一种获取平面图像旋转角度的方法及装置制造方法及图纸

本发明专利技术提供了一种获取平面图像旋转角度的方法及装置，所述方法包括：采集至少一张对应旋转角度不大于设定角度的样本平面图像，并根据获取的所述至少一张样本平面图像确定神经网络模型；将被识别平面图像输入所述神经网络模型，并获取所述神经网络模型根据所述被识别平面图像输出的旋转角度。通过本发明专利技术的技术方案，可提高用户体验。

【技术实现步骤摘要】
一种获取平面图像旋转角度的方法及装置
本专利技术涉及计算机
，特别涉及一种获取平面图像旋转角度的方法及装置。
技术介绍
在针对平面图像进行识别以提取被识别平面图像中的特征之前，比如提取被识别平面图像中的文字之前，通常需要获取被识别平面图像的旋转角度，进而根据获取的旋转角度控制被识别平面图像旋转，以使被识别图像中文字的倾斜角度不大于设定的数值。目前，获取被识别图像的旋转角度时，通常需要人工标记出被识别平面图像中的一个或多个特征点，然后根据标记的各个特征点计算被识别平面图像的旋转角度。可见，上述技术方案中，每一张被识别图像均需要人工标记特征点，人工介入程度较高，用户体验较差。
技术实现思路
本专利技术实施例提供了一种获取平面图像旋转角度的方法及装置，可提高用户体验。第一方面，本专利技术提供了一种获取平面图像旋转角度的方法，包括：采集至少一张对应旋转角度不大于设定角度的样本平面图像，并根据获取的所述至少一张样本平面图像确定神经网络模型；将被识别平面图像输入所述神经网络模型，并获取所述神经网络模型根据所述被识别平面图像输出的旋转角度。优选地，所述根据获取的所述至少一张样本平面图像确定神经网络模型，包括：针对于每一张所述样本平面图像，均执行：确定所述样本平面图像对应的至少一个目标旋转角度；根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像；根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转训练初始神经网络模型以形成所述神经网络模型。优选地，所述确定所述样本平面图像对应的至少一个目标旋转角度，包括：生成至少一组随机数向量；确定每一组所述随机数向量所分别对应的旋转系数；针对于每一组所述随机数向量，计算所述随机数向量中的各个元素分别与对应的所述旋转系数之间的乘积；将各个所述乘积均确定为所述样本平面图像所对应的目标旋转角度。优选地，在所述根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像之前，进一步包括：对所述样本平面图像进行灰度处理以得到灰度图像；对所述灰度图像进行二值化处理以得到二值化图像；根据所述二值化图像的边长，生成背景图像；将所述二值化图像置于所述背景图像上，且所述二值化图像的中心与所述背景图像的中心相重合以形成与所述样本平面图像相对应的标准二值化图像；则，所述根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像，包括：根据所述至少一个目标旋转角度，控制所述标准二值化图像以所述标准二值化图像的中心为旋转中心进行旋转以形成各个所述目标旋转角度所分别对应的训练图像。优选地，所述根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转训练初始神经网络模型以形成所述神经网络模型，包括：根据各个所述训练图像所分别对应的目标旋转角度，确定各个所述训练图像所分别对应的损失函数；根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转角度、损失函数训练初始神经网络模型以形成所述神经网络模型。优选地，各个所述训练图像所分别对应的损失函数具体为：其中，loss(mk)表征第k个训练图像所对应的损失函数的函数值，θk表征第k个训练图像所对应的目标旋转角度，表征向所述神经网络模型输入所述第k个训练图像时所述神经网络模型所输出的输出角度。和/或，所述设定角度的绝对值不大于5度。第二方面，本专利技术实施例提供了一种获取平面图像旋转角度的装置，包括：样本采集模块，用于采集至少一张对应旋转角度不大于设定角度的样本平面图像；训练模块，用于根据获取的所述至少一张样本平面图像确定神经网络模型；角度获取模块，用于将被识别平面图像输入所述神经网络模型，并获取所述神经网络模型根据所述被识别平面图像输出的旋转角度。优选地，所述训练模块，包括：角度确定单元、变换处理单元和训练单元；其中，所述角度确定单元，用于针对于每一张所述样本平面图像，确定所述样本平面图像对应的至少一个目标旋转角度；所述变换处理单元，用于根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像；所述训练单元，用于根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转训练初始神经网络模型以形成所述神经网络模型。优选地，所述角度确定单元，用于执行如下各个步骤：生成至少一组随机数向量；确定每一组所述随机数向量所分别对应的旋转系数；针对于每一组所述随机数向量，计算所述随机数向量中的各个元素分别与对应的所述旋转系数之间的乘积；将各个所述乘积均确定为所述样本平面图像所对应的目标旋转角度。优选地，还包括：样本图像处理模块；其中，所述样本图像处理模块，用于对所述样本平面图像进行灰度处理以得到灰度图像；对所述灰度图像进行二值化处理以得到二值化图像；根据所述二值化图像的边长，生成背景图像；将所述二值化图像置于所述背景图像上，且所述二值化图像的中心与所述背景图像的中心相重合以形成与所述样本平面图像相对应的标准二值化图像；则，所述变换处理单元，用于根据所述至少一个目标旋转角度，控制所述标准二值化图像以所述标准二值化图像的中心为旋转中心进行旋转以形成各个所述目标旋转角度所分别对应的训练图像。本专利技术实施例提供了一种获取平面图像旋转角度的方法及装置，该方法中，通过采集至少一张对应旋转角度不大于设定角度的样本平面图像，则可根据获取的至少一张样本平面图像确定出神经网络模型，后续则可将被识别平面图像输入确定的神经网络模型，由确定的神经网络模型对输入的被识别图像进行识别处理以确定出被识别图像的旋转角度并输出，从而获取到被识别图像的旋转角度。综上可见，通过本专利技术实施例提供的技术方案获取被识别图像的旋转角度时，无需人工标记被识别图像上的特征点，人工干预程度较低，用户体验较好。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的一种获取平面图像旋转角度的方法的流程图；图2是本专利技术一实施例提供的另一种获取平面图像旋转角度的方法的流程图；图3是本专利技术一实施例提供的一种获取平面图像旋转角度的装置的结构示意图；图4是本专利技术一实施例提供的另一种获取平面图像旋转角度的装置的结构示意图；图5是本专利技术一实施例提供的又一种获取平面图像旋转角度的装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供了一种获取平面图像旋转角度的方法，包括：步骤101，采集至少一张对应旋转角度不大于设定角度的样本平面图像，并根据获取的所述至少一张样本平面图像确定神经网络模型；步骤102，将被识别平面图像输入所本文档来自技高网...

【技术保护点】
一种获取平面图像旋转角度的方法，其特征在于，包括：采集至少一张对应旋转角度不大于设定角度的样本平面图像，并根据获取的所述至少一张样本平面图像确定神经网络模型，还包括：将被识别平面图像输入所述神经网络模型，并获取所述神经网络模型根据所述被识别平面图像输出的旋转角度。

【技术特征摘要】
1.一种获取平面图像旋转角度的方法，其特征在于，包括：采集至少一张对应旋转角度不大于设定角度的样本平面图像，并根据获取的所述至少一张样本平面图像确定神经网络模型，还包括：将被识别平面图像输入所述神经网络模型，并获取所述神经网络模型根据所述被识别平面图像输出的旋转角度。2.根据权利要求1所述的方法，其特征在于，所述根据获取的所述至少一张样本平面图像确定神经网络模型，包括：针对于每一张所述样本平面图像，均执行：确定所述样本平面图像对应的至少一个目标旋转角度；根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像；根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转训练初始神经网络模型以形成所述神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述确定所述样本平面图像对应的至少一个目标旋转角度，包括：生成至少一组随机数向量；确定每一组所述随机数向量所分别对应的旋转系数；针对于每一组所述随机数向量，计算所述随机数向量中的各个元素分别与对应的所述旋转系数之间的乘积；将各个所述乘积均确定为所述样本平面图像所对应的目标旋转角度。4.根据权利要求2所述的方法，其特征在于，在所述根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像之前，进一步包括：对所述样本平面图像进行灰度处理以得到灰度图像；对所述灰度图像进行二值化处理以得到二值化图像；根据所述二值化图像的边长，生成背景图像；将所述二值化图像置于所述背景图像上，且所述二值化图像的中心与所述背景图像的中心相重合以形成与所述样本平面图像相对应的标准二值化图像；则，所述根据所述至少一个目标旋转角度对所述样本平面图像进行旋转处理以生成每一个所述目标旋转角度所分别对应的训练图像，包括：根据所述至少一个目标旋转角度，控制所述标准二值化图像以所述标准二值化图像的中心为旋转中心进行旋转以形成各个所述目标旋转角度所分别对应的训练图像。5.根据权利要求2所述的方法，其特征在于，所述根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转训练初始神经网络模型以形成所述神经网络模型，包括：根据各个所述训练图像所分别对应的目标旋转角度，确定各个所述训练图像所分别对应的损失函数；根据各个所述训练图像及各个所述训练图像所分别对应的目标旋转角度、损失函数训练初始神经网络模型以形成所述神经网络模型。6.根据权利要求5所述的方法，其特征在于，各个所述...

【专利技术属性】
技术研发人员：高岩，段成德，于治楼，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37