[发明专利]文本图像的二值化方法及装置、电子设备和介质

说明书

本公开提供了一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机视觉领域，尤其涉及自然语言处理、文本识别技术领域。实现方案为：获取包含待识别文本的第一图像；对第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，第一数值为聚类类别数；对于第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；基于第一数值个数的聚类中心值中的每一个聚类中心值，获得与降维后图像相对应的第一数值个数的候选二值化图像；以及分别对候选二值化图像进行投影，以基于投影图像在第一数值个数的候选二值化图像中确定最优的二值化图像。

技术领域

本公开涉及计算机视觉领域，尤其涉及自然语言处理、文本识别技术领域，具体涉及一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

在光学字符识别(OCR)系统中，通常需要对待识别文本图像进行图像二值化(Image Binarization)。在复杂背景的文本图像的二值化过程中，往往由于背景纹理、背景颜色多变等影响导致前景与背景难以区分，对二值化造成很大干扰。

发明内容

本公开提供了一种文本图像的二值化方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种文本图像的二值化方法，包括：获取包含待识别文本的第一图像；对所述第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，其中所述第一数值为聚类类别数；对于所述第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；基于所述第一数值个数的聚类中心值中的每一个聚类中心值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像；以及分别对所述候选二值化图像进行投影，以基于投影图像在所述第一数值个数的候选二值化图像中确定最优的二值化图像。

根据本公开的另一方面，提供了一种文本图像的二值化装置，包括：获取单元，配置为获取包含待识别文本的第一图像；聚类单元，配置为对所述第一图像中的所有像素点基于预设的第一数值进行聚类，以确定第一数值个数的聚类中心值，其中所述第一数值为聚类类别数；降维单元，配置为对于所述第一图像中的每个像素点，将该像素点赋值为其相对应的聚类中心值，形成降维后图像；二值化单元，配置为基于所述第一数值个数的聚类中心值中的每一个聚类中心值，获得与所述降维后图像相对应的所述第一数值个数的候选二值化图像；以及确定单元，配置为分别对所述候选二值化图像进行投影，以基于投影图像在所述第一数值个数的候选二值化图像中确定最优的二值化图像。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开所述的方法。

根据本公开的一个或多个实施例，该文本图像的二值化方法有效地提升了文本图像的二值化效果，特别是复杂背景的文本图像的二值化效果；并且，该二值化算法无需训练，从而不受训练数据分布的影响。