圖像識別的背景過濾方法
【技術領域】
[0001 ] 本發(fā)明涉及一種圖像識別，尤其是涉及一種圖像識別的背景過濾方法。
【背景技術】
[0002]圖像識別是人工智能的一個重要領域。為了編制模擬人類圖像識別活動的計算機程序，人們提出了不同的圖像識別模型。圖像識別經歷了三個階段的發(fā)展:文字識別，數(shù)字圖像處理與識別，物體識別。文字識別的研究是從1950年開始的，一般是識別字母，數(shù)字和符號，從印刷文字識別到手寫文字識別，應用非常廣泛。
[0003]隨著智能手機興起，手機支付的行為越來越普及。但是用戶在手機上輸入銀行卡卡號時，速度很慢，需要仔細的校對，用戶體驗很差。美國的PAYPAL、蘋果公司，中國的阿里和騰訊等公司都在自己的手機支付軟件上推出了銀行卡號識別的方案。
[0004]其中，包括信用卡在內的銀行卡識別的一般流程如下:縱坐標識別-Pattern識別-字符切分-字符識別-校驗。銀行卡號的識別中的第一步即是針對卡號所在銀行卡的版面分析，識別卡號所在縱坐標，這一步的識別對于整個銀行卡的識別過程而言至關重要。而通過這種縱坐標的識別，其目的就是希望能夠適當?shù)貫V去背景，以使得后續(xù)的識別過程更為準確。
[0005]然而，目前仍然缺少一種能夠針對淺色背景的凹凸字體的銀行卡卡號的縱坐標識別方法，來進行準確的縱坐標識別，這也進而影響到了后續(xù)圖像識別的準確性。

【發(fā)明內容】

[0006]本發(fā)明要解決的技術問題是為了克服現(xiàn)有技術中缺少一種能夠針對淺色背景的凹凸字體的銀行卡卡號的縱坐標識別方法，從而致使背景過濾后續(xù)的圖像識別的準確性不夠高的缺陷，提供一種圖像識別的背景過濾方法。
[0007]本發(fā)明是通過下述技術方案來解決上述技術問題的:
[0008]—種圖像識別的背景過濾方法，其特點在于，包括以下步驟:
[0009]步驟一、獲取原始圖像，使用加強的Prewitt算子對原始圖像濾波后得到濾波后圖像；
[0010]步驟二、將濾波后圖像分為若干條橫線，每一條橫線的寬度均為一個像素的高度；
[0011]步驟三、計算每一條橫線上灰度落入一預設灰度范圍的像素點的數(shù)量作為橫線的識別分數(shù)；
[0012]步驟四、根據(jù)每一條橫線的識別分數(shù)進行濾波后圖像的縱坐標識別，以得到待識別圖像。
[0013]較佳地，步驟一的加強的Prewitt算子由下述公式定義:
[0014]若Hl(i，j)>0 且 H2(i，j)>0，則 P(i，j) = HI (i，j)+H2 (i，j)，否則 P (i，j) =0，其中，Hl(i，j)、H2(i，j)定義如下，
[0015]Hl(i，j) = [f (i, j)+f (i, j-l)+f (i, j+1) ]-[f (1-2, j)+f (1-2, j-l)+f (1-2, j+1)]
[0016]H2(i，j) = [f (i, j)+f (i, j-l)+f (i, j + 1) ] - [f (i+2, j)+f (i+2, j-l)+f (i+2，j+1)];
[0017]上述公式中，式中f(i，j)表示原始圖像中坐標為(i，j)的像素點的灰度值，P(i, j)表示濾波后圖像中坐標為(i，j)的像素點的灰度值，Hl(i, j)和H2(i，j)分別表示坐標為(i, j)的像素點所對應的第一 Prewitt算子和第二 Prewitt算子。
[0018]本發(fā)明的技術方案，在已有的Prewitt算子的基礎上做了限制和加強，使之得以有效、準確地用于背景過濾。這種限制和加強，實質上可以理解為通過組合3*3的矩陣構成5*5的矩陣，然后著眼于縱坐標的識別而從5*5的矩陣中去掉縱分量。去掉縱分量的加強Prewitt算子相當于兩個3X3的橫向Prewitt算子組合。添加約束條件為這兩個Prewitt算子的計算結果都為正，才判定計算結果有效。
[0019]由于加強的Prewitt算子，采用5X5的方格，把正反各兩組的Prewitt算子，分別放入相應的位置。因此，加強的Prewitt算子，對于垂直和水平的小于3像素的細線，具有明顯更高的敏感度。在此基礎上，在去掉縱向分量后，算子的抗干擾能力例如排除水波、橫線等類型的圖像造成的干擾的能力大大加強，提高了縱坐標識別的性能。進一步地，為了確保準確識別出豎的細線，加上橫向的兩個Prewitt算子都大于0的條件或者說約束條件。
[0020]較佳地，本發(fā)明的方法尤其適合針對原始圖像為具有凹凸字體的卡片表面進行識別。
[0021]較佳地，所述凹凸字體相比于卡片表面的其他區(qū)域呈淺色。
[0022]較佳地，所述卡片為銀行卡。
[0023]在符合本領域常識的基礎上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實例。
[0024]本發(fā)明的積極進步效果在于:本發(fā)明的圖像識別的背景過濾方法能夠針對淺色背景的凹凸字體的銀行卡卡號進行有效、準確的縱坐標識別，從而提高后續(xù)的圖像識別的準確性，并且具備更好的敏感度和抗干擾能力。
【附圖說明】
[0025]圖1為本發(fā)明一較佳實施例的圖像識別的背景過濾方法的流程圖。
【具體實施方式】
[0026]下面通過實施例的方式進一步說明本發(fā)明，但并不因此將本發(fā)明限制在所述的實施例范圍之中。
[0027]本發(fā)明一較佳實施例的圖像識別的背景過濾方法，其用于本發(fā)明的方法尤其適合針對原始圖像為具有淺色凹凸字體的銀行卡表面進行識別。參考圖1所示，本實施例的背景過濾方法包括以下步驟:
[0028]步驟一、獲取原始圖像，使用加強的Prewitt算子對原始圖像濾波后得到濾波后圖像；
[0029]步驟二、將濾波后圖像分為若干條橫線，每一條橫線的寬度均為一個像素的高度；
[0030]步驟三、計算每一條橫線上灰度落入一預設灰度范圍的像素點的數(shù)量作為橫線的識別分數(shù)；
[0031]步驟四、根據(jù)每一條橫線的識別分數(shù)進行濾波后圖像的縱坐標識別，以得到待識別圖像。
[0032]其中，步驟一的加強的Prewitt算子由下述公式定義:
[0033]若Hl(i，j)>0 且 H2(i，j)>0，則 P(i，j) = HI (i，j)+H2 (i，j)，否則 P (i，j) =0，其中，Hl(i，j)、H2(i，j)定義如下，
[0034]Hl(i，j) = [f (i, j)+f (i, j-l)+f (i, j+1) ]-[f (1-2, j)+f (1-2, j-l)+f (1-2, j+1)]
[0035]H2(i，j) = [f (i, j)+f (i, j-l)+f (i, j + 1) ] - [f (i+2, j)+f (i+2, j-l)+f (i+2，j+1)];
[0036]上述公式中，式中f(i，j)表示原始圖像中坐標為(i，j)的像素點的灰度值，P(i, j)表示濾波后圖像中坐標為(i，j)的像素點的灰度值，Hl(i, j)和H2(i，j)分別表示坐標為(i, j)的像素點所對應的第一 Prewitt算子和第二 Prewitt算子。
[0037]本實施例采用如上所述的加強的Prewitt算子，采用5X5的方格，把正反各兩組的Prewitt算子，分別放入相應的位置。因此，加強的Prewitt算子，對于垂直和水平的小于3像素的細線，具有明顯更高的敏感度。在此基礎上，在去掉縱向分量后，算子的抗干擾能力例如排除水波、橫線等類型的圖像造成的干擾的能力大大加強，提高了縱坐標識別的性能。進一步地，為了確保準確識別出豎的細線，加上橫向的兩個Prewitt算子都大于0的條件或者說約束條件。
[0038]雖然以上描述了本發(fā)明的【具體實施方式】，但是本領域的技術人員應當理解，這些僅是舉例說明，本發(fā)明的保護范圍是由所附權利要求書限定的。本領域的技術人員在不背離本發(fā)明的原理和實質的前提下，可以對這些實施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護范圍。
【主權項】
1.一種圖像識別的背景過濾方法，其特征在于，包括以下步驟: 步驟一、獲取原始圖像，使用加強的Prewitt算子對原始圖像濾波后得到濾波后圖像；步驟二、將濾波后圖像分為若干條橫線，每一條橫線的寬度均為一個像素的高度；步驟三、計算每一條橫線上灰度落入一預設灰度范圍的像素點的數(shù)量作為橫線的識別分數(shù)； 步驟四、根據(jù)每一條橫線的識別分數(shù)進行濾波后圖像的縱坐標識別，以得到待識別圖像。2.如權利要求1所述的背景過濾方法，其特征在于，步驟一的加強的Prewitt算子由下述公式定義:若 HI (i, j) >0 且 H2 (i, j) >0，則 P (i, j) = HI (i, j) +H2 (i, j)，否則 P(i, j) = 0，其中，Hl(i，j)、H2(i，j)定義如下，Hl(i, j) = [f(i, j)+f(i, j-l)+f(i, j+l)]-[f(1-2, j)+f(1-2, j-l)+f(1-2, j+1)]H2(i，j) = [f (i, j)+f (i, j-l)+f (i, j+l)]-[f (i+2, j)+f (i+2, j-l)+f (i+2, j+1)];上述公式中，式中f(i，j)表示原始圖像中坐標為(i，j)的像素點的灰度值，P(i, j)表示濾波后圖像中坐標為(i，j)的像素點的灰度值，Hl(i, j)和H2(i，j)分別表示坐標為(i, j)的像素點所對應的第一 Prewitt算子和第二 Prewitt算子。3.如權利要求1所述背景過濾方法，其特征在于，原始圖像為具有凹凸字體的卡片表面。4.如權利要求3所述背景過濾方法，其特征在于，所述凹凸字體相比于卡片表面的其他區(qū)域呈淺色。5.如權利要求3所述背景過濾方法，其特征在于，所述卡片為銀行卡。
【專利摘要】本發(fā)明公開了一種圖像識別的背景過濾方法。所述背景過濾方法包括以下步驟：獲取原始圖像，使用加強的Prewitt算子對原始圖像濾波后得到濾波后圖像；將濾波后圖像分為若干條橫線，每一條橫線的寬度均為一個像素的高度；計算每一條橫線上灰度落入一預設灰度范圍的像素點的數(shù)量作為橫線的識別分數(shù)；根據(jù)每一條橫線的識別分數(shù)進行濾波后圖像的縱坐標識別，以得到待識別圖像。本發(fā)明的圖像識別的背景過濾方法能夠針對淺色背景的凹凸字體的銀行卡卡號進行有效、準確的縱坐標識別，從而提高后續(xù)的圖像識別的準確性，并且具備更好的敏感度和抗干擾能力。
【IPC分類】G06K9/40
【公開號】CN105426892
【申請?zhí)枴緾N201510979831
【發(fā)明人】田碩, 陸費漢平, 姚濱暉
【申請人】上海攜程商務有限公司
【公開日】2016年3月23日
【申請日】2015年12月23日