[发明专利]图像处理方法和装置

权利要求书

1.一种图像处理方法，包括：

获取呈现有条形码的目标图像；

确定所述目标图像中的条形码区域；

将所述条形码区域输入到预先训练的角度预测模型中，得到所述条形码区域中的条形码的偏转角度，其中，所述角度预测模型用于识别条形码区域中的条形码的偏转角度，所述偏转角度为条形码中的条与预设第一坐标系中的纵坐标轴之间的夹角；

基于所得到的条形码的偏转角度，对所述目标图像中的条形码进行旋转得到角度校正后的条形码。

2.根据权利要求1所述的方法，其中，所述确定所述目标图像中的条形码区域，包括：

基于预先训练的条形码检测模型，确定所述目标图像中的条形码区域。

3.根据权利要求2所述的方法，其中，所述条形码检测模型包括轻量级神经网络和单次多边界框检测模型，其中，所述轻量级神经网络包括至少两个级联的特征提取层，所述单次多边界框检测模型包括全连接层和预测层；以及

所述基于预先训练的条形码检测模型，确定所述目标图像中的条形码区域，包括：

将所述目标图像输入到所述轻量级神经网络中，将所述轻量级神经网络的后两个特征提取层输出的特征向量进行融合；

将融合后的特征向量输入到所述全连接层中，得到所述目标图像中的条形码区域在预设第二坐标系下的位置信息；

将所述位置信息输入到所述预测层，得到所述目标图像中的条形码区域。

4.根据权利要求1所述的方法，其中，所述基于所得到的条形码的偏转角度，对所述目标图像中的条形码进行旋转得到角度校正后的条形码，包括：

将所述目标图像中的条形码旋转所述偏转角度，使得所述目标图像中的条形码中的条与所述预设第一坐标系中的纵坐标轴平行，得到角度校正后的条形码。

5.根据权利要求1-4之一所述的方法，其中，所述方法还包括：

识别所述角度校正后的条形码得到识别结果。

6.根据权利要求5所述的方法，其中，所述识别所述角度校正后的条形码得到识别结果，包括：

通过拉普拉斯算子对所述角度校正后的条形码进行模糊检测，得到所述角度校正后的条形码的模糊度；

响应于确定出所述模糊度大于预设的模糊度阈值，对所述角度校正后的条形码进行对比度增强处理；

对处理后的条形码进行识别，得到识别结果。

7.一种图像处理装置，包括：

获取单元，被配置成获取呈现有条形码的目标图像；

确定单元，被配置成确定所述目标图像中的条形码区域；

输入单元，被配置成将所述条形码区域输入到预先训练的角度预测模型中，得到所述条形码区域中的条形码的偏转角度，其中，所述角度预测模型用于识别条形码区域中的条形码的偏转角度，所述偏转角度为条形码中的条与预设第一坐标系中的纵坐标轴之间的夹角；

旋转单元，被配置成基于所得到的条形码的偏转角度，对所述目标图像中的条形码进行旋转得到角度校正后的条形码。

8.根据权利要求7所述的装置，其中，所述确定单元进一步被配置成按照如下方式确定所述目标图像中的条形码区域：

基于预先训练的条形码检测模型，确定所述目标图像中的条形码区域。

9.根据权利要求8所述的装置，其中，所述条形码检测模型包括轻量级神经网络和单次多边界框检测模型，其中，所述轻量级神经网络包括至少两个级联的特征提取层，所述单次多边界框检测模型包括全连接层和预测层；以及

所述确定单元进一步被配置成按照如下方式基于预先训练的条形码检测模型，确定所述目标图像中的条形码区域：

将所述目标图像输入到所述轻量级神经网络中，将所述轻量级神经网络的后两个特征提取层输出的特征向量进行融合；

将融合后的特征向量输入到所述全连接层中，得到所述目标图像中的条形码区域在预设第二坐标系下的位置信息；

将所述位置信息输入到所述预测层，得到所述目标图像中的条形码区域。