[发明专利]一种基于图像投影变换的文本图像纠偏方法

说明书

本发明特别涉及一种基于图像投影变换的文本图像纠偏方法。该基于图像投影变换的文本图像纠偏方法，首先通过图像二值化后对含文本区域的四条边框的提取获得四个坐标点，根据给定宽高比选择一条边作为标准边并计算出规范矩形的四个角点的坐标，计算投影矩阵对原图像进行投影变换；使用OpenCV生成最小外接矩形和偏转角度；然后根据偏转角度旋转图像使文字方向变为水平方向。该基于图像投影变换的文本图像纠偏方法，使用自适应阈值检测和投影变换自动处理输入图像，计算量较小，不需要强大硬件支持，不仅能得到稳定且可靠的结果，对于规范排版的文本图像场景有较强通用性，同时还省去了人工处理的流程，提高了图像识别效率和处理能力。

技术领域

本发明涉及OCR图像识别技术领域，特别涉及一种基于图像投影变换的文本图像纠偏方法。

背景技术

在人工智能发展的浪潮当中，将重复且机械的工作用机器替代人类是一个必然的趋势。在目前已有的人工智能应用中，文字识别已经非常成熟，而且不仅限于打印字体的识别，还包括手写体的识别。但是如果想做到更加智能化、自动化，在文字识别之前，还要有一步图像的规范化，如找出文字的正确方向，以保证后续文本框标注、文字分隔、文字识别等一系列步骤的可靠性和准确度。

目前主流的OCR((Optical Character Recognition，光学字符识别)识别算法和框架中，对图像的文字方向要求比较高，通常上要求文字方向水平。因此在传统的OCR应用中，往往通过人为规定图片的输入格式和方向对图像进行规范，并设置标准框和手动旋转按钮以方便调节。但是，这样做需要耗费人力且不适用于大批量的文字识别场景，不适用于目前大数据发展的自动化的趋势。

给定一幅包含规范排版文字的图像，由于照片拍摄的视角差异，可能会导致矩形的证件、票据等变形为不规则的四边形，且方向偏转，不利于OCR的识别。例如，火车票的常规宽高比约为1.574，但摄像头拍摄的图像和文字会发生变形。此时，传统的OCR应用识别火车票图像时就会发生文字识别错误。

基于此，本发明提出了一种基于图像投影变换的文本图像纠偏方法。用于给定宽高比的OCR图像识别的预处理部分，目的是消除照片的拍摄视角差异导致的图片形状不规则和图片方向偏转。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于图像投影变换的文本图像纠偏方法。

本发明是通过如下技术方案实现的：

一种基于图像投影变换的文本图像纠偏方法，其特征在于，包括以下步骤：

(1)首先通过自适应的阈值获得原始图像的二值化图像；

(2)通过图像二值化后对含文本区域的四条边框的提取获得四个坐标点，根据给定宽高比选择一条边作为标准边并计算出规范矩形的四个角点的坐标，计算投影矩阵对原图像进行投影变换(projective transformation)；

(3)使用OpenCV的MinAreaRect函数生成最小外接矩形，并以此获得该矩形的偏转角度；

(4)然后根据计算得到的偏转角度旋转图像使文字方向变为水平方向。

所述步骤(1)中，使用OpenCV的adaptiveThreshold函数根据图像某个区域的图像明暗变化自动设置的阈值将图像二值化。

所述步骤(2)中，获取二值化后图像中文字排版的四个方向的边缘所在的直线，根据四条直线延长线相交所围成的不规则四边形，得到投影变换前的ROI((region ofinterest，感兴趣区域)。

通过边缘检测或者霍夫变换(Hough transformation)找到图像中文字排版的四个方向的边缘所在的直线。