根据实际应用场景,需要对之前针对固定颜色背景开发的身份证图片处理程序进行优化。前期针对固定白色背景进行图片转换、截取,但是在实际场景中,用户拍摄身份证的背景是多样的,背景颜色、光照、角度等因素都不一样,综合以上问题决定采用轮廓检测算法对身份证图片进行处理。
该算法采用对图像字符区域先进行纹理分割,获取字符区域后对其上下轮廓凹凸特征近似检测单个字符的宽度,从中选出稳定的局部特征,利用结构语句识别的方法进行字符识别。
1 基于区域的方法
分割+提取
基于灰度、颜色、纹理等来进行分割,
分割方法:区域生长(计算简单、均匀区域效果好,但是人为确定种子点、容易空洞、噪声敏感)
分水岭变换(容易过分割)
分裂合并(复杂、计算量大,分裂容易破坏边界)
图论
2 基于边缘的方法
分为:基于边缘检测和基于边缘分组
基于边缘检测:边缘检测算子+去除杂点、冗余边缘、修复边缘(噪声敏感)(基于梯度的方法可以归纳到这里)
基于边缘分组:线逼近算法去除噪声+边缘点逐步组合合并成(噪声敏感)
3 基于活动轮廓的方法
方法:snake模型法和水平集法
原理:都是设定一个初始轮廓,不断迭代,直到内部外部能量函数和最小
缺点:初始轮廓敏感
4 基于视觉特性的方法
原理:定义函数模拟人类的视觉特性,构建仿生模型进行特征提取