[发明专利]一种文字识别方法、装置及计算机可读存储介质

说明书

本发明提供了一种文字识别方法、装置及计算机可读存储介质，所述方法包括：对待识别的椭圆形印章图像进行二值化处理，得到二值图像；检测二值图像中位于同一条直线上的第一文字序列；根据二值图像中的文字的连线所组成的第一椭圆与第一文字序列的位置关系，从第一文字序列中确定呈直线型分布的文字序列；分别对呈直线型分布的文字序列、呈弯曲型分布的文字序列中的文字进行识别，呈弯曲型分布的文字序列包括呈直线型分布的文字序列之外的文字。在上述方法中，首先检测出直线型文字序列，剩下的文字组成弯曲型文字序列，由此可轻松确定出弯曲型文字序列；并且，本方案中对文字可以有效地按照语义顺序进行提取，降低了文字识别难度。

技术领域

本发明属于图像处理领域，特别是涉及一种文字识别方法、装置及计算机可读存储介质。

背景技术

日常生活中增值税发票、医疗收费票据等票据均需盖有印章，才能用于报销流程，它是开票单位授权的证明。印章中一般刻有企业名称、印章类型以及印章编号等信息，一般包含两种类型文字行：弯曲型文字行、直线型文字行。其中弯曲型文字行一般代表企业名称，直线型文字行一般表示印章类型、印章编号等。例如，在某医疗门诊收费票据示意图中，印章图像中弯曲型文字行内容为“**市东方医院”、直线型文字行内容分别为“门急诊收费章”和“(44)”。

虽然OCR(Optical Character Recognition，光学字符识别)技术已经相当成熟并应用在多个领域，例如医院化验单、个人体检单等识别，但医疗收费票据依然是OCR技术难以覆盖的领域。多个省或直辖市的众多医疗收费票据中没有直接机打“医院名称”这一关键信息，而是以印章文字的形式出现，因此印章文字的检测与识别至关重要。

但是，目前票据图像中的椭圆形印章文字检测仍然存在困难，原因主要在于：椭圆形印章图像文字排列复杂，既有直线型文字也有弯曲型文字，使印章文字难以有效按语义顺序提取，造成文字识别难度加大；并且，现有的文字识别技术在椭圆形印章图像识别时容易把弯曲型文字和直线型文字交接的地方检测成一行，造成识别结果准确度较低；此外，对于椭圆形印章来说，其长轴和短轴的长度不相等，这对检测椭圆形印章图像中的弯曲型文字带来一定困难。

发明内容

有鉴于此，本发明提供一种文字识别方法、装置及计算机可读存储介质，在一定程度上解决了目前的椭圆形印章文字识别难度较大、识别结果准确度较低、弯曲型文字检测困难的问题。

依据本发明的第一方面，提供了一种文字识别方法，所述方法包括：

对待识别的椭圆形印章图像进行二值化处理，得到二值图像；

检测所述二值图像中位于同一条直线上的第一文字序列；

根据所述二值图像中的文字的连线所组成的第一椭圆与所述第一文字序列的位置关系，从所述第一文字序列中确定呈直线型分布的文字序列；

分别对所述呈直线型分布的文字序列、呈弯曲型分布的文字序列中的文字进行识别，所述呈弯曲型分布的文字序列包括所述呈直线型分布的文字序列之外的文字。

可选地，所述根据所述二值图像中的文字的连线所组成的第一椭圆与所述第一文字序列的位置关系，从所述第一文字序列中确定呈直线型分布的文字序列，包括：

将所述二值图像中的文字进行区域连通，得到多个连通区域；

确定所述多个连通区域的中心点，并根据所述中心点的连线确定第一椭圆；

若所述第一椭圆与所述第一文字序列存在交叉点，则将位于所述交叉点的文字从所述第一文字序列中去除，得到呈直线型分布的文字序列；

若所述第一椭圆与所述第一文字序列不存在交叉点，则将所述第一文字序列确定为呈直线型分布的文字序列。

可选地，在分别对所述呈直线型分布的文字序列、呈弯曲型分布的文字序列中的文字进行识别之前，还包括：