图像识别方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提供一种图像识别方法、装置、电子设备及计算机可读存储介质，涉及计算机的技术领域。图像识别方法，包括：获取待识别图像；对待识别图像中的填涂区进行腐蚀运算，得到第一处理图像；其中，腐蚀运算对于填涂区内被填涂的情况的腐蚀能力强于填涂区内未被填涂的情况的腐蚀能力；将第一处理图像输入预先训练好的分类模型中，得到表征待识别图像中的填涂区是否被填涂的识别结果。通过对待识别图像进行腐蚀运算，可以增大填涂区未被填涂的第一处理图像和填涂区被填涂的第一处理图像的区别，且可以缩小不同填涂方式各自对应的第一处理图像之间的区别。因此，分类模型需要学习的特征相对减少，从而可以降低对分类模型复杂度的要求。求。求。

【技术实现步骤摘要】
图像识别方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及计算机的
，具体而言，涉及一种图像识别方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]机读卡、调研表等表格中，通常存在需要用户填涂(或勾选等)的选项。因此，在对包括需填涂的选项的表格的图像进行处理的过程中，通常需要将用户填涂的选项的图像截取出来，并对截取的图像进行识别，以判断用户是否填涂。
[0003]目前，通常是直接对截取的图像进行去噪、二值化等预处理，然后利用预先训练好的深度学习图像分类模型对预处理后的图像进行处理，得到识别结果。但是，不同用户填涂表格的方式可能不同，例如，用户可能采用打钩、打叉、涂黑等方式勾选。因此，为了提高模型的准确性，需要采集大量的数据用于对模型进行训练，且模型的复杂度也需要较高，才能使模型能够识别到不同的填涂方式。而收集大量用于训练的数据的成本较高，且复杂度较高的模型的识别效率较低。

技术实现思路

[0004]本申请提供一种图像识别方法、装置、电子设备及计算机可读存储介质，以解决现有技术需要收集大量用于训练模型的数据，导致成本较高，以及需要复杂度较高的模型的问题。
[0005]第一方面，本申请提供一种图像识别方法，包括：获取待识别图像，所述待识别图像中包括填涂区；对所述待识别图像中的填涂区进行腐蚀运算，得到第一处理图像；其中，所述腐蚀运算对于所述填涂区内被填涂的情况的腐蚀能力强于所述填涂区内未被填涂的情况的腐蚀能力；将所述第一处理图像输入预先训练好的分类模型中，得到表征所述待识别图像中的填涂区是否被填涂的识别结果。
[0006]本申请实施例中，通过对待识别图像中的填涂区进行腐蚀运算，且填涂区内被填涂的情况的腐蚀能力强于填涂区内未被填涂的情况的腐蚀能力，从而可以增大填涂区未被填涂的第一处理图像和填涂区被填涂的第一处理图像的区别。并且由于填涂区被填涂的情况下腐蚀能力较强，因此，即使不同的待识别图像的填涂区中采用的不同的填涂方式，在进行腐蚀运算后，可以缩小不同填涂方式各自对应的第一处理图像之间的区别，因此，相较于现有技术，本方案需要收集的用于训练的数据可以较少。并且，由于填涂区未被填涂的第一处理图像和填涂区被填涂的第一处理图像之间的区别被增大，且不同填涂方式各自对应的第一处理图像之间的区别被缩小，因此，分类模型需要学习的特征相对减少，从而可以降低对分类模型复杂度的要求。
[0007]结合上述第一方面提供的技术方案，在一些可能的实施方式中，获取待识别图像，包括：获取初始图像；对所述初始图像进行像素聚类处理，得到第一聚类中心像素值和第二聚类中心像素值；其中，像素聚类处理的聚类簇为2；基于所述第一聚类中心像素值、所述第
二聚类中心像素值，得到二值化处理的二值化阈值；基于所述二值化阈值对所述灰度图像进行二值化处理，得到所述待识别图像。
[0008]本申请实施例中，根据待处理图像的第一聚类中心像素值、第二聚类中心像素值得到二值化处理的二值化阈值，从而使得得到的二值化阈值充分考虑到了本方案中每一个像素点的像素值，进而在进行二值化处理时，能有效滤除待处理图像中的阴影、脏污等情况。并且，相较于利用去噪、锐化等方式处理待处理图像，本方案能够有效保留待处理图像中用户填涂的痕迹，可以降低将用户填涂的较小的痕迹识别为噪声的情况。
[0009]结合上述第一方面提供的技术方案，在一些可能的实施方式中，在对所述初始图像进行像素聚类处理之前，所述方法还包括：对所述初始图像进行图像灰度化处理；相应的，对所述初始图像进行像素聚类处理，包括：对图像灰度化处理后的所述初始图像进行像素聚类处理。
[0010]本申请实施例中，通过将初始图像进行图像灰度化处理，使得初始图像即使是彩色图像也能够利用本方案进行处理，提高了本方案的应用范围。
[0011]结合上述第一方面提供的技术方案，在一些可能的实施方式中，基于所述第一聚类中心像素值、所述第二聚类中心像素值，得到二值化处理的二值化阈值，包括：计算所述第一聚类中心像素值、所述第二聚类中心像素值的平均值，所述平均值为所述二值化阈值。
[0012]本申请实施例中，通过将第一聚类中心像素值、第二聚类中心像素值的平均值作为二值化阈值，使得二值化阈值可以充分考虑到初始图像的整体像素值分布，相较于直接预设一个二值化阈值，本方案可以提高二值化处理的准确度。
[0013]结合上述第一方面提供的技术方案，在一些可能的实施方式中，获取初始图像，包括：获取单个表格的表格图像；所述表格图像中包括有所述填涂区；将所述表格图像缩放为指定大小，得到所述初始图像。
[0014]本申请实施例中，通过将表格图像缩放为指定大小，从而使得初始图像能够满足分类模型的要求。
[0015]结合上述第一方面提供的技术方案，在一些可能的实施方式中，将所述表格图像缩放为指定大小，包括：对所述表格图像进行第一缩放处理，以使第一缩放处理后的所述表格图像中的填涂区达到指定尺寸；对第一缩放处理后的所述表格图像进行第二缩放处理，以使第二缩放处理后的所述表格图像缩放为所述指定大小，且第一缩放处理后的所述表格图像中的填涂区的大小不被第二缩放处理改变，得到所述初始图像。
[0016]本申请实施例中，通过第一缩放处理和第二缩放处理，使得得到的初始图像能够满足分类模型的要求，并且，也能够使得初始图像中的填涂区达到指定尺寸，从而缩小不同初始图像中填涂区之间的区别，进而可以防止因不同初始图像中填涂区大小差距过大，导致分类模型的识别结果出现错误的情况。
[0017]结合上述第一方面提供的技术方案，在一些可能的实施方式中，在对所述表格图像进行第一缩放处理之前，所述方法还包括：对所述表格图像进行第三缩放处理，以使所述表格图像被缩放为所述指定大小；相应的，对所述表格图像进行第一缩放处理，包括：对所述第三缩放处理后的所述表格图像进行第一缩放处理。
[0018]结合上述第一方面提供的技术方案，在一些可能的实施方式中，所述待识别图像的分辨率小于等于300dpi。
[0019]第二方面，本申请提供一种图像识别装置，包括：获取模块、处理模块，获取模块用于获取待识别图像，所述待识别图像中包括填涂区；处理模块用于对所述待识别图像中的填涂区进行腐蚀运算，得到第一处理图像；其中，所述腐蚀运算对于所述填涂区内被填涂的情况的腐蚀能力强于所述填涂区内未被填涂的情况的腐蚀能力；所述处理模块还用于将所述第一处理图像输入预先训练好的分类模型中，得到表征所述待识别图像中的填涂区是否被填涂的识别结果。
[0020]第三方面，本申请提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器连接；所述存储器，用于存储程序；所述处理器，用于调用存储于所述存储器中的程序，以执行上述第一方面和/或结合上述第一方面任一可能的实施方式提供的图像识别方法。
[0021]第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机运行时，执行上述第一方面和/或结合上述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取待识别图像，所述待识别图像中包括填涂区；对所述待识别图像中的填涂区进行腐蚀运算，得到第一处理图像；其中，所述腐蚀运算对于所述填涂区内被填涂的情况的腐蚀能力强于所述填涂区内未被填涂的情况的腐蚀能力；将所述第一处理图像输入预先训练好的分类模型中，得到表征所述待识别图像中的填涂区是否被填涂的识别结果。2.根据权利要求1所述的方法，其特征在于，获取待识别图像，包括：获取初始图像；对所述初始图像进行像素聚类处理，得到第一聚类中心像素值和第二聚类中心像素值；其中，像素聚类处理的聚类簇为2；基于所述第一聚类中心像素值、所述第二聚类中心像素值，得到二值化处理的二值化阈值；基于所述二值化阈值对所述灰度图像进行二值化处理，得到所述待识别图像。3.根据权利要求2所述的方法，其特征在于，在对所述初始图像进行像素聚类处理之前，所述方法还包括：对所述初始图像进行图像灰度化处理；相应的，对所述初始图像进行像素聚类处理，包括：对图像灰度化处理后的所述初始图像进行像素聚类处理。4.根据权利要求2所述的方法，其特征在于，基于所述第一聚类中心像素值、所述第二聚类中心像素值，得到二值化处理的二值化阈值，包括：计算所述第一聚类中心像素值、所述第二聚类中心像素值的平均值，所述平均值为所述二值化阈值。5.根据权利要求2所述的方法，其特征在于，获取初始图像，包括：获取单个表格的表格图像；所述表格图像中包括有所述填涂区；将所述表格图像缩放为指定大小，得到所述初始图像。6.根据权利要求5所述的方法，其特征在于，将所述表格图像缩放为指定大小，包括：对所述表格图像进行第一缩放处理，以使第一缩放处理后的...

【专利技术属性】
技术研发人员：罗亚运，廖光成，郭恬恬，王浩，
申请(专利权)人：重庆新致金服信息技术有限公司，
类型：发明
国别省市：