基于MATLAB图像的文字区域检测新方法

基于MATLAB图像的文字区域检测新方法基于 M atlab图像的文字区域检测新方法闻京(广州军区司令部建筑工程设计院．广东广州510515) 摘要：嵌入在图像中的文字信息是图像语义的一种重要表达方式，通常反映了图像的主要内容，因此．准确检测出图像中的文字区域是正确理解图像内容的关键。本文提出一种边缘纹理特征与灰度特征相结合的文字区域检测算法。实验证明该算法效果较好。关键词：边缘检测；纵向边缘；灰度直方图；文字区域中图分类号：TP391 4 文献标识码：A 1引言随着多媒体技术和计算机网络的飞速发展，越来越多的信...

基于 M atlab图像的文字区域检测新方法闻京(广州军区司令部建筑工程设计院．广东广州510515) 摘要：嵌入在图像中的文字信息是图像语义的一种重要表达方式，通常反映了图像的主要内容，因此．准确检测出图像中的文字区域是正确理解图像内容的关键。本文提出一种边缘纹理特征与灰度特征相结合的文字区域检测算法。实验证明该算法效果较好。关键词：边缘检测；纵向边缘；灰度直方图；文字区域中图分类号：TP391 4 文献标识码：A 1引言随着多媒体技术和计算机网络的飞速发展，越来越多的信息以数字图像的形式传播和存储。图像中的文字包含丰富、明确的信息，一定程度上反映了图像的主要内容。图像中文字区域的准确提取是正确理解图像内容的关键．对于信息检索、图像注释、网络监控、网络垃圾图像过滤、智能交通、数字图书馆等领域都有着重要意义。近年来，对于彩色图像文字区域提取的研究已经取得了大量研究成果，Agnihotri{ 通过边缘滤波与形态学运算结合处理图像。利用启发性规则确定文字区域；DatongChenla 利用 Canny算子提取图像边缘，并用支持向量机方法确认文本行；HuaP]~lJ用文字条角点特征提取出文字块等。但由于图像存在背景纹理复杂，文字尺寸不一致、字体多变、颜色多样、排列方式多变等的复杂性，仍存在文字区域提取的准确率不高、精确度不高、效率不高等问题。针对国内外对图像中文字区域提取方法研究现状中存在的问题，提出一种结合图像边缘纹理与灰度特征的方法。实验证明．该方法文字区域提取的准确率较高，对复杂背景图像也能较好地实现文字区域与背景区域的分离。】丑口算法主要分为5个关键步骤：(1)输入彩色图像；(2)将彩色图像转化为灰度图像，并对灰度图像进行纵向边缘检测；(3)通过等值行分割、动态列分割、相邻矩形区域合并确定候选文字区域；(4)候选文字区域灰度直方图分析；(5)根据二值图像生成的四邻域连通域的几何形状特征确定最终文字区域。 2 1边缘检测一个可识别的文字串通常具有这样的特点【：文字的边缘颜色通常和背景有着较强的对比；字符边缘是由横向边缘、纵向边缘、斜向边缘组成的，这些边缘线条使字符具有与背景不同的纹理特征。因此考虑从边缘的角度来检测文字。边缘检测前先对彩色图像作灰度化处理。常见的边缘检测算子有 Roberts算子、 Prewitt算子、Sobel算子、Laplacian算子等。对比之下，Sobel算子通过增加权重的方法作卷积处理效果更好，在一定程度上抑制了噪声，且计算代价相对降低。因此，采用 Sobel算子检测灰度图像边缘。对于灰度数字图像 f(i．j)，Sobel算子的横向和纵向梯度定义如下：《= 一i+1)+2x^Lf+l}十九，+Li+li]一嘶一I,j—n+ f 『_l】+“f儿卜l】】 =[1ii-[j-I+2~fti一【／】+^j—l／+ +L卜n÷2×_九f+ f +I} 如果综合考虑横向和纵向梯度，像素点对应的梯度定义为：、j)= +( 由此可得到了一个边缘图S(i，j)。根据文字纵向边缘尤为明显的特征，只考察灰度图像的纵向边缘。将边缘图二值化，并通过细化、去噪等处理，得到如图 1一b所示纵向边缘二值图像。网 a原彩色图像 b边缘二值图图 1边缘检测 2_2候选文字区域的确定得到纵向边缘二值图后，采用等高行割与动态列分割结合的方法检测文字区域 (1)等高行分割行区域的高度取值要适当。取值太大，‘ 使高度较小的文字行区域包含大量背景，! 分析带来困难。考虑到文字的高度至少要．于 6才可以保证文字清晰可见，将原图像均分成高为 6的行区域。 (2)动态列分割图像中的文字尺寸可能大小不一，因分割出的不同行区域中的文字边缘间隔距也可能不相等。解决方法：求每个行区域中边缘间隔距离均值 d，将水平距离小于 d 边缘归为同一区域，大于 d的边缘分隔开。图 2一a为行列分割后得到的等高矩区域。绝大部分含文字的矩形区域被检测来，部分背景区域被删除。小部分的背景矩区域被误判为文字矩形区域被保留下来。 (3)相邻矩形区域的合并分割出的矩形区域的高度仅为6，而寸较大的文字是由多个高为 6像素的矩形域组成的。因此需要将相邻接的矩形区域并。得到完整的文字区域。设图像中共有 N个矩形区域，用 M 表某个矩形区域，i值从 1取到 N。若两矩形框相邻，即 M nM ≠由，则合并这两个矩形区域。如图2-b，在灰度图像上标识出了合并小矩形区域后得到的候选文字区域。 l 二⋯ 二二一一一一一。_。!=一 ] l 蓍蓦善兽莹薯量蓦委兰芸耋妻 J l ’ ’ { I }j iijjj 一 == ====；I I霎重萤 ‘ 雾 l喜譬量量量量量 ’ 耋誊耋蚕 lli尹 ————Ei ’I l藿量一熏雾薹耋 I ⋯ · ·．1 1 ．重蚕蕈誊萤 1 l 量妻蕈兰 ’ I l亭 ‘ 藿 I ’ I 量妻墓雪耋雾童暮亳垂羞荨蓍 1 I ． · a等高矩形区域 b合并后的矩形区域图2候选文字区域的确定 2 3灰度直方图分析消除残留的少量背景区域是准确提取出图像中的文字区域和降低文字区域误检率的关键步骤之一。同一文字区域内的文字通常灰度相近或者相同．由此可知候选文字区域中不是文字的灰度占大部分，就是背景的灰度占大部分。灰度直方图往往呈现明显的峰值特性 (如图 3一a)。由于文字纵向边缘丰富。且纵向边缘与背景的灰度值存在较大梯度才能使文字从背景中得以明显显现。因此，要统计出所有水平元素梯度之和．计算出梯度均值作为衡量标准。假设背景灰度占大部分，则将与背景灰度值相差大于均值的像素视为前景。差值小于均值的视为背景。设候选灰度区域图像为×(i．j)．根据灰度直方图求出数量最多、占图像比例最大的灰度值 max gray，假设此灰度值为背景灰度值；根据算子(一1 0 1)求灰度图像水平梯度，将大于一定阈值的梯度记录并求和，设梯度 TechnologY APPIiCatlon 和为 sumgray，实验发现．闻值为 1O时，人眼较易区分灰度视觉特征且效果较好；计算梯度均值 meangray；如果像素点(i．j)的灰度值 X范围为：max gray—meangray≤×≤ max gray+meangray。则将该像素点视为背景像素，取值 0．如果像素点(i，j)的灰度值 X 范围为：X max gray+meangray，则将该像素点视为文字像素，取值 1。这样，就得到一个文字与背景分割开的二值图像(如图3一d)。对于文字灰度值占图像比例较大的图像来说，只需对图像作反色处理即可。 a候选文字区域灰度直方图舞鼍 ‘_ _ 墒《蕊嗣麟团隧图4文字区域检测结果 3实验结果 l 算法实验在 Matlab环境下进行，共对 l 91帧文字图像进行了文字区域检测。实验结 I果显示，图像中文字区域正确检出率为 l 90．952％，效果较好。 j 从结果图(图4)可以看出，算法较好地 l解决了图像中文字尺寸不一致与背景复杂造 l成文字区域检测准确度下降这一难点，并且 I有效避免了复杂的纹理计算。较准确地检测 I出图像中的文字区域。 b候选区域灰度图像。．： C迭代法得到的二值图像 d本文方法得到的二值图像图3灰度直方图与二值图像 2．4确定最终文字区域二值图像生成四邻域的连通域，分析连通域的面积、长、宽和长宽比等几何形状特征，滤除非文字连通域。得到如图4所示的最终文字区域。参考文献【1]L．Agnihotri．N．Dimitrova．Text detection for video analysis．IEEE Workshop on Con— tent-Based Access of Image and Video Libraries，1999． [2]CHEN Datong，SHEARER K，BOURLARD H Text enhancement with asymmetric filter for video OCR：p roc．of International Con— ference on Image Analysis and Processing [C】【S．I．】=【s n．】，2001：192—197．【3]X．一S．Hua。X．一R．Chen，W．Liu，et a1．Auto— matic Iocation of text in video frames In Proceeding of ACM Multimedia 2001 Workshops：Multimedia Information Re- trieval，PP．24—27．Canada，Oct，2001． [4】胡小锋．周勇。叶庆泰．复杂背景彩色图像中的文字分割．光学技术，2006．32(1)： 141—143 【5]RAFAEL C G．RICHARD E W．Digital Im— age Processing [M](4th ed)[S．I]：Prentice Hal1．2001． [6]Rafael C，Gonzalez．Richard E．Woods．数字图像处理 (第 2版)[M】．电子工业出版社， 2003(3)：463—474 [7】吴燕．数字水印技术研究及其 matlab仿真．网络与信息。2010(8)：37． [8】许剑峰，黎绍发基于颜色边缘与SVM的图像文本定位计算机应用研究，2006(3)： 155-157

                    本文档为【基于MATLAB图像的文字区域检测新方法】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

基于MATLAB图像的文字区域检测新方法

你可能还喜欢