楊蕊 楊潔

摘? 要： 近年來隨著圖像處理技術(shù)的日益發(fā)展，越來越多的應(yīng)用依賴圖像處理技術(shù)。為了方便財務(wù)人員進行發(fā)票管理與統(tǒng)計，通過對圖像預處理和光學字符識別技術(shù)的研究，提出了一種采用OpenCV.js開源圖形函數(shù)庫和Tesseract.js光學字符識別的Web端發(fā)票識別與管理系統(tǒng)。圖像處理與Web的結(jié)合能夠在網(wǎng)上方便快捷地把大量紙質(zhì)文件轉(zhuǎn)化為電子數(shù)據(jù)，開創(chuàng)了一種經(jīng)濟新模式。

關(guān)鍵詞： 圖像處理; 圖文識別; OpenCV.js; Tesseract.js; 發(fā)票

中圖分類號：TP391.41? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2020）10-04-04

Abstract： In recent years， with the development of image processing technology， more and more applications rely on image processing technology. In order to facilitate the financial personnel to manage and count the invoices， by studying the image preprocessing and optical character recognition technologies， this paper proposes a web based invoice recognition and management system using OpenCV.js open source graphic function library and Tesseract.js optical character recognition engine. The combination of image processing and web can easily and quickly convert a large number of paper documents into electronic data on the Internet， which creates a new economic model.

Key words： image processing; image recognition; OpenCV.js; Tesseract.js; invoice

0 引言

隨著科技的進步與時代的發(fā)展，人類進入了高速發(fā)展的數(shù)字時代。人們不再滿足于傳統(tǒng)的紙質(zhì)辦公，而是將需求投放在了電子文稿上。以往，人們在賬本上記賬，需要留存大量的票據(jù)，紙質(zhì)文件的保存也極為不易;而現(xiàn)在，發(fā)票信息的電子錄入與財務(wù)收支的統(tǒng)計分析變得愈發(fā)重要，紙質(zhì)文件轉(zhuǎn)變?yōu)殡娮訑?shù)據(jù)的過程成為數(shù)據(jù)存儲與運用的必然。

1 現(xiàn)狀分析

目前有許多學者對發(fā)票識別進行了相關(guān)研究，于治樓等人采用BP算法對發(fā)票號碼進行識別[1]，虞飛對電子發(fā)票號碼進行研究[2]。但目前圖像處理的大多數(shù)實踐應(yīng)用主要與硬件實體相結(jié)合，將圖像處理技術(shù)移植到Web服務(wù)端的國內(nèi)外相關(guān)實踐較少[3]。

所以本文研究Web端的圖像處理技術(shù)來設(shè)計一款實用、操作簡單、安全的在線發(fā)票識別與管理系統(tǒng)，研究方向包含圖像預處理模塊、光學字符識別核心模塊和電子數(shù)據(jù)整合模塊。并且將盡可能地提高發(fā)票識別準確率[4-7]。

2 圖片預處理模塊

在圖像處理中，圖片預處理部分的好壞決定了光學字符識別部分的精度和準確度。其目的在于去除圖像中影響文字識別的干擾雜質(zhì)，從而增強發(fā)票圖像的有效信息。

本文研究的預處理模塊主要分為四部分：灰度二值化、圖片降噪、圖片校正和圖片分割。圖片預處理流程圖如圖1所示。與此同時，要在Web端實現(xiàn)圖片的預處理部分，需要引入OpenCV.js開源圖形函數(shù)庫進行圖像的在線處理。

2.1 OpenCV.js的引入

本發(fā)票識別與管理系統(tǒng)引入適用于JavaScript運用的OpenCV.js，實現(xiàn)將OpenCV帶入Web平臺，運用OpenCV.js主要完成發(fā)票圖片的預處理部分，包括灰度化、二值化、生成直方圖、膨脹、霍夫變換。

2.2 灰度化+閾值自適應(yīng)二值化技術(shù)

在圖像預處理中，由于彩色圖像信息量較大，計算機難以區(qū)分真實的文字和圖案背景，因此需要對圖像進行灰度化和二值化以達到去掉圖片雜質(zhì)的目的。由于人眼對顏色的敏感度不同，由式⑴可見對[RGB]進行加權(quán)平均能得到更合理的灰度圖像，在OpenCV.js中采用COLOR_RGBA2GRAY的方法進行灰度化可達到該公式效果。

第二步進行二值化將文字與其他背景區(qū)分開，在OpenCV.js中有許多種二值化的閾值接口，但通常選取三種方法來定義閾值進行圖片的二值化：

一是大津法（OTSU）即簡單地用一種閾值將圖片背景和前景一分為二。大津法又稱最大類間方差法，其二值化后的前景與背景的類間方差最大[8]。二值化的過程需要取一個閾值，根據(jù)圖片整體進行閾值取值的運算，記[u]為圖像的總平均灰度。

由式⑵可見公式中[w0]表示前景文字所占圖像的比例;[w1=1-w0]為背景點數(shù)占比;[u0]表示[w0]對應(yīng)的平均灰度值;[u1]表示[w1]對應(yīng)平均灰度值。當方差[G]最大時，前景和后景錯分的差別最小，此時的灰度是最佳閾值，方差[G]可由式⑶表示。

二是使用雙峰直方圖法進行圖片前景和背景的分割，兩峰之間的谷底所對應(yīng)的灰度級即為閾值，如圖2所示，橫坐軸表示灰度值，縱坐軸表示幅值，閾值可以很明顯得在曲線谷底呈現(xiàn)，大于閾值則視為前景黑色，小于閾值則視為后景白色。

灰度直方圖清晰地概括了一幅圖像的灰度級內(nèi)容[9]，呈現(xiàn)雙峰狀的灰度圖說明物體與背景對比明顯，選用雙峰直方圖法因其適用于層次不同的圖片。

三是自適應(yīng)閾值二值化算法，通過adaptiveMethod算法[10]將圖像的每一個小區(qū)塊按照局部特征進行閾值計算。如圖3所示可以觀察到經(jīng)過閾值二值化處理的發(fā)票圖像中的數(shù)字和文字部分變得十分清晰。

完成的效果如圖3所示，自適應(yīng)閾值二值化算法可以排除圖像的光影和紋路干擾，但是會產(chǎn)生較多的顆粒噪點，后續(xù)仍需進行多次降噪處理。由于在發(fā)票管理系統(tǒng)的發(fā)票錄入這一步驟中，發(fā)票圖像的準確度受到人為因素影響較大，所以采用自適應(yīng)閾值二值化算法較為合適。

2.3 圖片降噪

在現(xiàn)實環(huán)境中，二值化圖片往往圖像中會出現(xiàn)隨機分布的噪點，對后續(xù)光學字符識別（Optical Character Recognition，OCR）中圖片的切割識別造成較大的干擾。為糾正顆粒噪點的干擾，通常采用以下兩種方法降噪。

一是8鄰域降噪法，以每一個像素點為單位，統(tǒng)計其周圍8個像素點的灰度值為0的個數(shù)，并定義一個閾值，使得統(tǒng)計的個數(shù)超過閾值時標記為孤立的噪點顆粒，從而改變該噪點的灰度值，起到降噪的效果。由式⑷可見，閾值[n]為5時效果較好。

二是8連通泛水填充法FloodFill，通過計算相連通的像素點面積來保留相連通的字符，從而過濾掉非字符的孤立噪點。

2.4 圖片矯正

通常所拍攝的圖像偶有圖片傾斜的情況，此時需要計算傾斜角度將圖像進行校正。

第一步進行膨脹操作將圖片黑色部分的文字進行擴大，膨脹效果如圖4（b）所示，黑色的文字前景區(qū)域相應(yīng)擴大。

第二步進行Canny邊緣檢測，以減小圖像噪點并檢測出文字的邊緣。Canny邊緣檢測算法其效果如圖4（c）所示，可以看出該算法對于文字邊緣的檢測效果較好。

第三步運用霍夫變換將二值化的圖片進行行列檢測，其閾值越大，往往精確度越高，但閾值設(shè)定過高則會導致檢測效果較差，閾值過低則程序運行速度較慢。經(jīng)過大量試驗后，可以確定一個適合的閾值，其霍夫變換效果如圖4（d）所示。

霍夫變換檢測出大量直線后，計算出直線與圖片邊框的角度并進行旋轉(zhuǎn)校正。處理過的發(fā)票圖片校正效果如圖4（e）所示，最終的圖片可達到如圖4（f）的效果。

2.5 圖片分割

圖文識別分割的準確度決定了圖文識別的準確度，通常采用投影分割法來進行分割。生成二值化的像素分布直方圖如圖5所示，可以看出當黑色像素點個數(shù)為0時，即為圖像文字間隔的白色區(qū)域。由此可分割成不同的文字區(qū)塊。

3 字符識別核心模塊

預處理后的圖像主要使用Tesseract引擎來進行簡單的打印字符識別，但Tesseract引擎無法識別手寫字體，所以本文引入jTessBoxEditor進行Tesseract字符庫訓練，通過擴展字符庫的方法提高識別的準確率，訓練測試結(jié)果如表1所示。同時，在Web端進行字符識別時需要引入Tesseract.js進行網(wǎng)頁端的圖像處理。

其訓練方法如圖6所示，對手寫的樣本文字圖片（tif或tiff格式）進行操作，生成BOX文件，然后定義字符配置文件，達到對字符矯正的目的。同時Web端進行OCR操作還需要引入Tesseract.js，可以用于在瀏覽器進行相關(guān)圖像處理操作。

4 基于圖像分析的發(fā)票識別與管理系統(tǒng)

4.1 辦公應(yīng)用功能

第一部分是注冊登錄功能，用戶可進行登錄或注冊操作，并進行數(shù)據(jù)加密和驗證。

第二部分是發(fā)票相冊功能，用戶錄入的發(fā)票圖像都會在這一欄目排列顯示，鼠標劃過任意一張發(fā)票圖像即可放大查看詳細的圖像細節(jié)。

第三部分是圖片預處理功能，用戶可以自由地在圖片預處理頁面進行圖片的灰度化、二值化、膨脹、霍夫變換等操作。

第四部分是發(fā)票支出統(tǒng)計分析功能，可以將所支出的發(fā)票金額自動形成柱狀統(tǒng)計圖，以直觀的看出當前公司的財務(wù)支出用度情況，計算機可以自動根據(jù)數(shù)據(jù)庫中的相關(guān)金額數(shù)據(jù)進行圖表演示。

4.2 發(fā)票記錄模塊

該模塊的功能有發(fā)票的錄入，查看發(fā)票的錄入時間、發(fā)票圖像和經(jīng)手人簽名信息。同時在操作區(qū)域，用戶可以做修改、刪除和識別操作，發(fā)票記錄模塊效果如圖7所示。

4.3 財務(wù)統(tǒng)計模塊

用戶可以在左側(cè)菜單欄“財務(wù)統(tǒng)計”中的“財務(wù)記錄表”查看所識別的發(fā)票具體信息，包括開戶名、金額、收款人、稅號和發(fā)票種類五類信息，同時也可做修改和刪除操作。財務(wù)統(tǒng)計模塊效果如圖8所示，該模塊可以讓用戶隨時查看所識別過的發(fā)票信息數(shù)據(jù)。

5 結(jié)束語

為了解決發(fā)票數(shù)據(jù)人工錄入的問題，本文提出了基于Web端的發(fā)票自動識別與管理系統(tǒng)，經(jīng)過大量的圖像分析測試之后，該發(fā)票識別與管理系統(tǒng)能較好地批量錄入發(fā)票、進行發(fā)票的識別和財務(wù)數(shù)據(jù)分析，為圖像處理開創(chuàng)了一種新模式。

在后續(xù)的研究與改進中，將會研究機器學習和卷積神經(jīng)網(wǎng)絡(luò)對發(fā)票信息進行特征識別，同時將加強該系統(tǒng)的安全性，保障使用者的財務(wù)數(shù)據(jù)不會被泄露。未來圖像處理的市場廣闊，數(shù)字化金融時代也更加離不開票據(jù)的智能化識別分析技術(shù)。

參考文獻（References）：

[1] 于治樓，信曉敏，黃正茂.BP算法在發(fā)票號碼識別中的應(yīng)用研究[J].信息技術(shù)與信息化，2014.3：113-115

[2] 虞飛.通用機打普通商業(yè)發(fā)票識別系統(tǒng)研究與實現(xiàn)[D].華南理工大學，2013.6：44-48

[3] 李光磊.Web OCR系統(tǒng)設(shè)計、實現(xiàn)及多平臺對比與選型[D].天津大學，2004.

[4] PAI N， KOLKURE V S. Optical Character Recognition： An Encompassing Review[J].International Journal of Research in Engineering and Technology，2015.4：407-409

[5] LI X G， CHEN J H， et al. English Sentence Recognition Based on HMM and Clustering[J].American Journalof Computational Mathematics， 2013.3：37-42

[6] SHAFFIE A M， Elkobrosy G A.A Fast Recognition System for Isolated Printed Characters Using Center of Gravity and Principal Axis[J].Applied Mathematics，2013.4：1313-1319

[7] NAZ S， HAYAT， et al. The Optical Character Recognition of Urdu-Like Cursive Scripts[J].Pattern Recognition，2014.47：1229-1249

[8] 劉亞文，余孝源，周飛舟等.基于金字塔權(quán)重的QR二維碼重構(gòu)[J].控制工程，2020.27（4）：641-647

[9] 梁華為.直接從雙峰直方圖確定二值化閾值[J].模式識別與人工智能，2002.15（2）：253-256

[10] Ivan Ozhiganov. Deep Dive Into OCR for Receipt Recognition[EB/OL].2017-6-21.https：//dzone.com/articles/using-ocr-for-receipt-recognition.