[发明专利]一种基于手动拍照的化验单识别方法

说明书

技术领域

本发明属于医疗OCR技术领域，具体涉及一种基于手动拍照的化验单识别方法。

背景技术

OCR(Optical Character Recognition，光学字符识别)是利用光学技术对文字和字符进行扫描，获取文字和字符的图像信息，利用各种模式识别算法对文字形态特征进行分析，判断出文字的标准编码，转化为计算机内码，并按通用格式存储在文本文件中，是一种快捷的文字输入方式。

OCR技术的发展，经历了如下几个阶段：第一阶段，识别印刷体的数字、英文及部分符号，并且需要是指定的字体；第二阶段，基于手写体字符识别；第三阶段，针对质量较差的文档及大字符集的识别。

我国OCR技术方面的研究工作伴随着OCR技术第三阶段的发展而起步，从印刷体单字体识别，到印刷体多字体识别，直至多字体大字符集简繁混排、中英文混排识别逐步发展。随着OCR技术的逐渐成熟，OCR技术开始应用于各个领域，OCR技术应用于证件识别、车牌识别、票据识别、银行卡识别、文档识别等，在银行、保险、金融、物流、审计、税务、海关、公安、边检等众多行业都已经形成市场成熟的OCR产品。OCR技术的应用减少了设备的配置，降低了人力成本，提高了工作效率。

OCR技术的广泛应用已经渗透到市场的各个领域，但对于医疗行业OCR技术的应用还处于起步和发展阶段，OCR技术应用于医疗行业的化验单识别还未形成成熟的、市场化的产品。另一方面，在医院进行常规检查后，人们希望了解检查的各项指标反映的身体情况，但没有权威的医生和医疗团队进行化验单的解读。因此，化验单识别和解读成为目前市场的强烈需求，规范化验单识别处理流程方法势在必行。

发明内容

鉴于上述，本发明提供了一种基于手动拍照的化验单识别方法，能够实现化验单的自动识别，从而最大化地提高化验单识别的准确率。

一种基于手动拍照的化验单识别方法，包括如下步骤：

(1)对化验单图像进行预处理；

(2)对预处理后的化验单图像进行切割分栏，以提取有效内容列；

(3)将所述的有效内容列逐个输入至开源引擎Tesseract中，得到有效内容列所对应的文本信息；

(4)对所述的文本信息进行纠错处理。

所述步骤(1)中对化验单图像进行预处理的过程如下：

1.1将化验单图像转换为灰度图后进行去噪处理；

1.2对去噪处理后的化验单图像进行二值化；

1.3对二值化后的化验单图像进行抗扭斜处理。

所述步骤1.1中采用高斯模糊去噪算法对灰度图进行去噪处理。

所述步骤1.2中的二值化过程为：初始化设定一个灰度阈值t，根据灰度阈值t将去噪处理后的化验单图像分割成前景和背景；然后计算前景像素所占比例w_f、背景像素所占比例w_b、前景像素的平均灰度值avg_f以及背景像素的平均灰度值avg_b，通过二分法对目标函数g(t)＝w_f×avg_f+w_b×avg_b进行优化求解，求解出目标函数g(t)最大化时所对应的灰度阈值t并使其作为全局最优阈值t_opt；最后利用全局最优阈值t_opt对去噪处理后的化验单图像进行分割，以实现图像二值化。

所述步骤1.3中的抗扭斜处理过程为：首先，对二值化后的化验单图像进行线段检测，并删除其中斜率超过一定阈值的线段；然后，对斜率相近且距离相近的线段进行合并，再删除长度小于一定阈值的线段；最后，对剩余线段的斜率取平均，按斜率平均值对二值化后的化验单图像进行偏转校正。

所述步骤(2)的具体实现过程如下：

2.1对预处理后的化验单图像在水平方向上进行区域分割，以得到若干个内容区域；

2.2对于任一内容区域，先忽略其位于图像顶端、底端、左侧和右侧的部分，然后检测其中每一列像素，令噪点(即二值化后标记为1的像素点)所占比例少于一定阈值的列作为空白列，其余作为内容列；

2.3合并相邻的内容列，进而对于合并后的内容列，令宽度小于一定阈值的内容列作为无效内容列，其余作为有效内容列提取。