发票/OCR：检测发票图像中的两个重要点

Posted 2023-04-17

【中文标题】发票/OCR：检测发票图像中的两个重要点

【英文标题】：Invoice / OCR: Detect two important points in invoice image

【发布时间】：2013-10-07 10:56:25

【问题描述】：

我目前正在开发 OCR 软件，我的想法是使用模板来尝试识别发票中的数据。

但是扫描的发票可能有几个“缺陷”：

并非所有基于单一模板的发票都在扫描仪下正确对齐。 人们可以在发票上写字 等

发票示例：（必须谷歌它，遗憾的是无法添加更具体的版本，因为客户数据显然是机密的）

我根据文本的 x 值在发票中找到我的数据。

但是，我需要知道发票的比例和从左/右的偏移量，然后才能对检索到的所有数据进行任何实际计算。

到目前为止我尝试了什么？

1) 使图像成为单色并使用第一个出现的黑色像素的左右边界。这失败了，因为人们可以在发票上写字。

2) 将发票分成垂直部分，使用黑色像素最多的部分。由于相似模板之间的分布并不总是一致的事实而失败。

我真的可以在 (1) 如何识别发票中的重点和 (2) 我应该关注的重点方面提供帮助。

我希望这个问题足够清楚，因为它很难解释。

【问题讨论】：

您可以依赖发票的哪些固定部分？表格本身，特别是它的黑框，会在所有扫描中使用吗？灰色背景是否也可以使用，或者它们会在某些扫描中丢失？即使应该旋转图像以进行扫描，比例是否相同，或者您是否也期望比例变化？

您使用什么样的技术在表格中定位描述和编号？

【参考方案1】：

检测旋转

我建议你从检测直线开始。

寻找（可能是随机的）具有高对比度的小区域，即大部分是白色但也有相当数量的非常黑色的像素。然后尝试为这些黑色像素拟合一条线，例如使用最小二乘法。删除异常值，并将另一条线拟合到其余点。根据需要进行迭代。评估拟合的好坏，即观察区域中有多少像素真正靠近线，以及该线超出观察区域的距离。对多个区域执行此过程，您应该得到一个加权的行列表。

对于每条线，您可以计算线本身的方向以及与其正交的方向。这些数字之一可以从区间 [0°, 90°) 中选择，另一个将是 90° 加上该值，因此存储一个就足够了。采取所有这些方向，并找到一个最适合所有方向的角度。您可以使用例如滑动窗口来做到这一点。 5°：滑过该（循环）区域并找到最大线数在窗口内的值，然后计算该窗口内角度的平均值或中值。所有这些计算都可以在考虑线的权重的情况下完成。

找到线条的方向后，您可以旋转图像，使线条与坐标轴完美对齐。

检测翻译

假设图像在任何时候都没有缩放，那么您可以尝试使用基于 FFT 的图像相关性来将其与模板匹配。将两个图像都转换为灰色，用零填充它们，直到原件最多占据填充图像边缘长度的 1/2，最好应该是 2 的幂。在两个方向上对两个图像进行 FFT，将它们逐元素相乘并返回 iFFT。生成的图像将编码两个图像在给定偏移下相对于彼此的一致程度。只需找到最大值，您就知道如何使它们匹配。

添加的文本不会引起任何问题。这种方法最适合大面积区域，例如公司徽标和灰色背景框。细线将提供较差的匹配，因此在这些情况下，您可能必须在进行相关之前模糊图片，以扩大特征。您不必使用模糊图像进行进一步处理；一旦知道偏移量，您就可以返回到旋转但未模糊的版本。

现在您知道旋转和平移，并且假设没有缩放或剪切，因此您确切知道模板的哪个部分对应于扫描的哪个部分。继续。

【讨论】：

有趣的阅读，感谢您的回答。然而，我已经设计了一种处理旋转的方法。您知道同时检测缩放和平移的方法吗？至少我现在知道我需要在（任意？）图像中寻找翻译和缩放，或者更具体地说是发票。

@skiwi：检测缩放的一种可能方法是（重新）使用在我的方法中检测到的线条：它们应该与表单中的线条相匹配，因此可以寻找一个匹配的所有缩放距离均匀。我也曾经和一个人一起工作，他将扫描的图像与线条相交，通过查看相交图案能够获得有关原始图像的一些信息。不过，我不确定我是否会直接获得详细信息。也不确定它是否适用于此。

【参考方案2】：

如果已经解决了旋转问题，我只需将所有像素颜色值水平和垂直汇总为一条水平/垂直“线”。这应该会在表单中有水平线和垂直线的地方提供清晰的尖峰。

附言使用 Gimp 的缩放功能生成了相应的水平图像，附在下面（有点难以看到，因为它只有一个像素高，并且可能会因为 > 700 px 宽而被缩小；网址是 http://i.stack.imgur.com/Zy8zO.png）。