CN114419632B 一种ocr训练样本生成方法、装置及系统 （北京易道博识科技有限公司）

本发明公开了一种OCR训练样本生成方法、复区域掩膜以及修复区域周围的像素信息进行2文字轮廓提取步骤，基于原始图像提取所有文字轮廓，结将输入的原始图像转换为单通道灰度图，再将其自适应二值化，将所有文字轮廓掩膜与抹除区域掩膜对应位置像素相乘，得到抹除区域文字轮廓掩从外到内的顺序轮询待修复区域的每个像素点，根据某个像素点周围已知像素的信随机文本生成步骤，在每个生成区域内生成随机文本，由此根据冗余随机文本长度和随机文本预计长度w的关系，确定最终生成的随机文本及其在生成区域内随机确定该生成文本的位置，写入该最终生成的2.根据权利要求1所述的OCR训练样本生成方法3.根据权利要求1所述的OCR训练样本生成方法，4.根据权利要求1所述的OCR训练样本生成方法，其特征在取该生成区域的长和宽中的最大值作为生成文本的最大成文本的最小长度，在该最小值和最大值之间随机选择一个整数作为随机文本预计长度，36.根据权利要求5所述的OCR训练样本生成方法，其数据库随机获取：用来生成规则不明确或某种固定型语料，通过7.根据权利要求1所述的OCR训练样本生从冗余随机文本的第一个字符开始，统计每个字符的实际长度并8.根据权利要求1所述的OCR训练样本生成方法，随机选择一个整数点(x,y)作为该最终生成的随机文本的9.根据权利要求1所述的OCR训练样本生成方法，对该最终生成的随机文本的字体大小和颜色进行调对于某一生成区域，从修复区域掩膜中选择对应的区域，并对该区将该颜色值作为生成文字的颜色，使得该最终生成的随机文本的字体颜12.一种OCR训练样本生成装置，所述装置基于根据权利要求1至11中任一项所述的方文字轮廓提取模块，用于基于原始图像提取所有文字4随机文本生成模块，用于在每个生成区域内生成随机文本被处理器执行时实现根据权利要求1至11中任一项所述的OCR训练56[0024]这里，INPAINT_NS(基于Navier-Stokes的修复方法)和INPAINT_TELEA(基于图像[0029]根据冗余随机文本长度和随机文本预计长度w的关系，确定最终生成的随机文本7字符总长度刚好满足“再加一个字符就会超出w”，将其作为最终生成的随机文本，记为围内随机选择一个整数点(x,y)作为该最终生成的随机文本的8计算机程序，所述计算机程序被处理器执行时实现如以上任一方面所述的OCR训练样本生9而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互[0097]图像骨干提取技术用来将二值化图像内的对象减少为1像素宽度的表示。其工作[0101]本发明涉及一种OCR训练样本生成方法。该方法可自适应生成大量高质量OCR样[0106]整体的模块流程图如下图8所示，每个模块内部的算法流程图见每个模块说明部[0109]由于二值化提取的文字轮廓边缘可能不全，修补后不能完全抹除文字边缘的痕轮询待修复区域的每个像素点，(从外到内的排序算法可自由选择，如快速行进算法Fast[0116]随机生成模块用于在背景模板的指定位置或随机位置生成随机文本和标注文件。[0122]自适应文字大小模块为可选模块，用来自适应调节生成的每个文本行的文字大[0130]自适应文字颜色模块为可选模块，用来自适应调节生成的每个文本行的字体颜[0142]添加该模块后的样本生成效果如图7所示。图17-22为使用本方法为不同样式的贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如