[发明专利]自适应字符切分及提取方法

说明书

技术领域

本发明属于计算机数字图像处理技术领域，涉及一种综合使用多知识决策的自适应字符切分及提取方法。

背景技术

图像二值化是图像处理中最常见的处理方法，是进行图像分析、特征提取和模式识别之前必要的图像预处理过程。尽管到目前为止，二值化阈值的选取方法数以百计，但仍没有一个通用的方法对各种各样的图像都能达到最理像的效果。

OTSU算法，也称大津法，是全局自适应二值化算法的经典算法之一，由大津于1979年提出，它是建立在一幅图像的灰度直方图基础上，依据类间距离极大准则来确定区域分割阈值。适用于目标与背景的比例适当和信噪比高的情况，分割效果较好。

简单统计法是Kittlter等人提出的一种基于简单图像像素灰度梯度值与图像灰度统计相结合的阈值选取方法。阈值可以一次计算得到，从而避免了多次迭代分析图像灰度直方图的麻烦，同时也导致了目标与背景的过度区域做不到非常精确的分割，但针对字符而言可以较好的分割出笔画所在的主要区域，轮廓的体现较为分明。

随着单个字符识别技术趋于成熟，复杂背景下字符串的切分已经成为制约数字识别精度的关键。单个字符中内部的间断、字符间的粘连以及图像背景噪声不同程度的污染等，都是造成字符串不能精确切分的主要因素。目前，现已提出的切分方法：基于图的连通性切分，基于SCP(Significant Contour Point)的数字切分，垂直方向像素投影，基于BFA(Background and Foreground Analysis)的数字切分，上下轮廓(Upper/Lower Contour)特征,滴水算法(Drop-Falling),LDP(Limited Dynamic Programming)算法等，其大多是应用在曲线切分上，一般情况下都需要人工干预选取切分线的起始点，相比之下，机打印刷类的字体是垂直的，起始点的确定就意味着切分线的建立，因此，这类字体下的切分难点就在于如何自动选取起始点。现有单一的字符切分算法切分字符的正确率较低，阻碍了字符识别率的提高。

发明内容

本发明的目的在于提供一种自适应字符切分及提取方法，解决现有技术存在的识别数字正确率低的问题。

本发明的技术方案是，自适应字符切分及提取方法，首先，将读入的图像进行倾斜矫正；然后，从中定位出表格左上角的坐标(x₀,y₀)，并以此设置矩形框裁剪出图像；最后，进行单个字符的切分及提取。

本发明的特点还在于：

单个字符的切分及提取方法包括两种，第一种为：首先，用简单统计法将灰度位图二值化，并对二值位图进行边缘噪声清理和消除孤立点，然后，追踪上下轮廓特征，分析空白间隔切除不需要的部分，对保留下来的部分搜索极值点，进而取特征点处切分。

具体步骤如下：

步骤1：读入原始图像，裁剪并归一化左上角位图；

步骤2：用最大类间方差算法二值化该灰度图，进行霍夫变换,定位出表格左上角坐标(x₀,y₀)及倾斜角度angle；

步骤3：若angle不为0⁰，旋转angle角度；

步骤4：以(x₀,y₀)为矩形左下角，裁剪出目标所在区域位图记为image₀；

步骤5：用简单统计法二值化image₀记为I₁，再消除孤立噪声点，并进行边缘清理；

步骤6：在I₁中用扫描像素的方法定位字符的上下轮廓特征，得到其间隔的离散值span(1,I₁_x)，有

span(1,i)＝U(1,i)-D(1,i)

其中，I₁_x为I₁的宽，i初始化为0，上限为I₁_x-1，移动步长为1，U(1,I₁_x)、D(1,I₁_x)分别记录上下轮廓的纵坐标点；自左向右分析span(1,i)空白间隔处缩小目标所在区域范围,基于灰度位图image₀再次切割记为image₁；

步骤7：搜索span(1,i)极值点，依据字符粘连处平均高度d从中选取切分点，基于image₁裁剪出字符碎片，用最大类间方差算法二值化；