一种字体检测方法

技术领域

本发明属于字体检测技术领域，具体涉及一种字体检测方法。

背景技术

目前，一张图片中的字体主要是通过人工识别出为何种字体，需要通过多种字体相互对比才能判别出来，而且准确率低，效率慢；字体检测技术是根据所给出的文字图案，在字体库中查找到相对应的字体，主要应用于设计师等职业人群，为了快速识别图片中文字使用何种字体，急需提出一种字体识别技术。

发明内容

有鉴于此，本发明提出一种字体检测方法，能够快速识别图片中的字体，而且准确率高。

为了达到目的，本发明提供的技术方案为：

本发明涉及一种字体检测方法其包括以下步骤：

（1）创建字体库，读取大量字体文件，根据文件内包含的字符数据，生成各字符对应图案，所有字体组合成为字体库；

（2）将字符对应的图案生成对比字符指纹；

（3）将需检测的图片文字生成检测字符指纹；

（4）将检测字符指纹与字体库中的对比字符指纹进行比对，得到最接近的字体。

优选地，所述的字体文件为ttf或otf格式文件

优选地，所述生成对比字符指纹的具体步骤包括：

（2.1）将带有字体的图案M转换为灰度图G；

（2.2）通过计算全图像素值均值将灰度图G进行二值化处理，生成二维数组A；大于等于均值的像素点置为1，小于均值的像素点置为0，最终成为只有0和1的二值化二维数组；

（2.3）将二维数组扩展为一维向量,得到对比字符指纹V。

通过特定软件包（如Python可使用Pillow模块）可以将字体文件中的数据以图案显示，输入法根据用户输入的文字+字体文件在计算机上显示文字图案。生成对比字符指纹可节约存储成本，并且便于计算。一般图案数据都是KB级别，生成指纹后为B级别，降低了3个数量级。

优选地，所述生成检测字符指纹的具体步骤包括：

（3.1）圈选出需检测的图片M2中文字部分；

（3.2）将文字部分转换为灰度图Mwg；

（3.3）将灰度图通过OTSU算法进行二值化，得到二维数组A2；

（3.4）根据二维数组A2边缘像素值生成文字部分的二维数组A3；

（3.5）将二维数组A3扩展为一维向量，得到检测字符指纹V2。

通过观测A2边缘像素值（边缘一般为背景而非文字部分），可确定二值化的A2数组中0、1的值是否设置正确。如果边缘像素值为0，则认为背景部分已被置0，文字部分已被置1如果边缘像素值为1，则认为OTSU算法设置错误，需要将A2中的所有0置为1，所有1置为0。二维数组A3是边缘像素值为1的数组。

采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：

1、本发明通过引入字体指纹，将图片中的文字转化成字体指纹与字体库中的字体指纹比对，快速找出需检测的字体类型，准确率高，且效率快。

2、本发明采用灰度图+OTSU算法+二值化的步骤对图片文字进行去背景噪声，正确提取字符本体，提高字体检测的正确率。

3、本发明通过处理图片，将KB级别的图案数据，降维成B级别的一维向量，比对更加方便。

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明方法的流程框图；

图2为步骤二的流程框图；

图3为步骤三的流程框图。

具体实施方式

为进一步了解本发明的内容，结合实施例对本发明作详细描述，以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本实施例涉及一种字体检测方法其包括以下步骤：

（1）创建字体库，读取大量ttf或otf格式的字体文件，根据文件内包含的字符数据，生成各字符对应图案，所有字体组合成为字体库；

（2）将字符对应的图案生成对比字符指纹；

（3）将需检测的图片文字生成检测字符指纹；

（4）将检测字符指纹与字体库中的对比字符指纹进行比对，得到最接近的字体。

参照图2，所述生成对比字符指纹的具体步骤包括：

（2.1）将带有字体的图案M转换为灰度图G，缩放灰度图G到合适大小；

（2.2）通过计算全图像素值均值将灰度图G进行二值化处理，生成二维数组A；大于等于均值的像素点置为1，小于均值的像素点置为0，最终成为只有0和1的二值化二维数组；

（2.3）将二维数组扩展为一维向量,得到对比字符指纹V。

通过特定软件包（如Python可使用Pillow模块）可以将字体文件中的数据以图案显示，输入法根据用户输入的文字+字体文件在计算机上显示文字图案。生成对比字符指纹可节约存储成本，并且便于计算。一般图案数据都是KB级别，生成指纹后为B级别，降低了3个数量级。

参照图3，所述生成检测字符指纹的具体步骤包括：

（3.1）圈选出需检测的图片M2中文字部分Mw；

（3.2）将文字部分Mw转换为灰度图Mwg；

（3.3）将灰度图通过OTSU算法进行二值化，得到二维数组A2；

（3.4）根据二维数组A2边缘像素值生成文字部分的二维数组A3；

（3.5）将二维数组A3扩展为一维向量，得到检测字符指纹V2。

通过观测A2边缘像素值（边缘一般为背景而非文字部分），可确定二值化的A2数组中0、1的值是否设置正确。如果边缘像素值为0，则认为背景部分已被置0，文字部分已被置1如果边缘像素值为1，则认为OTSU算法设置错误，需要将A2中的所有0置为1，所有1置为0。二维数组A3是边缘像素值为1的数组。

在进行比对过程中，通过计算两个一维向量的汉明距离（2个向量进行异或运算，统计结果为1的数量），距离越小的表示向量越接近。

本实施例基于3755个字体搭建字体库进行测试，发现给出的第1个结果就是正确答案的概率为76%，前五个结果中有正确答案的概率为89%，前十个结果中有正确答案的概率为97%。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方案，实际的结构并不局限于此。所以本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。