本发明专利技术涉及图像处理领域，具体为一种电子签章获取方法、装置、电子设备和存储介质。该电子签章获取方法包括步骤：获取实体签章的图形信息，图形信息包括第一签章图案和第一签章形状；将第一签章图案输入到已完成训练的第一分类模型中以得到第一签章图案所属的方向类别；方向类别包括正类和负类；根据方向类别调整第一签章图案，得到第二签章图案；将第二签章图案输入到已完成训练的第二分类模型中以得到第二签章图案所属的角度类别；根据角度类别和第一签章形状调整第二签章图案，得到电子签章，本发明专利技术能够实现快速高效地获取端正且与实体签章一致的电子签章。体签章一致的电子签章。体签章一致的电子签章。
【技术实现步骤摘要】
一种电子签章获取方法、装置、电子设备和存储介质
[0001]本专利技术涉及图像处理领域，具体涉及一种电子签章获取方法、装置、电子设备和存储介质。
技术介绍
[0002]签章包括印章和签名，现有的电子签章一般是由系统自动生成（对于电子印章）、基于触摸屏进行手写（对于电子签名）或以修图的方式从图片中提取得到的，然而由系统自动生成以及基于触摸屏进行手写得到的电子签章往往与实体签章存在较大的差异，例如在字体类型、字体间隔、防伪纹、特殊图案等方面，无法准确对照实体签章，而以修图的方式从图片中提取得到的电子签章，为了体现公文的严肃性，往往被要求电子签章摆放要端正，因此还需要利用修图软件（例如Photoshop）人工对图像进行旋转修正，修正后的图像是否端正全凭个人观感，最终效果受人为因素影响较大且处理过程繁琐低效。
[0003]因此，现有技术有待改进和发展。
技术实现思路
[0004]本专利技术的目的在于提供一种电子签章获取方法、装置、电子设备和存储介质，能够快速高效地获取端正且与实体签章一致的电子签章。
[0005]第一方面，本申请提供一种电子签章获取方法，应用于图像处理系统，所述电子签章获取方法包括以下步骤：S1.获取实体签章的图形信息，所述图形信息包括第一签章图案和第一签章形状；S2.将所述第一签章图案输入到已完成训练的第一分类模型中以得到所述第一签章图案所属的方向类别；所述方向类别包括正类和负类；S3.根据所述方向类别调整所述第一签章图案，得到第二签章图案；S4.将所述第二签章图案输入到已完成训练的第二分类模型中以得到所述第二签章图案所属的角度类别；S5.根据所述角度类别和所述第一签章形状调整所述第二签章图案，得到电子签章。
[0006]本申请利用神经网络模型实现在实体签章图像中准确提取签章图案并自动矫正签章图案的摆放角度，快速高效地得到端正且与实体签章一致的电子签章。
[0007]进一步的，步骤S1中的具体步骤包括：S11.获取签章区域图像；所述签章区域为签署所述实体签章的区域；S12.将所述签章区域图像输入到已完成训练的签章检测模型中，以得到所述签章区域中的所有所述实体签章的所述图形信息。
[0008]有效的实体签章才会进行后续的分析处理，以此规范实体签章的签署要求，有利于降低图像处理系统对实体签章的识别难度。
[0009]进一步的，步骤S11中的具体步骤包括：
S111.获取签章填报表图像，所述签章填报表图像中包括签章方框；S112.获取所述签章方框的四个角点的角点坐标；S113.根据所述角点坐标截取所述签章方框作为第一图像；S114.根据所述角点坐标，计算旋转角度；S115.根据所述旋转角度矫正所述第一图像，以得到所述签章区域图像。
[0010]有利于降低图像处理系统对实体签章的识别难度。
[0011]进一步的，所述签章检测模型为基于Yolo
‑
v5神经网络算法的模型；所述签章检测模型通过以下步骤训练得到：A1.获取语料数据，所述语料数据中包括多个第三签章图案；A2.利用LabelMe标注工具人工标注出所述语料数据中的各个所述第三签章图案的第二签章形状，所述第二签章形状包括圆形、正方形、长方形、椭圆形和不规则形状；A3.利用标注好的语料数据训练所述签章检测模型，得到已完成训练的所述签章检测模型。
[0012]通过签章检测模型能够方便快捷地获取实体签章的图形信息。
[0013]进一步的，步骤S3中的具体步骤包括：S31.若所述方向类别为正类，则将所述第一签章图案作为所述第二签章图案；若所述方向类别为负类，则将所述第一签章图案旋转180
°
，得到所述第二签章图案。
[0014]进一步的，所述第一分类模型和所述第二分类模型均为基于mobilenet
‑
v2神经网络算法的模型。
[0015]进一步的，步骤S5中的具体步骤包括：S51.获取所述第二签章图案的图形尺寸；S52.根据所述角度类别，获取矫正角度；S53.根据所述矫正角度、所述第一签章形状和所述图形尺寸，获取剪裁方框；S54.根据所述剪裁方框从所述第二签章图案中剪裁出第四签章图案；S55.根据所述矫正角度，旋转所述第四签章图案，得到所述电子签章。
[0016]第二方面，本专利技术还提供了一种电子签章获取装置，应用于图像处理系统，所述电子签章获取装置包括：获取模块，用于获取实体签章的图形信息，所述图形信息包括第一签章图案和第一签章形状；第一分类模块，用于将所述第一签章图案输入到已完成训练的第一分类模型中以得到所述第一签章图案所属的方向类别；所述方向类别包括正类和负类；第一调整模块，用于根据所述方向类别调整所述第一签章图案，得到第二签章图案；第二分类模块，用于将所述第二签章图案输入到已完成训练的第二分类模型中以得到所述第二签章图案所属的角度类别；第二调整模块，用于根据所述角度类别和所述第一签章形状调整所述第二签章图案，得到电子签章。
[0017]利用训练好的第一分类模型和第二分类模型实现快速准确的图形矫正，以此获得摆放端正后且与实体签章一致的电子签章。
[0018]第三方面，本专利技术提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述电子签章获取方法中的步骤。
[0019]第四方面，本专利技术提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述电子签章获取方法中的步骤。
[0020]由上可知，本申请通过神经网络模型对签章图案进行分类并根据分类结果进行自动矫正，实现从图像中得到端正的电子签章，且有效确保电子签章能够与实体签章一致，免除了人工通过修图软件进行一系列复杂操作，生成过程更加高效快捷；同时也能够免除人为因素的影响，使各个电子签章观感上达到统一。
附图说明
[0021]图1为本申请实施例提供的电子签章获取方法的一种流程图。
[0022]图2为本申请实施例中签章区域图像的示意图。
[0023]图3为本申请实施例中对于第一签章形状为圆形的实体签章的剪裁方框的示意图。
[0024]图4为本申请实施例中对于第一签章形状为长方形的实体签章的剪裁方框的示意图。
[0025]图5为本申请实施例中对于第一签章形状为正方形的实体签章的剪裁方框的示意图。
[0026]图6为本申请实施例中对于第一签章形状为椭圆形的实体签章的剪裁方框的示意图。
[0027]图7为本申请实施例提供的电子签章获取装置的一种结构示意图。
[0028]图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电子签章获取方法，应用于图像处理系统，其特征在于，包括步骤：S1.获取实体签章的图形信息，所述图形信息包括第一签章图案和第一签章形状；S2.将所述第一签章图案输入到已完成训练的第一分类模型中以得到所述第一签章图案所属的方向类别；所述方向类别包括正类和负类；S3.根据所述方向类别调整所述第一签章图案，得到第二签章图案；S4.将所述第二签章图案输入到已完成训练的第二分类模型中以得到所述第二签章图案所属的角度类别；S5.根据所述角度类别和所述第一签章形状调整所述第二签章图案，得到电子签章。2.根据权利要求1所述的电子签章获取方法，其特征在于，步骤S1中的具体步骤包括：S11.获取签章区域图像；签章区域为签署所述实体签章的区域；S12.将所述签章区域图像输入到已完成训练的签章检测模型中，以得到所述签章区域中的所有所述实体签章的所述图形信息。3.根据权利要求2所述的电子签章获取方法，其特征在于，步骤S11中的具体步骤包括：S111.获取签章填报表图像，所述签章填报表图像中包括签章方框；S112.获取所述签章方框的四个角点的角点坐标；S113.根据所述角点坐标截取所述签章方框作为第一图像；S114.根据所述角点坐标，计算旋转角度；S115.根据所述旋转角度矫正所述第一图像，以得到所述签章区域图像。4.根据权利要求2所述的电子签章获取方法，其特征在于，所述签章检测模型为基于Yolo
‑
v5神经网络算法的模型；所述签章检测模型通过以下步骤训练得到：A1.获取语料数据，所述语料数据中包括多个第三签章图案；A2.利用LabelMe标注工具人工标注出所述语料数据中的各个所述第三签章图案的第二签章形状，所述第二签章形状包括圆形、正方形、长方形、椭圆形和不规则形状；A3.利用标注好的语料数据训练所述签章检测模型，得到已完成训练的所述签章检测模型。5.根据权利要求1所述的电子签章获取方法，其特征在于，步骤S3中的具体步骤包括：S31.若所述...
【专利技术属性】
技术研发人员：周蔚林，
申请(专利权)人：广东信鉴信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。