CN110415183A - 图片校正方法、装置、计算机设备及计算机可读存储介质 - Google Patents
图片校正方法、装置、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110415183A CN110415183A CN201910527667.XA CN201910527667A CN110415183A CN 110415183 A CN110415183 A CN 110415183A CN 201910527667 A CN201910527667 A CN 201910527667A CN 110415183 A CN110415183 A CN 110415183A
- Authority
- CN
- China
- Prior art keywords
- picture
- straightway
- measured
- identity card
- binaryzation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 45
- 230000000877 morphologic effect Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 14
- 238000005260 corrosion Methods 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 235000013350 formula milk Nutrition 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图片校正方法、装置、计算机设备及计算机可读存储介质。所述方法包括：若接收到待测图片，将所述待测图片转换为二值化图片；对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；根据所述轮廓线的直线段确定所述待测图片中的身份证范围；将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。本发明实施例由于能够了将用户输入的待测图片自动转换为标准的身份证图片，使得服务器更易于识别身份证照片中的信息，提高了对身份证信息识别的准确率。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图片校正方法、装置、计算机设备及计算机可读存储介质。
背景技术
目前，越来越多的应用场景(例如，线上购买理财产品)需要用户上传身份证照片。
现有技术中，为了能够较好的识别身份证上面的信息，对身份证照片的拍摄要求较高，拍摄时需要相机正对身份证，并且不能倾斜。然而，限于用户拍摄水平的限制，常会接收到不符合要求的照片，导致无法准确识别身份证照片中的信息。
发明内容
本发明实施例提供了一种图片校正方法、装置、计算机设备及存储介质，旨在提高对身份证照片信息识别的准确性。
第一方面，本发明实施例提供了一种图片校正方法，其包括：
若接收到待测图片，将所述待测图片转换为二值化图片；
对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
第二方面，本发明实施例还提供了一种图片校正装置，其包括：
转换单元，用于若接收到待测图片，将所述待测图片转换为二值化图片；
轮廓检测处理单元，用于对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
直线检测处理单元，用于对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
第一确定单元，用户根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
第一透视变换单元，用于将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种图片校正方法、装置、计算机设备及存储介质。其中，所述方法包括：若接收到待测图片，将所述待测图片转换为二值化图片；对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；根据所述轮廓线的直线段确定所述待测图片中的身份证范围；将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。本发明实施例由于能够了将用户输入的待测图片自动转换为标准的身份证图片，使得服务器更易于识别身份证照片中的信息，提高了对身份证信息识别的准确率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图片校正方法的流程示意图；
图2为本发明实施例提供的一种图片校正方法的子流程示意图；
图3为本发明实施例提供的一种图片校正方法的子流程示意图；
图4为本发明另一实施例提供的一种图片校正方法的流程示意图；
图5为本发明实施例提供的一种图片校正装置的示意性框图；
图6为本发明实施例提供的一种图片校正装置的转换单元的示意性框图；
图7为本发明实施例提供的一种图片校正装置的第一确定单元的示意性框图；
图8为本发明实施例提供的一种图片校正装置的第一投射变换单元的示意性框图；
图9为本发明另一实施例提供的一种图片校正装置的示意性框图；以及
图10为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1，图1为本发明实施例提供的图片校正方法的示意性流程图。本发明实施例提出的图片校正方法应用于服务器中，如图所示，该方法包括以下步骤S1-S5。
S1，若接收到待测图片，将所述待测图片转换为二值化图片。
具体实施中，若接收到用户上传的待测图片(即身份证照片)，则首先将该待测图片处理为二值化图片。
二值化，就是将图片上的像素点的灰度值设置为0或255，也就是将整个图片呈现出明显的只有黑和白的视觉效果。最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。
参见图2，在一实施例中，以上步骤S1具体包括以下步骤S11-S14。
S11，对待测图片进行灰度化处理。
具体实施中，对待测图片进行灰度化处理。将彩色图片转化成为灰度图片的过程成为图片的灰度化处理。彩色图片中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图片是R、G、B三个分量相同的一种特殊的彩色图片，其一个像素点的变化范围为255种，所以在数字图片处理种一般先将各种格式的图片转变成灰度图片以使后续的图片的计算量变得少一些。灰度图片的描述与彩色图片一样仍然反映了整幅图片的整体和局部的色度和亮度等级的分布和特征。图片的灰度化处理可用以下方法来实现：
首先求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。
S12，对灰度化处理后的待测图片进行高斯滤波处理。
具体实施中，对灰度化处理后的待测图片进行高斯滤波处理。高斯滤波处理为对整幅图像进行加权平均的过程。图片中每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
S13，对高斯滤波处理后的待测图片进行二值化处理。
具体实施中，对高斯滤波处理后的待测图片进行二值化处理。
图像的二值化处理就是将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
S2，对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线。
具体实施中，对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线。轮廓检测处理是指从二值化图片提取轮廓线的过程。具体实施中，可通过预设的轮廓线提取工具提取二值化图片中的轮廓线。
需要说明的是，常用的轮廓线提取工具包括matlab(矩阵实验室)。
S3，对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段。
具体实施中，对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段。
具体地，通过霍夫变换(Hough)直线检测方法识别获取所述轮廓线中的直线段。霍夫变换(Hough)直线检测方法具体是通过将图像坐标空间变换到参数空间，来实现直线的拟合。
S4，根据所述轮廓线的直线段确定所述待测图片中的身份证范围。
具体实施中，在获取了轮廓线中的直线段后，根据轮廓线的直线段确定所述待测图片中的身份证范围。身份证范围是指待测图片中身份证图片部分所处的范围。
具体地，由于身份证是四边形的，因此身份证范围是由四条直线段围成的范围。因此，首先获取所述轮廓线的直线段围成的四边形区域，再根据获取到的四边形区域确定所述待测图片中的身份证范围。
参见图3，在一实施例中，以上步骤S4具体包括如下步骤S41-S46。
S41，将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合。
具体实施中，首先将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合。
需要说明的是，长度阈值可由本领域技术人员根据经验进行设定，例如，在一实施例中，长度阈值设定为3cm。
S42，将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合。
具体实施中，将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合。具体地，可将夹角小于预设的夹角阈值的两直线段合并为该两条直线所成角的角平分线。
需要说明的是，夹角阈值可由本领域技术人员根据经验进行设定，例如，在一实施例中，夹角阈值设定为1.5°。
S43，将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合。
具体实施中，将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合。若两直线段的交点在所述待测图片范围外，则该两条直线不可能为身份证的边缘线，因此将该两条直线段删除。
S44，获取由所述第三直线段集合中的直线段所围成的四边形区域。
具体实施中，获取由所述第三直线段集合中的直线段所围成的四边形区域。具体地，为了使各直线段相交，可将第三直线段集合中的直线段向两端延伸。
S45，若所述第三直线段集合中的直线段只围成了一个四边形区域，则将所述四边形区域所围成的范围确定为所述身份证范围。
具体实施中，如果所述第三直线段集合中的直线段只围成了一个四边形区域，则将所述四边形区域所围成的范围确定为所述身份证范围。
S46，若所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
具体实施中，如果所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
S6，将所述待测图片中的身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
具体实施中，将所述待测图片中的身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
需要说明的是，预设的矩形区域即为标准身份证的大小的区域，从而实现了将用户输入的待测图片自动透视变换为标准的身份证图片，降低了用户的拍摄难度，提高了用户的使用体验。
透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。透视变换是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。
具体地，透视变换通用的变换公式为：
其中，(u，v)为身份证范围内的图片(即原始图片)内各像素点的坐标，(x，y)为对应的矩形区域内的各像素点的坐标。
为透视变换矩阵A，其包含总共8个未知数a11、a12、a13、a21、a22、a23、a31、以及a32；需要说明的是，透视变换矩阵中a33默认为1。
本实施例中，身份证范围内的图片的四个顶点分别为(u1，v1)、(u2，v2)、(u3，v3)以及(u4，v4)；该四个顶点对应的预设的矩形区域的四个顶点的坐标分别为(x1，y1)、(x2，y2)、(x3，y3)以及(x4，y4)。
将以上四组对应的点带入到变换公式中可得到以下8个方程组成的方程组：
通过以上方程组可计算得到变换矩阵A的8个参数a11、a12、a13、a21、a22、a23、a31以及a32。在获取变换矩阵A后，再根据变换公式计算身份证范围内的图片(即原始图片)内各像素点的坐标在预设的矩形区域中对应的坐标，从而实现了将所述待测图片中的身份证范围内的图片透视变换到预设的矩形区域内。
通过应用本发明实施例的技术方案，若接收到待测图片，将所述待测图片处理为二值化图片；对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；根据所述轮廓线的直线段确定所述待测图片中的身份证范围；将所述待测图片中的身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片，从而实现了将用户输入的待测图片自动转换为标准的身份证图片，使得服务器更易于识别身份证照片中的信息，提高了对身份证信息识别的准确率。
图4是本发明另一实施例提供的一种图片校正方法的流程示意图。如图4所示，本实施例的图片校正方法包括步骤S51-S57。其中步骤S51-S55与上述实施例中的步骤S1-S5类似，在此不再赘述。下面详细说明本实施例中所增加的步骤S56-S57。
S56，对所述二值化图片进行图像形态学膨胀处理。
具体实施中，对所述二值化图片进行图像形态学膨胀处理。图像形态学处理包括图像形态学膨胀(dilation)处理和图像形态学腐蚀(erosion)处理。
图像形态学处理都是对图像的白色部分(高亮部分)而言。图像形态学膨胀处理是指图像中的高亮部分进行膨胀，类似于领域扩张，膨胀处理后的效果图拥有比原图更大的高亮区域。
S57，对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
具体实施中，对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。图像形态学腐蚀处理是对原图的高亮部分被腐蚀，类似于领域被蚕食，腐蚀处理后的效果图拥有比原图更小的高亮区域。
通过对二值化后的待测图片先进行图像形态学膨胀处理后再进行图像形态学腐蚀处理，能够减少二值化后的待测图片中的噪点。
图5是本发明实施例提供的一种图片校正装置的示意性框图。如图5所示，对应于以上图片校正方法，本发明还提供一种图片校正装置。该图片校正装置包括用于执行上述图片校正方法的单元，该装置可以被配置于服务器中。具体地，请参阅图5，该图片校正装置包括转换单元、轮廓检测处理单元、直线检测处理单元、第一确定单元以及第一透视变换单元。
转换单元，用于若接收到待测图片，将所述待测图片转换为二值化图片；
轮廓检测处理单元，用于对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
直线检测处理单元，用于对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
第一确定单元，用户根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
第一透视变换单元，用于将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
在一实施例中，如图6所示，所述转换单元包括灰度化处理单元、高斯滤波处理单元以及二值化处理单元。
灰度化处理单元，用于对待测图片进行灰度化处理；
高斯滤波处理单元，用于对灰度化处理后的待测图片进行高斯滤波处理；
二值化处理单元，用于对高斯滤波处理后的待测图片进行二值化处理以得到所述二值化图片。
在一实施例中，如图7所示，所述第一确定单元包括第一删除单元、合并单元、第二删除单元、获取单元、第二确定单元以及第三确定单元。
第一删除单元，用于将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合；
合并单元，用于将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合；
第二删除单元，用于将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合；
获取单元，用于获取由所述第三直线段集合中的直线段所围成的四边形区域；
第二确定单元，用于若所述第三直线段集合中的直线段只围成了一个四边形区域，将所述四边形区域所围成的范围确定为所述身份证范围；
第三确定单元，用于若所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
在一实施例中，如图8所示，所述第一透视变换单元包括第二透视变换单元。
第二透视变换单元，用于通过以下公式|x y 1|＝|u v 1|A将所述身份证范围内的图片透视变换到预设的矩形区域内，其中，(u，v)为所述身份证范围内的图片内各像素点的坐标，(x，y)为对应的矩形区域内的各像素点的坐标，A为透视变换矩阵。
图9是本发明另一实施例提供的一种图片校正装置的示意性框图。如图7所示，本实施例的图片校正装置是上述实施例的基础上增加了膨胀处理单元以及腐蚀处理单元。
膨胀处理单元，用于对所述二值化图片进行图像形态学膨胀处理；
腐蚀处理单元，用于对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述图片校正装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述图片校正装置可以实现为一种计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行一种图片校正方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种图片校正方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
若接收到待测图片，将所述待测图片转换为二值化图片；
对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
在一实施例中，处理器502在实现所述将所述待测图片转换为二值化图片步骤时，具体实现如下步骤：
对待测图片进行灰度化处理；
对灰度化处理后的待测图片进行高斯滤波处理；
对高斯滤波处理后的待测图片进行二值化处理以得到所述二值化图片。
在一实施例中，处理器502在实现所述根据所述轮廓线的直线段确定所述待测图片中的身份证范围步骤时，具体实现如下步骤：
将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合；
将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合；
将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合；
获取由所述第三直线段集合中的直线段所围成的四边形区域；
若所述第三直线段集合中的直线段只围成了一个四边形区域，将所述四边形区域所围成的范围确定为所述身份证范围；
若所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
在一实施例中，处理器502在实现所述将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片步骤时，具体实现如下步骤：
通过以下公式|x y 1|＝|u v 1|A将所述身份证范围内的图片透视变换到预设的矩形区域内，其中，(u，v)为所述身份证范围内的图片内各像素点的坐标，(x，y)为对应的矩形区域内的各像素点的坐标，A为透视变换矩阵。
在一实施例中，处理器502在实现所述对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线步骤之前，还实现如下步骤：
对所述二值化图片进行图像形态学膨胀处理；
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤：
若接收到待测图片，将所述待测图片转换为二值化图片；
对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
在一实施例中，所述处理器在执行所述计算机程序而实现所述将所述待测图片转换为二值化图片步骤时，具体实现如下步骤：
对待测图片进行灰度化处理；
对灰度化处理后的待测图片进行高斯滤波处理；
对高斯滤波处理后的待测图片进行二值化处理以得到所述二值化图片。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述轮廓线的直线段确定所述待测图片中的身份证范围步骤时，具体实现如下步骤：
将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合；
将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合；
将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合；
获取由所述第三直线段集合中的直线段所围成的四边形区域；
若所述第三直线段集合中的直线段只围成了一个四边形区域，将所述四边形区域所围成的范围确定为所述身份证范围；
若所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
在一实施例中，所述处理器在执行所述计算机程序而实现所述将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片步骤时，具体实现如下步骤：
通过以下公式|x y 1|＝|u v 1|A将所述身份证范围内的图片透视变换到预设的矩形区域内，其中，(u，v)为所述身份证范围内的图片内各像素点的坐标，(x，y)为对应的矩形区域内的各像素点的坐标，A为透视变换矩阵。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线步骤之前，还实现如下步骤：
对所述二值化图片进行图像形态学膨胀处理；
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图片校正方法，其特征在于，包括：
若接收到待测图片，将所述待测图片转换为二值化图片；
对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
2.根据权利要求1所述的方法，其特征在于，所述将所述待测图片转换为二值化图片，包括：
对待测图片进行灰度化处理；
对灰度化处理后的待测图片进行高斯滤波处理；
对高斯滤波处理后的待测图片进行二值化处理以得到所述二值化图片。
3.根据权利要求1所述的方法，其特征在于，在所述对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线之前，所述方法还包括：
对所述二值化图片进行图像形态学膨胀处理；
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
4.根据权利要求1所述的方法，其特征在于，所述根据所述轮廓线的直线段确定所述待测图片中的身份证范围，包括：
将所述轮廓线的直线段中长度小于预设的长度阈值的直线段删除以得到第一直线段集合；
将所述第一直线段集合中夹角小于预设的夹角阈值的直线段进行合并以得到第二直线段集合；
将所述第二直线段集合中交点在所述待测图片范围外的直线段删除以得到第三直线段集合；
获取由所述第三直线段集合中的直线段所围成的四边形区域；
若所述第三直线段集合中的直线段只围成了一个四边形区域，将所述四边形区域所围成的范围确定为所述身份证范围；
若所述第三直线段集合中的直线段围成了多个四边形区域，将多个四边形区域中面积最大的四边形区域所围成的范围确定为所述身份证范围。
5.根据权利要求1所述的方法，其特征在于，所述将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片，包括：
通过以下公式|x y 1|＝|u v 1|A将所述身份证范围内的图片透视变换到预设的矩形区域内，其中，(u，v)为所述身份证范围内的图片内各像素点的坐标，(x，y)为对应的矩形区域内的各像素点的坐标，A为透视变换矩阵。
6.一种图片校正装置，其特征在于，包括：
转换单元，用于若接收到待测图片，将所述待测图片转换为二值化图片；
轮廓检测处理单元，用于对所述二值化图片进行轮廓检测处理以获取所述二值化图片中的轮廓线；
直线检测处理单元，用于对所述轮廓线进行直线检测处理以获取所述轮廓线中的直线段；
第一确定单元，用户根据所述轮廓线的直线段确定所述待测图片中的身份证范围；
第一透视变换单元，用于将所述身份证范围内的图片透视变换到预设的矩形区域内以得到校正图片。
7.根据权利要求6所述的图片校正装置，其特征在于，所述转换单元包括：
灰度化处理单元，用于对待测图片进行灰度化处理；
高斯滤波处理单元，用于对灰度化处理后的待测图片进行高斯滤波处理；
二值化处理单元，用于对高斯滤波处理后的待测图片进行二值化处理以得到所述二值化图片。
8.根据权利要求6所述的图片校正装置，其特征在于，所述图片校正装置还包括：
膨胀处理单元，用于对所述二值化图片进行图像形态学膨胀处理；
腐蚀处理单元，用于对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527667.XA CN110415183A (zh) | 2019-06-18 | 2019-06-18 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
| PCT/CN2019/103350 WO2020252920A1 (zh) | 2019-06-18 | 2019-08-29 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527667.XA CN110415183A (zh) | 2019-06-18 | 2019-06-18 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110415183A true CN110415183A (zh) | 2019-11-05 |
Family
ID=68359237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910527667.XA Pending CN110415183A (zh) | 2019-06-18 | 2019-06-18 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110415183A (zh) |
| WO (1) | WO2020252920A1 (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111464716A (zh) * | 2020-04-09 | 2020-07-28 | 腾讯科技（深圳）有限公司 | 一种证件扫描方法、装置、设备及存储介质 |
| CN111462035A (zh) * | 2020-01-21 | 2020-07-28 | 北京明略软件系统有限公司 | 一种图片检测方法及装置 |
| CN111898610A (zh) * | 2020-07-29 | 2020-11-06 | 平安科技（深圳）有限公司 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
| CN111915524A (zh) * | 2020-08-04 | 2020-11-10 | 深圳企业云科技股份有限公司 | 一种基于交比运算的全自动图像透视校正方法 |
| CN111950422A (zh) * | 2020-08-05 | 2020-11-17 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
| CN113034530A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 手机摆放检测方法及装置 |
| CN113343965A (zh) * | 2020-03-02 | 2021-09-03 | 北京有限元科技有限公司 | 图像倾斜矫正方法、装置及存储介质 |
| CN113763235A (zh) * | 2021-09-08 | 2021-12-07 | 北京琥珀创想科技有限公司 | 一种将图片转换为扫描件的方法及智能移动终端 |
| CN113936286A (zh) * | 2021-11-29 | 2022-01-14 | 中国平安人寿保险股份有限公司 | 图像文本识别方法、装置、计算机设备及存储介质 |
| CN115439524A (zh) * | 2022-09-07 | 2022-12-06 | 北京爱科农科技有限公司 | 叶片的参数计算方法、介质及计算机设备 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022569B (zh) * | 2021-11-18 | 2024-06-07 | 湖北中烟工业有限责任公司 | 一种基于视觉测量箱体方正度的方法及装置 |
| CN113962906B (zh) * | 2021-12-03 | 2024-07-12 | 四川新网银行股份有限公司 | 一种多任务检测的身份证图像矫正方法及系统 |
| CN114311572B (zh) * | 2021-12-31 | 2024-09-24 | 深圳市新科聚合网络技术有限公司 | Smd led注塑支架在线检测装置及其检测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020028027A1 (en) * | 2000-09-07 | 2002-03-07 | Fuji Xerox Co., Ltd. | Image processing device, image processing method, and recording medium storing image processing program |
| US20050244046A1 (en) * | 2003-03-14 | 2005-11-03 | Fujitsu Limited | Sheet media identification method and sheet media identification apparatus |
| US20120163728A1 (en) * | 2010-12-22 | 2012-06-28 | Wei-Ning Sun | Image rectification method |
| CN102902945A (zh) * | 2012-09-28 | 2013-01-30 | 南京汇兴博业数字设备有限公司 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
| CN105260709A (zh) * | 2015-09-28 | 2016-01-20 | 北京石油化工学院 | 基于图像处理的水表检定方法、装置及系统 |
| CN108021913A (zh) * | 2016-10-28 | 2018-05-11 | 北京嘀嘀无限科技发展有限公司 | 证件照片信息识别方法及装置 |
| CN108960062A (zh) * | 2018-06-01 | 2018-12-07 | 平安科技（深圳）有限公司 | 校正发票图像的方法、装置、计算机设备和存储介质 |
| CN109635628A (zh) * | 2018-10-23 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 身份证信息验证方法、装置、设备及计算机可读存储介质 |
| CN109684971A (zh) * | 2018-12-18 | 2019-04-26 | 北京理工大学珠海学院 | 解魔方机器人算法执行方法 |
| CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技（深圳）有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
| CN109886896A (zh) * | 2019-02-28 | 2019-06-14 | 闽江学院 | 一种蓝色车牌分割与矫正方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101662581B (zh) * | 2009-09-09 | 2011-06-01 | 谭洪舟 | 多功能证件信息采集系统 |
| JP6045625B2 (ja) * | 2015-03-20 | 2016-12-14 | 株式会社Pfu | 画像処理装置、領域検出方法及びコンピュータプログラム |
-
2019
- 2019-06-18 CN CN201910527667.XA patent/CN110415183A/zh active Pending
- 2019-08-29 WO PCT/CN2019/103350 patent/WO2020252920A1/zh active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020028027A1 (en) * | 2000-09-07 | 2002-03-07 | Fuji Xerox Co., Ltd. | Image processing device, image processing method, and recording medium storing image processing program |
| US20050244046A1 (en) * | 2003-03-14 | 2005-11-03 | Fujitsu Limited | Sheet media identification method and sheet media identification apparatus |
| US20120163728A1 (en) * | 2010-12-22 | 2012-06-28 | Wei-Ning Sun | Image rectification method |
| CN102902945A (zh) * | 2012-09-28 | 2013-01-30 | 南京汇兴博业数字设备有限公司 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
| CN105260709A (zh) * | 2015-09-28 | 2016-01-20 | 北京石油化工学院 | 基于图像处理的水表检定方法、装置及系统 |
| CN108021913A (zh) * | 2016-10-28 | 2018-05-11 | 北京嘀嘀无限科技发展有限公司 | 证件照片信息识别方法及装置 |
| CN108960062A (zh) * | 2018-06-01 | 2018-12-07 | 平安科技（深圳）有限公司 | 校正发票图像的方法、装置、计算机设备和存储介质 |
| CN109635628A (zh) * | 2018-10-23 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 身份证信息验证方法、装置、设备及计算机可读存储介质 |
| CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技（深圳）有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
| CN109684971A (zh) * | 2018-12-18 | 2019-04-26 | 北京理工大学珠海学院 | 解魔方机器人算法执行方法 |
| CN109886896A (zh) * | 2019-02-28 | 2019-06-14 | 闽江学院 | 一种蓝色车牌分割与矫正方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李志杰等: "基于透视变换的手机身份证字符分割算法", 《计算机技术与发展》 * |
| 韩志超: "基于智能手机的身份证信息识别系统的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 马靓等: "身份证号码识别系统的研究与实现", 《计算机工程》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111462035B (zh) * | 2020-01-21 | 2024-03-08 | 北京明略软件系统有限公司 | 一种图片检测方法及装置 |
| CN111462035A (zh) * | 2020-01-21 | 2020-07-28 | 北京明略软件系统有限公司 | 一种图片检测方法及装置 |
| CN113343965A (zh) * | 2020-03-02 | 2021-09-03 | 北京有限元科技有限公司 | 图像倾斜矫正方法、装置及存储介质 |
| CN111464716A (zh) * | 2020-04-09 | 2020-07-28 | 腾讯科技（深圳）有限公司 | 一种证件扫描方法、装置、设备及存储介质 |
| CN111898610A (zh) * | 2020-07-29 | 2020-11-06 | 平安科技（深圳）有限公司 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
| CN111898610B (zh) * | 2020-07-29 | 2024-04-19 | 平安科技（深圳）有限公司 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
| CN111915524A (zh) * | 2020-08-04 | 2020-11-10 | 深圳企业云科技股份有限公司 | 一种基于交比运算的全自动图像透视校正方法 |
| CN111915524B (zh) * | 2020-08-04 | 2024-03-29 | 深圳企业云科技股份有限公司 | 一种基于交比运算的全自动图像透视校正方法 |
| CN111950422A (zh) * | 2020-08-05 | 2020-11-17 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
| CN111950422B (zh) * | 2020-08-05 | 2024-06-28 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
| CN113034530A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 手机摆放检测方法及装置 |
| CN113034530B (zh) * | 2021-04-02 | 2024-07-26 | 广州绿怡信息科技有限公司 | 手机摆放检测方法及装置 |
| CN113763235A (zh) * | 2021-09-08 | 2021-12-07 | 北京琥珀创想科技有限公司 | 一种将图片转换为扫描件的方法及智能移动终端 |
| CN113936286A (zh) * | 2021-11-29 | 2022-01-14 | 中国平安人寿保险股份有限公司 | 图像文本识别方法、装置、计算机设备及存储介质 |
| CN113936286B (zh) * | 2021-11-29 | 2024-06-14 | 中国平安人寿保险股份有限公司 | 图像文本识别方法、装置、计算机设备及存储介质 |
| CN115439524A (zh) * | 2022-09-07 | 2022-12-06 | 北京爱科农科技有限公司 | 叶片的参数计算方法、介质及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020252920A1 (zh) | 2020-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110415183A (zh) | 图片校正方法、装置、计算机设备及计算机可读存储介质 | |
| CN107154030B (zh) | 图像处理方法及装置、电子设备及存储介质 | |
| CN108875511B (zh) | 图像生成的方法、装置、系统及计算机存储介质 | |
| EP2770476A2 (en) | Digital watermark embedding method and digital watermark detection method | |
| CN111368717B (zh) | 视线确定方法、装置、电子设备和计算机可读存储介质 | |
| CN109302545B (zh) | 视频稳像方法、装置及计算机可读存储介质 | |
| CN110147708B (zh) | 一种图像数据处理方法和相关装置 | |
| CN107301366B (zh) | 一种嵌码视频中图形码的解码方法及装置 | |
| CN111899270A (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
| CN111598777A (zh) | 天空云图的处理方法、计算机设备和可读存储介质 | |
| CN109447006A (zh) | 图像处理方法、装置、设备及存储介质 | |
| JP6937782B2 (ja) | 画像処理方法及びデバイス | |
| CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
| US8340378B2 (en) | Ribcage segmentation | |
| JP6345345B2 (ja) | 画像処理装置及び画像処理方法及び画像処理プログラム | |
| WO2019123554A1 (ja) | 画像処理装置、画像処理方法、及び、記録媒体 | |
| CN110415196B (zh) | 图像校正方法、装置、电子设备及可读存储介质 | |
| CN110032941B (zh) | 人脸图像检测方法、人脸图像检测装置及终端设备 | |
| CN113112561B (zh) | 图像重建方法、装置和电子设备 | |
| CN111340722B (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
| CN117496560B (zh) | 一种基于多维向量的指纹纹线识别方法及装置 | |
| CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
| CN114758046B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN107038705B (zh) | 视网膜图像出血区域分割方法、装置和计算设备 | |
| CN111986144B (zh) | 一种图像模糊判断方法、装置、终端设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |
|
| RJ01 | Rejection of invention patent application after publication |