[发明专利]基于背景估计和能量最小化的低质量文档图像二值化方法

摘要

本发明公开了一种基于背景估计和能量最小化的低质量文档图像二值化方法，首先对彩色文档图像进行灰度预处理、采用双边滤波对图像进行降噪处理、图像背景估计、背景减除与图像增强、构造能量函数、构造网络图、最后采用基于增广路径的图割算法实现能量函数的最小化。本发明显著提高了复杂背景下的文档图像二值化效果，能够适用于多种颜色书写、笔画渐变、墨迹浸润、页面有污渍或纹理、光照不均、对比度低等复杂背景的文档图像二值化处理。

主权项

1.一种基于背景估计和能量最小化的低质量文档图像二值化方法，其特征在于，包括以下步骤：步骤1：对彩色文档图像进行灰度预处理；步骤2：采用双边滤波对图像进行降噪处理；步骤3：图像背景估计，具体包括以下子步骤：步骤3.1：针对步骤2处理后的图像，进行笔画宽度变换；步骤3.2：计算模拟距离和成像高度；步骤3.3：针对步骤2处理后的图像，通过两次形态学闭操作削弱文档图像中的暗特征；步骤3.4：结合步骤3.2和步骤3.3的结果，进行图像降采样和升采样；步骤4：背景减除与图像增强，具体包括以下子步骤：步骤4.1：背景减除；计算步骤2中的双边滤波图像与步骤3中的背景估计图像间的绝对差值，差值图像中灰度为零的像素点属于高置信背景像素点，并将其灰度值设为255；步骤4.2：直方图均衡；对背景减除图像中非零像素点进行取反，得到该点对应的灰度值，然后对整幅图像进行直方图均衡化，增大图像前景和背景的对比度；步骤5：构造能量函数；拉普拉斯能量函数的具体形式为：其中，数据项表示给像素点赋予某个标签的代价，是指给像素p_ij赋予标签0/1的代价；▽²I_ij表示像素p_ij处的拉普拉斯值；边界项表示相邻像素不连续的代价，即将两相邻像素赋予不同标签时的代价；边界项分为水平方向的边界项和竖直方向的边界项E_ij表示像素点p_ij处的边缘检测结果，I_ij表示像素p_ij处的灰度值，c为任意常数，其c＞0；步骤6：构造网络图；图像的每个像素点p_ij构成了网络图的中间节点，另外附加两个终端节点s和t；连接中间节点的边称为nlink，其权值由能量函数的边界项确定；连接中间节点与终端节点的边称为tlink，其权值由能量函数的数据项确定；边(p_ij,s)的权值为边(p_ij,t)的权值为边(p_ij,p_i+1,j)的权值为边(p_ij,p_i,j+1)的权值为步骤7：采用基于增广路径的图割算法实现能量函数的最小化；基于网络图建立两颗搜索树S和T，树的根节点分别位于源点s和汇点t，将搜索树的节点分为两类：主动节点和被动节点，主动节点可以由非饱和边将自由节点扩展为主动节点，实现树的生长；步骤7.1：生长阶段；两棵树不断生长，直到两棵树的主动节点相遇便找到了一条从源点到汇点的路径；步骤7.2、增广阶段；对步骤7.1获得的路径进行增广，增广会形成至少一条饱和边，连接该边的子节点就变成了孤立节点，树S和T则被拆分为多颗子树；步骤7.3：收养阶段；为每一个孤立节点寻找父节点，如果没有满足条件的父节点，将其变为自由节点，直至所有的孤立节点都被处理；步骤7.4：重复执行上面三个步骤，直至两棵树不再生长，被饱和边分开，便求出了图的最小割即能量函数的最小值，从而实现了图像的最终二值化。