具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

在目前的一些点读笔中，在笔头中安装有摄像头，可以将写在具有细方格的纸上的信息，以数据化的方式储存在笔中，并可经蓝牙或通用串行总线(USB)进行传输。这种点读笔可以录入书写信息、文字轨迹，但不能用于文本识别，最大的问题也是书写本需要定制，需要有细格条纹，因为其原理是采用摄像头的点阵识别。

基于此，本公开提供一种可以不受书本的限制的文本处理方法和装置。

如图1所示，本公开的实施例提供了一种文本处理方法，包括步骤S101，响应于预设操作事件，获取文本的目标图像。在一些实施例中，本发明实施例适用于图像处理设备，例如，具备摄像头的点读笔、移动终端等。在一些实施例中，预设操作事件包括手动触发事件和自动触发事件，手动触发事件可以是通过文本识别按键/按钮触发，自动触发事件可以是当图像处理设备(例如，点读笔)上摄像头对焦成功则自动触发，还可以是通过接收用户发送的语音指令进行触发。在一些实施例中，在图像处理设备(例如，点读笔)在书本或纸上书写时自动触发。

本公开的方法还包括步骤S102，对目标图像进行图像拼接，得到拼接图像。图像拼接技术就是将数张有重叠部分的图像(可能是不同时间、不同视角或者不同摄像头传感器获得的)拼成一幅无缝的全景图或高分辨率图像的技术。其中使用较多的是基于特征模板匹配特征点的拼接方法。该方法允许待拼接的图像有一定的倾斜和变形，克服了获取图像时轴心必须一致的问题，同时允许相邻图像之间有一定色差。全景图像的拼接主要包括以下四个步骤：图像的预拼接，即确定两幅相邻图像重合的较精确位置，为特征点的搜索奠定基础；特征点的提取，即在基本重合位置确定后，找到待匹配的特征点；图像矩阵变换及拼接，即根据匹配点建立图像的变换矩阵并实现图像的拼接；最后是图像的平滑处理。应该理解，以上所述仅是示例性的，而不用于限制本公开。在一些实施例中，通过图像的拼接，类似于采用全景相机拍摄，可以一边书写一边进行整页文本的图像整合。

在一些实施例中，本公开的方法还包括对拼接图像进行修正，得到修正的文本图像。在一些实施例中，由于点读笔通常是倾斜放置的，所以由点读笔拍摄得到的图像通常是倾斜的，并不便于拍摄的文本的观看或识别。因此，可以对拼接的图像进行修正，例如，畸变校正算法处理，使得文本图像更便于观看和后期的文本识别。

通过采用本公开的方法，可以不局限于特殊的书本，即可完成整页图像的获取，并能够记录对应的书写轨迹，用于教学分析。另外，当在书本上完成作业或者书写场景后，不需要第三方拍摄设备(比如用手机或者高拍仪)，就可以获得整页文本的图像数据。

本公开的方法还可以包括对文本图像进行文本识别，得到识别的文本。在一些实施例中，通过光学字符识别算法对文本图像进行文本识别。在一些实施例中，通过光学字符识别(Optical Character Recognition，OCR)算法对文本图像中的文本进行识别，获得相应的文本数据，文本数据包括所有的字符、所有的单词/单个字、字符或单词/字相对于目标图像左上角的坐标、所有的行文本等。通过采用本公开的方法，既可以对现有的文档的图像进行文本识别，也可以对书写轨迹的图像进行文本识别，并且不需要特制的书本。

在一些实施例中，本公开的方法还包括：在获取文本的目标图像的同时，获取设备的纵向延伸方向与引力方向之间的角度，并且利用角度辅助对拼接图像进行文本识别。在一些实施例中，设备可以包括普通笔、点读笔、智能笔等。在一些实施例中，本公开的方法还包括：在获取文本的目标图像的同时，获取设备的纵向延伸方向与水平方向之间的角度，并且利用该角度辅助对拼接图像进行文本识别。应该理解，在正常情况下进行书写或点读时，可以认为纸张处于水平角度。通过角度因素的引入，可以让修正处理(例如，畸变校正算法处理)更好地对图像进行修正。因为不同的人的握笔夹角可能是不一样的，但是都处于一个合理的范围内。

如图3所示，示出了纸面20、设备21和组件22。在一些实施例中，设备21和组件22可以是独立的，此时，设备21可以是普通的圆珠笔、钢笔等，组件22可以使用夹子等固定在设备21上。组件22包括摄像头组等，用于获取文本图像以及对本文图像进行文本识别。在一些实施例中，设备21和组件22可以是一体的，构成智能笔，既可以进行正常的书写，又可以捕获书写轨迹等。在一些实施例中，如图3所示，方向23为设备21的纵向延伸的方向，方向24可以是与纸面平行的水平方向或根据需要设定的其他方向，例如，可以是相对于方向24更靠近方向23的任意合适的方向。

在一些实施例中，利用角度传感器获取设备21和重力引力方向的角度，用于辅助组件22(包括摄像头)以及对应算法进行文字、图片的识别处理。

在一些实施例中，获取文本的目标图像包括：获取设备的纵向延伸方向与水平方向之间的视角内的目标图像。如图3所示，可以在方向23和方向24之间的视角内获得目标图像。在一些实施例中，组件22的摄像头可以环绕整个设备21，使得可以从各个角度无死角地获取目标图像，进而通过图像拼接获得完整的文本图像，进而识别得到更完整准确的文本。

在一些实施例中，本公开的还包括：响应于另一预设操作事件，对识别的文本的部分或全部进行语音播报。例如，组件22可以包括麦克风、扬声器等，进而可以使得识别到的文本能够进行语音播放。另外，在一些实施例中，组件22可以与用户进行语音交互。在一些实施例中，通过对点读的位置的图像的文本的识别，可以实现点读功能，即将识别到的文本即时地进行语音播报。因此，本公开的方法可以实现现有文档的点读、扫描录制，也可以实现书写轨迹的录制，另外，还可以对现有的文档或书写的轨迹进行文本识别。

在一些实施例中，本公开的方法还包括向文本的纸面20投射红外投影光或可见投影光，用于辅助文本的识别。例如，组件22可以包括红外投影灯、可见投影灯等，可以投射点阵光源等，辅助对图像的文本识别。

本公开的方法既可以先对目标图像进行拼接，之后进行修正，如图2所示，本公开的方法还可以先对目标图像进行修正，然后对修正后的目标图像进行拼接。因此，本公开的另一方法可以包括步骤S101、S202和S203。其中步骤S202为对目标图像进行修正，得到修正的目标图像；步骤S203为对修正的目标图像进行图像拼接，得到拼接的文本图像。即，与之前的方法的区别在于修正与拼接的顺序不同，其他相关步骤与之前的方法的描述相同，在此不再重复。

如图3所示，本公开还提供了一种文本处理装置，例如，组件22。如图3所示，组件22可以包括处理器43(例如，图像处理芯片)、一个或多个摄像头41和角度传感器42。一个或多个摄像头41可以组成摄像头组，用于获取文本的目标图像。处理器43配置为对目标图像进行拼接和/或修正。一个或多个摄像头41可以与处理器43通信连接。角度传感器42与处理器43通信连接，角度传感器42配置为获取文本处理装置的纵向延伸方向与引力方向之间的第一角度和/或文本处理装置的纵向延伸方向与水平方向之间的第二角度，并且辅助对目标图像进行所述修正。

在一些实施例中，处理器43还配置为对拼接和/或修正后的文本的目标图像进行识别，得到识别的文本。

在一些实施例中，文本处理装置还可以包括无线通信部件，用于文本处理装置与外部部件的数据传输。在一些实施例中，获取的文本图像既可以在文本处理装置内进行图像处理和识别，也可以通过蓝牙等无线通信装置发送到云端进行处理。即，无线通信部件可以帮助实现与云服务或其他设备之间的通信。

在一些实施例中，文本处理装置可以包括陀螺仪，通过陀螺仪可以得知设备与纸面的相对角度，进而将相对角度反馈给处理芯片，通过角度系数的增加，可让文本图像识别中的畸变校正算法能够更好的对文本图像进行畸变处理。因为不同的人的握笔夹角是不一样的，但都处于一个相对合理的范围内。该相对角度能够辅助对文本图像的识别。

在一些实施例中，可以采用柔性电池为文本处理装置供电，以帮助实现文本处理装置的小型化以及形状的灵活性。

在一些实施例中，文本处理装置可以包括可见光投影灯或红外投影灯，将将光线投射到纸面20，摄像头拍照后进行OCR，从而实现点读功能。

在一些实施例中，组件22可以包括连接部件，以将文本处理装置(例如，组件22)固定在设备21上，例如，可以采用夹子、可调笔帽等。

在一些实施例中，文本处理装置可以包括开关装置，用于对文本处理装置进行开关控制。例如，文本处理装置可以包括控制按钮，对书写记录、点读功能等进行控制。在一些实施例中，文本处理装置可以包括麦克风、扬声器等，进而可以使得识别到的文本能够进行语音播放或者与用户进行语音交互。

本公开还提供了一种文本识别装置500，包括目标图像获取单元501和图像拼接单元502。目标图像获取单元501配置为响应于预设操作事件，获取文本的目标图像。图像拼接单元502配置为对目标图像进行图像拼接，得到拼接图像。

在一些实施例中，本公开的装置还包括：图像修正单元，配置为对拼接图像进行修正，得到修正的文本图像；文本识别单元，配置为对文本图像进行文本识别，得到识别的文本。以上的装置的单元均可以在对应的方法内容中找到对应的内容，因此在此不再详述。

此外，本公开还提供一种终端，包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述文本处理方法。

此外，本公开还提供一种计算机存储介质，该计算机存储介质存储有程序代码，程序代码用于执行上述文本处理方法。

通过采用本公开的方法和装置，可以不受书写本子的限制，不需要书写本的定制，只用一个固定视角的摄像头配件，图像拼接以及文字识别算法，就可以实时获取文本图像和文字轨迹，最快完成整页文本的图像数据。另外，本公开的方案可以做成笔的摄像头配件，嵌入到普通的钢笔或圆珠笔的笔帽部分，也可以做成一支智能笔。此外，本公开在实时获取文本图像后，可以通过增加语音播报功能。例如，在交互上可以实现右手书写，左手对图像采集区域内的文字进行手指点读。本公开实现了对现有文档与书写轨迹的记录和文本识别，可以实现点读和和记录功能。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置606；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置606被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，提供了一种文本处理方法，包括：响应于预设操作事件，获取文本的目标图像；对所述目标图像进行图像拼接，得到拼接图像。

根据本公开的一个或多个实施例，文本处理方法还包括对所述拼接图像进行修正，得到修正的文本图像。

根据本公开的一个或多个实施例，对所述目标图像进行图像拼接，得到拼接图像包括：对所述目标图像进行修正，得到修正的目标图像；对所述修正的目标图像进行图像拼接，得到拼接的文本图像。

根据本公开的一个或多个实施例，文本处理方法还包括：对所述文本图像进行文本识别，得到识别的文本。

根据本公开的一个或多个实施例，文本处理方法还包括：在获取所述目标图像的同时，获取设备的纵向延伸方向与引力方向之间的第一角度和/或所述设备的纵向延伸方向与水平方向之间的第二角度；利用所述第一角度和/或所述第二角度辅助对所述拼接图像进行所述修正。

根据本公开的一个或多个实施例，获取所述目标图像包括：获取设备的纵向延伸方向与水平方向之间的视角内的所述目标图像。

根据本公开的一个或多个实施例，文本处理方法还包括：响应于另一预设操作事件，对所述识别的文本的部分或全部进行语音播报。

根据本公开的一个或多个实施例，文本处理方法还包括：向文本所在的纸面投射红外投影光或可见投影光，用于辅助文本的识别。

根据本公开的一个或多个实施例，提供了一种文本处理装置，包括：处理器；一个或多个摄像头，与所述处理器通信连接，用于获取文本的目标图像；角度传感器，与所述处理器通信连接；其中，所述处理器配置为对所述目标图像进行拼接和/或修正，所述角度传感器配置为获取所述文本处理装置的纵向延伸方向与引力方向之间的第一角度和/或所述文本处理装置的纵向延伸方向与水平方向之间的第二角度，并且辅助对所述目标图像进行所述修正。

根据本公开的一个或多个实施例，所述处理器还配置为对拼接和/或修正后的文本的目标图像进行识别，得到识别的文本。

根据本公开的一个或多个实施例，还包括无线通信部件，用于所述文本处理装置与外部部件的数据传输。

根据本公开的一个或多个实施例，还包括连接部件，用于将所述文本处理装置物理连接至普通笔。

根据本公开的一个或多个实施例，还包括麦克风或扬声器，用于实现语音交互和/或所述识别的文本的语音播报。

根据本公开的一个或多个实施例，还包括开关装置，用于对所述文本处理装置进行开关控制。

根据本公开的一个或多个实施例，还提供了一种文本识别装置，包括：目标图像获取单元，配置为响应于预设操作事件，获取文本的目标图像；图像拼接单元，配置为对所述目标图像进行图像拼接，得到拼接图像。

根据本公开的一个或多个实施例，还包括：图像修正单元，配置为对所述拼接图像进行修正，得到修正的文本图像；文本识别单元，配置为对所述文本图像进行文本识别，得到识别的文本。

根据本公开的一个或多个实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述文本处理方法。

根据本公开的一个或多个实施例，提供了一种计算机存储介质，所述计算机存储介质存储有程序代码，所述程序代码用于执行上述文本处理方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。