本發(fā)明涉及計算機領(lǐng)域，尤其涉及一種傾斜圖像校正的方法和裝置。
背景技術(shù)：
：：如今，證件信息提取已經(jīng)廣泛應(yīng)用于各種場景中。證件信息提取通常的流程是：先通過掃描證件或拍照得到證件圖像，再利用技術(shù)手段識別圖像中的關(guān)鍵信息。但是，在拍照或掃描過程中，由于各種原因，證件圖像可能會產(chǎn)生一定的傾斜，這對后期證件信息的提取會產(chǎn)生較大影響，容易導致證件信息提取不全、錯誤，甚至無法提取到證件信息，因此有必要對傾斜的圖像進行校正?，F(xiàn)有技術(shù)中傾斜圖像校正的流程一般如下：s01.利用圖像采集設(shè)備獲取證件圖像。s02.對證件圖像進行灰度處理。s03.對灰度圖像進行邊緣檢測。s04.利用hough變換進行圖像邊框直線檢測，計算圖像傾斜角度。s05.利用所述傾斜角度旋轉(zhuǎn)圖像以實現(xiàn)校正。上述具體流程如圖1所示。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：1.現(xiàn)有技術(shù)中采用hough變換來計算傾斜角度，由于hough變換需要對所有像素點進行重復(fù)計算，需要較大的計算量和較長的運算時間，這使得圖像校正效率較低。2.現(xiàn)有技術(shù)是通過檢測圖像的輪廓而進行旋轉(zhuǎn)的，對于產(chǎn)生180度偏轉(zhuǎn)的圖像，不能判斷其正反。3.在受到噪點影響，背景與圖像信息不分明的時候，現(xiàn)有技術(shù)很難將輪廓提取出來，導致無法實現(xiàn)校正。4.現(xiàn)有技術(shù)采用hough變換檢測直線時，由于圖片背景各異，通常會檢測出較多的干擾線，從而無法確定圖像邊框直線。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明實施例提供一種傾斜圖像校正的方法和裝置，能夠以較小的運算量準確地對傾斜圖像進行校正，并能夠判斷校正后的圖像是否倒置，進而對倒置的圖像進行調(diào)整。為實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種傾斜圖像校正的方法。本發(fā)明實施例的傾斜圖像校正的方法包括：切分圖像中的字符；從切分的字符中確定至少一個特征字符串；通過所述至少一個特征字符串校正圖像?？蛇x地，所述至少一個特征字符串為直線型字符串。可選地，切分圖像中的字符包括：檢測圖像中的字符，根據(jù)檢測的字符的端點建立容納所述字符的字符框。可選地，從切分的字符中確定特征字符串包括：從圖像的字符框中確定起始字符框；選取處于所述起始字符框鄰域內(nèi)、且滿足預(yù)設(shè)判別條件的待判別字符框，作為特征字符框；將得到的特征字符框依次作為起始字符框，確定在所述起始字符框鄰域內(nèi)、且滿足預(yù)設(shè)判別條件的待判別字符框為特征字符框，直到?jīng)]有新的特征字符框生成；將得到的所有特征字符框組成特征字符串。可選地，預(yù)設(shè)判別條件為：待判別字符框與起始字符框的橫向距離小于第一距離閾值，且待判別字符框與起始字符框的縱向中心距離小于第二距離閾值；或者待判別字符框與起始字符框的縱向距離小于第三距離閾值，且待判別字符框與起始字符框的橫向中心距離小于第四距離閾值?？蛇x地，所述方法進一步包括：計算任一特征字符串的每一起伏角，將任一起伏角小于預(yù)設(shè)角度閾值的特征字符串去除；其中，所述起伏角為：特征字符串中一個字符框的中心點與相鄰字符框的中心點的連線的夾角?？蛇x地，如果從切分的字符中確定一個特征字符串，則通過所述一個特征字符串校正圖像包括：以直線連接該特征字符串的端點字符框的中心點，計算該直線的傾角作為該特征字符串的傾角；根據(jù)所述傾角旋轉(zhuǎn)圖像以實現(xiàn)校正。可選地，如果從切分的字符中確定多個特征字符串，則通過所述多個特征字符串校正圖像包括：針對任一特征字符串，以直線連接該特征字符串的端點字符框的中心點，計算該直線的傾角作為該特征字符串的傾角；如果所述多個特征字符串的傾角都在預(yù)設(shè)角度范圍、或都不在預(yù)設(shè)角度范圍，則計算所述多個特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正?？蛇x地，所述方法進一步包括：在所述多個特征字符串中，如果部分特征字符串的傾角在預(yù)設(shè)角度范圍，則統(tǒng)計傾角在預(yù)設(shè)角度范圍的特征字符串的數(shù)量、與傾角不在預(yù)設(shè)角度范圍的特征字符串的數(shù)量，將數(shù)量較小的相應(yīng)特征字符串去除；針對剩余的特征字符串，計算各特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正?？蛇x地，所述方法進一步包括：校正圖像后，根據(jù)所述特征字符串在校正后的圖像中的位置判斷所述校正后的圖像是否倒置：若是，將該圖像旋轉(zhuǎn)180°。為實現(xiàn)上述目的，根據(jù)本發(fā)明的另一方面，提供了一種傾斜圖像校正的裝置。本發(fā)明實施例的傾斜圖像校正的裝置包括：切分模塊，可用于切分圖像中的字符；字符串提取模塊，可用于從切分的字符中確定至少一個特征字符串；校正模塊，可用于通過所述至少一個特征字符串校正圖像。可選地，切分模塊包括：檢測模塊，可用于檢測圖像中的字符；字符框建立模塊，可用于根據(jù)檢測的字符的端點建立容納所述字符的字符框。可選地，字符串提取模塊包括：起始字符框確定模塊，可用于從圖像的字符框中確定起始字符框；特征字符框選取模塊，可用于選取處于所述起始字符框鄰域內(nèi)、且滿足預(yù)設(shè)判別條件的待判別字符框，作為特征字符框；特征字符串生成模塊，可用于將得到的特征字符框依次作為起始字符框，確定在所述起始字符框鄰域內(nèi)、且滿足預(yù)設(shè)判別條件的待判別字符框為特征字符框，直到?jīng)]有新的特征字符框生成；將得到的所有特征字符框組成特征字符串?？蛇x地，校正模塊包括：傾角計算模塊，可用于針對任一特征字符串，以直線連接該特征字符串的端點字符框的中心點，計算該直線的傾角作為該特征字符串的傾角；第一校正模塊，可用于當確定的特征字符串為多個時，如果判斷多個特征字符串的傾角都在預(yù)設(shè)角度范圍、或都不在預(yù)設(shè)角度范圍，則計算所述多個特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正；第二校正模塊，可用于當確定的特征字符串為多個時，如果判斷多個特征字符串中的部分特征字符串的傾角在預(yù)設(shè)角度范圍，則統(tǒng)計傾角在預(yù)設(shè)角度范圍的特征字符串的數(shù)量、與傾角不在預(yù)設(shè)角度范圍的特征字符串的數(shù)量，將數(shù)量較小的相應(yīng)特征字符串去除；并針對剩余的特征字符串，計算各特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正；第三校正模塊，可用于當確定的特征字符串為一個時，根據(jù)該特征字符串的傾角旋轉(zhuǎn)圖像以實現(xiàn)校正?？蛇x地，所述裝置進一步包括：倒置調(diào)整模塊，可用于根據(jù)所述特征字符串在校正后的圖像中的位置判斷所述校正后的圖像是否倒置：若是，將該圖像旋轉(zhuǎn)180°為實現(xiàn)上述目的，根據(jù)本發(fā)明的再一方面，提供了一種電子設(shè)備。本發(fā)明的一種電子設(shè)備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)本發(fā)明所提供的傾斜圖像校正的方法。為實現(xiàn)上述目的，根據(jù)本發(fā)明的再一方面，提供了一種計算機可讀存儲介質(zhì)。本發(fā)明的一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)本發(fā)明所提供的傾斜圖像校正的方法。根據(jù)本發(fā)明的技術(shù)方案，上述發(fā)明中的一個實施例具有如下優(yōu)點或有益效果：通過為切分的字符設(shè)置字符框，利用字符框的相鄰位置關(guān)系確定特征字符串，根據(jù)特征字符串確定傾斜角度以旋轉(zhuǎn)圖像，從而以較小的運算量實現(xiàn)了傾斜圖像的準確校正，大幅提高了傾斜圖像的校正效率，并為圖像中字符的后續(xù)識別提供基礎(chǔ)，解決了現(xiàn)有技術(shù)校正運算量大、校正效率低的問題；由于提取圖像的字符特征來進行校正，不需要提取圖像輪廓，從而解決了現(xiàn)有技術(shù)干擾線較多、高噪聲背景下無法提取輪廓的問題；通過判斷特征字符串在校正后的圖像中的位置來檢測圖像是否倒置，進而對倒置圖像進行調(diào)整，從而克服了現(xiàn)有技術(shù)無法對倒置圖像進行處理的缺陷。上述的非慣用的可選方式所具有的進一步效果將在下文中結(jié)合具體實施方式加以說明。附圖說明附圖用于更好地理解本發(fā)明，不構(gòu)成對本發(fā)明的不當限定。其中：圖1是現(xiàn)有技術(shù)中傾斜圖像校正的流程示意圖；圖2是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的主要步驟示意圖；圖3是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的字符框建立示意圖；圖4是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的網(wǎng)格構(gòu)建示意圖；圖5是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的特征字符串生成示意圖；圖6是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的起伏角生成示意圖；圖7是根據(jù)本發(fā)明實施例的傾斜圖像校正的裝置的主要部分的示意圖；圖8是用來實現(xiàn)本發(fā)明實施例的傾斜圖像校正的方法的電子設(shè)備的結(jié)構(gòu)示意圖。具體實施方式以下結(jié)合附圖對本發(fā)明的示范性實施例做出說明，其中包括本發(fā)明實施例的各種細節(jié)以助于理解，應(yīng)當將它們認為僅僅是示范性的。因此，本領(lǐng)域普通技術(shù)人員應(yīng)當認識到，可以對這里描述的實施例做出各種改變和修改，而不會背離本發(fā)明的范圍和精神。同樣，為了清楚和簡明，以下的描述中省略了對公知功能和結(jié)構(gòu)的描述。本發(fā)明的實施例的技術(shù)方案通過為切分的字符設(shè)置字符框，利用字符框的相鄰位置關(guān)系確定特征字符串，根據(jù)特征字符串確定傾斜角度以旋轉(zhuǎn)圖像，從而以較小的運算量實現(xiàn)了傾斜圖像的準確校正，大幅提高了傾斜圖像的校正效率，并為圖像中字符的后續(xù)識別提供基礎(chǔ)，解決了現(xiàn)有技術(shù)校正運算量大、校正效率低的問題；通過提取圖像的字符特征來進行校正，不需要提取圖像輪廓，從而解決了現(xiàn)有技術(shù)干擾線較多、高噪聲背景下無法提取輪廓的問題；通過判斷特征字符串在校正后的圖像中的位置來檢測圖像是否倒置，進而對倒置圖像進行調(diào)整，從而克服了現(xiàn)有技術(shù)無法對倒置圖像進行處理的缺陷。圖2是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的主要步驟的示意圖。如圖2所示，本發(fā)明實施例的傾斜圖像校正的方法主要包括如下步驟：步驟s1：切分圖像中的字符。本步驟的目的在于：提取圖像中的字符，并利用字符框?qū)ψ址M行切分。在本發(fā)明實施例中，在步驟s1之前，以圖像的中心為原點，以目標方向為x軸方向，建立平面直角坐標系。上述目標方向可以是期望的校正后的圖像中的特征線所指的方向，特征線具體為圖像中具有定向作用的直線，例如：對于身份證圖像來說，其矩形輪廓下邊所在的直線或穿過“公民身份號碼xxxxxxxxxx”中字符中心的直線都可以作為特征線。在本發(fā)明實施例中，當旋轉(zhuǎn)圖像使圖像中的特征線處于目標方向時，說明圖像處于已校正狀態(tài)。較佳地，在本發(fā)明實施例中，步驟s1可以包括：檢測圖像中的字符，根據(jù)檢測的字符的端點建立容納字符的字符框。字符的端點指的是字符的橫坐標最大、最小的兩個像素點、以及字符的縱坐標最大、最小的兩個像素點，基于四個端點在x、y方向構(gòu)建矩形字符框即可包括該字符的全部像素點，即容納該字符。具體應(yīng)用中，可以利用mser(maximallystableextremalregions，最大穩(wěn)定極值區(qū)域)算法來實現(xiàn)字符的切分，mser算法可通過opencv(opensourcecomputervisionlibrary，開源計算機視覺算法庫)的cvextractmser函數(shù)實現(xiàn)。在mser算法處理圖像之前，首先需要對圖像進行灰度處理。mser算法的具體步驟如下：1.利用不同灰度閾值對圖像進行二值化處理。2.對于每個閾值得到的二值化圖像，獲取相應(yīng)的黑色區(qū)域與白色區(qū)域。3.在預(yù)設(shè)的灰度閾值內(nèi)提取保持形狀穩(wěn)定的區(qū)域，即為最大穩(wěn)定極值區(qū)域。4.提取同一區(qū)域內(nèi)所有像素點橫縱坐標的最小和最大值x1、x2、y1、y2，組合得到四個坐標點(x1,y1)，(x1,y2)，(x2,y1)，(x2,y2)。5.以步驟4中的四個坐標點為矩形的四個角，同一區(qū)域內(nèi)的所有像素點均在這四個點圍成的矩形字符框內(nèi)。圖3是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的字符框建立示意圖，上述步驟4、5具體可參見圖3。步驟s2：從切分的字符中確定至少一個特征字符串。本步驟的目的在于：基于切分的字符及字符框，提取特征字符串用于確定圖像的傾斜角度。在本發(fā)明實施例中，特征字符串由多個字符組成，而每個字符均與字符框?qū)?yīng)，因此也可以認為特征字符串由與上述字符對應(yīng)的字符框組成。具體應(yīng)用中，特征字符串為直線型字符串，即由相鄰的、沿直線排列的多個字符組成的字符串，呈直線排列可以為：字符串中各字符框中心點的排列符合預(yù)設(shè)的直線排列規(guī)則，直線排列規(guī)則可以根據(jù)實際需要靈活設(shè)置。需要說明的是，在本發(fā)明的實施例中，是通過從傾斜圖像中提取出特征字符串并計算特征字符串的傾角，同時參照這一內(nèi)容的字符串在此類圖像中的固有位置，來獲取傾斜圖像的傾斜角度的。因此，本發(fā)明可以對具有上述特征字符串的圖像如身份證、駕駛證、車牌號等進行校正。例如：對于身份證圖像進行校正時，可提取身份證最下方的字符串“公民身份號碼xxxxxxxx”作為特征字符串，計算其傾角角度。由于該字符串與身份證的特征線同向，因此可將身份證圖像旋轉(zhuǎn)上述傾角角度實現(xiàn)校正。在本發(fā)明實施例中，步驟s2可根據(jù)下列步驟執(zhí)行：步驟s21：從圖像的字符框中確定起始字符框。較佳地，在確定起始字符框之前，可以建立網(wǎng)格圖并對每一字符框的位置進行標記。圖4是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的網(wǎng)格構(gòu)建示意圖。如圖4所示，傾斜圖像由“魯mbd726”與“車輛”兩部分組成。首先可以根據(jù)預(yù)設(shè)距離建立網(wǎng)格，例如以所有字符框長度平均值的1.5倍作為網(wǎng)格的長度、以所有字符框?qū)挾绕骄档?.5倍作為網(wǎng)格寬度來建立網(wǎng)格。建立網(wǎng)格之后，可以對每一字符框進行編號，并標記每一字符框在網(wǎng)格中的位置。其中：每一字符框在網(wǎng)格中的位置指的是每一字符框的中心點在網(wǎng)格中的位置。例如：可將字符“魯”、“m”、“b”、“d”、“7”、“2”、“6”、“車”、“輛”依次編號為0-8，并結(jié)合其在網(wǎng)格中的位置生成如下數(shù)組a[n]＝{(4，3，0)，(4，4，0)，(4，4，0)，(4，4，0)，(4，5，0)，(3，5，0)，(3，6，0)，(3，6，0)，(3，6，0)}。其中，n取值0-8，數(shù)組中每一項的前兩個數(shù)字表示字符框中心點在網(wǎng)格中第幾行、第幾列，第三個數(shù)字表示字符框的處理狀態(tài)，o為未處理，1為已處理。在上述步驟中，通過建立網(wǎng)格進行字符框標記，能夠快速限定需要判斷的區(qū)域范圍，只需要判斷某一字符框在區(qū)域范圍內(nèi)是否有符合規(guī)則的相鄰字符框即可，從而避免了在全盤范圍內(nèi)對所有其它字符框進行判斷的過程，由此顯著地提升了校正效率。在本發(fā)明實施例中，可選取圖像內(nèi)的任一字符框作為起始字符框，例如：選取圖4中的“魯”作為起始字符框以提取特征字符串。步驟s22：選取處于起始字符框鄰域內(nèi)且滿足預(yù)設(shè)判別條件的待判別字符框，作為特征字符框。其中：鄰域指的是起始字符框的相鄰區(qū)域，實際應(yīng)用中，可以根據(jù)需求設(shè)置領(lǐng)域范圍。例如：可以將以起始字符框中心點為圓心，以預(yù)設(shè)長度為半徑的圓內(nèi)區(qū)域作為領(lǐng)域。在圖4中，如果“魯”為起始字符框，可以以其所處的網(wǎng)格、相鄰的網(wǎng)格即九宮格(4,3)、(3,2)、(3,3)、(3,4)、(4,2)、(4,4)、(5,2)、(5,3)、(5,4)為其鄰域。一般地，待判別字符框為未處理的字符框，特征字符框為已處理的字符框。在本發(fā)明實施例中，預(yù)設(shè)預(yù)設(shè)判別條件可以是下列兩個條件中的任一：條件1：待判別字符框與起始字符框的橫向距離小于第一距離閾值，同時待判別字符框與起始字符框的縱向中心距離小于第二距離閾值。橫向距離指的是兩個字符框最為接近的豎邊的距離，縱向中心距離指的是兩個字符框中心點的縱向距離，第一距離閾值與第二距離閾值可根據(jù)具體環(huán)境確定，例如：第一距離閾值、第二距離閾值都可以設(shè)置為兩個字符框最短豎邊的長度的25％。條件2：待判別字符框與起始字符框的縱向距離小于第三距離閾值，同時待判別字符框與起始字符框的橫向中心距離小于第四距離閾值。縱向距離指的是兩個字符框最為接近的橫邊的距離，橫向中心距離指的是兩個字符框中心點的橫向距離，第三距離閾值與第四距離閾值可根據(jù)具體環(huán)境確定，例如：第三距離閾值、第四距離閾值都可以設(shè)置為兩個字符框最短橫邊的長度的25％。在圖4中，如果以“魯”字符框作為起始字符框，則判斷其九宮格內(nèi)的“魯”、“m”、“b”、“d”是否滿足預(yù)設(shè)判別條件，如果判斷“m”滿足判別條件，“b”、“d”不滿足判別條件，則將“魯”、“m”字符框標記為“已處理”，作為特征字符框。步驟s23：將得到的特征字符框依次作為起始字符框，確定在所述起始字符框鄰域內(nèi)且滿足預(yù)設(shè)判別條件的待判別字符框為特征字符框，直到?jīng)]有新的特征字符框生成；將得到的所有特征字符框組成特征字符串。具體地，在步驟s23中，將特征字符框作為起始字符框，不斷執(zhí)行步驟s22、s23；當沒有新的特征字符框生成時，由得到的所有特征字符框組成特征字符串。本步驟的目的在于：確定所有滿足判別條件的相鄰字符框，組成特征字符串。在圖4中，“m”字符框已是特征字符框，則將其作為起始字符框，判斷其九宮格內(nèi)的待判別字符框“b”、“d”、“7”、“2”是否滿足預(yù)設(shè)判別條件。如果“b”滿足，其余三者不滿足，則將“b”作為特征字符框，并將“b”作為起始字符框執(zhí)行步驟s22、s23。這樣，直到確定從“魯”字符框得到的所有特征字符框，這些特征字符框組成特征字符串“魯mbd726”。步驟s24：如果圖像中還存在待判別字符框，則將任一待判別字符框確定為起始字符框，依次執(zhí)行步驟s22、s23、s24；由此獲取圖像中所有的特征字符串。較佳地，在本發(fā)明實施例中，可以按照字符框的編號順序確定起始字符框，已執(zhí)行過步驟s24的待判別字符框不再重復(fù)執(zhí)行。例如：圖4中，在確定特征字符串“魯mbd726”之后，判斷“車”“輛”未處理，則以“車”或“輛”為起始字符框，重復(fù)步驟s21-s23，確定特征字符串“車輛”。圖5是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的特征字符串生成示意圖，如圖5所示，圖像中的兩個特征字符串“魯mbd726”、“車輛”被確定。通過步驟s2，本發(fā)明實施例的傾斜圖像校正的方法能夠提取傾斜圖像中的特征字符串用于圖像的校正。步驟s3：通過特征字符串校正圖像。本步驟的目的在于通過特征字符串獲得圖像的傾斜角度，根據(jù)傾斜角度旋轉(zhuǎn)圖像從而實現(xiàn)圖像的校正。在本發(fā)明實施例中，步驟s3可按照以下步驟執(zhí)行：步驟s31：計算任一特征字符串的每一起伏角，將任意一個起伏角小于預(yù)設(shè)角度閾值的特征字符串去除。其中，起伏角具體為：特征字符串中一個字符框的中心點與相鄰字符框的中心點的連線的夾角。圖6是根據(jù)本發(fā)明實施例的傾斜圖像校正的方法的起伏角生成示意圖。如圖6所示，起伏角可通過以下方法得到：根據(jù)特征字符串中字符框中心點橫坐標或縱坐標由小到大的順序，依次用直線連接字符框中心點，連線間小于180°的夾角即為起伏角。預(yù)設(shè)角度閾值可以根據(jù)應(yīng)用環(huán)境進行設(shè)置，例如可以設(shè)置為150°。一般地，對于橫向排列的特征字符串，可以利用橫坐標由小到大的順序構(gòu)造直線形成起伏角，對于縱向排列的特征字符串，可以利用縱坐標由小到大的順序構(gòu)造直線形成起伏角。橫向排列與縱向排列的含義將在后文中具體介紹。本步驟的目的在于：通過判斷特征字符串的起伏角，將起伏較大、影響校正效果的特征字符串去除，以提高圖像校正質(zhì)量。步驟s32：針對任一特征字符串，以直線連接該特征字符串的端點字符框的中心點，計算該直線的傾角作為該特征字符串的傾角。本步驟的目的在于計算每一特征字符串的傾角，綜合特征字符串的傾角即可獲得圖像的傾斜角度。上述傾角具體為直線斜率對應(yīng)的角度，即從x軸正方向起始，沿逆時針方向旋轉(zhuǎn)至該直線形成的角度。端點字符框指的是特征字符串中中心點坐標是各字符框中心點坐標中最值的兩個字符框。步驟s33：如果確定的特征字符串為1個，則根據(jù)所述特征字符串的傾角旋轉(zhuǎn)圖像以實現(xiàn)校正。在本發(fā)明實施例中，可以結(jié)合傾角與目標方向來計算圖像的傾斜角度。由于在本發(fā)明實施例中，目標方向為x軸方向，則傾角角度即為圖像的傾斜角度，于是將圖像旋轉(zhuǎn)傾角角度即可實現(xiàn)校正。步驟s34：當確定的特征字符串為多個時，如果判斷特征字符串的傾角都在預(yù)設(shè)角度范圍、或都不在預(yù)設(shè)角度范圍，則計算各特征字符串的傾角的平均值，根據(jù)傾角的平均值旋轉(zhuǎn)圖像以實現(xiàn)校正。其中，預(yù)設(shè)角度范圍可以根據(jù)實際需求進行設(shè)置，例如設(shè)置為(-45°，45°)。在步驟s34中，如果判斷特征字符串是否全部在預(yù)設(shè)角度范圍、或者全部都不在預(yù)設(shè)角度范圍，則認為各特征字符串的排列方式類似，則計算各特征字符串的傾角的平均值來進行校正。在本發(fā)明實施例中，可以結(jié)合傾角的平均值與目標方向，計算圖像的傾斜角度。由于在本發(fā)明實施例中，目標方向為x軸方向，則傾角的平均值即為圖像的傾斜角度，于是將圖像旋轉(zhuǎn)傾角的平均值即可實現(xiàn)校正。步驟s35：當確定的特征字符串為多個時，如果判斷所述多個特征字符串中的部分特征字符串的傾角在預(yù)設(shè)角度范圍，則統(tǒng)計傾角在預(yù)設(shè)角度范圍的特征字符串的數(shù)量、與傾角不在預(yù)設(shè)角度范圍的特征字符串的數(shù)量，將數(shù)量較小的相應(yīng)特征字符串去除。實際應(yīng)用中，除了可提取出與圖像中真實字符相對應(yīng)的特征字符串外，從圖像中還可提取出由噪點組成的特征字符串。這些由噪點組成的特征字符串與對應(yīng)于真實字符的字符串方向差異較大，而數(shù)量較小。步驟s35即可應(yīng)對上述情況。在步驟s35中，首先判斷特征字符串是否處于預(yù)設(shè)角度范圍，從而將特征字符串分成兩組；之后比較兩組包含的特征字符串數(shù)量，將數(shù)量較小的一組確定為噪點組成的字符串，將其去除。步驟s36：針對剩余的特征字符串，計算各特征字符串的傾角的平均值，根據(jù)該平均值旋轉(zhuǎn)圖像以實現(xiàn)校正。在步驟s36中，針對去除噪點后的特征字符串，計算其傾角的平均值以校正圖像。在本發(fā)明實施例中，步驟s3還可按照以下步驟執(zhí)行：步驟s37：連接特征字符串中橫坐標最小和最大的字符框中心點，計算中心點連接線在平面直角坐標系中的直線表達式y(tǒng)＝ax+b。判斷a的取值是否在-1到1之間：若是，則確定該特征字符串為橫向排列；否則，則確定該特征字符串為縱向排列。步驟s38：對于橫向排列的特征字符串，根據(jù)其中字符框中心點橫坐標由小到大的順序依次用直線連接字符框中心點，形成起伏角；對于縱向排列的特征字符串，根據(jù)其中字符框中心點縱坐標由小到大的順序依次用直線連接字符框中心點，形成起伏角。將任一起伏角小于預(yù)設(shè)角度閾值的特征字符串去除。步驟s39：判斷剩余的特征字符串是否都為橫向排列或縱向排列：若是，計算特征字符串的傾角的平均值以校正圖像；否則，去除橫向排列的特征字符串與縱向排列的特征字符串兩組中數(shù)量較小的一組，計算剩余的特征字符串的傾角的平均值以校正圖像。其中，特征字符串的傾角為該特征字符串的端點字符框的中心點連線的夾角。對于橫向排列的特征字符串：其兩個端點字符框為中心點橫坐標最大與最小的字符框；對于縱向排列的特征字符串：其兩個端點字符框為中心點縱坐標最大與最小的字符框。較佳地，在校正圖像后，本發(fā)明實施例的傾斜圖像校正的方法能夠判斷圖像是否倒置。如果倒置，將其旋轉(zhuǎn)180°實現(xiàn)圖像的倒置校正。具體地，在本發(fā)明實施例中，倒置判斷的過程如下：1.確定校正線對應(yīng)的字符串在現(xiàn)實中的圖像中的位置。例如：校正線對應(yīng)的“公民身份號碼xxxxxxxx”在身份證的下方。2.確定該字符串在待判斷圖像中的位置。3.進行倒置判斷：如果上述二位置相同，則沒有倒置；否則即為倒置。例如：如果待判斷圖像中的上述字符串在圖像上方，則判斷圖像為倒置；如果在下方，則判斷為沒有倒置。接下來，如果圖像沒有倒置，對其不做處理。如果圖像倒置，將其繞圖像中心旋轉(zhuǎn)180°得到最終的圖像。根據(jù)本發(fā)明實施例的傾斜圖像校正的方法可以看出，因為采用了為切分的字符設(shè)置字符框，利用字符框的相鄰位置關(guān)系確定特征字符串，根據(jù)特征字符串確定傾斜角度的技術(shù)手段，所以能夠以較小的運算量實現(xiàn)傾斜圖像的準確校正，能夠大幅提高傾斜圖像的校正效率，并為圖像中字符的后續(xù)識別提供基礎(chǔ)，能夠解決現(xiàn)有技術(shù)校正運算量大、校正效率低的問題；由于提取圖像的字符特征來進行校正，不需要提取圖像輪廓，所以解決了現(xiàn)有技術(shù)干擾線較多、高噪聲背景下無法提取輪廓的問題；通過判斷特征字符串在校正后的圖像中的位置來檢測圖像是否倒置，進而對倒置圖像進行調(diào)整，從而克服了現(xiàn)有技術(shù)無法對倒置圖像進行處理的缺陷。圖7是根據(jù)本發(fā)明實施例的傾斜圖像校正的裝置的主要部分的示意圖。如圖7所示，本發(fā)明實施例的傾斜圖像校正的裝置70主要可包括：切分模塊701、字符串提取模塊702、校正模塊703。其中：切分模塊701可用于切分圖像中的字符。字符串提取模塊702可用于從切分的字符中確定至少一個特征字符串。校正模塊703可用于通過所述至少一個特征字符串校正圖像。較佳地，切分模塊701可包括檢測模塊與字符框建立模塊。其中：檢測模塊可用于檢測圖像中的字符。字符框建立模塊可用于根據(jù)檢測的字符的端點建立容納所述字符的字符框。作為一個可選方案，字符串提取模塊702可包括起始字符框確定模塊、特征字符框選取模塊及特征字符串生成模塊。其中：起始字符框確定模塊可用于從圖像的字符框中確定起始字符框。特征字符框選取模塊可用于選取處于所述起始字符框鄰域內(nèi)且滿足預(yù)設(shè)判別條件的待判別字符框，作為特征字符框。特征字符串生成模塊可用于將得到的特征字符框依次作為起始字符框，確定在所述起始字符框鄰域內(nèi)、且滿足預(yù)設(shè)判別條件的待判別字符框為特征字符框，直到?jīng)]有新的特征字符框生成；將得到的所有特征字符框組成特征字符串。在本發(fā)明實施例中，校正模塊703可包括：傾角計算模塊、第一校正模塊、第二校正模塊以及第三校正模塊。其中：傾角計算模塊可用于針對任一特征字符串，以直線連接該特征字符串的端點字符框的中心點，計算該直線的傾角作為該特征字符串的傾角。第一校正模塊可用于當確定的特征字符串為多個時，如果判斷多個特征字符串的傾角都在預(yù)設(shè)角度范圍、或都不在預(yù)設(shè)角度范圍，則計算各特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正。第二校正模塊可用于當確定的特征字符串為多個時，如果判斷多個特征字符串中的部分特征字符串的傾角在預(yù)設(shè)角度范圍，則統(tǒng)計傾角在預(yù)設(shè)角度范圍的特征字符串的數(shù)量、與傾角不在預(yù)設(shè)角度范圍的特征字符串的數(shù)量，將數(shù)量較小的相應(yīng)特征字符串去除；并針對剩余的特征字符串，計算各特征字符串的傾角的平均值，根據(jù)所述平均值旋轉(zhuǎn)圖像以實現(xiàn)校正。第三校正模塊，用于當確定的特征字符串為一個時，根據(jù)該特征字符串的傾角旋轉(zhuǎn)圖像以實現(xiàn)校正。此外，本發(fā)明實施例的傾斜圖像校正的裝置70進一步包括倒置調(diào)整模塊，可用于根據(jù)所述特征字符串在校正后的圖像中的位置判斷所述校正后的圖像是否倒置：若是，將該圖像旋轉(zhuǎn)180°。需要說明的是，本發(fā)明實施例的傾斜圖像校正的裝置70作為軟件，可安裝在計算機、移動終端等設(shè)備中。從以上描述可以看出，因為采用了為切分的字符設(shè)置字符框，利用字符框的相鄰位置關(guān)系確定特征字符串，根據(jù)特征字符串確定傾斜角度的技術(shù)手段，所以能夠以較小的運算量實現(xiàn)傾斜圖像的準確校正，能夠大幅提高傾斜圖像的校正效率，并為圖像中字符的后續(xù)識別提供基礎(chǔ)，能夠解決現(xiàn)有技術(shù)校正運算量大、校正效率低的問題；由于提取圖像的字符特征來進行校正，不需要提取圖像輪廓，所以解決了現(xiàn)有技術(shù)干擾線較多、高噪聲背景下無法提取輪廓的問題；通過判斷特征字符串在校正后的圖像中的位置來檢測圖像是否倒置，進而對倒置圖像進行調(diào)整，從而克服了現(xiàn)有技術(shù)無法對倒置圖像進行處理的缺陷。根據(jù)本發(fā)明公開的實施例，本發(fā)明還提供了一種電子設(shè)備。本發(fā)明實施例的電子設(shè)備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)本發(fā)明所提供的傾斜圖像校正的方法。下面參考圖8，其示出了適于用來實現(xiàn)本發(fā)明實施例的電子設(shè)備的計算機系統(tǒng)800的結(jié)構(gòu)示意圖。圖8示出的電子設(shè)備僅僅是一個示例，不應(yīng)對本發(fā)明實施例的功能和使用范圍帶來任何限制。如圖8所示，計算機系統(tǒng)800包括中央處理單元(cpu)801，其可以根據(jù)存儲在只讀存儲器(rom)802中的程序或者從存儲部分808加載到隨機訪問存儲器(ram)803中的程序而執(zhí)行各種適當?shù)膭幼骱吞幚?。在ram803中，還存儲有計算機系統(tǒng)800操作所需的各種程序和數(shù)據(jù)。cpu801、rom802以及ram803通過總線804彼此相連。輸入/輸出(i/o)接口805也連接至總線804。以下部件連接至i/o接口805：包括鍵盤、鼠標等的輸入部分806；包括諸如陰極射線管(crt)、液晶顯示器(lcd)等以及揚聲器等的輸出部分807；包括硬盤等的存儲部分808；以及包括諸如lan卡、調(diào)制解調(diào)器等的網(wǎng)絡(luò)接口卡的通信部分809。通信部分809經(jīng)由諸如因特網(wǎng)的網(wǎng)絡(luò)執(zhí)行通信處理。驅(qū)動器810也根據(jù)需要連接至i/o接口805?？刹鹦督橘|(zhì)811，諸如磁盤、光盤、磁光盤、半導體存儲器等等，根據(jù)需要安裝在驅(qū)動器810上，以便從其上讀出的計算機程序根據(jù)需要被安裝入存儲部分808。特別地，根據(jù)本發(fā)明公開的實施例，上文的主要步驟圖描述的過程可以被實現(xiàn)為計算機軟件程序。例如，本發(fā)明實施例包括一種計算機程序產(chǎn)品，其包括承載在計算機可讀介質(zhì)上的計算機程序，該計算機程序包含用于執(zhí)行主要步驟圖所示的方法的程序代碼。在上述實施例中，該計算機程序可以通過通信部分809從網(wǎng)絡(luò)上被下載和安裝，和/或從可拆卸介質(zhì)811被安裝。在該計算機程序被中央處理單元801執(zhí)行時，執(zhí)行本發(fā)明的系統(tǒng)中限定的上述功能。需要說明的是，本發(fā)明所示的計算機可讀介質(zhì)可以是計算機可讀信號介質(zhì)或者計算機可讀存儲介質(zhì)或者是上述兩者的任意組合。計算機可讀存儲介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機可讀存儲介質(zhì)的更具體的例子可以包括但不限于：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機訪問存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本發(fā)明中，計算機可讀存儲介質(zhì)可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。在本發(fā)明中，計算機可讀信號介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計算機可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括但不限于電磁信號、光信號或上述任意合適的組合。計算機可讀信號介質(zhì)還可以是計算機可讀存儲介質(zhì)以外的任何計算機可讀介質(zhì)，該計算機可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。計算機可讀介質(zhì)上包含的程序代碼可以用任何適當?shù)慕橘|(zhì)傳輸，包括但不限于：無線、電線、光纜、rf等等，或者上述的任意合適的組合。附圖中的流程圖和框圖，圖示了按照本發(fā)明各種實施例的系統(tǒng)、方法和計算機程序產(chǎn)品的可能實現(xiàn)的體系架構(gòu)、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段、或代碼的一部分，上述模塊、程序段、或代碼的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當注意，在有些作為替換的實現(xiàn)中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個接連地表示的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這根據(jù)所涉及的功能而定。也要注意的是，框圖或流程圖中的每個方框、以及框圖或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或操作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。描述于本發(fā)明實施例中所涉及到的單元可以通過軟件的方式實現(xiàn)，也可以通過硬件的方式來實現(xiàn)。所描述的單元也可以設(shè)置在處理器中，例如，可以描述為：一種處理器包括發(fā)送單元、獲取單元、確定單元和第一處理單元。其中，這些單元的名稱在某種情況下并不構(gòu)成對該單元本身的限定，例如，發(fā)送單元還可以被描述為“向所連接的服務(wù)端發(fā)送圖片獲取請求的單元”。作為另一方面，本發(fā)明還提供了一種計算機可讀介質(zhì)，該計算機可讀介質(zhì)可以是上述實施例中描述的設(shè)備中所包含的；也可以是單獨存在，而未裝配入該設(shè)備中的。上述計算機可讀介質(zhì)承載有一個或者多個程序，當上述一個或者多個程序被該設(shè)備執(zhí)行時，使得該設(shè)備執(zhí)行的步驟包括：切分圖像中的字符；從切分的字符中確定至少一個特征字符串；通過所述至少一個特征字符串校正圖像。根據(jù)本發(fā)明實施例的技術(shù)方案，通過為切分的字符設(shè)置字符框，利用字符框的相鄰位置關(guān)系確定特征字符串，根據(jù)特征字符串確定傾斜角度以旋轉(zhuǎn)圖像，從而以較小的運算量實現(xiàn)了傾斜圖像的準確校正，大幅提高了傾斜圖像的校正效率，并為圖像中字符的后續(xù)識別提供基礎(chǔ)，解決了現(xiàn)有技術(shù)校正運算量大、校正效率低的問題；由于提取圖像的字符特征來進行校正，不需要提取圖像輪廓，從而解決了現(xiàn)有技術(shù)干擾線較多、高噪聲背景下無法提取輪廓的問題；通過判斷特征字符串在校正后的圖像中的位置來檢測圖像是否倒置，進而對倒置圖像進行調(diào)整，從而克服了現(xiàn)有技術(shù)無法對倒置圖像進行處理的缺陷。上述具體實施方式，并不構(gòu)成對本發(fā)明保護范圍的限制。本領(lǐng)域技術(shù)人員應(yīng)該明白的是，取決于設(shè)計要求和其他因素，可以發(fā)生各種各樣的修改、組合、子組合和替代。任何在本發(fā)明的精神和原則之內(nèi)所作的修改、等同替換和改進等，均應(yīng)包含在本發(fā)明保護范圍之內(nèi)。當前第1頁12當前第1頁12