一种将图片转换为扫描件的方法及智能移动终端与流程

1.本发明实施例涉及图像扫描技术领域，具体涉及一种将图片转换为扫描件的方法及智能移动终端。


背景技术：

2.将文档图片转换为扫描件有着广泛的应用场景，现在的解决方案主要是通过专业扫描仪设备，连接电脑后进行转换，效果好但很不方便。现在随着智能手机的普及，随处可以找到带有摄像头的设备，这些设备普遍拥有强大的计算能力，高清晰的摄像头以及闪光灯，可以借助这些设备，通过算法实现专业扫描仪的效果。


技术实现要素：

3.为此，本发明实施例提供一种将图片转换为扫描件的方法及智能移动终端，以解决现有的图片扫描方法需要使用专业扫描仪设备，导致扫描不方便的问题。
4.为了实现上述目的，本发明实施例提供如下技术方案：
5.根据本发明实施例的第一方面，提出了一种将图片转换为扫描件的方法，所述方法包括：
6.获取待扫描图片的原始图像；
7.对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁；
8.将剪裁得到的图像进行旋转矫正后获取目标图片；
9.对所述目标图片进行去阴影和文字增强处理，并调整图片的亮度、对比度和锐度获取扫描效果图像并保存。
10.进一步地，获取待扫描图片的原始图像，具体包括：
11.使用智能移动终端的摄像头拍摄获取待扫描图片的原始图像，或者直接由智能移动终端的相册中获取预先存储的待扫描图片的原始图像。
12.进一步地，对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁，具体包括：
13.通过基于卷积神经网络的边缘检测算法识别出待扫描图片的图像边缘，输出包含边缘信息的二值化图像；
14.对所述二值化图像利用霍夫变换算法检测出边缘线段，对边缘线段以及线段延长线进行长度过滤、邻近线和邻近点合并处理后识别出边缘中的四边形，计算出面积最大的四边形即为目标图片区域。
15.进一步地，将剪裁得到的图像进行旋转矫正后获取目标图片，具体包括：
16.使用opencv中的透视变换算法将剪裁后的图像投影到一个方正的矩形平面。
17.根据本发明实施例的第二方面，提出了一种智能移动终端，所述智能移动终端包括：
18.图像获取模块，用于获取待扫描图片的原始图像；
19.边缘检测模块，用于对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁；
20.图像矫正模块，用于将剪裁得到的图像进行旋转矫正后获取目标图片；
21.图像增强模块，用于对所述目标图片进行去阴影和文字增强处理，并调整图片的亮度、对比度和锐度获取扫描效果图像并保存。
22.进一步地，所述边缘检测模块具体用于：
23.通过基于卷积神经网络的边缘检测算法识别出待扫描图片的图像边缘，输出包含边缘信息的二值化图像；
24.对所述二值化图像利用霍夫变换算法检测出边缘线段，对边缘线段以及线段延长线进行长度过滤、邻近线和邻近点合并处理后识别出边缘中的四边形，计算出面积最大的四边形即为目标图片区域。
25.进一步地，所述图像矫正模块具体用于，使用opencv中的透视变换算法将剪裁后的图像投影到一个方正的矩形平面。
26.根据本发明实施例的第三方面，提出了一种所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种智能移动终端执行如上任一所述的将图片转换为扫描件的方法。
27.本发明实施例具有如下优点：
28.本发明实施例提出的一种将图片转换为扫描件的方法及智能移动终端，该方法包括：获取待扫描图片的原始图像，对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁，将剪裁得到的图像进行旋转矫正后获取目标图片，对所述目标图片进行去阴影和文字增强处理，并调整图片的亮度、对比度和锐度获取扫描效果图像并保存。通过智能移动终端设备，无需专业的扫描仪就能获取高质量的扫描件，随时随地都能扫描重要的文件，保存成pdf或图片文件，方便检索和传输。
附图说明
29.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
30.图1为本发明实施例1提供的一种将图片转换为扫描件的方法的流程示意图；
31.图2为本发明实施例1提供的一种将图片转换为扫描件的方法的扫描件获转换过程示意图；
32.图3为本发明实施例1提供的一种将图片转换为扫描件的方法的边缘检测过程示意图一；
33.图4为本发明实施例1提供的一种将图片转换为扫描件的方法的边缘检测过程示意图二；
34.图5为本发明实施例1提供的一种将图片转换为扫描件的方法的边缘检测过程示意图三；
35.图6为本发明实施例1提供的一种将图片转换为扫描件的方法的边缘检测过程示意图四；
36.图7为本发明实施例1提供的一种将图片转换为扫描件的方法的边缘检测过程示意图五；
37.图8为本发明实施例2提供的一种智能移动终端的结构示意图。
具体实施方式
38.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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做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。
39.实施例1
40.如图1和图2所示，本实施例提出了一种将图片转换为扫描件的方法，该方法由智能移动终端执行，具体的，该方法包括：
41.s110、获取待扫描图片的原始图像。
42.具体的，使用智能移动终端的摄像头拍摄获取待扫描图片的原始图像，或者直接由智能移动终端的相册中获取预先存储的待扫描图片的原始图像。从相机、相册等渠道，从设备上获取到要扫描转换的原始图像，并缩放到合适的尺寸。
43.s120、对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁。步骤s120具体包括：
44.通过基于卷积神经网络的边缘检测算法识别出待扫描图片的图像边缘，输出包含边缘信息的二值化图像；
45.对所述二值化图像利用霍夫变换算法检测出边缘线段，对边缘线段以及线段延长线进行长度过滤、邻近线和邻近点合并处理后识别出边缘中的四边形，计算出面积最大的四边形即为目标图片区域。
46.具体的，先通过基于神经网络的边缘检测算法，识别图像中文档部分的四边形边缘，输出含边缘信息的等尺寸图片，所采用的神经网络结构如下：
47.a)卷积模块：一个2维卷积层加激活。卷积核数量和卷积核大小都可调节
48.b)融合模块：一个2维卷积层组成。作用是将卷积模块输出的特征图融合。
49.整个神经网络由5个卷积模块 1个融合模块组成。手机等终端设备拍摄文档照片之后，先转换成256
×
256大小的尺寸，经过神经网络后，经过threshold处理，得到2值化的同样256
×
256尺寸的边缘图。
50.c)损失函数选用加权的交叉熵函数。
51.所得到的边缘信息在复杂环境下仍存在噪声，在此基础上再通过对上述输出的图片进行二值化处理后利用霍夫变换算法检测出边缘线段，具体的文档边缘检测过程如下：
52.将神经网络输出的二值化图片，利用霍夫变换算法，得到备选的线段数组，将长度太小的线段排除。将输入的图片看作是256
×
256的正方形，将满足长度条件的线段s向两端延长，与此正方形的边相交，会得到2个交点组成一条参考线段sr，将(s,sr)配对保存，组成新的数组line_array1。如图3，线段ef记为s，参考线段gh与正方形相交记为sr；
53.将line_array1数组中的参考线段取出，两两做检测，如果参考线段(即经过延长与正方形相交得到的那条线段)彼此相距很近，则合并相应的(s,sr)对，相近线段合并之后，得到新的数组line_array2；
54.将line_array2数组的参考线段取出，两两做相交计算，将交点在正方形里面，且相交角度满足一定条件的(50<angle<130)的两个线段保存在一起，这两个线段相交得到一个角，保存为((s1,sr1),(s2,sr2))。将所有满足条件的角((s1,sr1),(s2,sr2))保存在数组corners里面，如图4，s1＝ef,参考线段sr1＝hi，s2＝fg,参考线段sr2＝jk，s1和s2的角度efg满足条件；
55.将corners数组里的角，依次取出，两两比较，如果相距太近，则合并成同一个点，新的角点，取原来两个角点的中点，全部处理完得到数组average_corners；
56.将average_corners中的角依次取出，两两对接，满足条件的两个角组成一个corner pair，将所有满足条件的pair保存在数组corner_pair_list中，满足对接条件的两个角如图5所示，图中的三条线段，(j,i,k)组成了一个corner pair；
57.下一步将数组corner_pair_list中corner pair依次取出匹配，满足条件的就是找到了四变形。注意，图6由两个corner pair构成，分别是(j,k,i)和(j,m,i)；
58.假如找到多个四变形，过滤掉太小面积的四边形，剩余的按rate＝四边形间隙gap/四边形面积s来排序，取rate最大的那个，其中，gap指的是如图7中的ji hg，s指的是四边形面积大小；
59.经过以上步骤，得到四个点，ejfg，就是文档的边缘。
60.s130、将剪裁得到的图像进行旋转矫正后获取目标图片。具体包括：
61.使用opencv中的透视变换算法将剪裁后的图像投影到一个方正的矩形平面。
62.s140、对所述目标图片进行去阴影和文字增强处理，并调整图片的亮度、对比度和锐度获取扫描效果图像并保存。
63.使用一种白平衡算法，把图片中的阴影去除，并增强主体文字的效果。再整体增强亮度、对比度、锐度，使其更接近扫描仪的效果。
64.去阴影的原理如下：
65.手机拍摄照片的时候，由于灯光遮挡等原因，文档上面的灯光强度不同，但由于文档纸张底色一般都是白色，因此可以用白平衡算法来恢复纸张原始的白色背景，但因为文档上有文字和图片等内容，并不是所有地方都是白色，因此将文档分为16
×
16大小的块，寻找块里面最亮的15％的颜色，作为灯光的颜色light，输入的文档原始颜色为input：
66.对于input>＝light，output＝255
67.对于input<light，output＝255*(0.5
‑
0.5*cos(pow(input/light,1.5)*3.141593))；由此就能把灯光阴影去掉。
68.最后将结果图片保存为pdf文件，并根据用户的选择，设置合适的文件尺寸。
69.本发明实施例提出的一种将图片转换为扫描件的方法，通过智能移动终端设备，无需专业的扫描仪就能获取高质量的扫描件，随时随地都能扫描重要的文件，保存成pdf或图片文件，方便检索和传输。
70.实施例2
71.与上述实施例1相对应的，本实施例提出了一种智能移动终端，如图8所示，所述智
能移动终端包括：
72.图像获取模块210，用于获取待扫描图片的原始图像；
73.边缘检测模块220，用于对所述待扫描图片的原始图像进行边缘检测识别出待扫描图片的图像边缘并进行剪裁；
74.图像矫正模块230，用于将剪裁得到的图像进行旋转矫正后获取目标图片；
75.图像增强模块240，用于对所述目标图片进行去阴影和文字增强处理，并调整图片的亮度、对比度和锐度获取扫描效果图像并保存。
76.进一步地，所述边缘检测模块220具体用于：
77.通过基于卷积神经网络的边缘检测算法识别出待扫描图片的图像边缘，输出包含边缘信息的二值化图像；
78.对所述二值化图像利用霍夫变换算法检测出边缘线段，对边缘线段以及线段延长线进行长度过滤、邻近线和邻近点合并处理后识别出边缘中的四边形，计算出面积最大的四边形即为目标图片区域。
79.进一步地，所述图像矫正模块230具体用于，使用opencv中的透视变换算法将剪裁后的图像投影到一个方正的矩形平面。
80.本发明实施例提供的智能移动终端中各部件所执行的功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
81.实施例3
82.与上述实施例相对应的，本实施例提出了一种计算机存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种智能移动终端执行如实施例1的将图片转换为扫描件的方法。
83.虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。