子设备和介质制造方法及图纸

本公开提供了一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机视觉领域，尤其涉及自然语言处理、文本识别技术领域。实现方案为：获取包含待识别文本的第一图像；对第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，第一数值为聚类类别数；对于第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；基于第一数值个数的聚类中心值中的每一个聚类中心值，获得与降维后图像相对应的第一数值个数的候选二值化图像；以及分别对候选二值化图像进行投影，以基于投影图像在第一数值个数的候选二值化图像中确定最优的二值化图像。数的候选二值化图像中确定最优的二值化图像。数的候选二值化图像中确定最优的二值化图像。

【技术实现步骤摘要】
文本图像的二值化方法及装置、电子设备和介质


[0001]本公开涉及计算机视觉领域，尤其涉及自然语言处理、文本识别
，具体涉及一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]在光学字符识别(OCR)系统中，通常需要对待识别文本图像进行图像二值化(Image Binarization)。在复杂背景的文本图像的二值化过程中，往往由于背景纹理、背景颜色多变等影响导致前景与背景难以区分，对二值化造成很大干扰。

技术实现思路

[0004]本公开提供了一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面，提供了一种文本图像的二值化方法，包括：获取包含待识别文本的第一图像；对所述第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，其中所述第一数值为聚类类别数；对于所述第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；基于所述第一数值个数的聚类中心值中的每一个聚类中心值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像；以及分别对所述候选二值化图像进行投影，以基于投影图像在所述第一数值个数的候选二值化图像中确定最优的二值化图像。
[0006]根据本公开的另一方面，提供了一种文本图像的二值化装置，包括：获取单元，配置为获取包含待识别文本的第一图像；聚类单元，配置为对所述第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，其中所述第一数值为聚类类别数；降维单元，配置为对于所述第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；二值化单元，配置为基于所述第一数值个数的聚类中心值中的每一个聚类中心值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像；以及确定单元，配置为分别对所述候选二值化图像进行投影，以基于投影图像在所述第一数值个数的候选二值化图像中确定最优的二值化图像。
[0007]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的方法。
[0008]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储
介质，该计算机指令用于使计算机执行本公开所述的方法。
[0009]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开所述的方法。
[0010]根据本公开的一个或多个实施例，该文本图像的二值化方法有效地提升了文本图像的二值化效果，特别是复杂背景的文本图像的二值化效果；并且，该二值化算法无需训练，从而不受训练数据分布的影响。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0013]图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0014]图2示出了根据本公开的实施例的文本图像的二值化方法的流程图；
[0015]图3示出了根据本公开的实施例的获取包含待识别文本的第一图像的流程图；
[0016]图4示出了根据本公开的实施例的包含待识别文本的第一图像的示意图；
[0017]图5示出了根据本公开的实施例的将第一图像进行翻转以转为横板类型的流程图；
[0018]图6示出了根据本公开的实施例的聚类后所获得的颜色分布图像的示意图；
[0019]图7和图8分别示出了图4所示图像的降维前原图的颜色直方图以及降维后图像的颜色直方图；
[0020]图9示出了根据本公开的实施例的对图4所示图像进行所获得的降维后图像的示意图；
[0021]图10A
‑
10E分别示出了根据本公开的实施例的对图9所示的降维后图像进行二值化所获得的候选二值化图像的示意图；
[0022]图11A
‑
11E分别示出了根据本公开的实施例的对10A
‑
10E中的候选二值化图像进行垂直方向投影所获得的投影示意图；
[0023]图12示出了根据本公开的一个实施例的基于投影结果确定最优的二值化图像的流程图；
[0024]图13示出了根据本公开的另一个实施例的基于投影结果确定最优的二值化图像的流程图；
[0025]图14示出了根据本公开的实施例的确定连通区域的数量的流程图；
[0026]图15示出了根据本公开的实施例的确定最优的二值化图像的背景区域颜色的流程图；
[0027]图16A示出了根据常规二值化方法所获得的图4图像所对应的二值化图像的示意图；
[0028]图16B示出了根据本公开的实施例所获得的图4图像所对应的二值化图像的示意
图；
[0029]图17示出了根据本公开的实施例的文本图像的二值化装置的结构框图；以及
[0030]图18示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0031]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0032]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0033]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本图像的二值化方法，包括：获取包含待识别文本的第一图像；对所述第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，其中所述第一数值为聚类类别数；对于所述第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；基于所述第一数值个数的聚类中心值中的每一个聚类中心值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像；以及分别对所述候选二值化图像进行投影，以基于投影图像在所述第一数值个数的候选二值化图像中确定最优的二值化图像。2.如权利要求1所述的方法，其中，分别以所述聚类中心值为二值化阈值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像包括：对于每一个聚类中心值，执行以下操作：获取与所述第一图像尺寸相同的空白图像；对于所述空白图像中的每一个像素点，当与该像素点相对应的所述降维后图像中的像素点的像素值为该聚类中心值时，将所述空白图像中的该像素点赋值为第二数值，否则赋值为第二数值，其中，所述第二数值不等于所述第三数值。3.如权利要求2所述的方法，其中，所述第二数值为0和255中的任意一个，所述第三数值为所述0和255中的另一个。4.如权利要求2所述的方法，其中，基于投影结果在所述多个候选二值化图像中确定最优的二值化图像包括：对于所述多个候选二值化图像中的每一个图像，获取投影方向上的每一列中的像素值为所述第二数值的像素点数量；基于每一列所对应的所述像素点数量，确定所述多个二值化候选图像各自对应的方差；以及确定所述方差最大的所述候选二值化图像以作为所述最优的二值化图像。5.如权利要求2所述的方法，其中，基于投影图像在所述多个候选二值化图像中确定最优的二值化图像包括：分别识别投影图像中的连通区域，其中所述连通区域为像素值为所述第二数值的像素点所形成的连通区域；确定每一个投影图像所对应的连通区域的数量；以及基于所述连通区域的数量确定所述最优的二值化图像。6.如权利要求5所述的方法，其中，确定每一个投影图像所对应的连通区域的数量包括：确定所识别出的每一个连通区域的像素点数量；过滤掉像素点数量小于所述预设阈值的连通区域；以及确定过滤后的每一个投影图像所对应的连通区域的数量。7.如权利要求6所述的方法，其中，所述预设阈值基于所述第一图像的高和宽确定。
8.如权利要求1所述的方法，其中，获取包含待识别文本的第一图像包括：获取包含待识别文本的原始图像；对所述原始图像进行文本识别并确定第一矩形块；以及确定所述第一矩形块所在的图像区域，以获得所述第一图像，其中，所述第一矩形块对应于待识别文本中的相应文字行。9.如权利要求8所述的方法，其中，获取包含待识别文本的第一图像还包括：响应于确定所述第一图像中的相应文字行处于倾斜状态，旋转所述第一图像一校正角度以使得所述第一图像中的相应文字行不处于所述倾斜状态。10.如权利要求8或9所述的方法，其中，获取包含待识别文本的第一图像还包括：响应于确定所述第一图像中的相应文字行为竖版类型，对所述第一图像进行翻转，以将所述相应文字行转为横板类型。11.如权利要求9所述的方法，其中，对所述第一图像进行翻转，以将所述相应文字行转为横板类型包括：基于所述第一图像所对应的第一矩形块的坐标信息确定所述第一图像的中心点；以及基于所述第一图像的中心点对所述第一图像进行翻...

【专利技术属性】
技术研发人员：常战国，吕一，邓天生，贠挺，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：