一種視頻圖像文字的檢測(cè)方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻文字處理技術(shù)領(lǐng)域，特別是涉及一種視頻圖像文字的檢測(cè)方法和 裝置。
【背景技術(shù)】
[0002] 隨著數(shù)字化網(wǎng)絡(luò)化的發(fā)展，數(shù)字圖像和視頻越來(lái)越多，圖片或視頻中的文字能夠 提供直接的高層語(yǔ)義信息，因此開(kāi)發(fā)視頻圖像文字的檢測(cè)技術(shù)，有助于對(duì)視頻圖像進(jìn)行理 解和管理。
[0003] 現(xiàn)有的光學(xué)字符識(shí)別技術(shù)（OpticalCharacterRecognition，OCR)主要針對(duì)的 是圖像，尤其是照片中文字的檢測(cè)，并且對(duì)圖像預(yù)處理效果較為敏感。若想獲得較好的文字 識(shí)別效果，必須通過(guò)圖像處理技術(shù)，將文字與背景清晰的分割出來(lái)。然而，對(duì)于視頻文字檢 測(cè)，由于背景較為復(fù)雜，視頻壓縮造成的畫質(zhì)損失，以及為了視覺(jué)效果在視頻文字的邊緣加 入陰影等處理，使得通用的文字檢測(cè)技術(shù)如OCR，很難取得滿意的檢測(cè)效果。
[0004] 此外，還有一個(gè)比較重要的影響因素是光照變化，因此必須考慮文字顏色的變化 問(wèn)題。而視頻文字一般為后期添加，雖然背景比較復(fù)雜，但是文字顏色比較均一，因此，若使 用針對(duì)圖像的檢測(cè)方法，由于考慮了不必要的因素，會(huì)導(dǎo)致檢測(cè)精度有所降低。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題是提供一種視頻圖像文字的檢測(cè)方法和裝置， 能夠提高視頻圖像文字檢測(cè)的效果。
[0006] 為了解決上述問(wèn)題，本發(fā)明公開(kāi)了一種視頻圖像文字的檢測(cè)方法，包括：
[0007] 對(duì)視頻圖像進(jìn)行文字檢測(cè)，確定所述視頻圖像的文本區(qū)域；
[0008] 利用所述視頻圖像的顏色信息對(duì)所述視頻圖像的文本區(qū)域進(jìn)行文字和背景分割， 得到二值化文字圖像；
[0009] 對(duì)所述二值化文字圖像進(jìn)行過(guò)濾處理，得到過(guò)濾后的文字圖像。
[0010] 優(yōu)選地，所述確定所述視頻圖像的文本區(qū)域之后，還包括：
[0011] 對(duì)所述視頻圖像的文本區(qū)域進(jìn)行侵蝕處理，得到侵蝕后的文本區(qū)域。
[0012] 優(yōu)選地，所述利用所述視頻圖像的顏色信息對(duì)所述視頻圖像的文本區(qū)域進(jìn)行文字 和背景分割，得到二值化文字圖像的步驟，包括：
[0013] 確定所述視頻圖像文字對(duì)應(yīng)的三通道中心像素值；
[0014] 判斷所述文本區(qū)域中每個(gè)像素點(diǎn)與所述中心像素值是否符合預(yù)置條件，若符合， 則確定當(dāng)前像素點(diǎn)為文字；若不符合，則確定當(dāng)前像素點(diǎn)為背景。
[0015] 優(yōu)選地，所述確定所述視頻圖像文字對(duì)應(yīng)的三通道中心像素值的步驟，包括：
[0016] 利用所述文本區(qū)域作為掩板，從所述視頻圖像中過(guò)濾掉背景，得到文字；
[0017] 提取所述文字的三通道像素值；
[0018] 對(duì)每個(gè)通道提取的像素值進(jìn)行排序，并依據(jù)排序結(jié)果確定中位數(shù)為所述文字對(duì)應(yīng) 的三通道中心像素值。
[0019] 優(yōu)選地，所述對(duì)所述二值化文字圖像進(jìn)行過(guò)濾處理，得到過(guò)濾后的文字圖像的步 驟，包括：
[0020] 依據(jù)對(duì)所述文本區(qū)域分割出的文字，獲取所述文字的筆畫寬度信息以及所述文字 的寬度信息；
[0021] 依據(jù)所述文字的筆畫寬度信息和所述文字的寬度信息，對(duì)所述文本區(qū)域的文字進(jìn) 行切割緊縮處理；
[0022] 對(duì)所述切割緊縮處理后的文本區(qū)域進(jìn)行去噪處理，得到過(guò)濾后的文字圖像。
[0023] 優(yōu)選地，所述得到過(guò)濾后的文字圖像之后，還包括：
[0024] 利用所述過(guò)濾后的文字圖像作為掩板，從所述視頻圖像中獲取文字顏色信息，得 到彩色文字圖像。
[0025] 優(yōu)選地，所述對(duì)視頻圖像進(jìn)行文字檢測(cè)，確定所述視頻圖像的文本區(qū)域的步驟，包 括：
[0026] 利用筆畫寬度變換的檢測(cè)方法對(duì)所述視頻圖像進(jìn)行文字檢測(cè)，確定所述視頻圖 像的文本區(qū)域。
[0027] 依據(jù)本發(fā)明的另一個(gè)方面，提供了一種視頻圖像文字的檢測(cè)裝置，包括：
[0028] 檢測(cè)模塊，用于對(duì)視頻圖像進(jìn)行文字檢測(cè)，確定所述視頻圖像的文本區(qū)域；
[0029] 分割模塊，用于利用所述視頻圖像的顏色信息對(duì)所述視頻圖像的文本區(qū)域進(jìn)行文 字和背景分割，得到二值化文字圖像；
[0030] 過(guò)濾模塊，用于對(duì)所述二值化文字圖像進(jìn)行過(guò)濾處理，得到過(guò)濾后的文字圖像。
[0031] 優(yōu)選地，所述裝置還包括：
[0032] 侵蝕模塊，用于對(duì)所述視頻圖像的文本區(qū)域進(jìn)行侵蝕處理，得到侵蝕后的文本區(qū) 域。
[0033] 優(yōu)選地，所述分割模塊，具體包括：
[0034] 中心確定子模塊，用于確定所述視頻圖像文字對(duì)應(yīng)的三通道中心像素值；
[0035] 判斷子模塊，用于判斷所述文本區(qū)域中每個(gè)像素點(diǎn)與所述中心像素值是否符合預(yù) 置條件，若符合，則確定當(dāng)前像素點(diǎn)為文字；若不符合，則確定當(dāng)前像素點(diǎn)為背景。
[0036] 優(yōu)選地，所述中心確定子模塊，具體包括：
[0037] 背景過(guò)濾單元，用于利用所述文本區(qū)域作為掩板，從所述視頻圖像中過(guò)濾掉背景， 得到文字；
[0038] 提取單元，用于提取所述文字的三通道像素值；
[0039] 中心確定單元，用于對(duì)每個(gè)通道提取的像素值進(jìn)行排序，并依據(jù)排序結(jié)果確定中 位數(shù)為所述文字對(duì)應(yīng)的三通道中心像素值。
[0040] 優(yōu)選地，所述過(guò)濾模塊，具體包括：
[0041] 文字信息獲取子模塊，用于依據(jù)對(duì)所述文本區(qū)域分割出的文字，獲取所述文字的 筆畫寬度信息以及所述文字的寬度信息；
[0042] 切割緊縮子模塊，用于依據(jù)所述文字的筆畫寬度信息和所述文字的寬度信息，對(duì) 所述文本區(qū)域的文字進(jìn)行切割緊縮處理；
[0043] 去噪子模塊，用于對(duì)所述切割緊縮處理后的文本區(qū)域進(jìn)行去噪處理，得到過(guò)濾后 的文字圖像。
[0044] 優(yōu)選地，所述裝置還包括：
[0045] 顏色獲取模塊，用于利用所述過(guò)濾后的文字圖像作為掩板，從所述視頻圖像中獲 取文字顏色信息，得到彩色文字圖像。
[0046] 優(yōu)選地，所述檢測(cè)模塊，具體包括：
[0047] 檢測(cè)子模塊，用于利用筆畫寬度變換的檢測(cè)方法對(duì)所述視頻圖像進(jìn)行文字檢測(cè)， 確定所述視頻圖像的文本區(qū)域。
[0048] 與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例包括以下優(yōu)點(diǎn)：
[0049] 本發(fā)明實(shí)施例首先對(duì)視頻圖像進(jìn)行文字檢測(cè)，確定文本區(qū)域，然后利用顏色信息 對(duì)文本區(qū)域的文字和背景進(jìn)行分割，得到二值化文字圖像，最后對(duì)二值化文字圖像進(jìn)行過(guò) 濾得到去除噪點(diǎn)的文字圖像。由于視頻圖像文字具有背景復(fù)雜、文字顏色均一的特點(diǎn)，而本 發(fā)明實(shí)施例在對(duì)視頻圖像進(jìn)行文字檢測(cè)之后，再利用顏色信息進(jìn)行圖像分割，可以進(jìn)一步 地區(qū)分文字和復(fù)雜的背景，避免單獨(dú)利用針對(duì)圖像的邊緣檢測(cè)方法如OCR導(dǎo)致檢測(cè)效果較 差的問(wèn)題；此外，由于視頻文字顏色均一，利用顏色信息進(jìn)行圖像分割，還可以避免光照變 化對(duì)于檢測(cè)效果的影響，從而可以提高視頻圖像文字檢測(cè)的效果。
【附圖說(shuō)明】
[0050] 圖1示出了本發(fā)明的一種視頻圖像文字的檢測(cè)方法實(shí)施例的步驟流程圖；
[0051] 圖2示出了兩幅視頻圖像的局部圖像示意圖；
[0052] 圖3示出了應(yīng)用SWT算法對(duì)圖2中的視頻圖像進(jìn)行文字檢測(cè)的結(jié)果示意圖；
[0053] 圖4示出了本發(fā)明的一種基于顏色信息進(jìn)行圖像分割后得到的二值化文字圖像 示意圖；
[0054] 圖5示出了本發(fā)明的一種對(duì)ROI侵蝕處理后的結(jié)果示意圖；
[0055] 圖6示出了本發(fā)明利用所述視頻圖像的顏色信息對(duì)所述視頻圖像的文本區(qū)域進(jìn) 行文字和背景分割，得到二值化文字圖像的步驟流程圖；
[0056] 圖7示出了本發(fā)明對(duì)二值化文字圖像進(jìn)行過(guò)濾處理，得到過(guò)濾后的文字圖像的步 驟流程圖；
[0057] 圖8示出了本發(fā)明的一種獲取文字筆畫寬度的示意圖；
[0058] 圖9示出了本發(fā)明的一種文字垂直方向灰度投影的結(jié)果示意圖；
[0059] 圖10示出了本發(fā)明的一種文字水平方向灰度投影的結(jié)果示意圖；
[0060] 圖11示出了本發(fā)明的一種切割粘連文字的結(jié)果示意圖；
[0061] 圖12示出了本發(fā)明對(duì)二值化文字圖像去除噪音后的結(jié)果示意圖；
[0062] 圖13示出了本發(fā)明的一種視頻圖像文字的檢測(cè)方法系統(tǒng)流程圖；
[0063] 圖14示出了圖13對(duì)應(yīng)的檢測(cè)方法步驟流程圖；及
[0064] 圖15示出了本發(fā)明一種視頻圖像文字的檢測(cè)裝置的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0065] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí) 施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
[0066] 實(shí)施例一
[0067] 參照?qǐng)D1，示出了本發(fā)明的一種視頻圖像文字的檢測(cè)方法實(shí)施例的步驟流程圖，具 體可以包括：
[0068] 步驟101、對(duì)視頻圖像進(jìn)行文字檢測(cè)，確定所述視頻圖像的文本區(qū)域；
[0069] 本發(fā)明實(shí)施例可以應(yīng)用于公司新聞拆分系統(tǒng)等各種應(yīng)用場(chǎng)景中，用于提高應(yīng)用場(chǎng) 景中視頻圖像文字檢測(cè)的效果。例如，在應(yīng)用于公司新聞拆分系統(tǒng)時(shí)，一方面，由于標(biāo)題一 般出現(xiàn)在相關(guān)新聞段落的開(kāi)頭，所以可以采用本發(fā)明實(shí)施例識(shí)別出每個(gè)新聞段落的標(biāo)題， 從而可以分割開(kāi)各標(biāo)題對(duì)應(yīng)的新聞段落；另一方面，文字檢測(cè)結(jié)果還可以作為分割出來(lái)的 新聞段落的標(biāo)題，因此，本發(fā)明實(shí)施例能夠減輕編輯手工輸入新聞標(biāo)題的工作量。
[0070] 在具體實(shí)現(xiàn)中，對(duì)視頻圖像進(jìn)行文字檢測(cè)的算法很多，比如基于梯度、基于能量或 基于學(xué)習(xí)模型的文字檢測(cè)算法等。但是有的算法速度較慢，比如基于能量的算法，有的算 法的檢測(cè)精度不能滿足要求，有的算法需要大量樣本，如學(xué)習(xí)模型的文字檢測(cè)算法，在綜 合考慮了各個(gè)算法的效果和效率后，本發(fā)明實(shí)施例優(yōu)選采用筆畫寬度變換（strokeWidth TranSf〇rm，SWT)的算法對(duì)視頻圖像進(jìn)行文字檢測(cè)。當(dāng)然，本領(lǐng)域技術(shù)人員可以靈活選擇文 字檢測(cè)算法，本發(fā)明對(duì)文字檢測(cè)的具體算法不加以限制。
[0071] SWT算法是一種通用的效果較好的文字檢測(cè)算法，一般情況下，應(yīng)用該算法能夠很 好的找到視頻圖像中文字所在的位置，本發(fā)明實(shí)施例利用其檢測(cè)文字，作為進(jìn)一步圖像分 割的基礎(chǔ)。參照?qǐng)D2,示出了兩幅視頻圖像的局部圖像示意圖，以及參照?qǐng)D3,示出了應(yīng)用 SWT算法對(duì)圖2中的視頻圖像進(jìn)行文字檢測(cè)的結(jié)果示意圖，從圖3中可以看出，SWT算法可 以初步檢測(cè)出文字的大體輪廓，但是單獨(dú)使用SWT算法等基于邊緣的檢測(cè)方法，視頻圖像 的文字檢測(cè)效果較差，例如圖3中的文字還有部分殘缺