TWI612479B - 文字影像辨識系統及辨識文字影像的方法 - Google Patents

Abstract

一種文字影像辨識系統包含字詞資料庫、影像擷取裝置、顯示螢幕及處理器。字詞資料庫儲存第一字詞資料組與第二字詞資料組。顯示螢幕根據影像擷取裝置所擷取之影像資料顯示複數個即時預覽影像。處理器使顯示螢幕於複數個即時預覽影像中標記出目標區塊，自複數個即時預覽影像中選取目標影像，根據第一字詞資料組辨識目標影像中對應於目標區塊內的文字影像，並根據第二字詞資料組辨識目標影像中對應於目標區塊外的文字影像。第一字詞資料組與第二字詞資料組為相異之字詞資料組。

Description

文字影像辨識系統及辨識文字影像的方法

本發明係有關於一種文字影像辨識系統，特別是一種能夠利用相異字詞資料組辨識影像中相異區塊之文字影像的文字影像辨識系統。

一般而言，為了能夠有效管理文件，將文件影像化並將影像中的文字電子化是常見且重要的過程。先前技術在對影像中的文字進行辨識時，會將分析影像內容後所取得的影像特徵與通用字詞庫裡儲存的字詞特徵來進行比對與辨識，而通用字詞庫中所儲存的字詞可能包含各種常用的字詞或甚至各種領域的專有名詞。然而因為通用字詞庫裡的字詞資料與影像內容並無對應關係，因此直接將分析影像後所得的影像特徵與通用字詞庫裡的字詞相進行比對，不僅可能耗費不必要的運算資源，也未必能得到滿意的成果。

此外，在許多應用中，影像的內容可能為制式的表格文件，而表格中的不同欄位常會記載不同類型的資訊，舉例來說，信封或包裹上常會利用不同的欄位來記載與郵務傳遞相關的資訊，例如收件人欄位及收件地址欄位即會分別記載姓名及地址資訊。然而這兩種資訊所常用的字詞則有相當差異，舉例來說，在地址資訊中常見的字詞可能包含「XX市」、「XX區」、「XX路」…等等，而這些字詞一般則較少出現在人名當中。在此情況下，若仍用使用通用字詞庫中所記錄的字詞來辨識表格中不同欄位的文字，則容易浪費不必要的運算資源在比對不相關的字詞，而且也可能會造成誤判，導致在取得辨識結果之後，還需以人工的方式進行校正，反而造成使用上的不便。因此，如何有效地辨識影像中的文字即成為了一個有待解決的問題。

本發明之一實施例提供一種文字影像辨識系統，文字影像辨識系統包含字詞資料庫、影像擷取裝置、顯示螢幕及處理器。

字詞資料庫儲存有第一字詞資料組與第二字詞資料組，且第一字詞資料組與第二字詞資料組為相異之字詞資料組。影像擷取裝置可擷取目標影像。顯示螢幕耦接於影像擷取裝置，並可顯示目標影像。處理器耦接於影像擷取裝置、顯示螢幕及字詞資料庫，處理器可使顯示螢幕於目標影像中標記出目標區塊，根據第一字詞資料組辨識目標影像中對應於目標區塊內的文字影像，及根據第二字詞資料組辨識目標影像中對應於目標區塊外的文字影像。

本發明之另一實施例提供一種辨識文字影像的方法，辨識文字影像的方法包含影像擷取裝置擷取目標影像，顯示螢幕顯示目標影像，處理器使顯示螢幕於目標影像中標記出目標區塊，處理器自複數個即時預覽影像中選取目標影像，處理器根據第一字詞資料組辨識目標影像中對應於目標區塊內的文字影像內容，及處理器根據第二字詞資料組辨識目標影像對應於目標區塊外的文字影像內容。第一字詞資料組與第二字詞資料組為相異之字詞資料組。

第1圖為本發明一實施例之文字影像辨識系統100的示意圖。文字影像辨識系統100包含字詞資料庫110、影像擷取裝置120、顯示螢幕130及處理器140。顯示螢幕130耦接於影像擷取裝置120，處理器140耦接於影像擷取裝置120、顯示螢幕130及字詞資料庫110。

影像擷取裝置120可擷取影像資料，而顯示螢幕130則可根據影像擷取裝置120所擷取之影像資料顯示複數個即時預覽影像，且處理器140可使顯示螢幕130於其所顯示的即時預覽影像中標記出目標區塊。換言之，顯示螢幕130可以即時地顯示影像擷取裝置120所擷取的影像，並在顯示畫面上標記出即時預覽影像的目標區塊。

第2圖為本發明一實施例之顯示螢幕130的顯示畫面。在第2圖中，顯示螢幕130顯示影像擷取裝置120所擷取的即時預覽影像IMG1，且根據處理器140的控制，顯示螢幕130還會在即時預覽影像IMG1顯示目標區塊T1的邊界以標記出目標區塊T1。其中，顯示在顯示螢幕130中目標區塊T1為占有一預定比例，而該預定比例可為30~50%，其中以40%為最佳比例。目標區塊T1的形狀最佳為矩形狀，但沒有限制，以配合習慣上的收件人地址呈現習慣，同時可提供多種習慣供使用者選擇，並經選擇後該選擇的形狀成為預設的。

在本發明的部分實施例中，顯示螢幕130可為觸控螢幕。而處理器140即可根據使用者於顯示螢幕130的觸控操作，使顯示螢幕130於即時預覽影像IMG1中標記出目標區塊T1，並可根據使用者於顯示螢幕的觸控操作調整目標區塊T1的大小。舉例來說，使用者可用點擊的方式使顯示螢幕140顯示所標記的目標區塊T1的邊界，利用拖曳的方式調整目標區塊T1的位置，或可藉由手指在顯示螢幕140上的併攏或伸張來調整目標區塊T1的大小，當然在本發明的其他實施例中，使用者也可能透過不同的觸控方式來控制處理器140，並使處理器140能夠對應地調整目標區塊T1的位置及/或調整目標區塊T1的大小。

如此一來，使用者即可將顯示螢幕130上所標記的目標區塊T1對準所欲處理之影像的特定區域，並使目標區塊T1能夠包含所欲處理之影像的特定區域。舉例來說，在第2圖中，即時預覽影像IMG1的內容為包裹上的郵務資料表單，而即時預覽影像IMG1的特定區域可為郵務資料表單中的收件人地址欄位A1。由於在第2圖中，目標區塊T1尚未完整包含即時預覽影像IMG1中的收件人地址欄位A1，因此使用者可能需要持續地調整影像擷取裝置120即時預覽影像的角度，同時也可能需要透過上述的方式來調整目標區塊T1的大小。由於目標區塊T1可完整包含即時預覽影像IMG1中的收件人地址欄位A1，且不會包含到收件人地址欄位A1以外的資訊(例如商標圖案)，就不會浪費不必要的運算資源在比對不相關的字詞，也不容易造成誤判。

在使用者調整影像擷取裝置120及顯示螢幕130，並使得目標區塊T1能夠包含影像擷取裝置120後續所擷取之郵務資料表單中收件人地址欄位A1的內容之後，使用者即可控制處理器140以選取此時顯示螢幕130所顯示的即時預覽影像作為之後進行文字影像辨識的目標影像。換言之，使用者可根據顯示螢幕130上所顯示的即時預覽畫面來動態地調整影像擷取裝置120的位置以及目標區塊T1的大小，並在調整完成後，使處理器140執行拍攝影像的功能，此時拍攝取得的影像即為目標影像。在本發明的部分實施例中，處理器140還可將選取的目標影像儲存至記憶體中。

此外，在本發明的其他實施例中，使用者亦可在擷取了適當的目標影像TIMG1之後，再進一步透過處理器140來調整目標區塊T1的位置及/或大小。

第3圖為本發明一實施例之處理器140所選取之目標影像TIMG1。在目標影像TIMG1中，目標區塊T1會包含所欲處理的特定區塊，亦即例如前述的收件人地址欄位A1。針對目標影像TIMG1對應於目標區塊T1內的影像內容以及目標影像TIMG1對應於目標區塊T1外的影像內容處理器140可分別使用不同的字詞資料組來加以辨識。

舉例來說，經過使用者的調整，目標影像TIMG1對應於目標區塊T1內的內容應已包含了收件人地址欄位A1的資料。此時，處理器140可根據與地址相關的複數個字詞資料來辨識目標影像TIMG1中對應於目標區塊T1內的收件地址，並可根據標準常用之複數個字詞資料辨識目標影像TIMG1中對應於目標區塊T1外的其他郵件相關資料，例如收件人姓名或公司行號。

在本發明的部分實施例中，字詞資料庫110可儲存第一字詞資料組112與第二字詞資料組114，且第一字詞資料組與該第二字詞資料組為相異之字詞資料組。而在上述實施例中，第一字詞資料組112可為與地址相關的複數個字詞資料，而第二字詞資料組114可為標準常用之複數個字詞資料，而處理器140則可根據第一字詞資料組112辨識目標影像TIMG1中對應於目標區塊T1內的文字影像，並根據第二字詞資料組114辨識目標影像TIMG1中對應於目標區塊T1外的文字影像。

在本發明的部分實施例中，處理器140可對目標影像TIMG1中對應於目標區塊T1內的影像先進行影像處理，例如透過邊界偵測(edge detection)將影像中的文字獨立開來，並接著計算每一個文字的影像特徵，例如可計算每一個文字所具有的邊界數量、邊界與邊界的交點數量、邊界與邊界的夾角等數值來做為每一個文字的影像特徵。

在此情況下，第一字詞資料組112則可包含根據上述方式所取得之與地址相關的複數個字詞的影像特徵資料，例如「台北」、「高雄」、「永和」、「永康」、「忠孝東路」、「中華路」等字詞的影像特徵，因此當處理器140根據第一字詞資料組112辨識目標影像TIMG1中對應於目標區塊T1內的文字影像時，即不會將目標影像TIMG1中對應於目標區塊T1內的文字影像特徵與其他種類的字詞的影像特徵相比較，因此能夠減少運算資源。此外，在將目標影像TIMG1中對應於目標區塊T1內的文字影像特徵與第一字詞資料組112內的字詞影像特徵相比較時，可能會比對出複數個可能的候選字，例如「合」和「台」，此時若接著辨識下一個文字影像並比對出可能的候選字為「北」和「兆」，則由於第一字詞資料組112有包含「台北」的詞，因此「台」和「北」的權重就會被提高，此時處理器140就可能會優先選擇權重較高的字，亦即「台」及「北」。由於第一字詞資料組112中的字詞都與地址有關，因此在選擇可能的候選字時，文字影像辨識系統100能夠精準地判斷出目標區塊T1內的文字影像為何，並減少誤判成其他類別字詞的情況。

在本發明的其他實施例中，若某一特定社區欲利用文字影像辨識系統100來處理的該特定社區所接收到的郵件及包裹時，第一字詞資料組112也可僅包含與該特定社區之住戶地址相關的複數個字詞資料，或是與該特定社區之住戶地址相關的複數個序號資料。舉例來說，若其特定社區的地址為東一街50號至54號及北二路22至24號，住戶的樓層為1樓至10樓，則第一字詞資料組112可能會包含「東一街」、「北二路」、「50」、「52」、「54」、「22」、「24」、「3樓」、「五樓」…等字詞的影像特徵，而不會包含與該特定社區無關的其他路名或號碼，如「60」、「100」或「忠孝東路」…等。甚至在特定社區的住址僅限定於單一路段時，例如其地址為東一街50號至54號時，第一字詞資料組112亦可僅包含與特定社區之住戶地址相關的複數個序號的影像資料，例如「50」、「52」及「54」等序號的影像資料。如此一來，當處理器140將目標區塊T1內的文字影像與第一字詞資料組112中的字詞進行比對以調整加權時，就能夠更加精準地判斷出目標區塊T1內的文字影像為何，並減少誤判成其他類別字詞的情況。

在本發明的部分實施例中，由於目標影像TIMG1中對應於目標區塊T1外的文字影像並沒有特定的內容，因此第二字詞資料組可為標準常用之複數個字詞，而資料處理器140則可根據第二字詞資料組114來辨識目標影像TIMG1中對應於目標區塊T1外的文字影像。

此外，本發明並不限定於第一字詞資料組112是為與地址相關的複數個字詞資料及第二字詞資料組114是為標準常用之複數個字詞資料，在本發明的其他實施例中，使用者欲處理的特定區塊也可能包含其他的內容，此時第一字詞資料組112亦可能為與其內容所相關的字詞資料。舉例來說，若使用者欲處理的特定區塊是病人的病歷資料，則第一字詞資料組112則可為與疾病相關的複數個字詞資料，而若特定區塊外部為病人的一般資料，則第二字詞資料組114仍可為標準常用之複數個字詞資料，抑或是與姓名、血型、身高等一般基本資料有關的複數個字詞資料，如此一來，即能夠有效率且精準地辨識出目標影像中的文字。

第4圖為本發明一實施例之辨識文字影像的方法200的流程圖。方法200可包含但不限於步驟S210至S260，並可應用於文字影像辨識系統100。

S210： 影像擷取裝置120擷取目標影像TIMG1；

S220： 顯示螢幕130顯示目標影像TIMG1；

S230： 處理器140使顯示螢幕130於目標影像TIMG1中標記出目標區塊T1；

S240： 處理器140根據第一字詞資料組112辨識目標影像TIMG1中對應於目標區塊T1內的文字影像內容；

S250： 處理器140根據第二字詞資料組114辨識目標影像TIMG1對應於目標區塊T1外的文字影像內容。

在步驟S210中，影像擷取裝置120會擷取目標影像TIMG1，而在步驟S220中顯示螢幕130則可顯示影像擷取裝置120所擷取之目標影像TIMG1。

接著在步驟S230中，處理器可使顯示螢幕130於目標影像TIMG1中標記出目標區塊T1。在本發明的部分實施例中，目標區塊的形狀的可預設為狹長型以配合即時預覽影像中的特定區塊，例如為郵務資料表單中的收件人地址欄位A1。再者，在本發明的部分實施例中，顯示螢幕130可為觸控螢幕，在此情況下，方法200還可包含根據使用者於顯示螢幕130的觸控操作調整目標區塊T1的大小的步驟，以方便使用者能夠調整目標區塊T1並使目標區塊T1能夠包含目標影像TIMG1中的特定區塊。

在本發明的部分實施例中，顯示螢幕130亦可根據影像擷取裝置120所擷取的影像資料顯示複數個即時預覽影像，而使用者即可根據顯示螢幕130所顯示的即時預覽影像來調整影像擷取裝置120的擷取角度及/或目標區塊T1的大小及/或位置，並在調整完成後，使處理器140執行拍攝影像的功能，此時拍攝取得的影像即為目標影像。接著，在步驟S240及S250中，處理器可根據第一字詞資料組112及第二字詞資料組114來分別辨識目標影像TIMG1對應於目標區塊T1內及外的文字影像內容，由於第一字詞資料組112所包含的字詞資料會與目標影像TIMG1對應於目標區塊T1內的文字內容相關，因此方法200能夠精準地判斷出目標區塊T1內的文字影像為何，並減少誤判成其他類別字詞的情況。

綜上所述，本發明之實施例所提供之文字影像辨識系統及辨識文字影像的方法可以讓使用者在擷取欲進行辨識的目標影像時，標記出目標區塊以供使用者對準即時預覽影像中的特定區域，並在確定選擇目標影像後，以相異的字詞資料組來分別辨識目標影像中對應於目標區塊內及外的影像內容。由於字詞資料組中的字詞可限定於與目標區塊內的內容相關，因此本發明之實施例所提供之文字影像辨識系統及辨識文字影像的方法能夠提高文字影像的辨識準確率，並可減少將文字影像誤判成與影像內容無關的字詞的情況。 以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

100 文字影像辨識系統 110 字詞資料庫 112 第一字詞資料組 114 第二字詞資料組 120 影像擷取裝置 130 顯示螢幕 140 處理器 IMG1 即時預覽影像 A1 收件人地址欄位 T1 目標區塊 TIMG1 目標影像 200 方法 S210至S250 步驟

第1圖為本發明一實施例之文字影像辨識系統的示意圖 第2圖為本發明一實施例之顯示螢幕的顯示畫面。 第3圖為本發明一實施例之處理器所選取之目標影像。 第4圖為本發明一實施例之辨識文字影像的方法的流程圖。

200 方法 S210至S250 步驟

Claims (15)

1. 一種文字影像辨識系統，包含：一字詞資料庫，用以儲存一第一字詞資料組與一第二字詞資料組；一影像擷取裝置，用以擷取一目標影像；一顯示螢幕，耦接於該影像擷取裝置，用以顯示該目標影像；及一處理器，耦接於該影像擷取裝置、該顯示螢幕及該字詞資料庫，該處理器用以：使該顯示螢幕於該目標影像中標記出一目標區塊；根據該第一字詞資料組辨識該目標影像中對應於該目標區塊內的文字影像；及根據該第二字詞資料組辨識該目標影像中對應於該目標區塊外的文字影像；其中該第一字詞資料組與該第二字詞資料組為相異之字詞資料組；及其中該第一字詞資料組包含與一特定社區之住戶地址相關的複數個字詞資料，及該處理器係根據該第一字詞資料組辨識該目標影像中對應於該目標區塊內的一收件地址。
2. 如請求項1所述之文字影像辨識系統，其中該第一字詞資料組另包含與地址相關的複數個字詞資料。
3. 如請求項1所述之文字影像辨識系統，其中該第一字詞資料組另包含與一特定社區之住戶地址相關的複數個序號資料。
4. 如請求項1所述之文字影像辨識系統，其中該第二字詞資料組係為標 準常用之複數個字詞資料，及該處理器係根據該第二字詞資料組辨識該目標影像中對應於該目標區塊外的一郵件相關資料。
5. 如請求項1至4任一項所述之文字影像辨識系統，其中該顯示螢幕係為一觸控螢幕。
6. 如請求項5所述之文字影像辨識系統，其中該處理器係根據使用者於該顯示螢幕的觸控操作調整該目標區塊的位置。
7. 如請求項5所述之文字影像辨識系統，其中該處理器另用以根據使用者於該顯示螢幕的觸控操作調整該目標區塊的大小。
8. 如請求項1至4任一項所述之文字影像辨識系統，其中該處理器另用以將該目標影像儲存至一記憶體。
9. 一種辨識文字影像的方法，包含：一影像擷取裝置擷取一目標影像；一顯示螢幕顯示該目標影像；一處理器使該顯示螢幕於該目標影像中標記出一目標區塊；該處理器根據一第一字詞資料組辨識該目標影像中對應於該目標區塊內的文字影像內容；及該處理器根據一第二字詞資料組辨識該目標影像對應於該目標區塊外的文字影像內容；其中該第一字詞資料組與該第二字詞資料組為相異之字詞資料組；及 其中該第一字詞資料組包含與一特定社區之住戶地址相關的複數個字詞資料，及該處理器係根據該第一字詞資料組辨識該目標影像中對應於該目標區塊內的一收件地址。
10. 如請求項9所述之方法，其中該第一字詞資料組另包含與地址相關的複數個字詞資料。
11. 如請求項9所述之方法，其中該第一字詞資料組另包含與一特定社區之住戶地址相關的複數個序號資料。
12. 如請求項9所述之方法，其中該第二字詞資料組係為標準常用之複數個字詞資料，及該處理器係根據該第二字詞資料組辨識該目標影像中對應於該目標區塊外的一郵件相關資料。
13. 如請求項9至12任一項所述之方法，其中：該顯示螢幕係為一觸控螢幕；及該處理器係根據使用者於該顯示螢幕的觸控操作調整該目標區塊的位置。
14. 如請求項9至12任一項所述之方法，其中：該顯示螢幕係為一觸控螢幕；及該方法另包含該處理器根據使用者於該顯示螢幕的觸控操作調整該目標區塊的大小。
15. 如請求項9至12任一項所述之方法，另包含該處理器將該目標影像儲 存至一記憶體。