发票是一种购买凭证,在人们生活和工作中都能起到重要作用。发票信息提取最常用也是最简单的方法是人工识别。但人工识别有其自身的缺点,其识别输入速度慢,识别人容易产生疲劳、误判等。随着社会发展,发票的应用越来越广泛,而人工识别的速度已经无法满足当前智能化、自动处理的要求。因此,亟需一种发票图像自动处理方法,来解决人工识别效率的问题。发票图像处理属于数字图像处理范畴,它将发票图像作为分析处理的对象,目的是提取出其中的有用字符信息。但发票图像有其特点,这主要体现在通过普通手机或平板电脑等非专业图像获取设备拍摄的发票图像质量与专业手段获取的图像有很大差距,而使用常见的图像处理方法进行处理时无法得到理想的结果。为此,本文给出了一种针对低质量发票图像的发票图像处理算法,用以解决其他图像处理方法在处理低质量图像时的效率问题。本文发票图像处理算法包括三个主要步骤,分别是图像二值化、区域分割、信息识别。针对算法的各个部分,本文分析了设计原理,并设计了详细的执行步骤。发票图像处理算法的核心是图像二值化算法。本文给出的图像二值化方法是以图像灰度模型为基础的。基于这一模型,本文设计了一种动态阈值二值化。经过实验验证,本文给出的图像处理算法能在多种拍摄质量比较差的设备上正常运行,并取得预期的结果。本文另一项主要工作为基于Andriod系统的发票图像处理系统软件的设计和优化。针对算法和界面的不同,本文设计了两个不同的程序设计方法。算法部分借助工作在Native状态的OpenCV进行编写;界面部分则使用多线程进行实现。最后,本文对算法程序进行分析,提出了优化方案并得到了很好的效果。