图片筛选方法及装置与流程
本发明涉及图像处理,具体涉及图片筛选方法及装置。
背景技术:
1、在敏感内检测、图文信息检索、文档数字化等应用场景中,往往需要从海量图片中快速筛选出包含有特定文字内容的图片。然而,在实际生产环境中的图片往往包含有大量与文字识别无关的内容,如应用图标、纯色背景图、渐变图、表情包、自然图像(如风景、人物图)、无文字截图等。若直接将全部图像输入包含可微分二值化网络(differentiablebinarization network,dbnet)、角度回归网络(angle regression network,anglenet)、卷积循环神经网络(convolutional recurrent neural network,crnn)等的完整光学字符识别(optical character recognition,ocr)链路,会造成巨大计算资源浪费,降低处理吞吐量。
技术实现思路
1、本发明提供了一种图片筛选方法及装置,以解决大量图片直接采用完整ocr链路造成计算资源浪费的问题。
2、第一方面,本发明提供了一种图片筛选方法,方法包括:
3、获取待筛选图片的尺寸信息和像素信息;
4、当基于尺寸信息和像素信息,确定待筛选图片满足第一预设条件时,对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息;
5、当基于文本信息确定待筛选图片满足第二预设条件时,确定待筛选图片为目标图片,用以基于预设图像识别模型对目标图片进行图像识别。
6、通过上述方法,基于尺寸信息和像素信息完成第一级筛选,在降低算力开销的同时,能够快速剔除无文字、纯色图等大量无效图像,进一步的,对待筛选图片进行文本检测,基于检测得到的文本信息进行第二级筛选,利用文本信息中的文本特征进行精细化筛选,仅将包含有真实有效的目标图片输入后续包含有预设图像识别模型的完整ocr识别流程,通过两级筛选替代相关技术中全量图片的图像识别,在降低后续预设图像识别模型的算力消耗的同时,基于待筛选图片的尺寸信息、像素信息和文本信息三个维度,对待筛选图片进行精准筛选,提升海量图片文字识别场景下的筛选精度。
7、在一种可选的实施方式中,尺寸信息包括高度和宽度;基于尺寸信息和像素信息,确定待筛选图片满足第一预设条件,包括:
8、当高度大于预设高度,宽度大于预设宽度,且不存在宽度与高度之间的比值处于预设比值范围同时宽度小于第二预设宽度的情形时,基于像素信息,确定待筛选图片中包含的颜色数量;
9、当颜色数量大于预设颜色数量时,确定待筛选图片满足第一预设条件。
10、在一种可选的实施方式中,像素信息包括待筛选图片中每个像素点在bgr三个通道上分别对应的亮度值;当高度大于预设高度,宽度大于预设宽度,且不存在宽度与高度之间的比值处于预设比值范围同时宽度小于第二预设宽度的情形时,基于像素信息,确定待筛选图片中包含的颜色数量,包括:
11、对第一像素点在第一通道上的亮度值进行量化,得到第一像素点在第一通道上的量化后亮度值,其中,第一像素点为待筛选图片中所有像素点之一,第一通道为bgr三个通道之一;
12、当确定第一像素点在所有通道上分别对应的量化后亮度值后,对第一像素点在所有通道上分别对应的量化后亮度值进行合并,得到第一像素点的量化编码,其中,量化编码用于指示第一像素点的颜色;
13、当确定待筛选图片中所有像素点分别对应的量化编码后,基于所有像素点分别对应的量化编码,确定颜色数量。
14、在一种可选的实施方式中,当确定待筛选图片中所有像素点分别对应的量化编码后,基于所有像素点分别对应的量化编码,确定颜色数量,包括:
15、对所有像素点分别对应的量化编码进行去重处理,得到去重后的量化编码;
16、将去重后的量化编码的数量确定为颜色数量。
17、在一种可选的实施方式中,方法应用于计算设备;对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息之前,方法还包括:
18、获取当前时刻计算设备的cpu线程数量;
19、基于cpu线程数量,从预构建的文本检测规则库中确定与计算设备对应的目标文本检测规则,用以基于目标文本检测规则对待筛选图片中的文本进行检测。
20、在一种可选的实施方式中,当基于尺寸信息和像素信息,确定待筛选图片满足第一预设条件时,对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息,包括:
21、基于待筛选图片和预构建的第一文本检测模型,确定待筛选图片的单通道概率热力图;
22、基于预设概率阈值,对单通道概率热力图进行二值化处理,得到二值化后的热力图;
23、对二值化后的热力图进行连通域分析,确定待筛选图片中属于文本区域的至少一个连通域;
24、基于至少一个连通域,确定文本信息。
25、在一种可选的实施方式中,文本信息包括文本块数量和文本面积比;基于至少一个连通域,确定文本信息,包括:
26、统计每一个连通域分别对应的像素点总数量;
27、将像素点总数量大于预设数量阈值的连通域确定为待筛选图片中的文本块;
28、对待筛选图片中的文本块进行统计,得到文本块数量;
29、对所有文本块中的像素点进行统计,得到目标像素点数量;
30、基于目标像素点数量和待筛选图片中的像素点总数量,确定文本面积比。
31、在一种可选的实施方式中,文本信息包括文本块数量和文本面积比;当基于尺寸信息和像素信息,确定待筛选图片满足第一预设条件时,对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息,包括:
32、基于待筛选图片和预构建的第二文本检测模型,确定待筛选图片中的文本框;
33、对待筛选图片中的文本框进行统计,得到文本块数量;
34、确定待筛选图片中每一个文本框的面积;
35、基于每一个文本框的面积和待筛选图片的面积,确定文本面积比。
36、在一种可选的实施方式中,对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息之前,方法还包括:
37、对待筛选图片进行边缘填充,得到填充后的图片;
38、当填充后的图片的尺寸超过预设尺寸时,对填充后的图片进行等比缩放处理,得到缩放后的图片;
39、将缩放后的图片进行步长对齐操作,得到最终图片,用以对最终图片中的文本进行检测,得到文本信息。
40、第二方面,本发明提供了一种图片筛选装置,装置包括:
41、获取模块,用于获取待筛选图片的尺寸信息和像素信息;
42、检测模块,用于当基于尺寸信息和像素信息,确定待筛选图片满足第一预设条件时,对待筛选图片中的文本进行检测,得到待筛选图片中的文本信息;
43、确定模块,用于当基于文本信息确定待筛选图片满足第二预设条件时,确定待筛选图片为目标图片,用以基于预设图像识别模型对目标图片进行图像识别。
44、通过上述装置,基于尺寸信息和像素信息完成第一级筛选,在降低算力开销的同时,能够快速剔除无文字、纯色图等大量无效图像,进一步的,对待筛选图片进行文本检测,基于检测得到的文本信息进行第二级筛选,利用文本信息中的文本特征进行精细化筛选,仅将包含有真实有效的目标图片输入后续包含有预设图像识别模型的完整ocr识别流程,通过两级筛选替代相关技术中全量图片的图像识别,在降低后续预设图像识别模型的算力消耗的同时,基于待筛选图片的尺寸信息、像素信息和文本信息三个维度,对待筛选图片进行精准筛选,提升海量图片文字识别场景下的筛选精度。
45、第三方面,本发明提供了一种电子设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的图片筛选方法。
46、第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的图片筛选方法。
47、第五方面,本发明提供了一种计算机程序产品,包括计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的图片筛选方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com