目標(biāo)圖像的傾斜角檢測方法及傾斜角檢測設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體地說，涉及一種目標(biāo)圖像的傾斜角檢測方法 及傾斜角檢測設(shè)備。
【背景技術(shù)】
[0002] 隨著圖像處理技術(shù)的發(fā)展，圖像識別技術(shù)已經(jīng)廣泛的應(yīng)用在銀行、財(cái)稅、證券、 金融票據(jù)電子影像系統(tǒng)、汽車牌照的抓拍識別系統(tǒng)、選票自動(dòng)識別系統(tǒng)、光學(xué)字符識別 (OpticalCharacterRecognition，簡稱OCR)系統(tǒng)等領(lǐng)域中。在通過采集設(shè)備獲取圖像 后，通常要對其進(jìn)行預(yù)處理，但是采集設(shè)備獲得圖像時(shí)不可避免的會(huì)發(fā)生傾斜，這給后面的 圖像分割、字符識別等圖像處理與分析帶來了很大困難。因此，對圖像進(jìn)行傾斜校正是圖像 預(yù)處理過程中的重要組成部分。
[0003] 傾斜校正的核心在于如何檢測出圖像的傾斜角。目前，傾斜角檢測的方法主要有 以下幾種：
[0004] Hough變換是最常用的檢測傾斜角的方法，由于基于Hough變換算法計(jì)算量非常 大，因此一些專門用于傾斜角檢測的Hough變換改進(jìn)的算法被提出來。雖然這些改進(jìn)的算 法的核心思想是減少Hough變換的數(shù)據(jù)量，但由于Hough變換本身計(jì)算量很大，因此改進(jìn)后 的算法的運(yùn)算速度仍然較慢。
[0005] 交叉相關(guān)性算法是基于等距離的豎直（或水平）平行線上像素點(diǎn)的相關(guān)性的方 法，以平行線上的像素點(diǎn)建立相關(guān)矩陣，并對矩陣在豎直方向上作投影，投影圖的全局最大 值對應(yīng)于傾斜角，該方法雖然準(zhǔn)確率高，但相關(guān)矩陣的計(jì)算量較大。
[0006] 基于投影的方法是利用投影的某些特征進(jìn)行判斷，如均方差、第一特征矢量以及 梯度等統(tǒng)計(jì)特征。但是，由于該方法需要對整個(gè)圖像統(tǒng)計(jì)特征值，因此計(jì)算量和復(fù)雜度都較 尚。
[0007] Fourier變換方法是利用頁面傾角對應(yīng)于使Fourier空間密度最大的方向角的特 征，將目標(biāo)圖像的所有像素點(diǎn)進(jìn)行Fourier變換，其計(jì)算量非常大，因此目前很少采用。
[0008] K-最近鄰簇方法是先找出所有連通區(qū)中心點(diǎn)的K個(gè)最近鄰點(diǎn)，計(jì)算每對近鄰點(diǎn) 的矢量方向并統(tǒng)計(jì)生成直方圖，直方圖的峰值對應(yīng)于整個(gè)頁面的傾角，其計(jì)算復(fù)雜度為 O(NXN)，其中N為連通區(qū)個(gè)數(shù)。該方法的一個(gè)不足之處是計(jì)算量較大，因?yàn)閷γ恳粋€(gè)待分 類的文本都要計(jì)算它到全體已知樣本的距離，才能求得它的K個(gè)最近鄰點(diǎn)。
[0009] 本發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，現(xiàn)有技術(shù)至少存在以下技術(shù)問題：現(xiàn)有的 傾斜角檢測方法普遍運(yùn)算量較大，導(dǎo)致運(yùn)算效率較低的技術(shù)問題。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明的目的在于提供一種目標(biāo)圖像的傾斜角檢測方法及傾斜角檢測設(shè)備，以解 決現(xiàn)有的傾斜角檢測方法的運(yùn)算量較大，導(dǎo)致運(yùn)算效率較低的技術(shù)問題。
[0011] 本發(fā)明提供一種目標(biāo)圖像的傾斜角檢測方法，包括：
[0012] 將目標(biāo)圖像轉(zhuǎn)化為灰度圖像IgMy;
[0013] 對所述灰度圖像IgMy進(jìn)行二值化處理，獲得二值化圖像Ibin;
[0014] 對所述二值化圖像Ibin進(jìn)行降噪處理，獲得降噪后的圖像I d_;
[0015] 對所述降噪后的圖像Id_進(jìn)行膨脹處理，獲得膨脹圖像Ibulge;
[0016] 對所述膨脹圖像Ibulge進(jìn)行邊緣檢測，獲得邊緣圖像I edge;
[0017] 利用生長算法對所述邊緣圖像IedJi行擴(kuò)展，找到預(yù)定方向上最長的生長區(qū)域 R?
[0018]由所述區(qū)域Rmart里的點(diǎn)，擬合出一條直線L;
[0019] 獲取所述直線L與所述預(yù)定方向之間的夾角0。
[0020] 優(yōu)選的是，對所述灰度圖像IgMy進(jìn)行二值化處理，獲得二值化圖像Ibin，具體為：
[0021] 采用類間方差最大化、雙峰直方圖或全局閾值方法，對所述灰度圖像Igray進(jìn)行二 值化處理，獲得二值化圖像Ibin。
[0022] 優(yōu)選的是，對所述二值化圖像Ibin進(jìn)行降噪處理，獲得降噪后的圖像Iden。，具體為：
[0023] 遍歷所述二值化圖像Ibin，對目標(biāo)像素點(diǎn)進(jìn)行[5X5]降噪處理，獲得降噪后的圖 像Iden。。
[0024] 優(yōu)選的是，對所述降噪后的圖像Id_進(jìn)行膨脹處理，獲得膨脹圖像Ibulge，具體為：
[0025] 遍歷所述降噪后的圖像Id_，對目標(biāo)像素點(diǎn)進(jìn)行[9X9]膨脹處理，獲得膨脹圖像 Ibulge。
[0026] 優(yōu)選的是，對所述膨脹圖像Ibulge進(jìn)行邊緣檢測，獲得邊緣圖像I_，具體為：
【主權(quán)項(xiàng)】
1. 一種目標(biāo)圖像的傾斜角檢測方法，其特征在于，包括： 將目標(biāo)圖像轉(zhuǎn)化為灰度圖像IgMy; 對所述灰度圖像IgMy進(jìn)行二值化處理，獲得二值化圖像I bin; 對所述二值化圖像Ibin進(jìn)行降噪處理，獲得降噪后的圖像I d_; 對所述降噪后的圖像Id_進(jìn)行膨脹處理，獲得膨脹圖像I bulge; 對所述膨脹圖像Ibulge進(jìn)行邊緣檢測，獲得邊緣圖像I 利用生長算法對所述邊緣圖像16_進(jìn)行擴(kuò)展，找到預(yù)定方向上最長的生長區(qū)域Rmart; 由所述區(qū)域Rmart里的點(diǎn)，擬合出一條直線L ; 獲取所述直線L與所述預(yù)定方向之間的夾角Θ。
2. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，對所述灰度圖像I gray進(jìn)行二 值化處理，獲得二值化圖像Ibin，具體為： 采用類間方差最大化、雙峰直方圖或全局閾值方法，對所述灰度圖像IgMy進(jìn)行二值化 處理，獲得二值化圖像Ibin。
3. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，對所述二值化圖像I bin進(jìn)行降 噪處理，獲得降噪后的圖像Id_，具體為： 遍歷所述二值化圖像Ibin，對目標(biāo)像素點(diǎn)進(jìn)行[5X5]降噪處理，獲得降噪后的圖像 I deno 0
4. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，對所述降噪后的圖像I d_進(jìn) 行膨脹處理，獲得膨脹圖像Ibulge，具體為： 遍歷所述降噪后的圖像Id_，對目標(biāo)像素點(diǎn)進(jìn)行[9 X 9]膨脹處理，獲得膨脹圖像Ibulge。
5. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，對所述膨脹圖像I bulge進(jìn)行邊 緣檢測，獲得邊緣圖像Iedge，具體為： 使用Canny算法，采用卷積算子
對所述膨脹圖像Ibulge進(jìn) 行邊緣檢測，獲得邊緣圖像Iedge。
6. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，利用生長算法對所述邊緣圖 像Iedge進(jìn)行擴(kuò)展，找到預(yù)定方向上最長的生長區(qū)域R marf，具體為： 遍歷所述邊緣圖像Iedge，以第一個(gè)目標(biāo)點(diǎn)作為種子，利用3-鄰埸
生長算法對 所述邊緣圖像Iedge進(jìn)行擴(kuò)展，找到預(yù)定方向上最長的生長區(qū)域R marf。
7. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，所述預(yù)定方向?yàn)樗椒较?、豎 直方向、45°斜向方向或-45°斜向方向。
8. 根據(jù)權(quán)利要求1所述的傾斜角檢測方法，其特征在于，還包括： 以所述夾角Θ的大小對目標(biāo)圖像進(jìn)行旋轉(zhuǎn)，使所述直線L與所述預(yù)定方向的方向一 致。
9. 一種目標(biāo)圖像的傾斜角檢測設(shè)備，其特征在于，包括： 灰度轉(zhuǎn)化單元，用于將目標(biāo)圖像轉(zhuǎn)化為灰度圖像Igray; 二值化單元，用于對所述灰度圖像IgMy進(jìn)行二值化處理，獲得二值化圖像I bin; 降噪單元，用于對所述二值化圖像Ibin進(jìn)行降噪處理，獲得降噪后的圖像I d_; 膨脹單元，用于對所述降噪后的圖像Id_進(jìn)行膨脹處理，獲得膨脹圖像I bulge; 邊緣檢測單元，用于對所述膨脹圖像Ibulge進(jìn)行邊緣檢測，獲得邊緣圖像I edge; 生長算法單元，用于利用生長算法對所述邊緣圖像16_進(jìn)行擴(kuò)展，找到預(yù)定方向上最 長的生長區(qū)域Rmart; 擬合單元，用于由所述區(qū)域Rmarf里的點(diǎn)，擬合出一條直線L ; 獲取單元，用于獲取所述直線L與所述預(yù)定方向之間的夾角Θ。
10.根據(jù)權(quán)利要求9所述的傾斜角檢測設(shè)備，其特征在于，還包括： 旋轉(zhuǎn)單元，用于以所述夾角Θ的大小對目標(biāo)圖像進(jìn)行旋轉(zhuǎn)，使所述直線L與所述預(yù)定 方向的方向一致。
【專利摘要】本發(fā)明公開了一種目標(biāo)圖像的傾斜角檢測方法及傾斜角檢測設(shè)備，屬于圖像處理技術(shù)領(lǐng)域，解決了現(xiàn)有的傾斜角檢測方法的運(yùn)算量較大，導(dǎo)致運(yùn)算效率較低的技術(shù)問題。該傾斜角檢測方法包括：將目標(biāo)圖像轉(zhuǎn)化為灰度圖像；對所述灰度圖像進(jìn)行二值化處理，獲得二值化圖像；對所述二值化圖像進(jìn)行降噪處理，獲得降噪后的圖像；對所述降噪后的圖像進(jìn)行膨脹處理，獲得膨脹圖像；對所述膨脹圖像進(jìn)行邊緣檢測，獲得邊緣圖像；利用生長算法對所述邊緣圖像進(jìn)行擴(kuò)展，找到預(yù)定方向上最長的生長區(qū)域；由所述區(qū)域里的點(diǎn)，擬合出一條直線；獲取所述直線與所述預(yù)定方向之間的夾角。本發(fā)明可應(yīng)用于圖像處理系統(tǒng)。
【IPC分類】G06K9-32
【公開號】CN104766078
【申請?zhí)枴緾N201510153471
【發(fā)明人】孫文超, 侯林利, 李紅波
【申請人】四川九洲電器集團(tuán)有限責(zé)任公司
【公開日】2015年7月8日
【申請日】2015年4月2日