CN111898597A - 处理文本图像的方法、装置、设备和计算机可读介质 - Google Patents

Abstract

本发明公开了处理文本图像的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。该实施方式能够统一各种复杂文本图像的标注方向，进而提高训练深度学习模型的准确率。

Description

处理文本图像的方法、装置、设备和计算机可读介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种处理文本图像的方法、装置、设备和计算机可读介质。

背景技术

在文本检测技术发展的今天，利用大量的数据训练深度学习模型已经成为一种有效的手段。然而数据的干净程度，对深度学习模型处理各种复杂文本图像起着决定性作用。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：由于各种复杂文本图像的标注方向不同，导致训练深度学习模型的准确率低。

发明内容

有鉴于此，本发明实施例提供一种处理文本图像的方法、装置、设备和计算机可读介质，能够统一各种复杂文本图像的标注方向，进而提高训练深度学习模型的准确率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种处理文本图像的方法，包括：

在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；

根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；

基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。

所述在文本图像的标注数据中，获取文本图像中文本框的对角点坐标，包括：

在文本图像的标注数据中，获取两组坐标作为所述文本图像中文本框的对角点坐标，所述两组坐标间隔一组坐标。

所述根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标，包括：

根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标。

所述检测所述文本图像的起始坐标之前，包括：

将所述文本框的右上角坐标和所述文本框的左下角坐标，分别转换为所述文本框的左上角坐标和所述文本框的右下角坐标。

所述根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标，包括：

所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右上角坐标；

所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左下角坐标；

所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右下角坐标；

所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左上角坐标。

所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，包括：

基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标。

所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标，包括：

所述文本图像的起始坐标是所述文本框的右上角坐标，将所述文本框的原左上角坐标作为左下角坐标，原右上角坐标作为左上角坐标，原右下角坐标作为右上角坐标，以及原左下角坐标作为右下角坐标；

所述文本图像的起始坐标是所述文本框的左下角坐标，将所述文本框的原左上角坐标作为右上角坐标，原右上角坐标作为右下角坐标，原右下角坐标作为左下角坐标，以及原左下角坐标作为左上角坐标；

所述文本图像的起始坐标是所述文本框的右下角坐标，将所述文本框的原左上角坐标作为右下角坐标，原右上角坐标作为左下角坐标，原右下角坐标作为左上角坐标，以及原左下角坐标作为右上角坐标；

所述文本图像的起始坐标是所述文本框的左上角坐标，将所述文本框的原左上角坐标作为左上角坐标，原右上角坐标作为右上角坐标，原右下角坐标作为右下角坐标，以及原左下角坐标作为左下角坐标。

根据本发明实施例的第二方面，提供了一种处理文本图像的装置，包括：

获取模块，用于在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；

检测模块，用于根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；

调整模块，用于基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。

根据本发明实施例的第三方面，提供了一种处理文本图像的电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的方法。

根据本发明实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述的方法。

上述发明中的一个实施例具有如下优点或有益效果：在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标；基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。由于将不同标注方向的文本图像，统一为相同的标注方向，进而能够提高训练深度学习模型的准确率。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的训练数据的示意图；

图2是根据本发明实施例的另一个训练数据的示意图；

图3是根据本发明实施例的处理文本图像的方法的主要流程的示意图；

图4是根据本发明实施例的文本图像的角坐标示意图；

图5是根据本发明实施例情况一中的文本图像的示意图；

图6是根据本发明实施例情况二中的文本图像的示意图；

图7是根据本发明实施例情况三中的文本图像的示意图；

图8是根据本发明实施例情况四中的文本图像的示意图；

图9是根据本发明实施例的处理文本图像的装置的主要结构的示意图；

图10是本发明实施例可以应用于其中的示例性系统架构图；

图11是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

光学字符识别(Optical Character Recognition，OCR)是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。

一般来说，可以利用深度学习模型实现OCR。作为一个示例，利用深度学习模型识别医疗票据。深度学习模型需要利用大量的医疗票据训练获得。

参见图1，图1是根据本发明实施例的训练数据的示意图。图1中训练数据包括票据，标注方向是竖直向上。

参见图2，图2是根据本发明实施例的另一个训练数据的示意图，图2中训练数据包括票据，标注方向是水平向右。

对于训练数据包括文本图像，文本图像均有标注方向。每个训练数据中英文本图像的标注方向可能相同，也可能不同。

若基于训练数据的原始标注方向输入至深度学习模型，由于每个训练数据中文本图像的标注方向不同，导致训练深度学习模型的准确率低。

为了解决训练数据中英文本图像的标注方向不同，导致训练深度学习模型的准确率低的技术问题，保持数据标签输入的一致性，可以采用以下本发明实施例中的技术方案。

参见图3，图3是根据本发明实施例的处理文本图像的方法主要流程的示意图，基于文本图像中文本框的对角点坐标，检测文本图像的起始坐标，进而调整文本图像的标注方向。如图3所示，具体包括以下步骤：

S301、在文本图像的标注数据中，获取文本图像中文本框的对角点坐标。

用于深度学习模型训练的训练数据中包括文本图像。在本发明实施例中，可以以文本框标识文本图像。也就是说，文本框是用于标识文本图像的框图。

作为一个示例，可以采用文本识别算法建立文本图像中的文本框，进而获取文本图像中文本框的对角点坐标。其中，文本框的对角点坐标是文本框中两个对角点坐标。

参见图4，图4是根据本发明实施例的文本图像的角坐标示意图，其中，文本框为ABCD，角A和角C为对角，角B和角D为对角。为了便于描述，在图4中的坐标系中建立文本框4个角坐标，按照顺时针方向分别为：A(a0，b0)；B(a1，b1)；C(a2，b2)；D(a3，b3)。

需要说明的是，图4中的坐标系和文本框4个角坐标的标记顺序均是示例性地，也可以按照其他方案建立坐标系，以及按照逆时针方向标记文本框的4个角坐标。

用于深度学习模型训练的文本检测的数据格式有多种。其中，一种数据格式是包括文本框的四个角坐标，则文本图像的标注数据具体为：a0，b0，a1，b1，a2，b2，a3，b3。

在本发明的一个实施例中，在文本图像的标注数据中，获取两组坐标作为文本图像中文本框的对角点坐标，上述两组坐标间隔一组坐标。

为了获取文本图像中文本框的对角点坐标，可以在文本图像的标注数据中获取两组坐标作为文本图像中文本框的对角点坐标。其中，一组坐标即包括横坐标也包括纵坐标。

需要说明的是，所获取两组坐标并非随机获取，而是该两组坐标间隔一组坐标。

作为一个示例，文本图像的标注数据具体为：a0，b0，a1，b1，a2，b2，a3，b3。所获取两组坐标可以是：a0，b0，a2，b2；或，a1，b1，a3，b3。即，所获取两组坐标是角A和角C的坐标，或角B和角D的坐标。

可以理解的是，文本图像的标注数据是按照顺时针的顺序记录角坐标。当然，文本图像的标注数据也可以按照逆时针的顺序记录角坐标在文本图像的标注数据是按照逆时针的顺序记录角坐标的情况下，为了进一步处理文本图像，可以将按照逆时针的顺序记录角坐标，转换为按照顺时间的顺序记录角坐标。

作为一个示例，按照逆时针的顺序记录角坐标：x0，y0，x1，y1，x2，y2，x3，y3。转换为按照顺时间的顺序记录角坐标：x0，y0，x3，y3，x2，y2，x1，y1。

S302、根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标。

可以按照顺时针的顺序记录文本图像的角坐标，即文本检测训练标签内容。其中，首个记录的角坐标称为起始坐标。作为一个示例，继续参见图1，文本图像1的起始坐标是右上角坐标。继续参见图2，文本图像2的起始坐标是左上角坐标。如：起始坐标是票据的左上角。

由起始坐标和其标签相邻点坐标能够获知文本图像的标注方向。继续参见图1，图1中的起始坐标是左上角坐标，文本图像的标注方向是竖直向上。继续参见图2，图2中的起始坐标是右上角坐标，文本图像的标注方向是水平向右。

由于每个文本图像的起始坐标不同，则文本图像的标注方向不同。为了统一文本图像的标注方向，则首先检测文本图像的起始坐标。那么，可以根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标。

在本发明的一个实施例中，可以根据文本图像中文本框的左上角横坐标与文本框的右下角横坐标的比较结果，以及左上角纵坐标与文本框的右下角纵坐标的比较结果，检测文本图像的起始坐标。

也就是说，能够利用文本框的左上角坐标和文本框的右下角坐标，检测文本图像的起始坐标。那么，在获知文本框的另外一对角点坐标，文本框的右上角坐标和文本框的左下角坐标，也可以检测文本图像的起始坐标。

在本发明的一个实施例中，可以将文本框的右上角坐标和文本框的左下角坐标，转换为文本框的左上角坐标和文本框的右下角坐标。

作为一个示例，获知文本框的右上角坐标(a1，b1)，文本框的左下角坐标(a3，b3)，按照下述方式进行转换：文本框的左上角坐标(a3，b1)，文本框的右下角坐标(a1，b3)。

可以理解的是，文本框的左上角坐标的横坐标等于文本框的左下角坐标的横坐标，文本框的左上角坐标的纵坐标等于文本框的右上角坐标的纵坐标；文本框的右下角坐标的横坐标等于文本框的右上角坐标的横坐标，文本框的右下角坐标的纵坐标等于文本框左下角坐标的纵坐标。

按照上述方案，可以实现将文本框的右上角坐标和文本框的左下角坐标，分别转换为文本框的左上角坐标和文本框的右下角坐标。

在本发明的一个实施例中，可以具体采用以下方式检测并获知文本图像的起始坐标，具体包括以下四种情况。

情况一：

参见图5，图5是根据本发明实施例情况一中的文本图像的示意图，检测文本图像的起始坐标：

左上角横坐标大于右下角横坐标，且左上角纵坐标小于右下角纵坐标，文本图像的起始坐标是文本框的右上角坐标。

示例性地，a0＞a2，且b0＜b2，则文本图像的起始坐标是文本框的右上角坐标。

情况二：

参见图6，图6是根据本发明实施例情况二中的文本图像的示意图，检测文本图像的起始坐标：

左上角横坐标小于右下角横坐标，且左上角纵坐标大于右下角纵坐标，文本图像的起始坐标是文本框的左下角坐标。

示例性地，a0＜a2，且b0＞b2，则文本图像的起始坐标是文本框的左下角坐标。

情况三：

参见图7，图7是根据本发明实施例情况三中的文本图像的示意图，检测文本图像的起始坐标：

左上角横坐标大于右下角横坐标，且左上角纵坐标大于右下角纵坐标，文本图像的起始坐标是文本框的右下角坐标。

示例性地，a0＞a2，且b0＞b2，则文本图像的起始坐标是文本框的右下角坐标。

情况四：

参见图8，图8是根据本发明实施例情况四中的文本图像的示意图，检测文本图像的起始坐标：

左上角横坐标小于右下角横坐标，且左上角纵坐标小于右下角纵坐标，文本图像的起始坐标是文本框的左上角坐标。

示例性地，a0＜a2，且b0＜b2，则文本图像的起始坐标是文本框的左上角坐标。

从图5至图8的实施例可知，根据文本图像中文本框的左上角横坐标与文本框的右下角横坐标的比较结果，以及左上角纵坐标与文本框的右下角纵坐标的比较结果，能够检测并获知文本图像的起始坐标，从而为校正文本图像奠定基础。

S303、基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。

按照文本图像的起始坐标，就可以调整文本框的角坐标点至统一的起始点，进而达到校正文本图像的标注方向。

在本发明的一个实施例中，考虑到习惯于将左上角坐标作为起始点，则可以基于文本图像的起始坐标，调整文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标。

当然，还可以按照实际需求设置文本图像的起始坐标，并按照预设顺序设置文本框的角坐标。

在本发明的一个实施例中，可以具体采用以下方式调整所述文本框的角坐标点，针对S302中的四种情况。

针对情况一：

文本图像的起始坐标是文本框的右上角坐标，将文本框的原左上角坐标作为左下角坐标，原右上角坐标作为左上角坐标，原右下角坐标作为右上角坐标，以及原左下角坐标作为右下角坐标。

针对情况二：

文本图像的起始坐标是文本框的左下角坐标，将文本框的原左上角坐标作为右上角坐标，原右上角坐标作为右下角坐标，原右下角坐标作为左下角坐标，以及原左下角坐标作为左上角坐标。

针对情况三：

文本图像的起始坐标是文本框的右下角坐标，将文本框的原左上角坐标作为右下角坐标，原右上角坐标作为左下角坐标，原右下角坐标作为左上角坐标，以及原左下角坐标作为右上角坐标。

针对情况四：

文本图像的起始坐标是文本框的左上角坐标，将文本框的原左上角坐标作为左上角坐标，原右上角坐标作为右上角坐标，原右下角坐标作为右下角坐标，以及原左下角坐标作为左下角坐标。

下面就上述四种情况，结合具体的标注数据，进行示例性的说明。

首先，在文本图像的标注数据中进行读取，格式如：[a0，b0，a1，b1，a2，b2，a3，b3]。需要说明的是，按照顺时针方向文本图像中文本框的左上角坐标：A(a0，b0)；文本图像中文本框的右上角坐标：B(a1，b1)；文本图像中文本框的右下角坐标：C(a2，b2)；文本图像中文本框的左下角坐标：D(a3，b3)。

分别按照S302中的四种情况进行判断，并按照下述公式进行赋值调整。其中，orgline_object为原始角坐标，newline_object为调整后角坐标。

情况一：

a0＞a2，且b0＜b2，文本图像的起始坐标是文本框的右上角坐标。

newline_object[0]＝orgline_object[6]；

newline_object[1]＝orgline_object[7]；

newline_object[2]＝orgline_object[0]；

newline_object[3]＝orgline_object[1]；

newline_object[4]＝orgline_object[2]；

newline_object[5]＝orgline_object[3]；

newline_object[6]＝orgline_object[4]；

newline_object[7]＝orgline_object[5]。

即，将原始角坐标(a3，b3)赋值给调整后角坐标(a0，b0)；将原始角坐标(a0，b0)赋值给调整后角坐标(a1，b1)；将原始角坐标(a1，b1)赋值给调整后角坐标(a2，b2)；将原始角坐标(a2，b2)赋值给调整后角坐标(a3，b3)。

情况二：

a0＜a2，且b0＞b2，文本图像的起始坐标是文本框的左下角坐标。

newline_object[0]＝orgline_object[2]；

newline_object[1]＝orgline_object[3]；

newline_object[2]＝orgline_object[4]；

newline_object[3]＝orgline_object[5]；

newline_object[4]＝orgline_object[6]；

newline_object[5]＝orgline_object[7]；

newline_object[6]＝orgline_object[0]；

newline_object[7]＝orgline_object[1]。

即，将原始角坐标(a1，b1)赋值给调整后角坐标(a0，b0)；将原始角坐标(a1，b1)赋值给调整后角坐标(a1，b1)；将原始角坐标(a3，b3)赋值给调整后角坐标(a2，b2)；将原始角坐标(a0，b0)赋值给调整后角坐标(a3，b3)。

情况三：

a0＞a2，且b0＞b2，文本图像的起始坐标是文本框的右下角坐标。

newline_object[0]＝orgline_object[4]；

newline_object[1]＝orgline_object[5]；

newline_object[2]＝orgline_object[6]；

newline_object[3]＝orgline_object[7]；

newline_object[4]＝orgline_object[0]；

newline_object[5]＝orgline_object[1]；

newline_object[6]＝orgline_object[2]；

newline_object[7]＝orgline_object[3]。

即，将原始角坐标(a2，b2)赋值给调整后角坐标(a0，b0)；将原始角坐标(a3，b3)赋值给调整后角坐标(a1，b1)；将原始角坐标(a0，b0)赋值给调整后角坐标(a2，b2)；将原始角坐标(a1，b1)赋值给调整后角坐标(a3，b3)。

情况四：

a0＜a2，且b0＜b2，文本图像的起始坐标是文本框的左上角坐标。

newline_object[0]＝orgline_object[0]；

newline_object[1]＝orgline_object[1]；

newline_object[2]＝orgline_object[2]；

newline_object[3]＝orgline_object[3]；

newline_object[4]＝orgline_object[4]；

newline_object[5]＝orgline_object[5]；

newline_object[6]＝orgline_object[6]；

newline_object[7]＝orgline_object[7]。

即，将原始角坐标(a0，b0)赋值给调整后角坐标(a0，b0)；将原始角坐标(a1，b1)赋值给调整后角坐标(a1，b1)；将原始角坐标(a2，b2)赋值给调整后角坐标(a2，b2)；将原始角坐标(a3，b3)赋值给调整后角坐标(a3，b3)。

在调整文本框的角坐标点后，输出调整后文字图像的标注数据。可以理解的是，调整后文字图像的标注数据也是类似于文本图像的标注数据[a0，b0，a1，b1，a2，b2，a3，b3]的一行数据，但与上述标注数据不同的是，其中的数据顺序发生调整。

作为一个示例，针对于情况一调整后的文字图像的标注数据[a3，b3，a0，b0，a1，b1，a2，b2]。这样，调整前的文字图像如图5所示，调整后的文字图像如图4所示。

需要说明的是，本发明实施例中的技术方案是针对于文本框的角坐标点操作，因此只需要调整角坐标点就能够校正文本图像的标注方向。

在上述本发明的实施例中，在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据文本图像中或英文本框的对角点坐标，检测文本图像的起始坐标；基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。

采用上述实施例中的技术方案，自动监测到不同起始坐标的标注数据，并做调整清洗，使其统一以左上角为起始坐标，依次按顺时针输出校正后的文本图像。

由于将不同标注方向的文本图像，统一为相同的标注方向。统一标准的数据形直接影响OCR深度学习模型对文本检测效果的好坏。采用校正后的文本图像，对深度学习模型损失的收敛有明显的改善。进而能够提高训练深度学习模型的准确率。

参见图9，图9是根据本发明实施例的处理文本图像的装置的主要结构的示意图，处理文本图像的装置可以实现处理文本图像的方法，如图9所示，处理文本图像的装置具体包括：

获取模块901，用于在文本图像的标注数据中，获取文本图像中文本框的对角点坐标.

检测模块902，用于根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标。

调整模块903，用于基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。

在本发明的一个实施例中，获取模块901，具体用于在文本图像的标注数据中，获取两组坐标作为文本图像中文本框的对角点坐标，两组坐标间隔一组坐标。

在本发明的一个实施例中，检测模块902，具体用于根据文本图像中文本框的左上角横坐标与文本框的右下角横坐标的比较结果，以及左上角纵坐标与文本框的右下角纵坐标的比较结果，检测文本图像的起始坐标。

在本发明的一个实施例中，检测模块902，还用于将文本框的右上角坐标和文本框的左下角坐标，分别转换为文本框的左上角坐标和文本框的右下角坐标。

在本发明的一个实施例中，检测模块902，具体用于左上角横坐标大于右下角横坐标，且左上角纵坐标小于右下角纵坐标，文本图像的起始坐标是文本框的右上角坐标；

左上角横坐标小于右下角横坐标，且左上角纵坐标大于右下角纵坐标，文本图像的起始坐标是文本框的左下角坐标；

左上角横坐标大于右下角横坐标，且左上角纵坐标大于右下角纵坐标，文本图像的起始坐标是文本框的右下角坐标；

左上角横坐标小于右下角横坐标，且左上角纵坐标小于右下角纵坐标，文本图像的起始坐标是文本框的左上角坐标。

在本发明的一个实施例中，调整模块903，具体用于基于文本图像的起始坐标，调整文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标。

在本发明的一个实施例中，调整模块903，具体用于文本图像的起始坐标是文本框的右上角坐标，将文本框的原左上角坐标作为左下角坐标，原右上角坐标作为左上角坐标，原右下角坐标作为右上角坐标，以及原左下角坐标作为右下角坐标；

文本图像的起始坐标是文本框的左下角坐标，将文本框的原左上角坐标作为右上角坐标，原右上角坐标作为右下角坐标，原右下角坐标作为左下角坐标，以及原左下角坐标作为左上角坐标；

文本图像的起始坐标是文本框的右下角坐标，将文本框的原左上角坐标作为右下角坐标，原右上角坐标作为左下角坐标，原右下角坐标作为左上角坐标，以及原左下角坐标作为右上角坐标；

文本图像的起始坐标是文本框的左上角坐标，将文本框的原左上角坐标作为左上角坐标，原右上角坐标作为右上角坐标，原右下角坐标作为右下角坐标，以及原左下角坐标作为左下角坐标。

图10示出了可以应用本发明实施例的处理文本图像的方法或处理文本图像的装置的示例性系统架构1000。

如图10所示，系统架构1000可以包括终端设备1001、1002、1003，网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互，以接收或发送消息等。终端设备1001、1002、1003上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备1001、1002、1003可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器1005可以是提供各种服务的服务器，例如对用户利用终端设备1001、1002、1003所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的处理文本图像的方法一般由服务器1005执行，相应地，处理文本图像的装置一般设置于服务器1005中。

应该理解，图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图11，其示出了适于用来实现本发明实施例的终端设备的计算机系统1100的结构示意图。图11示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，计算机系统1100包括中央处理单元(CPU)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：

在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；

根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；

基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。

根据本发明实施例的技术方案，在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标；基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。由于将不同标注方向的文本图像，统一为相同的标注方向，进而能够提高训练深度学习模型的准确率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种处理文本图像的方法，其特征在于，包括：

在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；

根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；

基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。

2.根据权利要求1所述处理文本图像的方法，其特征在于，所述在文本图像的标注数据中，获取文本图像中文本框的对角点坐标，包括：

在文本图像的标注数据中，获取两组坐标作为所述文本图像中文本框的对角点坐标，所述两组坐标间隔一组坐标。

3.根据权利要求1所述处理文本图像的方法，其特征在于，所述根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标，包括：

根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标。

4.根据权利要求3所述处理文本图像的方法，其特征在于，所述检测所述文本图像的起始坐标之前，包括：

将所述文本框的右上角坐标和所述文本框的左下角坐标，分别转换为所述文本框的左上角坐标和所述文本框的右下角坐标。

5.根据权利要求3所述处理文本图像的方法，其特征在于，所述根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标，包括：

所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右上角坐标；

所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左下角坐标；

所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右下角坐标；

所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左上角坐标。

6.根据权利要求1所述处理文本图像的方法，其特征在于，所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，包括：

基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标。

7.根据权利要求6所述处理文本图像的方法，其特征在于，所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标，包括：

所述文本图像的起始坐标是所述文本框的右上角坐标，将所述文本框的原左上角坐标作为左下角坐标，原右上角坐标作为左上角坐标，原右下角坐标作为右上角坐标，以及原左下角坐标作为右下角坐标；

所述文本图像的起始坐标是所述文本框的左下角坐标，将所述文本框的原左上角坐标作为右上角坐标，原右上角坐标作为右下角坐标，原右下角坐标作为左下角坐标，以及原左下角坐标作为左上角坐标；

所述文本图像的起始坐标是所述文本框的右下角坐标，将所述文本框的原左上角坐标作为右下角坐标，原右上角坐标作为左下角坐标，原右下角坐标作为左上角坐标，以及原左下角坐标作为右上角坐标；

所述文本图像的起始坐标是所述文本框的左上角坐标，将所述文本框的原左上角坐标作为左上角坐标，原右上角坐标作为右上角坐标，原右下角坐标作为右下角坐标，以及原左下角坐标作为左下角坐标。

8.一种处理文本图像的装置，其特征在于，包括：

获取模块，用于在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；

检测模块，用于根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；

调整模块，用于基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。

9.一种处理文本图像的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images