一种票据方向检测矫正方法及自动检票系统与流程

本发明涉及自动检票技术领域，具体涉及一种票据方向检测矫正方法及自动检票系统。

背景技术：

纸质票据的自动检测系统，被广泛应用于火车站、高铁站、电影院等相关领域；然而，在进行自动检票时，票据方向通常存在一定的偏差，不利于自动检票系统的识别效率和精度；例如，对于人流量相对大的火车站，通常设置有自动检票系统(即票面信息自动识别系统)，在实际使用时，由于人为投放火车票的方向、角度等位置信息存在差异性，导致自动检票系统拍摄到的火车票图像方向不一致，这种不一致的图像会对火车票的识别效率与精度产生不利影响，大大限制了火车票自动检票系统的识别率，给车站人工服务窗口增加工作量。为此，针对火车票图像研究一种车票方向检测矫正方法是很有必要的。

目前，常用的图像方向检测方法：主要是基于图像的边缘特征，通过sobel算子、canny算子等检测图像中的直线(如铁路轨道、桥梁裂痕、运动轨迹、矩形框等)，结合radon变换(0°～180°)进行方向积分投影，并提取投影的最大值，对直线进行方向检测。例如，针对图像的倾斜角，通过sobel算子提取字符的边缘，再结合radon变换就可以检测图像的倾斜角；针对轨道图像矫正，采用canny算子提取图像的边缘，结合radon变换提取图像的直线，计算原轨道的坐标可以对图像进行矫正；针对直线钢轨的识别问题，提出了基于radon变换提取直线角度差与平均距离筛选出钢轨边缘直线，可以实现直线钢轨的识别；针对运动模糊图像的方向估计，结合频谱的边缘检测与radon相结合的改进算法可以估计出运动模糊图像的方向；针对桥梁裂缝，利用小波变换突出桥梁的纹理特征，结合radon变换可以获得的特征值对桥梁裂缝的进行识别。

然而，现有的图像方向检测的方法中，算法只能够对于(0°～180°)范围内的直线方向进行检测；因为，当将图像进行0°～360°投影时，所旋转的轴线在θ°(0°<θ<180°)与(θ+180)°的投影结果相同，radon曲线会出现两个投影最大值，此时，无法确定哪个最大值所对应的角度能够表征图像的倾斜角度；而且该类算法在对图像进行直线提取时，通常会出现伪方向特征直线的存在，同时，对于直线起始点不同的情况，通常会得到相似的投影结果，对检测结果造成干扰，使得检测效果不佳；此外，现有的检测图像方向的方法对于图像背景较为简单的工业器件实用性强，且对图像拍摄质量要求高；而对于背景环境较为复杂的场合，非常容易出现提取到错误直线的情况，例如，在火车票自动检票系统获取车票图像的环节中，拍摄处于开放式环境，拍摄质量易受影响，且火车票本身背景复杂，所提取直线易出现提取错误的问题，使得现有的方向检测方法不能够有效的解决火车票图像方向检测与矫正的问题。

技术实现要素：

本发明的目的在于克服现有的票面自动化识别系统中，所拍摄的票据图像方向不一致对检票的效率与精度造成的不利影响，提供了一种基于特征区域聚类算法和radon变换的票据方向检测矫正方法，以保证票面自动化识别系统中票据图像方向具有一致性。

本发明所采用的技术方案是：

一种票据方向检测矫正方法，包括以下步骤：

步骤1、对所采集的票据图像进行灰度处理，获得灰度图像；

步骤2、采用特征区域聚类算法对所述灰度图像进行图像分割，并通过设置灰度阈值突出票据上的信息区域；

步骤3、通过图像形态学闭运算，对所述信息区域进行填充和修正；并利用图像块操作，从所述信息区域中提取方向特征区域，并使得票据图像仅保留方向特征区域；

步骤4、将步骤3中所获得的票据图像在0°～360°范围内进行radon变换，获得radon曲线，统计radon曲线各个点的积分强度值大于设定阈值t的元素，并在列方向上，分别计算所述元素的积分强度与该元素行数乘积的累加和，其中，所述累加和的最大值所对应的旋转角度值为票据图像的倾斜角度β。

步骤5、将票据图像旋转-β，实现对票据图像的矫正。

优选的，所述特征区域聚类算法采用的是k均值聚类算法，k均值聚类算法的步骤如下：

1)、根据所述灰度图像，设定k个像素点作为聚类的初始中心点；

2)、计算聚类中心点与灰度图像中各像素点灰度值之间的欧式距离，判断各像素点的分类，并将像素点划分为k类；

3)、对于所述k类像素点，分别将每一类取平均，并形成新的聚类中心点；

4)、计算新的聚类中心点与灰度图像中各像素点灰度值之间的欧氏距离，并重新聚类成k类；

5)、循环步骤3)和步骤4)，直到达到标准测度函数的收敛条件。

优选的，所述特征区域聚类算法采用的是3均值聚类算法，所述3均值聚类算法用于将所述票据图像的像素点聚类成3个灰度等级。

优选的，所述步骤2中，通过设置灰度阈值突出票据上的信息区域的方法是：设置灰度阈值l1，首先将灰度值小于l1的聚类所对应区域的灰度值设置为255，所述信息区域为灰度值小于或等于l1的聚类所对应的区域，然后将整个票据图像的灰度值取反。

优选的，所述步骤3中，利用图像块操作获得所述方向特征区域的方法是：设置阀值l2，将像素点小于阈值l2的块区域进行删除，保留像素点大于阈值l2的块区域，该区域即为所述方向特征区域。

优选的方案中，所述方向特征区域为票据图像上二维码所在的矩形区域。

优选的，所述步骤4中，所述阈值t为210。

进一步的，所述步骤4中还包括绘制方向预估图，所述方向预估图以radon变换的旋转角度θ作为横坐标，θ∈(0°，360°)，以所对应的累加和的大小作为纵坐标，所述方向预估图的峰值点所对应的横坐标即为所述票据图像的倾斜角度；该波形图的数学表达式为：

其中，所述r(r,θ)[f(x,y)]表示radon曲线，t表示设定阈值，i表示元素的值大于阈值t的元素点所对应的行数，ρ(θ)表示各旋转角度θ所对应的累加和。

优选的，所述票据图像中的票据为火车票、动车票、高铁票、电影票或门票。

一种自动检票系统，包括图像采集模块和票据方向检测模块，其中，所述图像采集模块与所述票据方向检测模块相连，图像采集模块用于采集票据图像，并传输给票据方向检测模块，所述票据方向检测模块采用前述票据方向检测矫正方法检测并校正所述票据图像的方向。

与现有技术相比，使用本发明提供的一种票据方向检测矫正方法及自动检票系统，具有以下有益效果：

1、本发明，采用特征区域聚类算法和radon变换对的票据图像的方向进行自动检测和矫正，检测过程高效、结果准确，并可以自动矫正票据图像，保证票面自动化识别系统中票据图像方向具有一致性，从而有利有效解决现有技术中，图像方向不一致对检票效率及精度造成不利影响的弊端。

2、在本发明所提供的方法中，采用票据上的二维码区域作为票据图像的方向特征区域，使得设置有二维码的所有票据，如火车票、动车票、高铁票、电影票、门票(如旅游景区的门票、场馆的门票等)等，都可以采用本方法检测票据的方向，从而使得本方法的适用面更广。

3、本发明所提供的方法中，对radon变换算法进行了改进，改进后的radon变换相对于从传统的radon曲线方向估计，能够消除图像特征区域邻域像素点的干扰，对角度的识别精度更高，并能拓展radon变换用于方向检测时所检测的角度范围。

4、本发明所提供的方法，利用聚类方法提取图像的特征区域用于方向检测，能够扩展图像方向检测的实用性，对于直线特征不明的图像，通过提取图像的方向特征区域，结合改进的radon变换，可以更高效、准确的检测图像的倾斜角度。

5、本发明所提供的方法，与现有的图像方向检测算法相比，能够拓展radon变换用于方向检测的角度范围，不仅能对全角度(0°～360°)的票据图像进行方向检测与矫正，而且能够消除图像本身复杂背景、方向特征区域邻域像素点对方向检测的干扰，有利于票面自动化识别系统中信息区域的定位与切割，具有较高的实用价值。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例1中提供的一种票据方向检测矫正方法的流程示意图。

图2为本发明实施例1中提供的一种票据方向检测矫正方法中，k均值聚类算法的示意图，且k＝3，图中(a)、(b)、(c)、(d)分别代表k均值聚类过程的不同阶段。

图3为本发明实施例1中提供的一种票据方向检测矫正方法中，票据图像进行radon变换的原理示意图。

图4为采用实施例1中所提供的方法检测并矫正所采集的火车票图像时，各步骤的效果图，其中，(a)为经过步骤1后获得的灰度图像，(b)为经过步骤2后的效果图，(c)为经过步骤3的图像形态学闭运算后的效果图，(d)为经过步骤3的图像块操作，并提取出方向特征区域后的效果图，(e)为经过步骤4所获得的方向预估图，(f)为经过步骤5矫正后的票据图像。

图5为采用实施例1中所提供的方法检测并矫正所采集的火车票图像时的检验效果，图中(a)为火车票的实际倾斜角度(60度)，(b)为获得的方向预估图。

图6为采用实施例1中所提供的方法检测并矫正所采集的火车票图像时的检验效果，图中(a)为火车票的实际倾斜角度(120度)，(b)为获得的方向预估图。

图7为采用实施例1中所提供的方法检测并矫正所采集的火车票图像时的检验效果，图中(a)为火车票的实际倾斜角度(210度)，(b)为获得的方向预估图。

图8为采用实施例1中所提供的方法检测并矫正所采集的火车票图像时的检验效果，图中(a)为火车票的实际倾斜角度(330度)，(b)为获得的方向预估图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

实施例1

请参阅图1，本实施例中提供了一种票据方向检测矫正方法，主要涉及特征区域聚类算法和radon变换算法，具体步骤如下：

步骤1：对所采集的票据图像进行灰度处理，获得灰度图像。

通常把白色与黑色之间按对数关系分为若干等级，称为灰度，灰度分为256阶，其中灰度值为0表示黑色，灰度值为255表示白色；灰度图像，又称灰阶图，是指图像上的是每个像素只有一个采样颜色的图像，对任意图像进行灰度处理，是非常成熟的现有技术，这里不再赘述。

步骤2：采用特征区域聚类算法对所述灰度图像进行图像分割，并通过设置灰度阈值突出票据上的信息区域。

信息区域为票据的票面，对于票据图像上的信息区域的突出与提取，采用特征区域聚类算法较为实用；为便于描述，在本实施例，以火车票为例，至少存在以下原因：

首先，火车票图像具有背景复杂、信息分布不均匀、图像的直线特点不明显等特征；在对该类火车票图像进行直线提取时，由于图像背景灰度值分布较为集中，造成图像对比度差，导致直线提取过程复杂，易出现伪方向特征直线；

其次，由于火车票的信息印刷版次不同，导致印刷在火车票上的信息与火车票票面本身的方向存在一定的角度偏差，通过图像边缘检测提取到火车票边缘直线，该直线无法精确反映火车票信息倾斜角度；同时，提取的直线通过radon变换进行方向检测时，不能够实现全角度(0°～360°)的方向检测。

最后，针对火车票图像直线特点不明显的特征，相对于分布散乱的字符信息，对字符通过radon变换得到的radon曲线分布无规律性，难以从字符的方向性提取图像的方向。

而采用特征区域聚类算法，可以有效解决上述问题，以利于后续处理步骤；而采用特征区域聚类算法提取信息区域属于特征区域的粗提取过程，在本实施例中，特征区域聚类算法优先采用的是k均值聚类算法，

k均值聚类算法的聚类特点有利于对任意方向的票据图像进行分割处理，不会因为图像的放置角度而影响图像的聚类效果；k均值聚类算法中，k取正整数，通过k均值聚类算法可以将票据图像分割成处理为k个聚类。

在本实施例中，k均值聚类算法的步骤如下：

1)、根据所述灰度图像，设定k个像素点作为聚类的初始中心点；

2)、计算聚类中心点与灰度图像中各像素点灰度值之间的欧式距离，判断各像素点的分类，并将像素点划分为k类，如图2所示；

3)、对于所述k类像素点，分别将每一类取平均，并形成新的聚类中心点；

4)、计算新的聚类中心点与灰度图像中各像素点灰度值之间的欧氏距离，并重新聚类成k类；

5)、循环步骤3)和步骤4)，直到达到标准测度函数的收敛条件。

在上述步骤中，将票据图像的像素点进行分类的依据是：图像像素点与k个聚类中心点的欧式距离最近的聚类中心点即是像素点的聚类结果，其中，欧氏距离见式(1)。

d＝|xi-mj|，(1)

其中，xi表示图像中像素点i的灰度值，mj表示聚类中心点j的灰度值，d表示两点之间的欧氏距离。

k均值聚类结束的条件是标准测度函数收敛，其中，标准测度函数用图像像素点与聚类中心点的协方差来表示，表达式见式(2)。

其中cov表示票据图像的协方差之和，x为聚类ci中的第i个像素点，mi为聚类ci的均值，k表示聚类的类数。

在本步骤2中，当k均值聚类算法完成之后，票据图像可以根据聚类结果划分为k个区域，通过设置灰度阈值，可以突出票据上的信息区域，并使得票据图像上除信息区域之外的区域被弱化；

在本实施例的步骤2中，一种优选的，通过设置灰度阈值突出(或凸显)票据上的信息区域的方法是：去除图像所处大背景与票据背景，仅保留信息区域；作为举例，具体的方法可以是：首先，设置灰度阈值l1，并将灰度值小于l1的聚类所对应区域的灰度值设置为255，即，使得除开所述信息区域之外的所有区域的灰度值设置为255(即白色)，此时，所述信息区域就是灰度值大于或等于l1的聚类所对应的区域；然后，将所有区域(即整个票据图像)的灰度值取反，此时，除开所述信息区域之外的所有区域的灰度值都变为0(即黑色)，信息区域高亮，从而使得信息区域可以从票据图像上凸显出来(或突出)。

步骤3：通过图像形态学闭运算，对所述信息区域进行填充和修正；并利用图像块操作，从所述填充和修正后的信息区域中获得方向特征区域。

在优选的方案中，所要提取的方向特征区域为票据图像上二维码所在的矩形区域，一方面，因为常用的票据上都设置有二维码，例如，火车票上等，通用性好，另一方面，二维码形状规整，且大小、位置相对固定，对拍摄环境、图像拍摄的质量要求不高，通过radon变换检测图像方向可行性高，此外，由于票据印刷方式的原因，该区域的方向性能够间接的反映火车票文字信息的方向性；故将二维码区域作为票据图像的方向特征区域最佳。

经过步骤2之后，票据图像上的二维码包含在所述信息区域中，即方向特征区域包含在所述信息区域中，故在本步骤中，可以采用图像形态学闭运算结合图像块操作对步骤2中所获得的信息区域的中的方向特征区域(即二维码区域)进行精确提取；利用图像(或数字)形态学闭运算操作，对于分布较为散乱的字符信息，该操作可以消除字符段之间黏连的小结构体，对于方向特征区域，该操作可以将方向特征区域中的空洞进行填充；经过闭运算处理后的票据图像，会将票据图像分为大大小小的块状区域，其中，方向特征区域的块状结构远远大于其他块状结构；基于此特点，利用图像块操作，通过设定阈值，将块区域像素点小于阈值的块区域进行删除，保留块区域最大的方向特征区域，实现对方向特征区域的精提取。

在本步骤中，可以利用图像块操作从所述信息区域中获得所述方向特征区域，优选的方法为：设置阀值l2，将像素点小于阈值l2的块区域进行删除(即将块区域像素点小于阈值l2的块区域的灰度值设置为0)，保留像素点大于阈值l2的块区域，该区域即为所述方向特征区域，从而使得整个票据图像仅保留方向特征区域。

本步骤4主要是采用radon变换对票据图像中的方向特征区域的方向进行检测。

radon变换中，传统的方法是查看图像的灰度值分布看灰度直方图，而radon变换的目的是从角度(0°～360°)范围内查看图像像素点灰度值为255的分布情况；radon变换主要的思想是投影积分，对于二值化图像，radon变换是将图像坐标轴旋转相应的角度，在新的坐标系下对图像灰度值为255的像素点进行积分，其积分结果又叫做radon曲线；票据图像的radon变换的示意图如图3所示，其中，f(x,y)表示票据图像的示意图，其中黑色方块区域表示票据图像的方向特征区域(即二维码区域)，通过将票据图像的坐标轴旋转角度θ，形成新的坐标系x'、y'，并在新坐标系下，对票据图像f(x,y)进行积分投影得到rθ[f(x,y)]。

利用radon变换对二值化的票据图像进行方向检测时，只需要二维的radon变换就可以，其变换的数学表达式如式(3)所示。

其中，f(x,y)表示二值化的票据图像矩阵；r取值范围是(-∞，+∞)，表示积分线到坐标原点的垂直距离；θ∈(0°，360°)，表示radon变换坐标轴相对于f(x,y)坐标原点的旋转角度；δ表示狄拉克函数，表达式如式(4)，该函数使得f(x,y)沿着直线r进行积分，r的数学表达式如式(5)所示。

r＝xcosθ+ysinθ(5)

传统的radon变换通过提取radon曲线的峰值点进行直线方向检测时，radon变换通过将图像坐标轴进行角度在0°～180°的旋转，并将各个方向角度的图像在旋转后的坐标系下进行投影积分，最终会形成radon曲线。其矩阵表示为r(r,θ)[f(x,y)]，该矩阵为二维矩阵，矩阵横坐标表示旋转角度θ，纵坐标表示图像在坐标系旋转θ角度后，像素点在x轴方向上的投影，矩阵中每一点的数值大小表示在该旋转后的坐标系下图像在该点的积分强度，强度值越大投影积分的面积越大，相关研究已表明：积分强度值最高点对应的横坐标值表示直线的方向。

如背景中所述，现有的方法中，只能在0°～180°范围内进行直线方向检测，当将图像进行0°～360°投影时，所旋转的轴线在θ°(0°<θ<180°)与(θ+180)°的投影结果相同，radon曲线会出现两个投影最大值，此时，无法确定哪个最大值所对应的角度能够表征图像的倾斜角度。

而在本实施例中，步骤4采用的是改进的radon变换对票据图像的方向进行检测，具体而言，步骤4为：将步骤3中所得到的票据图像在0°～360°范围内进行radon变换，获得radon曲线；

统计radon曲线上各个点的积分强度值大于设定阈值t的元素，并在列方向上，分别计算所述元素的积分强度与该元素行数乘积的累加和，其中，所述累加和的最大值所对应的旋转角度值就是票据图像的倾斜角度β。

在进一步的方案中，步骤4中还可以包括绘制方向预估图的过程，通过绘制方向预估图，可以更直观的获得票据图像的倾斜角度，具体的方法为：所述方向预估图以radon变换的旋转角度θ作为横坐标，θ∈(0°，360°)，以所对应的累加和的大小(即各列像素点强度值)作为纵坐标，所述方向预估图的峰值点所对应的横坐标即为票据图像的倾斜角度；该波形图的数学表达式如式(6)。

其中，所述r(r,θ)[f(x,y)]表示radon曲线，t表示设定阈值，i表示元素的值大于阈值t的元素点所对应的行数，ρ(θ)表示各旋转角度θ所对应的累加和。

本步骤中所提供的改进的radon变换，不局限取radon曲线的积分强度值的最高点，通过加入行数，引入阈值t，计算积分强度值与该元素行数乘积能够克服θ°(0<θ<180)与(θ+180)°的投影结果相等的情况，进而实现全角度(0°～360°)的方向检测与矫正，而且能够消除图像本身复杂背景、方向特征区域邻域像素点对方向检测的干扰，有利于自动交票系统(或票面自动化识别系统)中信息区域的定位与切割，实用性强、适用面广。

步骤5：将票据图像旋转-β，实现对票据图像的矫正。

在本步骤中，通常可以结合图像几何变换的旋转操作将图像旋转-β的角度，从而可以将票据图像矫正，最后输出矫正后的票据图像，从而可以精确、高效的实现后续图像识别等操作即可，这里不再赘述。

在本发明所提供的方法中，采用票据上的二维码区域作为票据图像的方向特征区域，使得设置有二维码的所有票据，如火车票、动车票、高铁票、电影票或门票(如旅游景区的门票、场馆的门票等)等，都可以采用本方法检测票据的方向，从而使得本方法的适用面更广。

实施例2

本实施例2采用了实施例1中的票据方向检测矫正方法，对倾斜120度后所采集的火车票图像进行了方向检测和矫正，以便验证实施例1中所述方法的可行性及效果，具体的过程如下：

(1)对所采集的票据图像进行灰度处理，获得灰度图像，如图4中的(a)所示；

(2)采用3均值聚类算法对所述灰度图像进行图像分割，即在k均值聚类算法的第一步设置3个像素点作为聚类的初始中心点，以便利用k均值聚类算法对火车票图像进行3均值聚类，使得火车票图像上的所有像素点可以聚类成3个灰度等级，即，能够将所采集的火车票图像中，票据所在的大背景(即票据之外的部分)的像素点聚类到高灰度级部分(颜色最亮)，将火车票票面上的背景像素点聚类成中间灰度级部分，并将火车票图像中的信息区域(即文字、数值、二维码等)的像素点聚类成低灰度级部分(颜色最暗)；基于聚类块之间的灰度值差异性，在本实施例中，采用如下方法凸出火车票图像上的信息区域：先将所有区域(即整个火车票图像)的灰度值取反，如图4中的(b)所示，使得信息区域在整个图像中的颜色最亮，然后通过设定灰度阈值l1，将聚类后火车票所在的大背景与火车票票面背景的灰度值分别设置为0(或1等，灰度值较低的值即可)，信息区域的灰度值设置为255；如图4中的(b)或(c)所示，此时，使得信息区域高亮，从而有益于信息区域从票据图像上凸显出来。可以理解，采用实施例1中的方法凸显票据图像上的信息区域，也具有相同的效果。

(3)通过图像形态学闭运算，对所述信息区域进行填充和修正，如图4中的(c)所示；并利用图像块操作，从所述信息区域中提取方向特征区域，并使得票据图像仅保留方向特征区域，如图4中的(d)所示；

(4)将步骤(3)中所得到的票据图像在0°～360°范围内进行radon变换，获得radon曲线，统计radon曲线各个点的积分强度值大于设定阈值t的元素，并在列方向上，分别计算所述元素的积分强度与该元素行数乘积的累加和，并按照实施例1中所述的方法绘制方向预估图，如图4中的(e)所示，在本实施例中，radon曲线的积分强度值范围为0～750，阈值t的设定值为210。

从图4中的(e)中可见，方向预估图的峰值点所对应的横坐标即为票据图像的倾斜角度，如图所示，采用本方法检测出的火车票的倾斜角度为β＝120°，与火车票的实际倾斜角度相同，表明实施例1中所述的票据检测方法是可行的，而且检测精度较高。

(5)将票据图像旋转-120°，实现对票据图像的矫正，如图4中的(f)所示然后输出矫正后的火车票图像即可，以便后续进行图像识别等操作。

实施例3

本实施例3采用实施例1或实施例2的方法，对平面直角坐标系中，四个象限中的60°、120°、210°以及330°的火车票图像进行倾斜角测试，并将结果呈现，分别如图5、图6、图7、以及图8所示，可见火车票图像的实际倾斜角度与监测出的火车票图像的倾斜角度高度一致，可见，本发明提供的票据方向检测矫正方法可以准确的对于全角度(0到360度范围内)、任意方向的火车票图像进行方向检测。

实施例4

本实施例提供了一种自动检票系统，包括图像采集模块和票据方向检测模块，其中，所述图像采集模块与所述票据方向检测模块相连，图像采集模块用于采集票据图像，并传输给票据方向检测模块，所述票据方向检测模块通常为处理数据处理芯片，票据方向检测模块采用实施例1中所述的票据方向检测矫正方法检测并校正所述票据图像的方向，以便后续的票据识别等。

在进一步的方案中，还包括图像识别模块，所述图像识别模块与所述票据方向检测模块相连，票据方向检测模块用于向图像识别模块输出矫正方向之后的票据图像，图像识别模块用于在接收到所述票据图像后进行图像识别，以便提取票据图像上的信息，实现对持票人身份的自动识别功能。

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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。