图像识别光斑处理方法及装置与流程

本发明涉及图像识别技术领域，特别是一种图像识别光斑处理方法及装置。

背景技术：

现有的图像识别装置，均包括光源、图像采集区、图像采集模块和图像识别模块，将待识别物放置于所述图像采集区，并在所述光源提供光照的情况下，由图像采集模块进行图片采集并处理成目标图片，并由图像识别模块对目标图片进行识别处理。

图像识别已经广泛应用于实际生活，其中，证件识别和卡片识别是图像识别中很重要的应用领域。由于目前使用的证件和卡片，例如二代身份证、护照、驾照、行驶证、银行卡和社保卡等，均在证件或卡片的主体，表面非常光滑，因此，由图像采集模块进行图片采集并处理得到的目标图片，往往会带有光斑。目标图片中的光斑，会给图像识别模块进行的识别处理带来非常大的识别困难，甚至，图像识别模块无法识别被光斑覆盖的文字、图像等内容。光斑的存在，大大降低了图像识别的正确率。

针对上述问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请的目的在于提供一种图像识别光斑处理方法和装置，通过采集多张目标图片，并择取所有所述目标图片中灰度值最小或较小的目标像素点，拼合成结果图片，从而消除或者缩小所述目标图片中的光斑，提高图像识别的正确率。

本申请提供了一种图像识别光斑处理方法，其包括：

将待识别物放置于图像采集区；

采用至少两组光源分别向所述图像采集区提供光照，并在每一组所述光源向所述图像采集区提供光照的情况下，采集至少一张所述待识别物的原始图片；

将所有所述原始图片均转换成rgb色彩模式的目标图片；

计算所有所述目标图片的所有像素点的灰度值，在所有所述目标图片的同一个像素点中选取灰度值最小的像素点为目标像素点；

将所有所述目标像素点拼合成结果图片。

本申请提供的一种图像识别光斑处理装置，其包括：至少两组光源、图像采集模块和图像处理模块，

所述光源，用于向图像采集区提供光照；

所述图像采集模块，用于在每一组所述光源向所述图像采集区提供光照的情况下，采集至少一张所述图像采集区内放置的待识别物的原始图片，并将所有所述原始图片均转换成rgb色彩模式的目标图片；

所述图像处理模块，包括计算单元、判定单元和处理单元；所述计算单元，用于计算所有所述目标图片的所有像素点的灰度值；所述判定单元，用于在所有所述目标图片的同一个像素点中选取灰度值最小的像素点为目标像素点；所述处理单元，用于将所有所述目标像素点拼合成结果图片。

本申请提供的图像识别光斑处理方法和装置，通过灰度值比较，对于同一个位置点，从多张或者两张目标图片的多个或者两个像素点中，择取灰度值最小或者较小的像素点作为该位置点的目标像素点，并将所有所述目标像素点再拼合得到结果图片，使所述结果图片中不存在或者存在很小的光斑，实现消除或者缩小所述目标图片中的光斑的目的，提高图像识别的正确率。利用本申请的实施方案，不仅可以获得没有光斑或者基本没有光斑的结果图片，提高图像识别的正确率，而且，由于一次拍摄即可获得图像识别正确率较高的识别结果，也有效提高图像识别的效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的图像识别光斑处理方法一种实施例的方法流程图；

图2是本申请提供的图像识别光斑处理装置一种实施例的结构示意图（框图）。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1是本申请所述的一种图像识别光斑处理方法的一个实施例的方法流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例描述及附图所示的执行顺序。所述的方法在实际中的装置或终端产品应用时，可以按照实施例或者附图所示的方法连接进行顺序执行或者并行执行（例如并行处理器或者多线程处理的环境，甚至分布式处理环境）。

本申请提供的图像识别光斑处理方法和装置，设置了多组光源，并在不同的光源分别向图像采集区提供光照的情况下，采集多张或者两张所述图像采集区中的待识别物的原始图片，将所有的所述原始图片均转换成rgb色彩模式的目标图片，并计算每一张所述目标图片中每一个像素点的灰度值，然后对同一个位置点的所有像素点进行灰度值比较，择取灰度值最小或者较小的像素点作为该位置点的目标像素点，然后将得到的所有的目标像素点拼合成最终的结果图片，所述结果图片即为进行图像识别的识别图片。由于所述结果图片是由所有所述目标图片中灰度值最小或者较小的所述目标像素点所组成，因此，所述结果图片中不存在或者存在很小的光斑，从而实现消除或者缩小目标图片中的光斑的目的，提高图像识别的正确率。利用本申请的实施方案，不仅可以获得没有光斑或者基本没有光斑的结果图片，大大提高图像识别的正确率，而且，由于一次拍摄即可获得图像识别正确率较高的识别结果，也有效地提高了图像识别的效率。

其中，rgb色彩模式（也翻译为“红绿蓝”，比较少用）是工业界的一种颜色标准，是通过对红（red）、绿（green）、蓝（blue）三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，rgb即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。rgb色彩模式使用rgb模型为图像中每一个像素的rgb分量分配一个0至255范围内的强度值。例如：纯红色r值为255，g值为0，b值为0；灰色的r、g、b三个值相等（除了0和255）；白色的r、g、b都为255；黑色的r、g、b都为0。rgb图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现16777216种颜色。在rgb模式下，每种rgb成分都可使用从0（黑色）到255（白色）的值。例如，亮红色使用r值246、g值20和b值50。当所有三种成分值相等时，产生灰色阴影。当所有成分的值均为255时，结果是纯白色；当该值为0时，结果是纯黑色。

具体如图1所示，本申请一种实施例提供的一种图像识别光斑处理方法，可以包括：

s101：将待识别物放置于图像采集区；

所述待识别物可以是二代身份证、护照、驾照和行驶证，也可以是银行卡、医保卡，或者其他有待进行图像识别的物品。

s102：采用至少两组光源分别向所述图像采集区提供光照，并在每一组所述光源向所述图像采集区提供光照的情况下，采集至少一张所述待识别物的原始图片；

其中，所述光源包括相邻设置的至少一个标准光源，或者至少一个标准光源和至少一个红光光源，或者至少一个标准光源、至少一个红光光源和至少一个紫光光源。

标准光源（standardlightsources），是指模拟各种环境光线下的人造光源，让生产工厂或实验室非现场也能获得与这些特定环境下的光源基本一致的照明效果。标准光源通常安装在标准光源箱内，主要用于检测物品的颜色偏差。例如，d65--国际标准人工日光(artificialdaylight)色温：6500k功率：18w。所述光源仅包括相邻设置的至少一个标准光源，即可满足本申请进行图像采集的需求。

红外光源是一种特殊的光源，当对象在可视光范围内很难检查时，红外光源可以提供高对比度影像检查。因此，当所述光源包括相邻设置的至少一个标准光源和至少一个红外光源时，采集到的原始图片不仅具有较高的对比度，而且被过滤掉大量的干扰信息。

紫外光源也是一种比较特殊的光源，它是以产生紫外辐射为主要目的的非照明用电光源。为了利用紫外光源的荧光效应，所述光源也可以包括紫外光源，用于激发荧光剂发光，还可以识别证件的真伪。

在一个可行的实施方式中，所述光源包括一个标准光源、一个红外光源和一个紫外光源。

在这一步骤中，优选采用两组所述光源分别向所述图像采集区提供光照，并且在每一组所述光源向所述图像采集区提供光照的情况下，采集一张所述待识别物的原始图片，也就是说，共采集两张所述待识别物的原始图片。

当然，为了进一步提高图像ocr的识别率和识别效率，也可以采用三组或者三组以上的光源，并且在每一组所述光源向所述图像采集区提供光照的情况下，采集至少一张所述待识别物的原始图片，从而采集到多张所述待识别物的原始图片，并进行下一步操作。

s103：将所有所述原始图片均转换成rgb色彩模式的目标图片；

rgb色彩模式下的所述目标图片中的每一个像素点，都具有红色分量、绿色分量和蓝色分量，从而根据该像素点的红色分量、绿色分量和蓝色分量，进行下一步的灰度值计算。

s104：计算所有所述目标图片的所有像素点的灰度值，在所有所述目标图片的同一个像素点中选取灰度值最小的像素点为目标像素点；

通过像素点的颜色分量计算像素点的灰度值有多种转换公式，在实际使用过程中，可以根据图像识别的目标图片及识别目的，选取最适合的公式。在本申请的一个实施例中，采用的是一个著名的心理学公式。

以所述目标图片中的任一像素点为例，可以通过以下公式通过每个所述像素点的红色分量、绿色分量和蓝色分量，计算该像素点的灰度值：

grey=0.299*r+0.587*g+0.114*b

另外，为了避免低速的浮点运算，也可以采用整数算法，例如通过缩放1000倍来实现整数运算算法，即通过以下公式来计算grey的值：

grey=（299*r+587*g+114*b）/1000

其中，grey表示该像素点的灰度值，r表示该像素点的红色分量，g表示该像素点的绿色分量，b表示该像素点的蓝色分量。

以两组所述光源下采集两张所述原始图片为例，针对某一位置点p1，通过以上的计算获得两张所述目标图片中该位置点p1的两个像素点的灰度值，分为以下三种情况：

情况1：两张所述目标图片中p1处的两个像素点的灰度值为160和210，显然，这两个像素点都不是光斑图片中的像素点，此时，选取灰度值为160的像素点为p1的目标像素点；

在此种情况下，两张所述目标图片中的p1处的两个像素点的灰度值都较低，因此，本申请的方法的处理结果并不明显。

情况2：两张所述目标图片中p1处的两个像素点的灰度值为200和254，显然，后一个像素点的亮度极高，是构成光斑图片的一个像素点，根据本申请的方法，选取灰度值为200的像素点为p1的目标像素点；

在上述情况中，本申请的方法可以有效去除所述目标图片中的亮度较高的像素点，得到亮度较低的像素点为p1的目标像素点，处理结果明显，提高了图像识别的正确率。

情况3：两张所述目标图片中p1处的两个像素点的灰度值为254和255，显然，这两个像素点都是光斑图片中的像素点，根据本申请的方法，选取灰度值为254的像素点为p1的目标像素点。

对于此种情况，本申请的方法处理后所得到的p1的目标像素点，亮度仍然较高，仍会影响进一步的图像识别。

但是由于两张所述目标图片是在不同光源条件下获得的，所以所述目标图片的位置点中出现情况3的几率较小，大部分的位置点都是情况1和情况2。因此，所述目标图片中的该大部分位置点，都择取了灰度值较低的像素点作为目标像素点，那么，情况3中的位置点的目标像素点对于进一步进行图片识别的影响会被减小。

s105：将所有所述目标像素点拼合成结果图片。

通过步骤s104得到的所有的所述目标像素点，所拼合而成的s105中的所述结果图片，其中的光斑已经被消除或者缩小，进行下一步图像识别时，也能得到准确率较高的图像识别结果。

由上述可知，利用本申请的实施方案，可以获得没有或者基本没有光斑的结果图片，提高图像识别的正确率，同时，由于一次拍摄即可获得图像识别正确率较高的识别结果，也能有效提高图像识别的效率。

基于同一发明构思，本申请的实施例中还提供了一种图像识别光斑处理装置，如下面的实施例所述。由于图像识别光斑处理装置解决问题的原理与图像识别光斑处理方法相似，因此图像识别光斑处理装置的实施可以参见图像识别光斑处理方法的实施，重复之处不再赘述。以下所使用的，术语“单元”、“子单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图2是本申请实施例的图像识别光斑处理装置的一种结构框图。虽然本申请提供了如下述实施例或附图所示的装置结构，但基于常规或者无需创造性的劳动在所述装置中可以包括更多或者更少的模块单元。在逻辑性上不存在必要因果关系的结构中，这些装置的模块结构不限于本申请实施例描述及附图所示的模块结构。所述的模块结构在实际中的装置或终端产品应用时，可以按照实施例或者附图所示的模块结构连接进行顺序执行或者并行执行（例如并行处理器或者多线程处理的环境，甚至分布式处理环境）。

具体如图2所示，本申请一种实施例提供的所述图像识别光斑处理装置，可以包括：

至少两组光源201、图像采集模块202和图像处理模块203，

所述光源201，用于向图像采集区提供光照；

所述图像采集模块202，用于在每一组所述光源201向所述图像采集区提供光照的情况下，采集至少一张所述图像采集区内放置的待识别物的原始图片，并将所有所述原始图片均转换成rgb色彩模式的目标图片；

所述图像处理模块203，包括计算单元2031、判定单元2032和处理单元2033；所述计算单元2031，用于计算所有所述目标图片的所有像素点的灰度值；所述判定单元2032，用于在所有所述目标图片的同一个像素点中选取灰度值最小的像素点为目标像素点；所述处理单元2033，用于将所有所述目标像素点拼合成结果图片。

其中，所述光源201包括相邻设置的至少一个标准光源2011和/或至少一个红外光源2012和/或至少一个紫外光源2013；且至少两组所述光源201相邻设置。即，所述光源201包括相邻设置的至少一个标准光源2011，或者所述光源201包括相邻设置的至少一个标准光源2011和至少一个红外光源2012，或者所述光源201包括相邻设置的至少一个标准光源2011和至少一个紫外光源2013，或者所述光源201包括相邻设置的至少一个标准光源2011、至少一个红外光源2012和至少一个紫外光源2013。

在一个优选的实施方式中，所述图像识别光斑处理装置包括两组所述光源201；且所述图像采集模块202用于在每一组所述光源201向所述图像采集区提供光照的情况下，采集一张所述图像采集区内放置的所述待识别物的原始图片。

所述图像处理模块203中，所述计算单元2031通过以下公式计算所有所述目标图片的所有像素点的灰度值：

grey=0.299*r+0.587*g+0.114*b

或者，所述计算单元2031通过以下公式计算所有所述目标图片的所有像素点的灰度值：

grey=（299*r+587*g+114*b）/1000

其中，grey为该像素点的灰度值，r为该像素点的红色分量，g为该像素点的绿色分量，b为该像素点的蓝色分量。

上述实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的硬件的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，也可以通过数据迁移的实施过程中体现出来。本申请的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。