[发明专利]目标图像的倾斜角检测方法及倾斜角检测设备

说明书

本发明公开了一种目标图像的倾斜角检测方法及倾斜角检测设备，属于图像处理技术领域，解决了现有的倾斜角检测方法的运算量较大，导致运算效率较低的技术问题。该倾斜角检测方法包括：将目标图像转化为灰度图像；对所述灰度图像进行二值化处理，获得二值化图像；对所述二值化图像进行降噪处理，获得降噪后的图像；对所述降噪后的图像进行膨胀处理，获得膨胀图像；对所述膨胀图像进行边缘检测，获得边缘图像；利用生长算法对所述边缘图像进行扩展，找到预定方向上最长的生长区域；由所述区域里的点，拟合出一条直线；获取所述直线与所述预定方向之间的夹角。本发明可应用于图像处理系统。

技术领域

本发明涉及图像处理技术领域，具体地说，涉及一种目标图像的倾斜角检测方法及倾斜角检测设备。

背景技术

随着图像处理技术的发展，图像识别技术已经广泛的应用在银行、财税、证券、金融票据电子影像系统、汽车牌照的抓拍识别系统、选票自动识别系统、光学字符识别(Optical Character Recognition，简称OCR)系统等领域中。在通过采集设备获取图像后，通常要对其进行预处理，但是采集设备获得图像时不可避免的会发生倾斜，这给后面的图像分割、字符识别等图像处理与分析带来了很大困难。因此，对图像进行倾斜校正是图像预处理过程中的重要组成部分。

倾斜校正的核心在于如何检测出图像的倾斜角。目前，倾斜角检测的方法主要有以下几种：

Hough变换是最常用的检测倾斜角的方法，由于基于Hough变换算法计算量非常大，因此一些专门用于倾斜角检测的Hough变换改进的算法被提出来。虽然这些改进的算法的核心思想是减少Hough变换的数据量，但由于Hough变换本身计算量很大，因此改进后的算法的运算速度仍然较慢。

交叉相关性算法是基于等距离的竖直(或水平)平行线上像素点的相关性的方法，以平行线上的像素点建立相关矩阵，并对矩阵在竖直方向上作投影，投影图的全局最大值对应于倾斜角，该方法虽然准确率高，但相关矩阵的计算量较大。

基于投影的方法是利用投影的某些特征进行判断，如均方差、第一特征矢量以及梯度等统计特征。但是，由于该方法需要对整个图像统计特征值，因此计算量和复杂度都较高。

Fourier变换方法是利用页面倾角对应于使Fourier空间密度最大的方向角的特征，将目标图像的所有像素点进行Fourier变换，其计算量非常大，因此目前很少采用。

K-最近邻簇方法是先找出所有连通区中心点的K个最近邻点，计算每对近邻点的矢量方向并统计生成直方图，直方图的峰值对应于整个页面的倾角，其计算复杂度为O(N×N)，其中N为连通区个数。该方法的一个不足之处是计算量较大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点。

本发明人在实现本发明的过程中发现，现有技术至少存在以下技术问题：现有的倾斜角检测方法普遍运算量较大，导致运算效率较低的技术问题。

发明内容

本发明的目的在于提供一种目标图像的倾斜角检测方法及倾斜角检测设备，以解决现有的倾斜角检测方法的运算量较大，导致运算效率较低的技术问题。

本发明提供一种目标图像的倾斜角检测方法，包括：

将目标图像转化为灰度图像I_gray；

对所述灰度图像I_gray进行二值化处理，获得二值化图像I_bin；

对所述二值化图像I_bin进行降噪处理，获得降噪后的图像I_deno；

对所述降噪后的图像I_deno进行膨胀处理，获得膨胀图像I_bulge；