[发明专利]一种任意方向文本行生成方法及系统

说明书

本发明公开了一种任意方向文本行生成方法及系统，涉及机器视觉技术领域。该方法包括：获取并对待识别字符图像进行Blob分析，以得到多个字符blob及其对应的外接矩形；对全部字符blob进行排序，取出各个字符blob，根据两两字符blob外接矩形之间的位置关系判断取出的字符blob是否可聚类到现有的文本行中，如果是，则将取出的字符blob添加到对应的现有文本行；如果否，则新建一个文本行并添加取出的字符blob；遍历完全部字符blob后，生成多个初始文本行；将能够聚类到同一个文本行的多个初始文本行进行合并，生成目标文本行。本发明可有效滤除非字符干扰，进而避免非字符图像的干扰，生成精准的文本行。

技术领域

本发明涉及机器视觉技术领域，具体而言，涉及一种任意方向文本行 生成方法及系统。

背景技术

光学字符识别(Optical Character Recognition，OCR)技术是机器 视觉领域的一个重要分支。它涉及到模式识别、图象处理、数字信号处理、 人工智能等学科，是一门综合技术。进入21世纪后，随着拥有高清晰摄像 头的智能手机的普及，OCR的发展又有了新的追求：越来越多的人拿起手机 拍摄所看到的事物和场景，获取图片中的文字信息。因此，对自然场景中 的文字进行识别成为一个全新的课题。由于用手机拍摄的文字图像存在模糊、几何畸变、光线不均匀和背景复杂等问题，因此，相比于扫描图像的 文字，对手机拍摄的图片做字符识别难度升级。

为了保证字符识别的准确率，OCR系统通常是对单个字符进行识别。因 此，在图片中快速准确地定位到字符是OCR系统算法设计的重点。从获取 图像到定位字符，一般要经过图像质量增强、二值化、几何校正、字符定 位及分割、字符图像尺度调整等步骤，这些步骤统称为图像预处理。在OCR 系统中，预处理算法的优劣，决定能否得到完整清晰的字符区域，这对后 续的字符图像特征提取和分类效果至关重要。

几何校正中重要的是对倾斜畸变的处理。在拍摄图像时，相机所在的 平面与被拍摄物体所在的平面平行，但角度不一样，导致图像中的字符等 产生一定角度的倾斜，破坏了字符与字符之间的位置关系。倾斜畸变对光 学字符识别中的字符切分和识别带来很大的影响和难度。一般通过将图像 旋转一个适当的角度来解决。常用的倾斜角检测方法有Hough变换以及基 于Hough变换改进的方法等。

Hough变换等目前常用的图像倾斜角检测方法，存在的缺点有：计算 量大，耗时长；准确度低，易受非字符干扰图像影响；适应的旋转角度范 围小，无法满足360度任意角度旋转。

光学字符识别时，需要对图像做的预处理包括获取字符区域、图像二 值化、倾斜校正、字符分割、字符识别等。倾斜校正是图像处理中的重要 步骤，对后续的字符分割、字符识别等均有影响。文本行所在的直线，能 够有效表示出文本图像的旋转角度和倾斜程度，从而为倾斜校正提供所需 的基本数据支持。此外，光学字符识别的输出的结果，也需要按照实际的 段落和行进行组织。因此，文本行生成，不仅是光学字符识别过程中必不 可少的一个环节，而且是保证识别结果正确性的重要因素之一。但是现有 技术中的Hough变换方法无法满足360度任意角度的倾斜检测要求，因此 亟需提出一种可以满足适应360度任意角度的倾斜检测的技术。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供 一种任意方向文本行生成方法及系统，可有效滤除非字符干扰，进而避免 非字符图像的干扰，生成精准的文本行，可满足360度任意角度的倾斜检 测。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供一种任意方向文本行生成方法，包括以 下步骤：

获取并对待识别字符图像进行Blob分析，以得到多个字符blob及其 对应的外接矩形，多个字符blob组成一个文本行；