文本图像处理方法、处理装置、处理系统及可读存储介质与流程

1.本发明涉及图像处理领域，具体而言，涉及一种文本图像处理方法、一种文本图像处理装置、一种文本图像处理系统以及一种可读存储介质。


背景技术：

2.在现有技术中，对文本图像中文本的旋转角度进行矫正的方法存在以下技术问题：对于文本的旋转角度检测的准确率不高，而且方法复杂繁琐。


技术实现要素：

3.本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
4.为此，本发明的第一方面在于提出了一种文本图像处理方法。
5.本发明的第二方面在于提出了一种文本图像处理装置。
6.本发明的第三方面在于提出了一种文本图像处理系统。
7.本发明的第四方面在于提出了一种可读存储介质。
8.有鉴于此，根据本发明的一个方面，提出了一种文本图像处理方法，包括：获取文本图像集，文本图像集中的多个文本图像包括多个具有旋转角度的目标字段，每个文本图像中目标字段的旋转角度相同；确定多个文本图像集合，多个文本图像集合所对应的旋转角度范围不同；根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；根据多个文本图像集合生成多个标签；将标签添加至对应的文本图像集合内的多个文本图像；根据添加多个标签后的多个文本图像对预设模型进行训练；通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
9.首先获取用于训练的文本图像集，在文本图像集中包括多个种类的文本图像，具体地，文本图像可以是不同类型的票据图像，例如出租车发票、火车票等具有不同文本分布和排版结构的图像；随后对获取到的多个文本图像进行设计，并制作成可用于预设模型进行训练的文本图像。
10.进一步地，文本图像包括多个具有旋转角度的目标字段，文本图像中的目标字段可以是文本图像中具有特征信息的字段，用户可根据需要对文本图像的信息进行限定，进而对文本图像中的目标字段进行限定；旋转角度为目标字段的排布方向与水平方向之间的倾斜角度，在同一个图像中，目标字段的旋转角度相同，进一步地，同一个图像中的任何字段，也就是文本图像中的文本字段，它们的旋转角度也均相同。
11.当获取到多个种类的文本图像后，首先确定多个文本图像集合并将多个文本图像划分至多个文本图像集合，具体地，每个文本图像集合代表一个文本图像的类别，不同类别的文本图像之间目标字段的旋转角度不同，由于每个文本图像的目标字段均有旋转角度，在下游票据ocr(optical character recognition光学字符识别)任务中，对于文本图像中目标字段旋转角度的识别，当文本图像的目标字段与水平方向的旋转角度相差在10度角以内时，对识别任务最终的识别效果影响减小，也就是对识别准确率的影响较小，因此，为了
确保识别的准确率，以及减小计算量，应该将相近旋转角度的文本图像划分成一个类别，当对此类别中的多个文本图像旋转角度进行识别时，输出一个旋转角度，进而保证了识别的准确率，减少了计算时间，提高了本技术方案的性价比。
12.随后，根据多个文本图像集合生成多个标签。
13.在本技术技术方案中，标签用于指示不同文本图像类别中，文本图像的旋转角度的特征，由于属于不同文本图像类别的文本图像之间，它们的目标字段的旋转角度不同，因此，通过对不同类别的文本图像添加不同的标签，可以更好的指示不同文本图像类别的文本图像中目标字段的旋转角度之间的区别。
14.当对多个文本图像中的每个添加完对应的标签后，将其作为预设模型的训练文本图像，对预设模型进行训练，以使得预设模型可对不同类别中的文本图像中的不同旋转角度的目标字段作为学习目标进行学习并通过训练后的预设模型对要进行处理的文本图像中的目标字段的旋转角度进行矫正。
15.在本技术技术方案中，矫正也就是调整文本图像中的目标字段的排布方向与水平方向之间的倾斜角度，以使得文本图像中的目标字段的方向与水平方向一致。
16.在本技术技术方案中，通过将多个文本图像划分到多个文本图像集合，提高了对文本图像中目标字段识别的准确性。
17.而通过为多个第二文本图像集以及多个第一文本图像集中的文本图像添加多个不同的标签，能够为不同的目标字段的旋转角度添加不同的标识便于对预设模型进行训练，提高了训练速度以及训练效果；同时，本发明的文本图像处理方法，通过将多个文本图像进行类别划分、添加标签处理，并将添加标签后的文本图像对预设模型进行训练，简化了文本图像处理过程，进一步提高了文本图像处理速度，减小了资源的消耗。
18.进一步地，当文本图像的种类发生改变或是文本图像中目标字段的类别发生改变时，可对获取到的多个文本图像进行更新，以获取到改变后的文本图像，进而提高了预设模型的泛化能力，也满足了预设模型对于文本图像处理的时效性的要求，提高了文本图像处理方法的处理效果以及训练后的预设模型的处理性能，同时，输出的是矫正后的待处理文本图像，满足了下游票据ocr任务对于文本图像的精度要求，进而利于ocr任务集成。
19.进一步地，在将多个文本图像划分至多个文本图像集合后，还要对多个文本图像进行尺度调整，也就是将文本图像调整至一个标准的尺寸大小，以避免尺度不一致的文本图像对预设模型的训练造成影响，进而影响预设模型检测待处理文本图像中目标字段的旋转角度的准确率。
20.通过本技术方案文本图像处理方法，可快速输出当前待检测文本图像中目标字段的旋转角度，同时，拥有较高的准确率，同时，此方法可支持任意角度的检测，误差较小。
21.同时，此文本图像处理方法可随时对文本图像集中的图像进行更新，实现文本图像集的自动扩充和生成，进而使得此文本图像处理方法可满足多种类别的文本图像检测的需要，经过训练的模型具有较强的泛化能力，应用范围广。
22.根据本发明的上述文本图像处理方法，还可以具有以下技术特征：
23.在上述技术方案中，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合，具体包括：确定多个文本图像中多个目标字段的多个旋转角度；确定多个文本图像集合的多个旋转角度范围；根据多个旋转角度范围以及多个旋转角度确定多个文本
图像所在的多个文本图像集合。
24.在该技术方案中，对多个文本图像划分至多个文本图像集合的过程进行了进一步说明，具体地，确定多个文本图像中多个目标字段的多个旋转角度，也就是每个目标字段的旋转角度，随后，确定每个文本图像集合的旋转角度范围，并将目标字段的旋转角度与文本图像集合的旋转角度范围进行比照，当目标字段的旋转角度落在了某一个文本图像集合的旋转角度范围时，此目标字段代表的文本图像即被划分至对应的文本图像集合内，通过根据文本图像集合的旋转角度范围与目标字段的旋转角度确定文本图像被划分到的文本图像集合，实现了文本图像的准确划分，减少了文本图像的具体角度种类，提高了对文本图像中目标字段识别的准确性。
25.在上述任一技术方案中，将标签添加至对应的文本图像集合内的多个文本图像前，文本图像处理方法还包括：根据多个文本图像的多个旋转角度，确定多个文本图像对应的图像类型，图像类型包括非填充图像类型与填充图像类型；对填充图像类型的多个文本图像进行填充处理。
26.在该技术方案中，当对多个文本图像添加标签前，需要对多个已经划分好旋转角度类别的文本图像进行进一步划分，具体地，将多个文本图像划分为非填充图像类型与填充图像类型。
27.具体地，由于文本图像中除目标字段指示的信息外，还可能包含其它无关的信息，而用来指示这些信息的字段会对目标字段造成干扰，同时在填充图像类型的文本图像中，由于目标字段本身由于字段稀疏或是字段的排版复杂也会对目标字段旋转角度的检测造成影响，因此需要对目标区域进行填充，使得目标字段在文本图像中可以更清晰的显示出来，以对填充图像类型中的目标字段进行优化，使得填充图像类型中的目标字段更易被检测，进而降低了训练难度。
28.在上述任一技术方案中，根据多个文本图像的多个旋转角度，确定多个文本图像对应的图像类型，具体包括：确定非填充图像类型的目标角度与预设范围；在多个文本图像的多个旋转角度与目标角度相等的情况下，确定多个文本图像属于非填充图像类型；在多个文本图像的多个旋转角度与目标角度不相等的情况下，确定多个文本图像属于填充图像类型；目标角度为90
°
的n倍，n的取值范围为1≤n≤4。
29.在该技术方案中，对于非填充图像类型的确定做了进一步公开，具体地，确定目标角度以及预设范围。
30.具体地，目标角度是为了实现对文本图像集中的文本图像进行全方位角度的矫正而设置的，目标角度为90
°
、180
°
、270
°
和360
°
。将这四个角度选为目标角度的原因是当文本图像的目标字段的旋转角度为这四个角度时，文本图像的图像像素分布与矫正后的文本图像的图像像素分布保持一致，因此，文本图像可以清晰的表示出目标字段，不需对其进行填充处理，而当文本图像的目标字段的旋转角度为其他角度时，为使得排除文本图像中除目标字段以外的其它图像数据对目标字段的干扰，需要对文本图像进行填充，进而提升了对于目标字段判断的准确率。
31.当确定目标角度后，对与目标角度相同的多个文本图像划分为一个类型的文本图像集，即非填充图像类型；随后，将与目标角度不相同的多个文本图像划分为一个类型的文本图像集，即填充图像类型，通过此划分方法，实现了对文本图像集中的文本图像进行全方
位角度的判断，同时，通过设置目标角度，提升了当旋转角度为目标角度时，本发明的文本图像处理方法对旋转角度判断以及矫正的准确性。
32.在上述任一技术方案中，对填充图像类型的多个文本图像进行填充处理，具体包括：确定填充图像类型的多个文本图像的多个目标区域，多个目标区域用于限定文本图像中的目标字段；确定多个文本图像的多个文本图像参数；根据多个文本图像参数对多个文本图像中的多个目标区域进行填充处理。
33.在该技术方案中，首先，确定属于填充图像类型的多个文本图像的多个目标区域，目标区域为用于限定文本图像中目标字段的区域，也就是说，目标区域为文本图像中目标字段所在区域以外的区域。
34.当确定了要填充的区域后，再确定目标区域的填充方式，具体地，确定属于填充图像类型的多个文本图像的多个文本图像参数，并根据不同的文本图像参数对目标区域进行填充。由于每个类别的文本图像均存在差异，因此，需要根据每个属于填充图像类型的多个文本图像的文本图像参数，选择合适的填充方式对其进行填充。
35.本技术的实施例通过对属于填充图像类型的多个文本图像的多个目标区域进行填充，使得属于填充图像类型的文本图像的目标字段可以更清晰的显示在对应的文本图像上，排除了文本图像中的其它信息对目标字段的干扰，通过不同的文本图像参数对第二文本图像进行对应的填充，进一步的提高了对每个属于填充图像类型的文本图像中目标字段进行识别的准确性以及对目标字段的旋转角度矫正的准确性。
36.在上述任一技术方案中，根据多个文本图像参数对多个文本图像中的多个目标区域进行填充处理，具体包括：在多个文本图像参数为第一文本图像参数的情况下，对多个目标区域进行补零填充处理；在多个文本图像参数为第二文本图像参数的情况下，对多个目标区域进行像素填充处理；文本图像参数用于表示文本图像边缘的完整度。
37.在该技术方案中，文本图像参数用于表示第二文本图像边缘的完整度，也就是文本图像的边缘是否完整。
38.具体地，第一文本图像参数表示文本图像的边缘是完整的；第二文本图像参数表示文本图像的边缘是不完整的。对于边缘完整的文本图像的，采用补零填充处理，以增强文本图像中目标字段的旋转角度的可辨识能力，对于边缘不完整的文本图像的，采用像素填充处理，以减轻文本图像的边缘对于文本图像中目标字段的旋转角度的不良影响。
39.本技术的实施例通过对多个文本图像中的多个目标区域进行填充处理，实现了对文本图像中目标字段的优化，进而使得文本图像中目标字段更明显的在文本图像中显示，进而提高了对文本图像中目标字段识别的准确性以及对目标字段的旋转角度矫正的准确性。
40.具体地，补零填充处理可以使文本图像的边缘特征更加明显，进而增强了预设模型对文本图像中不同种类的目标字段的判断能力，且操作简单；像素填充处理可以减小文本图像的边缘特征对预设模型造成的影响，使得预设模型对文本图像的目标字段的旋转角度的判断能力提升。进而实现了对属于填充图像类型的多个文本图像的优化以及对预设模型性能的优化。
41.在上述任一技术方案中，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正后，文本图像处理方法还包括：输出待处理文本图像中目标字段的旋转
角度。
42.在该技术方案中，预设模型不仅输出矫正后的待处理文本图像，还输出待处理文本图像中目标字段的旋转角度，进而使得预设模型实现了对待处理文本图像中目标字段的旋转角度进行检测的技术效果，方便用户知晓，进而提升了用户的使用体验。
43.根据本发明的第二个方面，提出了一种文本图像处理装置，包括：获取单元，用于获取文本图像集；处理单元，用于确定多个文本图像集合；处理单元还用于：根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；根据多个文本图像集合生成多个标签；将标签添加至对应的文本图像集合内的多个文本图像；训练单元，用于根据添加多个标签后的多个文本图像对预设模型进行训练；应用单元，用于通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
44.本发明提供的文本图像处理装置，包括获取单元、处理单元、训练单元和应用单元。其中，获取单元首先获取用于训练的文本图像集，在文本图像集中包括多个种类的文本图像，具体地，文本图像可以是不同类型的票据图像，例如出租车发票、火车票等具有不同文本分布和排版结构的图像；随后对获取到的多个文本图像进行设计，并制作成可用于预设模型进行训练的文本图像。
45.进一步地，文本图像包括多个具有旋转角度的目标字段，文本图像中的目标字段可以是文本图像中具有特征信息的字段，用户可根据需要对文本图像的信息进行限定，进而对文本图像中的目标字段进行限定；旋转角度为目标字段的排布方向与水平方向之间的倾斜角度，在同一个图像中，目标字段的旋转角度相同，进一步地，同一个图像中的任何字段，也就是文本图像中的文本字段，它们的旋转角度也均相同。
46.当获取到多个种类的文本图像后，处理单元首先确定多个文本图像集合并将多个文本图像划分至多个文本图像集合，具体地，每个文本图像集合代表一个文本图像的类别，不同类别的文本图像之间目标字段的旋转角度不同，由于每个文本图像的目标字段均有旋转角度，在下游票据ocr(optical character recognition光学字符识别)任务中，对于文本图像中目标字段旋转角度的识别，当文本图像的目标字段与水平方向的旋转角度相差在10度角以内时，对识别任务最终的识别效果影响减小，也就是对识别准确率的影响较小，因此，为了确保识别的准确率，以及减小计算量，处理单元将相近旋转角度的文本图像划分成一个类别，当处理单元对此类别中的多个文本图像旋转角度进行识别时，输出一个旋转角度，进而保证了识别的准确率，减少了计算时间，提高了本技术方案的性价比。
47.随后，处理单元根据多个文本图像集合生成多个标签。
48.在本技术技术方案中，标签用于指示不同文本图像类别中，文本图像的旋转角度的特征，由于属于不同文本图像类别的文本图像之间，它们的目标字段的旋转角度不同，因此，处理单元通过对不同类别的文本图像添加不同的标签，可以更好的指示不同文本图像类别的文本图像中目标字段的旋转角度之间的区别。
49.当处理单元对多个文本图像中的每个添加完对应的标签后，训练单元将其作为预设模型的训练文本图像，对预设模型进行训练，以使得预设模型可对不同类别中的文本图像中的不同旋转角度的目标字段作为学习目标进行学习。随后，应用单元通过训练后的预设模型对要进行处理的文本图像中的目标字段的旋转角度进行矫正。
50.在本技术技术方案中，矫正也就是调整文本图像中的目标字段的排布方向与水平
方向之间的倾斜角度，以使得文本图像中的目标字段的方向与水平方向一致。
51.在本技术技术方案中，通过将多个文本图像划分到多个文本图像集合，提高了对文本图像中目标字段识别的准确性。
52.而处理单元通过为多个第二文本图像集以及多个第一文本图像集中的文本图像添加多个不同的标签，能够为不同的目标字段的旋转角度添加不同的标识，便于对预设模型进行训练，提高了训练速度以及训练效果；同时，本发明的文本图像处理装置，通过处理单元将多个文本图像进行类别划分、添加标签处理，训练单元将添加标签后的文本图像对预设模型进行训练，简化了文本图像处理过程，进一步提高了文本图像处理速度，减小了资源的消耗。
53.进一步地，当文本图像的种类发生改变或是文本图像中目标字段的类别发生改变时，可对获取到的多个文本图像进行更新，以使得获取单元获取到改变后的文本图像，进而提高了预设模型的泛化能力，也满足了预设模型对于文本图像处理的时效性的要求，提高了文本图像处理装置的处理效果以及训练单元训练后的预设模型的处理性能，同时，训练单元输出的是矫正后的待处理文本图像，满足了下游票据ocr任务对于文本图像的精度要求，进而利于ocr任务集成。
54.进一步地，在将多个文本图像划分至多个文本图像集合后，处理单元还要对多个文本图像进行尺度调整，也就是将文本图像调整至一个标准的尺寸大小，以避免尺度不一致的文本图像对预设模型的训练造成影响，进而影响预设模型检测待处理文本图像中目标字段的旋转角度的准确率。
55.通过本技术方案的文本图像处理装置，可快速输出当前待检测文本图像中目标字段的旋转角度，同时，拥有较高的准确率，同时，此方法可支持任意角度的检测，误差较小。
56.同时，此文本图像处理装置可随时对文本图像集中的图像进行更新，实现文本图像集的自动扩充和生成，进而使得此文本图像处理方法可满足多种类别的文本图像检测的需要，经过训练的模型具有较强的泛化能力，应用范围广。
57.根据本发明的第三个方面，提出了一种文本图像处理系统，包括存储器，存储器存储有程序；处理器，处理器执行程序时实现如上述技术方案中任一项所述文本图像处理方法。
58.本发明提供的文本图像处理系统包括存储器和处理器。其中，存储器用于储存程序；处理器与存储器连接，用于执行程序，且在处理器执行程序时实现如上述技术方案中任一项所述的文本图像处理方法。因此，具有如上述技术方案中任一项所述的文本图像处理方法的全部有益效果。
59.根据本发明的第四个方面，提出了一种可读存储介质，其上存储有程序，程序被处理器执行时实现如上述技术方案中任一项所述的文本图像处理方法。
60.本发明提供的可读存储介质，用来储存被处理器执行时实现如上述技术方案中任一项所述的文本图像处理方法的程序，因此，具有如上述技术方案中任一项所述的文本图像处理方法的全部有益效果。
61.本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
62.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
63.图1示出了本发明实施例的文本图像处理方法的流程示意图之一；
64.图2示出了本发明实施例的文本图像处理方法的流程示意图之二；
65.图3示出了本发明实施例的文本图像处理方法的流程示意图之三；
66.图4示出了本发明实施例的文本图像处理方法的流程示意图之四；
67.图5示出了本发明实施例的文本图像处理方法的流程示意图之五；
68.图6示出了本发明实施例的文本图像处理方法的流程示意图之六；
69.图7示出了本发明实施例的文本图像处理方法的流程示意图之七；
70.图8示出了本发明实施例的文本图像处理方法中根据多个文本图像的多个旋转角度，确定所述多个文本图像对应的图像类型的示意图；
71.图9示出了本发明实施例的文本图像处理装置的结构框图；
72.图10示出了本发明又一个实施例的文本图像处理装置的结构框图。
具体实施方式
73.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
74.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
75.下面参照图1至图10描述根据本发明一些实施例的文本图像处理方法、文本图像处理装置、文本图像处理系统和可读存储介质。
76.实施例1：
77.本发明的一个实施例提出了一种文本图像处理方法，图1示出了根据本技术实施例的文本图像处理方法的流程图之一，如图1所示，文本图像处理方法包括：
78.步骤102，获取文本图像集；
79.步骤104，确定多个文本图像集合；
80.步骤106，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
81.步骤108，根据多个文本图像集合生成多个标签；
82.步骤110，将标签添加至对应的文本图像集合内的多个文本图像；
83.步骤112，根据添加多个标签后的多个文本图像对预设模型进行训练；
84.步骤114，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
85.其中，文本图像集中的多个文本图像包括多个具有旋转角度的目标字段，每个文本图像中目标字段的旋转角度相同；多个文本图像集合所对应的旋转角度范围不同。
86.在本技术实施例中，首先获取用于训练的文本图像集，在文本图像集中包括多个
种类的文本图像，具体地，文本图像可以是不同类型的票据图像，例如出租车发票、火车票等具有不同文本分布和排版结构的图像；随后对获取到的多个文本图像进行设计，并制作成可用于预设模型进行训练的文本图像。
87.进一步地，文本图像包括多个具有旋转角度的目标字段，文本图像中的目标字段可以是文本图像中具有特征信息的字段，用户可根据需要对文本图像的信息进行限定，进而对文本图像中的目标字段进行限定；旋转角度为目标字段的排布方向与水平方向之间的倾斜角度，在同一个图像中，目标字段的旋转角度相同，进一步地，同一个图像中的任何字段，也就是文本图像中的文本字段，它们的旋转角度也均相同。
88.当获取到多个种类的文本图像后，首先确定多个文本图像集合并将多个文本图像划分至多个文本图像集合，具体地，每个文本图像集合代表一个文本图像的类别，不同类别的文本图像之间目标字段的旋转角度不同，由于每个文本图像的目标字段均有旋转角度，在下游票据ocr(optical character recognition光学字符识别)任务中，对于文本图像中目标字段旋转角度的识别，当文本图像的目标字段与水平方向的旋转角度相差在10度角以内时，对识别任务最终的识别效果影响减小，也就是对识别准确率的影响较小，因此，为了确保识别的准确率，以及减小计算量，应该将相近旋转角度的文本图像划分成一个类别，当对此类别中的多个文本图像旋转角度进行识别时，输出一个旋转角度，进而保证了识别的准确率，减少了计算时间，提高了本实施例方案的性价比。
89.随后，根据多个文本图像集合生成多个标签。
90.在本技术实施例中，标签用于指示不同文本图像类别中，文本图像的旋转角度的特征，由于属于不同文本图像类别的文本图像之间，它们的目标字段的旋转角度不同，因此，通过对不同类别的文本图像添加不同的标签，可以更好的指示不同文本图像类别的文本图像中目标字段的旋转角度之间的区别。
91.当对多个文本图像中的每个添加完对应的标签后，将其作为预设模型的训练文本图像，对预设模型进行训练，以使得预设模型可对不同类别中的文本图像中的不同旋转角度的目标字段作为学习目标进行学习并通过训练后的预设模型对要进行处理的文本图像中的目标字段的旋转角度进行矫正。
92.在本技术实施例中，矫正也就是调整文本图像中的目标字段的排布方向与水平方向之间的倾斜角度，以使得文本图像中的目标字段的方向与水平方向一致。
93.例如：当用户要对火车票中的终点站信息进行矫正时，首先会自动获取大量的火车票图像，并确定目标字段，也就是火车票中的终点站信息文本，随后，确定终点站信息文本的旋转角度，也就是终点站信息文本与水平方向之间的倾斜角度，将多个火车票图像根据目标字段的旋转角度将多个火车票图像划分为多个类别，不同类别的火车票图像，其目标字段的旋转角度不同，随后，对不同类别的火车票图像添加不同的标签，以为不同的目标字段的旋转角度添加不同的标识，根据多个添加标签后的火车票图像对预设模型进行训练，当预设模型训练后，便可根据训练时学习的终点站信息文本的旋转角度的数据对待矫正终点站信息文本的火车票进行旋转角度的矫正。
94.在本技术实施例中，通过将多个文本图像划分到多个文本图像集合，提高了对文本图像中目标字段识别的准确性。
95.而通过为多个第二文本图像集以及多个第一文本图像集中的文本图像添加多个
不同的标签，能够为不同的目标字段的旋转角度添加不同的标识，便于对预设模型进行训练，提高了训练速度以及训练效果；同时，本发明的文本图像处理方法，通过将多个文本图像进行类别划分、添加标签处理，并将添加标签后的文本图像对预设模型进行训练，简化了文本图像处理过程，进一步提高了文本图像处理速度，减小了资源的消耗。
96.进一步地，当文本图像的种类发生改变或是文本图像中目标字段的类别发生改变时，可对获取到的多个文本图像进行更新，以获取到改变后的文本图像，进而提高了预设模型的泛化能力，也满足了预设模型对于文本图像处理的时效性的要求，提高了文本图像处理方法的处理效果以及训练后的预设模型的处理性能，同时，输出的是矫正后的待处理文本图像，满足了下游票据ocr任务对于文本图像的精度要求，进而利于ocr任务集成。
97.进一步地，在将多个文本图像划分至多个文本图像集合后，还要对多个文本图像进行尺度调整，也就是将文本图像调整至一个标准的尺寸大小，以避免尺度不一致的文本图像对预设模型的训练造成影响，进而影响预设模型检测待处理文本图像中目标字段的旋转角度的准确率。
98.示例性地，文本图像可以包括如：增值税普通发票、增值税专用发票、增值税电子普通发票、增值税电子专用发票、出租车发票、火车票、定额发票、航空客运行程单、电子对账单等类型的票据图像。
99.进一步地，预设模型选用轻量级的模型mobilenetv3-small(mobilenetv3-small模型是谷歌在2019年3月21日提出的一种经神经架构搜索得到的模型)作为主干网络用于对文本图像中目标字段的旋转角度的特征进行识别与获取，在输出头部连接一层全局的平均池化层和一层全连接层构建图像处理网络。
100.通过本实施例文本图像处理方法，可快速输出当前待检测文本图像中目标字段的旋转角度，同时，拥有较高的准确率，同时，此方法可支持任意角度的检测，误差较小。
101.同时，此文本图像处理方法可随时对文本图像集中的图像进行更新，实现文本图像集的自动扩充和生成，进而使得此文本图像处理方法可满足多种类别的文本图像检测的需要，经过训练的模型具有较强的泛化能力，应用范围广。
102.实施例2
103.本发明的一个实施例提供的文本图像处理方法，如图2所示，文本图像处理方法包括：
104.步骤202，获取文本图像集；
105.步骤204，确定多个文本图像集合；
106.步骤206，确定多个文本图像中多个目标字段的多个旋转角度；
107.步骤208，确定多个文本图像集合的多个旋转角度范围；
108.步骤210，根据多个旋转角度范围以及多个旋转角度确定多个文本图像所在的多个文本图像集合；
109.步骤212，根据多个文本图像集合生成多个标签；
110.步骤214，将标签添加至对应的文本图像集合内的多个文本图像；
111.步骤216，根据添加多个标签后的多个文本图像对预设模型进行训练；
112.步骤218，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
113.在该实施例中，对多个文本图像划分至多个文本图像集合的过程进行了进一步说明，具体地，确定多个文本图像中多个目标字段的多个旋转角度，也就是每个目标字段的旋转角度，随后，确定每个文本图像集合的旋转角度范围，并将目标字段的旋转角度与文本图像集合的旋转角度范围进行比照，当目标字段的旋转角度落在了某一个文本图像集合的旋转角度范围时，此目标字段代表的文本图像即被划分至对应的文本图像集合内，通过根据文本图像集合的旋转角度范围与目标字段的旋转角度确定文本图像被划分到的文本图像集合，实现了文本图像的准确划分，减少了文本图像的具体角度种类，提高了对文本图像中目标字段识别的准确性。
114.示例性的，将旋转角度范围设定为5度角，进而将整个旋转角度空间划分为72个种类的文本图像集合。
115.实施例3
116.本发明的一个实施例提供的文本图像处理方法，如图3所示，文本图像处理方法包括：
117.步骤302，获取文本图像集；
118.步骤304，确定多个文本图像集合；
119.步骤306，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
120.步骤308，根据多个文本图像集合生成多个标签；
121.步骤310，根据多个文本图像的多个旋转角度，确定多个文本图像对应的图像类型；
122.步骤312，对填充图像类型的多个文本图像进行填充处理；
123.步骤314，将标签添加至对应的文本图像集合内的多个文本图像；
124.步骤316，根据添加多个标签后的多个文本图像对预设模型进行训练；
125.步骤318，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
126.其中，图像类型包括非填充图像类型与填充图像类型；
127.在该实施例中，当对多个文本图像添加标签前，需要对多个已经划分好旋转角度类别的文本图像进行进一步划分，具体地，将多个文本图像划分为非填充图像类型与填充图像类型。
128.具体地，由于文本图像中除目标字段指示的信息外，还可能包含其它无关的信息，而用来指示这些信息的字段会对目标字段造成干扰，同时在填充图像类型的文本图像中，由于目标字段本身由于字段稀疏或是字段的排版复杂也会对目标字段旋转角度的检测造成影响，因此需要对目标区域进行填充，使得目标字段在文本图像中可以更清晰的显示出来，以对填充图像类型中的目标字段进行优化，使得填充图像类型中的目标字段更易被检测，进而降低了训练难度。
129.实施例4
130.本发明的一个实施例提供的文本图像处理方法，如图4所示，文本图像处理方法包括：
131.步骤402，获取文本图像集；
132.步骤404，确定多个文本图像集合；
133.步骤406，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
134.步骤408，根据多个文本图像集合生成多个标签；
135.步骤410，确定非填充图像类型的目标角度与预设范围；
136.步骤412，在多个文本图像的多个旋转角度与目标角度相等的情况下，确定多个文本图像属于非填充图像类型；
137.步骤414，在多个文本图像的多个旋转角度与目标角度不相等的情况下，确定多个文本图像属于填充图像类型；
138.步骤416，对填充图像类型的多个文本图像进行填充处理；
139.步骤418，将标签添加至对应的文本图像集合内的多个文本图像；
140.步骤420，根据添加多个标签后的多个文本图像对预设模型进行训练；
141.步骤422，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
142.其中，目标角度为90
°
的n倍，n的取值范围为1≤n≤4。
143.在该实施例中，对于非填充图像类型的确定做了进一步公开，具体地，确定目标角度以及预设范围。
144.在本技术实施例中，目标角度是为了实现对文本图像集中的文本图像进行全方位角度的矫正而设置的，具体地，目标角度为0
°
、90
°
、180
°
、270
°
，将这四个角度选为目标角度的原因是当文本图像的目标字段的旋转角度为这四个角度时，文本图像的图像像素分布与矫正后的文本图像的图像像素分布保持一致，因此，文本图像可以清晰的表示出目标字段，不需对其进行填充处理，而当文本图像的目标字段的旋转角度为其他角度时，为使得排除文本图像中除目标字段以外的其它图像数据对目标字段的干扰，需要对文本图像进行填充，进而提升了对于目标字段判断的准确率。
145.当确定目标角度后，对与目标角度相同的多个文本图像划分为一个类型的文本图像集，即非填充图像类型；随后，将与目标角度不相同的多个文本图像划分为一个类型的文本图像集，即填充图像类型，通过此划分方法，实现了对文本图像集中的文本图像进行全方位角度的判断，同时，通过设置目标角度，提升了当旋转角度为目标角度时，本发明的文本图像处理方法对旋转角度判断以及矫正的准确性。
146.示例性地，图8示出了本发明实施例的文本图像处理方法中将多个文本图像划入多个非填充图像类型和多个填充图像类型的示意图，如图8所示，首先，确定四个目标角度，即0
°
、90
°
、180
°
、270
°
，由于这四种文本图像的图像像素与原始图片，也就是水平图片的图像像素基本保持了相同的像素分布，因此，不需对此类文本图像进行填充处理，而为了对多个文本图像中目标字段的旋转角度进行对称均衡的划分，将上面的四个角度作为对应的非填充图像类型的标准角度，并将符合这四个目标角度的文本图像划分为非填充图像类型；而当文本图像的旋转角度不符合目标角度时，将其划分到填充图像类型，通过设置目标角度，提高了旋转角度在90
°
、180
°
、270
°
的文本图像的判断的准确性，同时排除了文本图像中除目标字段以外的其它图像数据对目标字段的干扰，进而提高了对文本图像矫正的准确性。
147.实施例5
148.本发明的一个实施例提供的文本图像处理方法，如图5所示，文本图像处理方法包括：
149.步骤502，获取文本图像集；
150.步骤504，确定多个文本图像集合；
151.步骤506，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
152.步骤508，根据多个文本图像集合生成多个标签；
153.步骤510，根据多个文本图像的多个旋转角度，确定多个文本图像对应的图像类型；
154.步骤512，确定填充图像类型的多个文本图像的多个目标区域，多个目标区域用于限定文本图像中的目标字段；
155.步骤514，确定多个文本图像的多个文本图像参数；
156.步骤516，根据多个文本图像参数对多个文本图像中的多个目标区域进行填充处理；
157.步骤518，将标签添加至对应的文本图像集合内的多个文本图像；
158.步骤520，根据添加多个标签后的多个文本图像对预设模型进行训练；
159.步骤522，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
160.在该实施例中，首先，确定属于填充图像类型的多个文本图像的多个目标区域，目标区域为用于限定文本图像中目标字段的区域，也就是说，目标区域为文本图像中目标字段所在区域以外的区域。
161.当确定了要填充的区域后，再确定目标区域的填充方式，具体地，确定属于填充图像类型的多个文本图像的多个文本图像参数，并根据不同的文本图像参数对目标区域进行填充。由于每个类别的文本图像均存在差异，因此，需要根据每个属于填充图像类型的多个文本图像的文本图像参数，选择合适的填充方式对其进行填充。
162.本技术的实施例通过对属于填充图像类型的多个文本图像的多个目标区域进行填充，使得属于填充图像类型的文本图像的目标字段可以更清晰的显示在对应的文本图像上，排除了文本图像中的其它信息对目标字段的干扰，通过不同的文本图像参数对第二文本图像进行对应的填充，进一步的提高了对每个属于填充图像类型的文本图像中目标字段进行识别的准确性以及对目标字段的旋转角度矫正的准确性。
163.实施例6
164.本发明的一个实施例提供的文本图像处理方法，如图6所示，文本图像处理方法包括：
165.步骤602，获取文本图像集；
166.步骤604，确定多个文本图像集合；
167.步骤606，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
168.步骤608，根据多个文本图像集合生成多个标签；
169.步骤610，根据多个文本图像的多个旋转角度，确定多个文本图像对应的图像类型；
170.步骤612，确定填充图像类型的多个文本图像的多个目标区域，多个目标区域用于限定文本图像中的目标字段；
171.步骤614，确定多个文本图像的多个文本图像参数；
172.步骤616，在多个文本图像参数为第一文本图像参数的情况下，对多个目标区域进行补零填充处理；
173.步骤618，在多个文本图像参数为第二文本图像参数的情况下，对多个目标区域进行像素填充处理；
174.步骤620，将标签添加至对应的文本图像集合内的多个文本图像；
175.步骤622，根据添加多个标签后的多个文本图像对预设模型进行训练；
176.步骤624，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
177.其中，文本图像参数用于表示文本图像边缘的完整度。
178.在该实施例中，文本图像参数用于表示第二文本图像边缘的完整度，也就是文本图像的边缘是否完整。
179.具体地，第一文本图像参数表示文本图像的边缘是完整的；第二文本图像参数表示文本图像的边缘是不完整的。对于边缘完整的文本图像的，采用补零填充处理，以增强文本图像中目标字段的旋转角度的可辨识能力，对于边缘不完整的文本图像的，采用像素填充处理，以减轻文本图像的边缘对于文本图像中目标字段的旋转角度的不良影响。
180.本技术的实施例通过对多个文本图像中的多个目标区域进行填充处理，实现了对文本图像中目标字段的优化，进而使得文本图像中目标字段更明显的在文本图像中显示，进而提高了对文本图像中目标字段识别的准确性以及对目标字段的旋转角度矫正的准确性。
181.具体地，补零填充处理可以使文本图像的边缘特征更加明显，进而增强了预设模型对文本图像中不同种类的目标字段的判断能力，且操作简单；像素填充处理可以减小文本图像的边缘特征对预设模型造成的影响，使得预设模型对文本图像的目标字段的旋转角度的判断能力提升。进而实现了对属于填充图像类型的多个文本图像的优化以及对预设模型性能的优化。
182.实施例7
183.本发明的一个实施例提供的文本图像处理方法，如图7所示，文本图像处理方法包括：
184.步骤702，获取文本图像集；
185.步骤704，确定多个文本图像集合；
186.步骤706，根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；
187.步骤708，根据多个文本图像集合生成多个标签；
188.步骤710，将标签添加至对应的文本图像集合内的多个文本图像；
189.步骤712，根据添加多个标签后的多个文本图像对预设模型进行训练；
190.步骤714，通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正；
191.步骤716，输出待处理文本图像中目标字段的旋转角度。
192.在该实施例中，预设模型不仅输出矫正后的待处理文本图像，还输出待处理文本图像中目标字段的旋转角度，进而使得预设模型实现了对待处理文本图像中目标字段的旋转角度进行检测的技术效果，方便用户知晓，进而提升了用户的使用体验。
193.实施例8
194.本发明的另一个实施例提出了一种文本图像处理装置900，图9示出了根据本技术实施例的文本图像处理装置900的结构框图，如图9所示，文本图像处理装置900包括：获取单元902，用于获取文本图像集；处理单元904，用于确定多个文本图像集合；处理单元904还用于：根据旋转角度以及旋转角度范围将多个文本图像划分至多个文本图像集合；根据多个文本图像集合生成多个标签；将标签添加至对应的文本图像集合内的多个文本图像；训练单元906，用于根据添加多个标签后的多个文本图像对预设模型进行训练；应用单元908，用于通过训练后的预设模型对待处理文本图像中目标字段的旋转角度进行矫正。
195.本技术实施例提供的文本图像处理装置900，包括获取单元902、处理单元904、训练单元906和应用单元908。其中，获取单元首先获取用于训练的文本图像集，在文本图像集中包括多个种类的文本图像，具体地，文本图像可以是不同类型的票据图像，例如出租车发票、火车票等具有不同文本分布和排版结构的图像；随后对获取到的多个文本图像进行设计，并制作成可用于预设模型进行训练的文本图像。
196.进一步地，文本图像包括多个具有旋转角度的目标字段，文本图像中的目标字段可以是文本图像中具有特征信息的字段，用户可根据需要对文本图像的信息进行限定，进而对文本图像中的目标字段进行限定；旋转角度为目标字段的排布方向与水平方向之间的倾斜角度，在同一个图像中，目标字段的旋转角度相同，进一步地，同一个图像中的任何字段，也就是文本图像中的文本字段，它们的旋转角度也均相同。
197.当获取到多个种类的文本图像后，处理单元904首先确定多个文本图像集合并将多个文本图像划分至多个文本图像集合，具体地，每个文本图像集合代表一个文本图像的类别，不同类别的文本图像之间目标字段的旋转角度不同，由于每个文本图像的目标字段均有旋转角度，在下游票据ocr(optical character recognition光学字符识别)任务中，对于文本图像中目标字段旋转角度的识别，当文本图像的目标字段与水平方向的旋转角度相差在10度角以内时，对识别任务最终的识别效果影响减小，也就是对识别准确率的影响较小，因此，为了确保识别的准确率，以及减小计算量，处理单元904将相近旋转角度的文本图像划分成一个类别，当处理单元904对此类别中的多个文本图像旋转角度进行识别时，输出一个旋转角度，进而保证了识别的准确率，减少了计算时间，提高了本技术方案的性价比。
198.随后，处理单元904根据多个文本图像集合生成多个标签。
199.在本技术技术方案中，标签用于指示不同文本图像类别中，文本图像的旋转角度的特征，由于属于不同文本图像类别的文本图像之间，它们的目标字段的旋转角度不同，因此，处理单元904通过对不同类别的文本图像添加不同的标签，可以更好的指示不同文本图像类别的文本图像中目标字段的旋转角度之间的区别。
200.当处理单元904对多个文本图像中的每个添加完对应的标签后，训练单元906将其作为预设模型的训练文本图像，对预设模型进行训练，以使得预设模型可对不同类别中的文本图像中的不同旋转角度的目标字段作为学习目标进行学习，随后，应用单元908通过训练后的预设模型对要进行处理的文本图像中的目标字段的旋转角度进行矫正。
201.在本技术技术方案中，矫正也就是调整文本图像中的目标字段的排布方向与水平方向之间的倾斜角度，以使得文本图像中的目标字段的方向与水平方向一致。
202.在本技术技术方案中，通过将多个文本图像划分到多个文本图像集合，提高了对文本图像中目标字段识别的准确性。
203.而处理单元904通过为多个第二文本图像集以及多个第一文本图像集中的文本图像添加多个不同的标签，能够为不同的目标字段的旋转角度添加不同的标识，便于对预设模型进行训练，提高了训练速度以及训练效果；同时，本发明的文本图像处理装置，通过处理单元904将多个文本图像进行类别划分、添加标签处理，训练单元906将添加标签后的文本图像对预设模型进行训练，简化了文本图像处理过程，进一步提高了文本图像处理速度，减小了资源的消耗。
204.进一步地，当文本图像的种类发生改变或是文本图像中目标字段的类别发生改变时，可对获取到的多个文本图像进行更新，以使得获取单元902获取到改变后的文本图像，进而提高了预设模型的泛化能力，也满足了预设模型对于文本图像处理的时效性的要求，提高了文本图像处理装置的处理效果以及训练单元906训练后的预设模型的处理性能，同时，训练单元906输出的是矫正后的待处理文本图像，满足了下游票据ocr任务对于文本图像的精度要求，进而利于ocr任务集成。
205.进一步地，在将多个文本图像划分至多个文本图像集合后，处理单元904还要对多个文本图像进行尺度调整，也就是将文本图像调整至一个标准的尺寸大小，以避免尺度不一致的文本图像对预设模型的训练造成影响，进而影响预设模型检测待处理文本图像中目标字段的旋转角度的准确率。
206.通过本技术方案的文本图像处理装置，可快速输出当前待检测文本图像中目标字段的旋转角度，同时，拥有较高的准确率，同时，此方法可支持任意角度的检测，误差较小。
207.同时，此文本图像处理装置可随时对文本图像集中的图像进行更新，实现文本图像集的自动扩充和生成，进而使得此文本图像处理方法可满足多种类别的文本图像检测的需要，经过训练的模型具有较强的泛化能力，应用范围广。
208.实施例9
209.本发明的另一个实施例提出了一种文本图像处理装置，图10示出了根据本技术实施例的文本图像处理装置的结构框图，如图10所示，文本图像处理装置包括：获取单元1010、处理单元1020以及训练单元1030。其中，获取单元1010用于获取多个不同种类的文本图像；处理单元1020用于对多个不同种类的文本图像进行姿态调整；处理单元1020还用于将姿态调整后的多个文本图像划分为非填充和填充两类文本图像；对多个填充类型的文本图像中的目标区域进行填充处理；以及为多个填充类型的文本图像以及多个非填充类型的文本图像添加多个不同的标签，训练单元1030用于根据添加多个标签后的多个文本图像对预设模型进行训练。
210.图10还示出了根据本实施例的文本图像处理装置对预设模型进行训练的过程。具
体地，当获取单元1010获取多个不同类型的文本图像后，首先处理单元1020对多个不同类型的文本图像进行姿态调整，也就是确定文本图像的目标字段，目标字段可以是文本图像中具有特征信息的字段，用户可根据需要对文本图像的信息进行限定，进而对文本图像中的目标字段进行限定，在本实施例中，目标字段为11111。
211.当处理单元1020确定文本图像的目标字段后，确定多个文本图像集合并将多个文本图像划分至多个文本图像集合，具体地，每个文本图像集合代表一个文本图像的类别，不同类别的文本图像之间目标字段的旋转角度不同，具体地，处理单元1020确定多个文本图像中多个目标字段的多个旋转角度，也就是每个目标字段的旋转角度，随后，确定每个文本图像集合的旋转角度范围，并将目标字段的旋转角度与文本图像集合的旋转角度范围进行比照，当目标字段的旋转角度落在了某一个文本图像集合的旋转角度范围时，此目标字段代表的文本图像即被划分至对应的文本图像集合内。
212.随后，处理单元1020会根据不同文本图像中目标字段的不同旋转角度，将多个文本图像划分为非填充类型的文本图像和填充类型的文本图像，具体地，确定4个目标角度，即0
°
、90
°
、180
°
、270
°
，将上述的四个角度作为对应的非填充类型的文本图像的旋转角度，当文本图像中目标字段的旋转角度与目标角度相等时，将此文本图像归类为非填充类型文本图像，当文本图像中目标字段的旋转角度与目标角度不相等时，将此文本图像归类为填充类型文本图像。
213.随后，处理单元1020对多个文本图像进行尺度调整，以将所有的文本图像调整为一个尺寸，以避免尺度不一致的文本图像对训练单元1030中预设模型的训练造成影响，进而影响预设模型检测待处理文本图像中目标字段的旋转角度的准确率。随后，对填充文本图像进行填充处理，具体地，确定文本图像中目标字段所在区域以外的区域，作为目标区域，也就是填充文本图像除目标外的区域，随后，对目标区域进行填充，使得填充文本图像中的目标字段可以更清晰的显示在填充文本图像上，排除了填充文本图像中的其它信息对目标字段的干扰。
214.随后，处理单元1020为填充处理后的多个填充文本图像以及多个非填充文本图像添加多个不同的标签，以使得预设模型在训练后可根据标签确定待处理文本图像中目标字段，也就是目标字段的旋转角度，随后，将添加多个标签后的多个文本图像对预设模型进行训练，具体地，不同的文本图像中的文本图像的标签不同，由于本实施例中的多个文本图像属于不同类别，因此，需要为它们添加不同的标签。
215.随后，训练单元1030根据三个添加不同标签后的文本图像对预设模型进行训练，具体地，将多个文本图像对应的文本图像放到右侧，预设模型将左侧五个未知目标字段的旋转角度的文本图像分别放入三类文本图像中，当放到其中的文本图像中目标字段的旋转角度符合三个文本图像中任意一个文本图像的旋转角度范围时，将此文本图像划分到对应的文本图像所属的类别中。
216.本实施例的文本图像处理装置，通过处理单元1020将多个文本图像分为两类文本图像，并对多个填充文本图像中的多个目标区域进行填充处理，避免了填充文本图像的文本图像中除目标字段外的其它字段对目标字段的识别造成的影响，同时也解决了文本本身排版复杂或是文本稀疏对目标字段的识别造成的影响，提高了对填充文本图像中目标字段识别的准确性；通过处理单元1020为多个填充文本图像以及多个非填充文本图像中的文本
图像添加多个不同的标签，能够为不同的目标字段的旋转角度添加不同的标识，便于训练单元1030对预设模型进行训练，提高了训练单元1030的训练速度以及训练效果。
217.实施例10
218.本发明的再一个实施例提出了一种文本图像处理系统，文本图像处理系统，包括存储器，存储器存储有程序；处理器，处理器执行程序时实现如上述实施例中任一项所述的文本图像处理方法。
219.本技术实施例提供的文本图像处理系统包括存储器和处理器。其中，存储器用于储存程序；处理器与存储器连接，用于执行程序，且在处理器执行程序时实现如上述实施例中任一项所述的文本图像处理方法。因此，具有如上述技术方案中任一项所述的文本图像处理方法的全部有益效果，在此不再赘述。
220.实施例11
221.本发明的又一个实施例提出了一种可读存储介质，可读存储介质其上存储有程序，程序被处理器执行时实现如上述技术方案中任一项所述的文本图像处理方法。
222.本技术实施例提供的可读存储介质，用来储存被处理器执行时实现如上述技术方案中任一项所述的文本图像处理方法的程序，因此，具有如上述技术方案中任一项所述的文本图像处理方法的全部有益效果，在此不再赘述。
223.在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
224.在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
225.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。