检测票据粘贴区域的方法、系统、检测设备和存储装置与流程

本发明涉及图像检测技术领域，尤其涉及检测票据粘贴区域的方法、系统、检测设备和存储装置。

背景技术：

现有的票据粘贴检测算法一般都是基于全幅面的粘贴检测，且通常只用红外透图一个光源图像。基于全幅面的粘贴检测，首先时间消耗比较多，而且非要素区域的粘贴检测也没有检测意义，其次全幅检测不可避免会存在更多干扰，二值化方式不好设计，而且为了兼容这些干扰，必然会降低粘贴算法的敏感度，因此，很有可能造成漏检，从而造成损失。

技术实现要素：

本发明提出了检测票据粘贴区域的方法、系统、检测设备和存储装置，能够有效解决对判断票据是否存在粘贴区域的受到干扰较多造成漏检问题。

一种检测票据粘贴区域的方法，包括：获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像；对所述红外透视检测图像和所述可见光检测图像进行灰度处理，获取所述红外透视检测图像的红外透视灰度图像和所述可见光检测图像的可见光灰度图像；获取所述红外透视灰度图像的每个像素的红外透视灰度值，根据所述红外透视灰度值计算出所述红外透视灰度图像的红外透视灰度平均值，将所述红外透视灰度平均值作为所述红外透视灰度图像的最小二值化阈值；根据所述红外透视灰度值计算出所述红外透视灰度图像的红外透视灰度阈值，若所述红外透视灰度阈值大于或等于所述最小二值化阈值，则根据所述红外透视灰度阈值对所述红外透视灰度图像进行二值化处理，获取红外透视二值化图像；获取所述可见光灰度图像的每个像素的可见光灰度值，根据所述可见光灰度值计算出所述可见光灰度图像的可见光灰度阈值，根据所述可见光灰度阈值对所述可见光图像进行二值化处理，获取可见光二值化图像；将所述红外透视二值化图像和所述可见光二值图像进行对比，若所述红外透视二值化图像和所述可见光二值图像的差异度大于或等于预设差异阈值，则判定所述预设检测区域存在所述粘贴区域。

一种检测票据粘贴区域的系统，包括：获取模块，用于获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像；灰度模块，用于对所述红外透视检测图像和所述可见光检测图像进行灰度处理，获取所述红外透视检测图像的红外透视灰度图像和所述可见光检测图像的可见光灰度图像；最小模块，用于获取所述红外透视灰度图像的每个像素的红外透视灰度值，根据所述红外透视灰度值计算出所述红外透视灰度图像的红外透视灰度平均值，将所述红外透视灰度平均值作为所述红外透视灰度图像的最小二值化阈值；第一二值模块，用于根据所述红外透视灰度值计算出所述红外透视灰度图像的红外透视灰度阈值，若所述红外透视灰度阈值大于或等于所述最小二值化阈值，则根据所述红外透视灰度阈值对所述红外透视灰度图像进行二值化处理，获取红外透视二值化图像；第二二值模块获取所述可见光灰度图像的每个像素的可见光灰度值，根据所述可见光灰度值计算出所述可见光灰度图像的可见光灰度阈值，根据所述可见光灰度阈值对所述可见光图像进行二值化处理，获取可见光二值化图像；结果模块，用于将所述红外透视二值化图像和所述可见光二值图像进行对比，若所述红外透视二值化图像和所述可见光二值图像的差异度大于或等于预设差异阈值，则判定所述预设检测区域存在所述粘贴区域。

一种检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法的步骤

一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上所述方法的步骤。

采用本发明实施例，具有如下有益效果：

获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像，将根据红外透视检测图像获取的红外透视二值化图像和根据可见光检测突出获取的可见光二值图像进行对比，以判定预设检测区域是否存在粘贴区域。结合可见光检测图像进行对比，可以进一步提升判断的准确率。根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

附图说明

为了更清楚地说明本发明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。

其中：

图1是本发明提供的检测票据粘贴区域的方法的第一实施例的流程示意图；

图2是本发明提供的目标检测票据的可见光图像的示意图；

图3是本发明提供的目标检测票据的红外透视图像的示意图；

图4是本发明提供的目标检测票据的预设检测区域的可见光检测图像的示意图；

图5是本发明提供的目标检测票据的预设检测区域的红外透视图像的示意图；

图6是本发明提供的目标检测票据的预设检测区域的红外透视灰度图像的示意图；

图7是本发明提供的目标检测票据的预设检测区域的可见光灰度图像的示意图；

图8是本发明提供的目标检测票据的预设检测区域的红外透视二值化图像的示意图；

图9是本发明提供的目标检测票据的预设检测区域的可见光二值化图像的示意图；

图10是本发明提供的检测票据粘贴区域的方法的第二实施例的流程示意图；

图11是本发明提供的目标检测票据的预设检测区域的红外透视膨胀图像的示意图；

图12是本发明提供的目标检测票据的预设检测区域的可见光膨胀图像的示意图；

图13是本发明提供的目标检测票据的预设检测区域的粘贴区域图像的示意图；

图14是本发明提供的检测票据粘贴区域的系统的一实施例的结构示意图；

图15是本发明提供的检测设备的一实施例的结构示意图；

图16是本发明提供的存储介质的一实施例的结构示意图。

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，所描述的实施例仅仅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作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。

请参阅图1，图1是本发明提供的检测票据粘贴区域的方法的第一实施例的流程示意图。本发明提供的检测票据粘贴区域的方法包括如下步骤：

s101：获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像。

在一个具体的实施场景中，获取目标检测票据的可见光图像和红外透视图像，可见光图像和红外透视图像的尺寸相同，请结合参阅图2和图3，图2是本发明提供的目标检测票据的可见光图像的示意图，图3是本发明提供的目标检测票据的红外透视图像的示意图。获取预设检测区域的位置参数，包括四条边相对于目标检测票据边缘的距离、四个顶点的坐标值中的至少一项，根据位置参数对可见光图像和红外透视图像进行图像截取，获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像。请结合参阅图4和图5，图4是本发明提供的目标检测票据的预设检测区域的可见光检测图像的示意图，图5是本发明提供的目标检测票据的预设检测区域的红外透视图像的示意图。

s102：对红外透视检测图像和可见光检测图像进行灰度处理，获取红外透视检测图像的红外透视灰度图像和可见光检测图像的可见光灰度图像。

在一个具体的实施场景中，对红外透视检测图像和可见光检测图像进行灰度处理，获取红外透视检测图像的红外透视灰度图像和可见光检测图像的可见光灰度图像。红外透视检测图像的大部分区域是灰白色的，但是票据上可能存在红色的印章、行徽(一般为红色)以及荧光字样(一般为红色)，为了避免这些颜色影响后续判断，对红外透视检测图像进行灰度处理。可见光检测图像为彩色图像，包括多种颜色，目标检测票据本身可以是红色、绿色、蓝色等颜色，目标检测票据上的字体颜色也可以包括黑色之外的其他颜色，为了避免这些颜色影响后续判断，对可见光图像进行灰度处理。

灰度处理的方法包括平均值法、平均加权法以及使用在opencv中的cv_rgb2gray函数。

在其他实施场景中，还可以对红外透视检测图像取第一颜色通道的结果作为红外透视检测图像的红外透视灰度图像，由于红外透视检测图像中的常见的干扰颜色为红色，因此第一颜色为红色。对红外透视检测图像取红色通道，获取红外透视灰度图像。请结合参阅图6，图6是本发明提供的目标检测票据的预设检测区域的红外透视灰度图像的示意图。

将对可见光检测图像取第二颜色通道的结果作为可见光检测图像的可见光灰度图像。第二颜色为可见光检测图像的背景颜色，也就是目标检测票据的颜色，例如目标检测票据为红色，则第二颜色为红色，对可见光检测图像取红色通道，获取可见光灰度图像。请结合参阅图7，图7是本发明提供的目标检测票据的预设检测区域的可见光灰度图像的示意图。

s103：获取红外透视灰度图像的每个像素的红外透视灰度值，根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度平均值和红外透视灰度阈值。

在一个具体的实施场景中，需要对红外透视灰度图像和可见光灰度图像进行二值化，二值化需要获取灰度阈值，将大于或等于该灰度阈值的像素值统一设置为255(白色)，将小于该灰度阈值的像素值统一设置为0(黑色)。获取红外透视灰度图像的每个像素的红外透视灰度值，根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值。获取红外透视灰度阈值的方法包括双峰法、p参数法、大律法、最大熵阈值法等等。在本实施场景中，可以获取红外透视灰度图像的所有像素的红外透视灰度值的平均值(包括算术平均值、几何平均值、平方平均值、调和平均值、加权平均值)作为红外透视灰度平均值。

s104：若红外透视灰度阈值大于或等于红外透视灰度平均值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，获取红外透视二值化图像。

在一个具体的实施场景中，若目标检测区域为完全粘贴区域，参阅图2和图3中的大写金额区域，则仅仅依靠步骤s103中的结果获取红外透视灰度阈值，很可能红外透视灰度阈值就很小，就算目标检测区域存在粘贴也可能导致漏检。因此，红外透视灰度阈值大于或等于红外透视灰度平均值，则将红外透视灰度阈值作为红外透视灰度图像的红外透视灰度阈值，防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判。

在其他实施场景中，若红外透视灰度阈值小于红外透视灰度平均值，则根据红外透视灰度平均值进行二值化处理。

s105：获取可见光灰度图像的每个像素的可见光灰度值，根据可见光灰度值计算出可见光灰度图像的可见光灰度阈值，根据可见光灰度阈值对可见光图像进行二值化处理，获取可见光二值化图像。

在一个具体的实施场景中，获取可见光灰度图像的每个像素的可见光灰度值，根据可见光灰度值计算出可见光灰度图像的可见光灰度阈值。获取可见光灰度阈值的方法包括双峰法、p参数法、大律法、最大熵阈值法等等。在本实施场景中，可以获取可见光灰度图像的所有像素的可见光灰度值的平均值(包括算术平均值、几何平均值、平方平均值、调和平均值、加权平均值)，或者根据预设的算法对至少一个可见光灰度值进行能计算。

s106：将红外透视二值化图像和可见光二值图像进行对比，若红外透视二值化图像和可见光二值图像的差异度大于或等于预设差异阈值，则判定预设检测区域存在粘贴区域。

在一个具体的实施场景中，根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，获取红外透视二值化图像，将红外透视灰度图像中大于或等于红外透视灰度阈值的像素值设置为255，小于红外透视灰度阈值的像素值设置为0。类似的，根据可见光灰度阈值对可见光灰度图像进行二值化处理，获取可见光二值化图像，将可见光灰度图像中大于或等于可见光灰度阈值的像素值设置为255，小于可见光灰度阈值的像素值设置为0。请结合参阅图8和图9，图8是本发明提供的目标检测票据的预设检测区域的红外透视二值化图像的示意图。图9是本发明提供的目标检测票据的预设检测区域的可见光二值化图像的示意图。

经过二值化之后，红外透视二值化图像的示意图中黑色的部分包括粘贴区域和涂改区域，而可见光二值化图像的黑色部分包括涂改区域，因此可以计算红外透视二值化图像和可见光二值图像的差异度，若差异度大于或等于预设差异阈值，则判定预设检测区域存在粘贴区域。

通过上述描述可知，在本实施例中，获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像，将根据红外透视检测图像获取的红外透视二值化图像和根据可见光检测突出获取的可见光二值图像进行对比，以判定预设检测区域是否存在粘贴区域。结合可见光检测图像进行对比，可以有效提升判断的准确率。根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

请参阅图10，图10是本发明提供的检测票据粘贴区域的方法的第二实施例的流程示意图。本发明提供的检测票据粘贴区域的方法包括如下步骤：

s201：获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像。

s202：对红外透视检测图像和可见光检测图像进行灰度处理，获取红外透视检测图像的红外透视灰度图像和可见光检测图像的可见光灰度图像。

在一个具体的实施场景中，步骤s201-s202与本发明提供的检测票据粘贴区域的方法的第一实施例中的步骤s101-s102基本一致，此处不再进行赘述。

s203：获取红外透视灰度图像的每个像素的红外透视灰度值，将红外透视灰度值按照从大到小进行排序获取红外透视灰度值序列，获取红外透视灰度值序列中的满足预设条件的值。

在一个具体的实施场景中，获取红外透视灰度图像的每个像素的红外透视灰度值，红外透视灰度值按照从大到小进行排序获取红外透视灰度值序列，获取红外透视灰度值序列中的满足预设条件的值，可以是第预设数量个值，例如红外透视灰度值序列中的第20个红外透视灰度值、第30个红外透视灰度值。或者是第20％*n个，第30％*n个，n为红外透视灰度值的数量。

还可以是对应的像素点的数量最多的值，或者可以将红外透视灰度值序列的中的红外透视灰度值对应的像素点占红外透视灰度图像的比例相加，当相加后的结果占比满足预设占比阈值时，最后一个相加的比例对应的像素点的红外透视灰度值作为满足预设条件的值。具体地说，例如红外透视灰度值序列为{a,b,c,d,e…}。其中，a对应的像素点有na个，占红外透视灰度图像的比例a％，b对应的像素点有nb个，占红外透视灰度图像的比例b％，c对应的像素点有nc个，占红外透视灰度图像的比例c％，d对应的像素点有nd个，占红外透视灰度图像的比例d％...则判断a％是否满足预设占比阈值，若不满足，则计算a％+b％是否满足预设占比阈值，若仍不满足，则计算a％+b％+c％是否满足预设占比阈值，若满足，则最后加上的c％对应的红外透视灰度值c为满足预设条件的值。

因为红外透视灰度图像中可能存在白色水印的干扰，防止因百分比过低使得到的满足条件的值为白水印的值，后续可能因为二值化阈值过高导致错检，同理也不能取太低，太低会造成漏检，满足条件的值能够取到黑白水印之间或者说是区域中较均匀的灰白色背景的灰度值最合适。因此，预设占比阈值为20％-40％，在本实施场景中，为30％。

s204：将红外透视灰度值序列中的满足预设条件的值除以预设数值的第一结果作为红外透视灰度图像的红外透视灰度阈值。

在一个具体的实施场景中，因为红外透视灰度图像中除了可见光正面图的要素文字外，还会有可见光背面的文字，文字叠加起来墨迹较浓，直接使用会导致错检，所以不能直接将满足条件的值作为红外透视灰度阈值，而是需要将满足条件的值除以预设数值，使错检不出现，一般预设数值取1-2之间的数值。

s205：根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度平均值。

s206：若红外透视灰度阈值大于或等于红外透视灰度平均值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，获取红外透视二值化图像。

在一个具体的实施场景中，步骤s205-s206与本发明提供的检测票据粘贴区域的方法的第一实施例中的步骤s103中根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度平均值的部分和s104基本一致，此处不再进行赘述。

s207：获取可见光灰度图像的每个像素的可见光灰度值，将可见光灰度值按照从大到小进行排序获取可见光灰度值序列，获取可见光灰度值序列中的满足预设条件的值。

在一个具体的实施场景中，获取可见光灰度值序列中的满足预设条件的值的步骤与步骤s204中获取红外透视灰度值序列中的满足预设条件的值的步骤基本相同，此处不再进行赘述。

s208：将可见光灰度值序列中的满足预设条件的值作为可见光灰度图像的可见光灰度阈值。

在一个具体的实施场景中，由于可见光图像不会存在背面透视的情况，整体粘贴对灰度的影响也不大，因此可以直接将满足预设条件的值作为可见光灰度图像的可见光灰度阈值。

在其他实施场景中，也可以将满足预设条件的值执行步骤s204中的操作，将获取的结果作为可见光灰度阈值。

s209：根据可见光灰度阈值对可见光图像进行二值化处理，获取可见光二值化图像。

在一个具体的实施场景中，步骤s209与本发明提供的检测票据粘贴区域的方法的第一实施例中s105中所述的获取红外透视二值化图像和见光二值化图像的部分基本一致，此处不再进行赘述。

s210：对红外透视二值化图像和可见光二值化图像进行膨胀处理，获取红外透视膨胀图像和可见光膨胀图像。

在一个具体的实施场景中，对红外透视二值化图像进行膨胀处理。根据预设高度值和预设宽度值生成滑动窗口，将滑动窗口按照预设滑动轨迹在红外透视二值化图像上“z”字型滑动，在滑动窗口进行滑动的过程中，将滑动窗口覆盖区域中的所有像素的最大值替换掉滑动窗口覆盖区域中心位置的像素的像素值。经过膨胀处理之后，获得的红外透视膨胀图像中白色区域所占面积会变大。

类似的，对可见光二值化图像进行膨胀处理。根据预设高度值和预设宽度值生成滑动窗口，将滑动窗口按照预设滑动轨迹在可见光二值化图像上“z”字型滑动，在滑动窗口进行滑动的过程中，将滑动窗口覆盖区域中的所有像素的最大值替换掉滑动窗口覆盖区域中心位置的像素的像素值。经过膨胀处理之后，获得的可见光膨胀图像中白色区域所占面积会变大。对红外透视二值化图像和可见光二值化图像进行膨胀处理时，设置的滑动窗口的尺寸一致。

请结合参阅图11和图12，图11是本发明提供的目标检测票据的预设检测区域的红外透视膨胀图像的示意图。图12是本发明提供的目标检测票据的预设检测区域的可见光膨胀图像的示意图。

s211：判断红外透视膨胀图像和可见光膨胀图像是否相同，若否，则执行步骤s212。

在一个具体的实施场景中，判断红外透视膨胀图像和可见光膨胀图像是否相同，具体地说，红外透视膨胀图像和可见光膨胀图像的尺寸相同，因此可以判断红外透视膨胀图像黑色像素点所在的位置与可见光膨胀图像中黑色图像像素点所在位置是否相同，由于图像清晰度等原因，可以设置一判断阈值，判断或者两者的红外透视膨胀图像黑色像素点中其所在的位置与可见光膨胀图像中黑色图像像素点所在位置相同的数量占红外透视膨胀图像黑色像素点总数量的百分比是否超过该判断阈值，例如80％、85％、90％等等，若超过，则判定红外透视膨胀图像和可见光膨胀图像相同。

s212：判定预设检测区域存在粘贴区域，将红外透视膨胀图与可见光膨胀图不同的区域作为粘贴区域。

在一个具体的实施场景中，红外透视膨胀图像和可见光膨胀图像不同，判定预设检测区域存在粘贴区域，将红外透视膨胀图中具有与可见光膨胀图的黑色像素点相同的位置的的黑色像素点替换为白色像素点，获得粘贴区域图像，粘贴区域图像中黑色像素点所在的区域即为粘贴区域。请结合参阅图13，图13是本发明提供的目标检测票据的预设检测区域的粘贴区域图像的示意图。

在其他实施场景中，若红外透视膨胀图像和可见光膨胀图像相同，则判定目标检测区域不存在粘贴区域。

通过上述描述可知，在本实施例中，将红外透视灰度值按照从大到小进行排序获取红外透视灰度值序列，获取红外透视灰度值序列中的满足预设条件的值，获取红外透视灰度图像的红外透视灰度阈值，获取红外透视灰度值序列中的满足预设条件的值除以预设数值的第一结果，若第一结果大于或等于红外透视灰度值的平均值，则将第一结果作为红外透视灰度图像的红外透视灰度阈值，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

请参阅图14，图14是本发明提供的检测票据粘贴区域的系统的一实施例的结构示意图。检测票据粘贴区域的系统10包括获取模块11、灰度模块12、最小模块13、第一二值模块14、第二二值模块15、结果模块16。

获取模块11用于获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像。灰度模块12用于对红外透视检测图像和可见光检测图像进行灰度处理，获取红外透视检测图像的红外透视灰度图像和可见光检测图像的可见光灰度图像。最小模块13用于获取红外透视灰度图像的每个像素的红外透视灰度值，根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度平均值，将红外透视灰度平均值作为红外透视灰度图像的最小二值化阈值。第一二值模块14用于根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，获取红外透视二值化图像。第二二值模块15用于获取可见光灰度图像的每个像素的可见光灰度值，根据可见光灰度值计算出可见光灰度图像的可见光灰度阈值，根据可见光灰度阈值对可见光图像进行二值化处理，获取可见光二值化图像。结果模块16用于将红外透视二值化图像和可见光二值图像进行对比，若红外透视二值化图像和可见光二值图像的差异度大于或等于预设差异阈值，则判定预设检测区域存在粘贴区域。

通过上述描述可知，在本实施场景中检测票据粘贴区域的系统获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像，将根据红外透视检测图像获取的红外透视二值化图像和根据可见光检测突出获取的可见光二值图像进行对比，以判定预设检测区域是否存在粘贴区域。结合可见光检测图像进行对比，可以进一步提升判断的准确率。根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

请参阅图15，图15是本发明提供的检测设备的一实施例的结构示意图。互检测设备20包括处理器21、存储器22。处理器21耦接存储器22。存储器22中存储有计算机程序，处理器21在工作时执行该计算机程序以实现如图1和图13所示的方法。详细的方法可参见上述，在此不再赘述。

通过上述描述可知，在本实施例中检测设备获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像，将根据红外透视检测图像获取的红外透视二值化图像和根据可见光检测突出获取的可见光二值图像进行对比，以判定预设检测区域是否存在粘贴区域。结合可见光检测图像进行对比，可以进一步提升判断的准确率。根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

请参阅图16，图16是本发明提供的存储介质的一实施例的结构示意图。存储介质30中存储有至少一个计算机程序31，计算机程序31用于被处理器执行以实现如图1和图13所示的方法，详细的方法可参见上述，在此不再赘述。在一个实施例中，存储介质30可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具，还可以是服务器等等。

通过上述描述可知，在本实施例中存储介质中的计算机程序可以用于获取目标检测票据的预设检测区域的可见光检测图像和红外透视检测图像，将根据红外透视检测图像获取的红外透视二值化图像和根据可见光检测突出获取的可见光二值图像进行对比，以判定预设检测区域是否存在粘贴区域。结合可见光检测图像进行对比，可以进一步提升判断的准确率。根据红外透视灰度值计算出红外透视灰度图像的红外透视灰度阈值，若红外透视灰度阈值大于或等于最小二值化阈值，则根据红外透视灰度阈值对红外透视灰度图像进行二值化处理，可以防止红外透视检测图像采集异常，整图像偏暗导致检测出错，也可以防止目标检测区域存在全区域粘贴时发生误判，从而有效提升了判断的准确性。

本领域普通技术人员可以理解实现上述实施例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，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。