[发明专利]印刷体阿拉伯字符预处理方法和装置

说明书

 

技术领域

本发明属于光学字符识别领域，涉及一种字符预处理方法和装置，具体涉及一种印刷体阿拉伯字符预处理方法和装置。

 

背景技术

在字符识别时，需要从原图中对字符图像进行定位，然后再根据定位的坐标进行单字符识别。在印刷体的阿拉伯文中，各词语在基线处连接在一起，排版时为了使每行中的文字都保持完整，在该行中一些词中的拉长符的长度经常会比较长。如图1所示，如果一个字符带着较长的拉长符，但该字符的形状则不可避免地存在一定的变形，导致字符不容易识别，现有的方法一般首先通过切分先将拉长符断开，然后分别对得到的切分块进行识别，但切分时所采取的切分点会影响识别的效果，而且在切分点选取得并不非常准确的情况下，阿拉伯字符间的拉长符难免会对字符的识别带来影响。

 

发明内容

本发明所要解决的技术问题是公开了一种印刷体阿拉伯字符预处理方法和装置，在进行字符识别前通过重心分析选取置信框，并通过置信框对字符图像进行调整后识别，避免了拉长符在阿拉伯文中的影响，提高了字符识别的识别率。

本发明公开了一种印刷体阿拉伯字符预处理方法，包括如下步骤：

步骤一：对切分后得到的字符图像分别进行重心分析，计算字符图像的重心偏离度；如果字符图像的重心偏离度小于指定阈值，则转到步骤三，否则转到步骤二；

步骤二：根据得到的重心偏离度调整置信框，确定置信框内的字符图像；

步骤三：将置信框内的字符图像加载到识别核心进行识别。

所述步骤一包括如下步骤：

步骤1.1 对切分后得到的字符图像进行垂直投影；

步骤1.2 根据垂直投影得到的直方图进行统计，分别标记字符图像的重心、左重心和右重心；

步骤1.3 根据标记的重心、左重心和右重心计算字符图像的重心偏离度；

步骤1.4 将重心偏离度与指定阈值比较；如果字符图像的重心偏离度小于指定阈值，则转到步骤三，否则转到步骤二。

所述重心为字符图像的水平重心，在该重心的水平坐标的左侧的垂直投影值之和与右侧的垂直投影值之和相等。

所述左重心为字符图像的左边界到重心之间水平方向上的某一点，该点到字符图像的左边界的水平坐标的垂直投影值之和与从该点到重心的垂直投影值之和相等。

所述右重心为重心到字符图像的右边界之间水平方向上的某一点，该点到字符图像的右边界的水平坐标的垂直投影值之和与从该点到重心的垂直投影值之和相等。

所述重心偏离度的计算公式为，其中，字符图像对应的重心为，左重心为，右重心为，几何中心为。

所述步骤二包括如下步骤：

步骤2.1根据重心偏离度确定字符图像中待调整部分；

步骤2.2根据得到的待调整部分进行轮廓分析，得到调整点；

步骤2.3 根据轮廓分析得到的调整点进行置信框调整。

所述确定字符图像中待调整部分时，选取使字符图像的左右两端的投影值差值最小的坐标点作为调整后字符图像的几何中心，根据字符图像的几何中心定位待调整部分。

所述待调整部分进行轮廓分析时，分别判断字符图像中待调整部分对应的上轮廓和下轮廓的差值是否在轮廓阈值之内，如果在轮廓阈值之内，则从字符图像的边界开始查找首个上轮廓或下轮廓的差值在轮廓阈值之外的点作为调整点。

所述上轮廓为字符图像中每列像素从上至下第一个黑像素的位置，下轮廓为字符图像中每列像素从下往上第一个黑像素的位置。

所述根据轮廓分析得到的调整点进行置信框调整时，如果调整的是字符图像的左边部分时，则将置信框的左边界右移至调整点；如果调整的是字符图像的右边部分，则将置信框的右边界左移至调整点。

本发明还公开了一种印刷体阿拉伯字符预处理装置，包括如下模块：

分析模块：对切分后得到的字符图像分别进行重心分析，计算字符图像的重心偏离度；如果字符图像的重心偏离度小于指定阈值，则转到加载模块，否则转到调整模块；

调整模块：根据得到的重心偏离度调整置信框，确定置信框内的字符图像；

加载模块：将置信框内的字符图像加载到识别核心进行识别。