[发明专利]一种图像的文本区域定位方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像的文本区域定位方法及装置。

背景技术

随着人们日常生活水平的提高，人们使用手机、数码相机等设备拍摄自然场景中的文字图像进行保存越来越普遍。自然场景中的文字识别OCR(OpticalCharacterRecognition，光学字符识别)已经成为人们日常生活中的一种需求。对于复杂自然场景，文本区域定位是OCR必不可少的前提环节。

现有的文本区域定位方法，大部分是基于灰度图像，通过获取RGB图像的灰度图进行文本区域的定位。

但是，灰度图只含亮度信息，和原RGB图像相比，灰度图所含信息量大大减少，很多文本信息无法检测出来。

发明内容

本发明实施例提供了一种图像的文本区域定位方法及装置，可以根据图像的亮度信息和色彩信息定位图像的文本区域。

第一方面，本发明实施例提出了一种图像的文本区域定位方法，所述图像为RGB图像，包括：

将所述图像灰度化，获取图像的灰度图；将所述图像转化为HSV空间，获取所述图像的H(色调)通道图和S(饱和度)通道图；计算所述图像梯度，获取所述图像的梯度图；

分别获取所述灰度图、H(色调)通道图、S(饱和度)通道图和梯度图的全部最大稳定极值区域；

合并所述灰度图、H(色调)通道图、S(饱和度)通道图和梯度图的全部最大稳定极值区域，作为候选文本区域；

使用神经网络判断所述候选文本区域是否为文本，删除非文本区域；

根据所述删除非文本区域的候选文本区域的位置确定所述图像的文本区域。

优选地，

所述将所述图像灰度化包括：

计算所述图像各像素点的灰度：

Gray＝R*0.299+G*0.587+B*0.114；

其中，Gray为灰度图中的灰度值，R为RGB图像中像素点的红色分量的值，G为RGB图像中像素点的绿色分量的值，B为RGB图像中像素点的蓝色分量的值。

优选地，

所述获取所述灰度图、H通道图、S通道图和梯度图的全部最大稳定极值区域包括：

使用一系列灰度阈值对所述灰度图、H通道图、S通道图和梯度图进行二值化处理；对于每个阈值得到的二值图像，得到相应的黑色区域与白色区域；获取在比较宽的灰度阈值范围内保持形状稳定的区域。

优选地，

在所述使用神经网络判断判断所述候选文本区域是否为文本之前，进一步包括：

建立文本区域和非文本区域分类神经网络模型。

第二方面，本发明实施例提出了一种图像的文本区域定位装置，包括：

图像转换模块，用于将所述图像灰度化，获取图像的灰度图；将所述图像转化为HSV空间，获取所述图像的H通道图和S通道图；计算所述图像梯度，获取所述图像的梯度图，将所述灰度图、H通道图、S通道图和梯度图输出给获取模块；

获取模块，用于分别获取所述灰度图、H通道图、S通道图和梯度图的全部最大稳定极值区域，将所述灰度图、H通道图、S通道图和梯度图的全部最大稳定极值区域输出给合并模块；

合并模块，用于合并所述灰度图、H通道图、S通道图和梯度图的全部最大稳定极值区域，作为候选文本区域，将所述候选文本区域输出给判断模块；

判断模块，用于使用神经网络判断所述候选文本区域是否为文本，删除非文本区域；

定位模块，用于根据所述删除非文本区域的候选文本区域的位置确定所述图像的文本区域。

优选地，

所述图像转换模块具体用于：

计算所述图像各像素点的灰度：

Gray＝R*0.299+G*0.587+B*0.114；

其中，Gray为灰度图中的灰度值，R为RGB图像中像素点的红色分量的值，G为RGB图像中像素点的绿色分量的值，B为RGB图像中像素点的蓝色分量的值。

优选地，

所述获取模块具体用于：

使用一系列灰度阈值对所述灰度图、H通道图、S通道图和梯度图进行二值化处理；对于每个阈值得到的二值图像，得到相应的黑色区域与白色区域；获取在比较宽的灰度阈值范围内保持形状稳定的区域。

优选地，

在所述判断模块之前，进一步包括：

建立模块，用于建立文本区域和非文本区域分类神经网络模型。