【技术实现步骤摘要】
本专利技术涉及计算机图像处理，更为具体地，涉及一种金融图片智能纠偏及裁剪方法、系统。
技术介绍
1、目前市面上的图片智能纠偏及剪裁方法及系统有以下几类方案：基于规则的方法：通过事先定义的规则和模板规范金融行业图片位置和形状，然后利用图像处理技术进行纠偏和剪裁。此方案难以应对复杂的场景，需要大量规则的维护和更新工作，容易受限于输入数据的多样性和不确定性；基于特征提取的方法：通过提取金融行业图片的特定视觉特征(如直线、角点等)，进行纠偏和剪裁。此方案对图像的拍摄要求较高，需要考虑光照、噪声等干扰因素，难以应对变化和多样性；基于云服务的方法：一些云服务提供商提供了图像处理和智能纠偏及剪裁的功能，开发者可以使用其提供的api进行集成。问题在于依赖云服务提供商的稳定性和性能，并可能涉及数据的隐私和安全问题。
2、因此，亟需一种结合金融图片属性、减少干扰因素影响，摆脱后端服务交互，减少重复传输延迟和重复上传图片的时间成本，提高数据处理隐私和安全性的金融图片智能纠偏及裁剪方法、系统。
技术实现思路
1、鉴于上述问题，本专利技术的目的是提供一种金融图片智能纠偏及裁剪方法，以解决现有图片处理方法要么数据量处理过大、要么不结合金融图像属性、要么隐私性较差的问题。
2、本专利技术提供的一种金融图片智能纠偏及裁剪，其中，由预设的单一前端处理程序完成，包括：
3、将所接收的金融图片转换为预设格式以形成初始图像，并对所述初始图像进行预处理以形成规则图像；
4、基
5、基于所述图像处理引擎对所述一般裁剪图像进行精细纠偏和精细裁剪处理以形成精细图像；
6、通过预设的交互模块对所述精细图像进行输出审核，若所述精细图像达到预设标准，则将所述精细图像作为结果图像，并通过预设的输出模块输出所述结果图像。
7、优选地，将所接收的金融图片转换为预设格式以形成初始图像，包括：
8、接收金融图片，并判断所述金融图片是否接收至预设的opencv.js模块中，若接收成功，则将所述金融图像转换为mat对象；
9、通过预设的格式转换判断插件判断所述mat对象是否为空，若所述mat对象不为空，则将所述mat对象作为初始图像。
10、优选地，对所述初始图像进行预处理以形成规则图像的步骤，包括：
11、对所述初始图像进行灰度化处理、高斯模糊去噪处理、二值化处理以形成标准图像；
12、对所述标准图像进行开运算去噪声处理和闭运算连接块处理以通过膨胀和腐蚀操作去除所述标准图像中的小噪声，连接所述标准图像中的分离块以形成规格图像；
13、通过预设的canny算法对所述规格图像进行边缘检测识别以在所述规格图像中标记边缘线形成规则图像。
14、优选地，所述图像处理引擎在对所述规则图像进行粗裁剪以形成一般裁剪图像之前，包括：
15、通过预设的图像查找绘制插件对所述规则图像进行轮廓查找和轮廓绘制形成可遍历轮廓；
16、通过所述关键轮廓提取程序对所述可遍历轮廓进行遍历以获取关键轮廓数据；通过所述矩形轮廓筛选程序按照预设规则在所述关键轮廓数据中选择轮廓以作为矩形轮廓。
17、优选地，通过所述关键轮廓提取程序对所述可遍历轮廓进行遍历以获取关键轮廓数据的步骤，包括：
18、通过所述关键轮廓提取程序对所述可遍历轮廓进行遍历以获取可遍历轮廓信息；
19、根据所述可遍历轮廓信息计算各个可遍历轮廓的面积、所述可遍历轮廓的面积占所述规则图像面积的百分比、所述可遍历轮廓的边界矩形的面积及所述可遍历轮廓的边界矩形的面积占所述规则图像面积的百分比；
20、按照所述可遍历轮廓的面积占所述规则图像面积的百分比从大到小对相对应的各个可遍历轮廓进行排序生成可遍历轮廓序列，并判断排在第一位的可遍历轮廓的面积占所述规则图像面积的百分比是否小于1％；若不小于1％，则直接保留可遍历轮廓序列，并参照可遍历轮廓序列将与各个可遍历轮廓对应的轮廓数组进行相应排列形成可遍历轮廓数组序列；若小于1％，则按照所述可遍历轮廓的边界矩形的面积占所述规则图像面积的百分比对相对应的各个可遍历轮廓进行排序以更新所述可遍历轮廓序列，并参照更新后的可遍历轮廓序列将与各个可遍历轮廓对应的可遍历轮廓数组进行相应排列形成可遍历轮廓数组序列；其中所述可遍历轮廓数组包括一个可遍历轮廓和与所述可遍历轮廓对应的可遍历轮廓轮廓信息；
21、基于预设的关键轮廓筛选规则对所述关键轮廓数组序列进行筛选过滤以形成关键轮廓数组序列和描述所述关键轮廓数组序列的关键轮廓数据；其中所述关键轮廓数组序列中的每一个关键轮廓数组包括一个关键轮廓和一个关键轮廓信息。
22、优选地，通过所述矩形轮廓筛选程序按照预设规则在所述关键轮廓数据中选择轮廓以作为矩形轮廓的步骤，包括：
23、通过所述矩形轮廓筛选程序中预设的凸性判断程序根据所述关键轮廓数据在所有的关键轮廓中选择具有四条凸性轮廓的关键轮廓作为待定矩形轮廓；
24、通过所述矩形轮廓筛选程序中预设的矩形筛选程序判断所述待定矩形轮廓中任意相邻的两条边是否为直角，若为直角，则将所述待定矩形轮廓作为矩形轮廓；若不是直角，则舍弃。
25、优选地，对所述规则图像进行粗裁剪以形成一般裁剪图像的步骤，包括：
26、判定所述矩形轮廓的数量，根据所述矩形轮廓的数量确定目标区域的边界，并根据所述目标区域的边界对所述规则图像进行裁剪以形成一般裁剪图像；其中，
27、若所述矩形轮廓的数量大于1，则计算所有矩形轮廓的凸包，并获取所有凸包的公共外接矩形，并将所述公共外接矩形作为所述规则图像的目标区域的边界；若所述矩形轮廓的数量等于1，则获取所述矩形轮廓的几何特征，并判断所述几何特征是否符合预设的常规裁剪规则，若符合，则将所述矩形轮廓的旋转矩形区域作为所述规则图像的目标区域的边界；
28、若所述矩形轮廓的数量为零，且通过所述人脸识别模块判断未包含人脸图像则判断所述关键轮廓数据中关键轮廓的数量，若所述关键轮廓数据中关键轮廓的数量小于等于1，且所述关键轮廓的外接矩形占所述规则图像总面积的比例低于预设比例，则认定所述关键轮廓无法描述所述规则图像，并将所述规则图像直接作为一般裁剪图像不进行裁剪；若所述关键轮廓数据中所述关键轮廓的数量大于1，则根据所有关键轮廓描绘能够对所有关键轮廓全覆盖的公共外接矩形，并将所述公共外接矩阵作为所述规则图像的目标区域的边界；
29、若所述矩形轮廓的数量为零，且通过所述图像处理引擎中的人脸识别模块判断包含人脸图像，则将所述规则图像直接作为一般裁剪图像不进行裁剪。
30、优选地，基于所述图像处理引擎对所述一般裁剪图像进行本文档来自技高网...
【技术保护点】
1.一种金融图片智能纠偏及裁剪方法，其特征在于，由预设的单一前端处理程序完成，包括：
2.如权利要求1所述的金融图片智能纠偏及裁剪方法，其特征在于，将所接收的金融图片转换为预设格式以形成初始图像，包括：
3.如权利要求2所述的金融图片智能纠偏及裁剪方法，其特征在于，对所述初始图像进行预处理以形成规则图像的步骤，包括：
4.如权利要求3所述的金融图片智能纠偏及裁剪方法，其特征在于，所述图像处理引擎在对所述规则图像进行粗裁剪以形成一般裁剪图像之前，包括：
5.如权利要求4所述的金融图片智能纠偏及裁剪方法，其特征在于，通过所述关键轮廓提取程序对所述可遍历轮廓进行遍历以获取关键轮廓数据的步骤，包括：
6.如权利要求5所述的金融图片智能纠偏及裁剪方法，其特征在于，通过所述矩形轮廓筛选程序按照预设规则在所述关键轮廓数据中选择轮廓以作为矩形轮廓的步骤，包括：
7.如权利要求6所述的金融图片智能纠偏及裁剪方法，其特征在于，对所述规则图像进行粗裁剪以形成一般裁剪图像的步骤，包括：
8.如权利要求7所述的金融图片智能
9.如权利要求8所述的金融图片智能纠偏及裁剪方法，其特征在于，通过预设的交互模块对所述精细图像进行输出审核之前，包括：
10.一种金融图片智能纠偏及裁剪系统，其特征在于，实现如权利要求1-9所述的金融图片智能纠偏及裁剪方法，包括：
...【技术特征摘要】
1.一种金融图片智能纠偏及裁剪方法，其特征在于，由预设的单一前端处理程序完成，包括：
2.如权利要求1所述的金融图片智能纠偏及裁剪方法，其特征在于，将所接收的金融图片转换为预设格式以形成初始图像，包括：
3.如权利要求2所述的金融图片智能纠偏及裁剪方法，其特征在于，对所述初始图像进行预处理以形成规则图像的步骤，包括：
4.如权利要求3所述的金融图片智能纠偏及裁剪方法，其特征在于，所述图像处理引擎在对所述规则图像进行粗裁剪以形成一般裁剪图像之前，包括：
5.如权利要求4所述的金融图片智能纠偏及裁剪方法，其特征在于，通过所述关键轮廓提取程序对所述可遍历轮廓进行遍历以获取关键轮廓数据的步骤，包括：
6.如权利要求5所述的金融...
【专利技术属性】
技术研发人员：孙放，姬爽，吴文，
申请(专利权)人：华信永道北京科技股份有限公司，
类型：发明
国别省市：
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。