[发明专利]基于OpenCV技术的票据分割方法

说明书

技术领域

本发明的实施方式涉及计算机图像处理技术领域，更具体地，本发明的实施方式涉及利用OpenCV实现一种高精度、高效率、通用性强的自动分割票据的方法。

背景技术

大型公司的财务人员每天需要繁琐地处理大量的票据，随着公司业务量的提升，公司可能面临着财务人员短缺，业务处理不及时的问题，这时我们就需要借助计算机视觉中OCR技术进行自动识别和处理。然而扫描件中票据并不规则的粘贴，以常见的报销票据为例，我们往往会把许多票据混合且无规律的贴到一张或多张A4纸大小的纸张上，然后对这些粘贴票据的纸张进行扫描，再进行后续的识别处理。但是票据的OCR识别并非是以扫描件为识别单位，而是以单张票据作为一个识别单元。这里就需要使用本文所提出的票据分割方法，即对一个A4纸大小的扫描件进行处理，将上面的各个票据分割出来，并且为了提高OCR识别正确率，需要保证票据偏转角度尽可能小。

发明内容

本发明的目的是针对上述背景技术中的缺陷，提供一种基于OpenCV技术的票据分割方法，即基于计算机视觉技术，通过OpenCV实现自动分割扫描件中票据。由于处理的票据都是彩色图片，在进行矫正之前需要先进行票据图片的预处理，然后通过边缘检测算法提取出票据的轮廓信息，然后计算出轮廓信息的最小外部矩形，最后利用该矩形的其中三个顶点进行仿射变换得到最终“方正”票据。

为了达到上述的技术效果，本发明采取以下技术方案：基于OpenCV技术的票据分割方法，包括以下步骤：

步骤一：对扫描件图片进行图片预处理，所述预处理包括对扫描件图片内容的去噪处理和二值化处理，所述去噪处理包括双边滤波、中值滤波进行平滑，所述二值化处理，具体为先获取图片的灰度图内容，然后再根据合理的阈值进行二值化处理；

步骤二：利用Canny算子对扫描件进行边缘检测，得到票据在整个图片的中的票据边缘线，然后根据票据边缘线计算得到其最小外部矩形；

步骤三：根据检测到的票据边缘线和其最小外部矩形，利用Opencv中的仿射变换函数分割出单张票据。

基于OpenCV技术的票据分割方法，其大致原理是：通过opencv实现自动分割票据，由于处理的票据都是彩色图片，在进行矫正之前需要先进行票据图片的预处理，然后通过边缘检测算法提取出票据的轮廓信息即票据边缘线，再基于票据边缘线计算出其最小外部矩形；最后利用基于矩形顶点的仿射变换得到单张票据。

Opencv(Open Source Computer Vision Library)是一个基于BSD许可发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

边缘(edge)是指图像局部强度变化最显著的部分。主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础。为了将票据从背景中识别出来，我们需要用到边缘检测，其中常见的边缘检测算法有：Sobel算子、Roberts算子、Prewitt算子、Laplacian算子、Canny算子。其中Soble算子不能将图像主题和北京严格地分开，Roberts算法对边缘定位的精度不是很高，Prewitt算子对噪声有抑制作用，但边缘检测精度仍然不够；Laplacian算子因为采用的是二阶导数，所以该算子对噪声具有无法接受的敏感性；而在本发明中所采用Canny算子在抑制噪声，和边缘检测精度都有较好的效果。

进一步的技术方案是：在步骤二中采用Canny边缘检测得到边缘信息点，再利用多边形拟合算法对边缘拟合，得到较为完整的边缘信息。

进一步的技术方案是：采用函数boundingRect(args..)对拟合后的边缘计算得一个完整的矩形框，即最小外部矩形。

本发明与现有技术相比，具有以下的有益效果：传统的图片分割技术只是通过检测目标图像的边缘，然后利用抠图技术将目标区域提取出来即可，该过程并不需要考虑角度问题。票据图像分割却恰恰相反，不仅要求准确地根据边缘提取出票据，还需要票据能够“方正”。从业务角度考虑，在分割票据时，我们就需要计算出两个重要信息：边缘信息，角度信息。