探析微信“圖片大爆炸”背后的圖片文字提取技術(shù)和相關(guān)專利 ?

#本文僅代表作者觀點(diǎn)，不代表IPRdaily立場(chǎng)，未經(jīng)作者許可，禁止轉(zhuǎn)載#

“一文帶你了解微信是如何做到準(zhǔn)確提取圖片文字的。”

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：李文軍

最近，微信在安卓8.0.24正式版更新了新功能，名為“圖片大爆炸”。該功能通過(guò)長(zhǎng)按圖片，可以提取到圖片上的文字進(jìn)行后續(xù)的復(fù)制粘貼以及搜索等操作，有效地解決了以往用戶在使用過(guò)程中經(jīng)常遇到的電話號(hào)碼、快遞單號(hào)、網(wǎng)址等信息以圖片的形式得到而又無(wú)法直接使用、需要手動(dòng)輸入的窘迫情形。

圖1 微信對(duì)話場(chǎng)景

1、使用微信“圖片大爆炸”功能進(jìn)行圖片文字提取

微信圖片文字提取功能的操作及界面如圖2-圖4所示：

點(diǎn)開需要提取文字的圖片，長(zhǎng)按屏幕上對(duì)應(yīng)該圖片的位置，即可出現(xiàn)文字提取操作選擇界面；

圖2 長(zhǎng)按圖片導(dǎo)出“提取文字”操作界面

在彈出對(duì)話框中選擇“提取文字”操作圖標(biāo)，即可在屏幕圖片上的文字進(jìn)行識(shí)別或進(jìn)一步地進(jìn)行文字涂抹選擇；

圖3 進(jìn)行圖片文字提取

選擇并用手指涂抹想要使用的字段即可供用戶輕松的進(jìn)行“呼叫”、“添加到通訊錄”、“復(fù)制”、“搜一搜”、“轉(zhuǎn)發(fā)”以及“收藏”等操作。

圖4 提取出文字支持進(jìn)一步操作

通過(guò)簡(jiǎn)單的幾個(gè)步驟就可以輕松地實(shí)現(xiàn)圖片上文字的提取，不管是字母、數(shù)字，還是文字，都可以輕松識(shí)別和提取，進(jìn)行復(fù)制粘貼以及搜索等操作。用戶使用微信時(shí)再也不會(huì)遇到圖片上的電話號(hào)碼、快遞單號(hào)、網(wǎng)址等需要手動(dòng)輸入的窘迫情形。

這一問(wèn)題的解決大大提高了用戶對(duì)微信的使用體驗(yàn)，隨之而來(lái)的是，越來(lái)越多的用戶對(duì)這項(xiàng)技術(shù)產(chǎn)生興趣。

那么微信是如何做到準(zhǔn)確提取圖片文字的呢？帶著這個(gè)問(wèn)題，筆者對(duì)騰訊的圖片文字提取技術(shù)相關(guān)專利進(jìn)行了檢索和分析。

2、騰訊圖片文字提取技術(shù)專利分析

通過(guò)對(duì)騰訊的圖片文字提取技術(shù)相關(guān)專利檢索發(fā)現(xiàn)，騰訊早在微信“圖片大爆炸”功能推出之前就已經(jīng)布局了大量的專利，從2015年至今共布局了36件發(fā)明專利。從專利年申請(qǐng)量方面來(lái)看，近兩年明顯較早期多，從授權(quán)狀況（授權(quán)專利按照申請(qǐng)年統(tǒng)計(jì)，若某件專利2016年申請(qǐng)，2017年授權(quán)，該授權(quán)量統(tǒng)計(jì)計(jì)入2016年）方面來(lái)看，騰訊的圖片文字提取技術(shù)相關(guān)專利大部分處于審查狀態(tài)中，2016年授權(quán)率達(dá)到66.67%。較多相關(guān)技術(shù)的積累和專利布局奠定了如今微信“圖片大爆炸”功能的問(wèn)世。

圖5 騰訊在圖片文字提取技術(shù)領(lǐng)域的專利申請(qǐng)趨勢(shì)及授權(quán)狀況（申請(qǐng)量:件）

從專利布局的角度研判企業(yè)的市場(chǎng)重心，騰訊的36件圖片文字提取相關(guān)專利主要布局在中國(guó)和中國(guó)香港，同時(shí)通過(guò)PCT途徑申請(qǐng)專利。

圖6 騰訊在圖片文字提取技術(shù)領(lǐng)域的專利布局地域分布（單位：件）

從專利技術(shù)分布的角度研究企業(yè)的優(yōu)勢(shì)技術(shù)，騰訊的36件專利涉及24項(xiàng)專利技術(shù)，主要解決識(shí)別的準(zhǔn)確性、成本、文本內(nèi)容的私密性以及文本識(shí)別過(guò)程中文本的翻譯效率四個(gè)技術(shù)問(wèn)題。

圖7 騰訊在圖片文字提取技術(shù)領(lǐng)域的專利技術(shù)功效分布

1) 騰訊聚焦于如何提高圖片文字識(shí)別準(zhǔn)確率的技術(shù)問(wèn)題，申請(qǐng)了20項(xiàng)專利，主要的技術(shù)手段為通過(guò)文字檢測(cè)技術(shù)手段對(duì)圖片中的文字進(jìn)行檢測(cè)和分析，以及對(duì)文本圖像進(jìn)行圖像優(yōu)化和圖像分割的處理。其中，專利CN108830186B采用圖像優(yōu)化的技術(shù)手段，通過(guò)從文本圖像中選取已知背景區(qū)域，對(duì)于文本圖像中已知背景區(qū)域以外的剩余區(qū)域，采用插值算法分別計(jì)算這些剩余區(qū)域的背景像素值；根據(jù)該區(qū)域的背景像素值確定文本圖像的背景像素值；根據(jù)文本圖像的原始像素值和背景像素值，對(duì)文本圖像進(jìn)行背景減除，得到文本圖像的內(nèi)容圖像。這種技術(shù)可以克服陰影、邊角雜質(zhì)、紙張顏色等對(duì)提取文本內(nèi)容的影響，使得最終得到的內(nèi)容圖像中的文本內(nèi)容更加準(zhǔn)確、清晰。

圖8 專利CN108830186B文字圖像背景減除過(guò)程示意圖

再如專利CN111914825A采用文字檢測(cè)的技術(shù)手段，通過(guò)獲取包括待識(shí)別文字（包括至少一個(gè)字符組〔字符組包括至少一個(gè)字符〕）的待識(shí)別圖像，從待識(shí)別圖像中提取圖像特征，并根據(jù)圖像特征確定待識(shí)別文字所對(duì)應(yīng)候選文字的第一編碼序列以及第一概率；根據(jù)候選文字的第二編碼序列，獲取候選文字對(duì)應(yīng)的第二概率；根據(jù)第一概率和第二概率，從各候選文字的第一編碼序列中確定待識(shí)別文字對(duì)應(yīng)的目標(biāo)編碼序列，并將目標(biāo)編碼序列所表示的候選文字確定為待識(shí)別文字的識(shí)別結(jié)果。如此，可以有效降低字符組識(shí)別出錯(cuò)的幾率，進(jìn)而降低待識(shí)別文字識(shí)別出錯(cuò)的幾率。

圖9 專利CN111914825A中待識(shí)別文字組成示意圖

2) 降低成本方面的專利有1項(xiàng)，通過(guò)圖像優(yōu)化的技術(shù)手段實(shí)現(xiàn)降低成本。

專利CN108304839B，生成目標(biāo)圖像對(duì)應(yīng)的單色分量圖像，并根據(jù)每個(gè)單色分量圖像中的角點(diǎn)和端點(diǎn)，在目標(biāo)圖像中劃分待識(shí)別區(qū)域，并基于分類器，計(jì)算每個(gè)待識(shí)別區(qū)域分別對(duì)應(yīng)的文字識(shí)別概率，并根據(jù)文字識(shí)別概率在待識(shí)別區(qū)域中識(shí)別文字區(qū)域。由于識(shí)別角點(diǎn)和端點(diǎn)的過(guò)程和計(jì)算文字識(shí)別概率的過(guò)程均可以在大多數(shù)用戶終端中實(shí)現(xiàn)，所以無(wú)需部署云端服務(wù)器即可在用戶終端側(cè)完成對(duì)文字區(qū)域的準(zhǔn)確識(shí)別，從而降低了實(shí)現(xiàn)成本，也可避免與云端服務(wù)器進(jìn)行數(shù)據(jù)傳輸，降低網(wǎng)絡(luò)流量的消耗。

圖10 專利CN108304839B文字圖像單色疊加過(guò)程示意圖

3) 提高文本內(nèi)容私密性方面的專利有2項(xiàng)，分別通過(guò)文字檢測(cè)和圖像分割的技術(shù)手段對(duì)圖像文字進(jìn)行分類，并加以處理以防范敏感信息的泄露，提高私密性。

例如專利CN111062389A，在通過(guò)負(fù)樣本區(qū)域訓(xùn)練得到用于文字識(shí)別的第一模型之后，可以在文本區(qū)域中包含敏感信息時(shí)直接輸出設(shè)定、輸出信息，進(jìn)而從模型層面避免了識(shí)別出文字之后再甄別而造成的敏感信息泄露的風(fēng)險(xiǎn)，提高了信息的私密性。

圖11 專利CN111062389A文字識(shí)別敏感信息甄別過(guò)程示意圖

4) 提高翻譯效率方面的專利有1項(xiàng)，專利CN112183122A采用文字檢測(cè)的技術(shù)手段對(duì)圖片進(jìn)行文字識(shí)別，通過(guò)對(duì)目標(biāo)圖片進(jìn)行文字識(shí)別，得到的文字信息包括至少兩個(gè)語(yǔ)種的文字（包括語(yǔ)種不為目標(biāo)語(yǔ)種的文字的情況），對(duì)該文字信息中的語(yǔ)種不為目標(biāo)語(yǔ)種的文字進(jìn)行機(jī)器翻譯，得到并顯示目標(biāo)語(yǔ)種的文字信息，達(dá)到了不用手工輸入即可對(duì)外文文字進(jìn)行翻譯的目的，從而實(shí)現(xiàn)了提高外文文字翻譯效率的技術(shù)效果，進(jìn)而解決了由于現(xiàn)有技術(shù)中翻譯軟件需要人工輸入，造成的外文文字翻譯效率低的技術(shù)問(wèn)題。

圖12 專利CN112183122A文字識(shí)別翻譯示意圖

結(jié)語(yǔ)

騰訊在圖片文字提取技術(shù)領(lǐng)域申請(qǐng)了較多的專利，聚焦于如何提高圖片文字識(shí)別準(zhǔn)確率的技術(shù)問(wèn)題，進(jìn)行了較為全面的技術(shù)研發(fā)和專利布局，具有比較明顯的技術(shù)優(yōu)勢(shì)。能在實(shí)現(xiàn)圖片文字提取功能的基礎(chǔ)上保持高的圖片文字識(shí)別準(zhǔn)確率，使得微信的圖片文字識(shí)別功能更貼合用戶的使用需求和體驗(yàn)。

（原標(biāo)題：探析微信“圖片大爆炸”背后的圖片文字提取技術(shù)和相關(guān)專利）

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：李文軍

編輯：IPRdaily趙甄          校對(duì)：IPRdaily縱橫君

注：原文鏈接：探析微信“圖片大爆炸”背后的圖片文字提取技術(shù)和相關(guān)專利 （點(diǎn)擊標(biāo)題查看原文）

「關(guān)于IPRdaily」

IPRdaily是全球領(lǐng)先的知識(shí)產(chǎn)權(quán)綜合信息服務(wù)提供商，致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來(lái)自于中國(guó)、美國(guó)、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司及成長(zhǎng)型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人，還有來(lái)自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬(wàn)用戶（國(guó)內(nèi)70余萬(wàn)+海外近30萬(wàn)），2019年全年全網(wǎng)頁(yè)面瀏覽量已經(jīng)突破過(guò)億次傳播。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來(lái)自IPRdaily中文網(wǎng)（iprdaily.cn）并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://islanderfriend.com”