[发明专利]自适应文本图像的分割方法

说明书

技术领域

本发明涉及图像处理技术，特别是涉及一种自适应文本图像的分割方法。

背景技术

图像增强是指增强图像中的有用信息，从而改善图像的视觉效果。在相似性度量中，常用的有欧氏距离计算、均方误差评价、相关系数法和频谱分析等方法。相似性度量对于聚类、分类等常用机器学习算法都有很重要的意义。

图像分割在目标检测中有重要应用。常用的分割算法在系统的处理过程中不能进行人工调节阈值。并且图像分割算法需要设置参数，并根据不同的图像设置不同的参数，才能得到比较好的结果。但对于数据系统而言，在成千上万的文本图片，不可能针对不同的图像设置不同的参数。

发明内容

本发明提供的自适应文本图像的分割方法，可以有效地提高二值分割的准确性。

根据本发明的一方面，提供一种自适应文本图像的分割方法，包括：通过巴氏距离滤波器的第一滤波窗宽对图像的灰度矩阵进行滤波得到巴氏距离矩阵；将所述巴氏距离矩阵通过最大熵分割算法进行二值分割得到第一二值矩阵；所述第一二值矩阵通过邻域信息进行纠错得到第二二值矩阵；所述第二二值矩阵通过游程直方图进行统计得到字符宽度；根据所述字符宽度确定第二滤波窗宽；如果所述第二滤波窗宽与所述第一滤波窗宽相同，则所述第二二值矩阵作为系统的输出结果。

本发明实施例提供的自适应文本图像的分割方法，通过巴氏距离滤波器的第一滤波窗宽对图像的灰度矩阵进行滤波得到巴氏距离矩阵，将巴氏距离矩阵通过最大熵分割算法进行二值分割得到第一二值矩阵，第一二值矩阵通过邻域信息进行纠错得到第二二值矩阵，第二二值矩阵通过游程直方图进行统计得到字符宽度，根据字符宽度确定第二滤波窗宽，如果第二滤波窗宽与第一滤波窗宽相同，则第二二值矩阵作为系统的输出结果，从而可以有效地提高二值分割的准确性。

附图说明

图1为本发明实施例提供的自适应文本图像的分割方法流程图；

图2为本发明实施例提供的另一自适应文本图像的分割方法流程图。

具体实施方式

下面结合附图对本发明实施例提供的自适应文本图像的分割方法进行详细描述。

图1为本发明实施例提供的自适应文本图像的分割方法流程图。

参照图1，在步骤S101，通过巴氏距离滤波器的第一滤波窗宽对图像的灰度矩阵进行滤波得到巴氏距离矩阵。

在步骤S102，将所述巴氏距离矩阵通过最大熵分割算法进行二值分割得到第一二值矩阵。

在步骤S103，所述第一二值矩阵通过邻域信息进行纠错得到第二二值矩阵。

在步骤S104，所述第二二值矩阵通过游程直方图进行统计得到字符宽度。

在步骤S105，根据所述字符宽度确定第二滤波窗宽。

在步骤S106，如果所述第二滤波窗宽与所述第一滤波窗宽相同，则所述第二二值矩阵作为系统的输出结果。

这里，通过所述扫描宽度直方图对所述第二二值矩阵在0°、45°、90°和135°四个方向下分别进行统计得到四个方向的结果，将这四个方向的结果进行加和得到一个最终的统计结果，选取统计结果中选取出现比例最高的字符宽度作为系统认定的字符宽度。

进一步地，所述方法还包括：

如果所述第二滤波窗宽与所述第一滤波窗宽不相同，则巴氏距离滤波器的第二滤波窗宽对图像的灰度矩阵进行滤波。

进一步地，所述通过巴氏距离滤波器的第一滤波窗宽对图像的灰度矩阵进行滤波得到巴氏距离矩阵包括：

遍历所述图像的灰度矩阵的每个像素点；

所述每个像素点通过常数模板、高斯核利用所述巴氏距离滤波器得到所述每个像素点的巴氏距离；

所述每个像素点的巴氏距离构成巴氏距离矩阵。

这里，巴氏距离矩阵由公式(1)可知:

其中，G(i,j)为高斯核，GBPD(x₀,y₀)为巴氏距离矩阵，p^t(x₀+i,y₀+j)表示灰度矩阵中位于(x₀+i,y₀+j)的数值的大小，L^t(i,j)为背景模板，

高斯核由公式(2)可知：

其中，δ为参数。