[发明专利]基于照相机的文档成像

权利要求书

1.一种用于处理包含文本行的拍照图像的方法，其中文本行包括具有垂直笔划的文本字符，该方法包括：

(a)利用像素归一化的阈值处理来二元化，以便识别图像中构成文本的像素；

(b)检测指示文本朝向的排版特征；

(c)将一条或多条曲线拟合到文本行；

(d)利用与文本行的方向平行的矢量和与垂直笔划线的方向平行的矢量建立四边形的栅格；

(e)通过拉伸图像使得平行于文本行的矢量和平行于垂直笔划线方向的矢量变得正交，来展开文档；及

(f)利用光学字符识别软件来处理展开的文档。

2.如权利要求1所述的方法，其中二元化处理包括假象去除，即，如果一个黑像素的连接区域超过最大面积参数的话，则丢弃整个黑像素的连接区域。

3.如权利要求1所述的方法，其中二元化处理包括假象去除，即，如果一个黑像素的连接区域小于最小面积参数的话，则丢弃整个黑像素的连接区域。

4.一种用于处理包含文本行的拍照图像的方法，其中文本行包括具有垂直笔划及顶部端点和底部端点的文本字符，该方法包括：

(a)检测文本行的顶部端点和底部端点；

(b)对于每个文本行，将一条曲线拟合到顶部端点，一条曲线拟合到底部端点；

(c)通过区分文本行的顶部部分和底部部分，确定拍照图像的页面朝向；

(d)为每个文本行计算近似的朝向，并除去文本行中的异常值；

(e)通过确定文本行的起点或者终点是否对齐，找出垂直段落边界；

(f)通过沿局部垂直方向扫描来检测文本字符中的垂直笔划，以便在文本行的质心样条与文本字符的文本像素的每个相交点处获得垂直像素块；

(g)利用与文本行的方向平行的矢量和与垂直笔划线的方向平行的矢量，建立四边形的栅格；及

(h)通过拉伸图像使得平行于文本行的矢量和平行于垂直笔划线的方向的矢量变得正交，来展开文档。

5.如权利要求4所述的方法，其中通过区分文本行的顶部部分和底部部分来确定拍照图像的页面朝向的步骤还包括：选择文本行的代表性样本，并且对样本中的每个文本行检测哪一侧有更多的异常值，其中样本的长度接近所有文本行的中值长度。

6.一种用于处理包含文本行的拍照图像的方法，其中文本行包括具有垂直笔划的文本字符，该方法包括：

(a)检测指示文本朝向的排版特征；

(b)将一条或多条曲线拟合到文本行；

(c)利用与文本行的方向平行的矢量和与垂直笔划线的方向平行的矢量建立四边形的栅格；及

(d)通过为输出图像中的每个像素位置计算其在输入图像中的对应位置，并通过使用靠近输入图像中该对应位置的一个或多个像素计算其像素颜色和/或强度，来展开文档。

7.如权利要求6所述的方法，其中步骤(d)中输入图像中的对应位置是通过利用一个数学函数建模其x坐标并用另一个数学函数建模其y坐标来计算的。

8.如权利要求7所述的方法，其中这两个数学函数是利用薄板样条技术产生的。

9.如权利要求6所述的方法，其中用于每个像素位置的对应性的计算之前还要生成控制点，其中对应性是针对像素位置的子集计算的。

10.如权利要求9所述的方法，其中像素位置的子集包括位于一个或多个文本行上的一个或多个点。

11.如权利要求9所述的方法，其中像素位置的子集包括一个或多个文本行的左终点和右终点。

12.如权利要求6所述的方法，其中输出像素的颜色或者强度是从输入图像中四个最近的像素计算的。

13.一种用于处理包含文本行的拍照图像的方法，其中文本行包括具有端点和垂直笔划的文本字符，该方法包括：

(a)通过在拍照图像中找出对应于文本字符的像素集并创建只包含所述像素集的二元图像来检测文本区域，其中该像素集分组成字符区域，字符区域又分组成文本行；

(b)通过识别文本字符的端点和垂直笔划来检测形状；

(c)检测文本的朝向；及

(d)基于栅格建立处理进行变换，在栅格建立处理中所识别出的端点和垂直笔划用作识别文档卷曲的基础。