步骤S525通过W下步骤实现：
[0077]S5251、对每个二值化图像中的连通区域进行标记与查找，删除那些高或宽大于图 像1/2的连通区域，剩下的区域进行保留。
[007引 S5252、对每个二值化图像中剩下的连通区域进行合并，得到最终的二值化结果。
[0079] 采用上述技术方案后，本发明与【背景技术】相比，具有如下优点：
[0080] 本发明能够对图像中的背景复杂度进行评估，进而自动选择对应的二值化算法， 适合对不同背景复杂度的图像进行文字提取。
【附图说明】
[0081] 图1为本发明的工作流程示意图。
[0082] 图2为一幅色彩丰富的图像原图。
[0083] 图3示出了对图2降维后得到的结果。
[0084] 图4示出了图像的颜色直方图结果。
[0085] 图5示出了一幅色彩复杂的含有文本的图像。
[0086] 图6示出了针对每个颜色聚类中屯、对图像进行二值化的结果。
[0087] 图7示出了对多个二值化结果进行组合后的结果。
【具体实施方式】
[008引为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。
[0089] 实施例
[0090] 请参阅图1，本发明公开了一种普适性的图像文字提取方法，其包括W下步骤：
[0091] S1、对图像进行颜色空间转化
[0092] 颜色空间是一系列颜色的数学表现形式。S种最流行的颜色模型是RGB、YIQ(YUV 或YCb化）W及CMYK,但是该=种颜色和我们直觉概念上的色调，饱和度，亮度没有直接联 系，而我们人眼区分颜色的种类往往是区分颜色之间色调、饱和度、亮度的差异。L油颜色空 间是基于人对颜色的感觉，它致力于感知均匀性，它的L分量密切匹配人类亮度感知，a和b 分量进行颜色平衡。所W本实施例在分析图像颜色复杂度时，把图像由RGB颜色空间转换 成L油颜色空间。
[0093] 步骤S1具体通过W下步骤实现：
[0094] S11、遍历图像中的每个像素点，将每个像素点的化G、B)颜色矢量转换为（X、Y、 幻颜色矢量，其转换公式如下：
[0095] X= 0. 412R+0. 358G+0. 180B
[0096] Y= 0. 213R+0. 715G+0. 072B
[0097] Z = 0. 019R+0. 119G+0. 950B
[009引 X = X/(255X0. 95)
[0099] Y =Y/255
[0100] Z = 2/(255X1. 089)
[0101] S12、将每个像素点的狂、Y、幻颜色矢量转换为（L、a、b)颜色矢量，
[010引若Y>0. 008856,则：
[0103] fY=yi/3
[0104] Tk二t's
[0105] fZ=Zi/3
[0106] L=116XfY-16
[0107]若Y<0. 008856,则：
[010引fY= 7. 787Y+16/116
[0109] fX= 7. 787X+16/116
[0110] fZ= 7. 787Z+16/116
[0111]L=903. 3Y
[0112] a和b的计算公式如下；
[0113] a = 500(fX-fY)+128
[0114] b = 200(fY-f幻+128
[0115] S13、经过颜色空间转换后，原图像中的每个点的颜色用（L、a、b)矢量表示，其中L 的取值范围为[0, 100]，a和b的取值范围为[-128, 127]。
[0116] S2、对图像进行颜色降维
[0117] 由于一幅彩色图像中的每个像素点都是由L、a、bS通道组成的一个颜色矢量，该 样一幅较大的图像中可能存在着100X255X255种颜色类型，该样的数量对于我们进行图 像颜色分析是极困难的，所W我们需要对图像的颜色进行降维，在保证图像基本内容不变 的前提下，希望用尽可能少的颜色来表达整幅图像。
[0118] 由于分析图像颜色复杂度只需要粗略了解图像颜色组成，所W在本实施例中将原 来每个通道的灰度降至8级灰度，该样整个图像出现的颜色种类最多为8X8X8(即512) 种。
[0119] 设图像坐标为（x"，y。）处的颜色矢量为（IwJaoJb。)，通过下式计算颜色矢量 (Il，la，Ib)：
[0120]
[0123] 遍历图像中的每个像素点，得到降维后的图像。
[0124] 为了更直观的理解，结合图2和图3所示，图2为一幅色彩丰富的图像原图，经步 骤S2进行降维处理后，得到图3所示的结果。
[01巧]S3、对降维后的图像进行颜色直方图统计
[01%] 经过S2步骤后，图像中包含的颜色种类大大减少，该时，我们可W对图像中所有 出现的颜色进行统计，计算一共出现了多少种颜色，W及每种颜色出现的频率。
[0127] 步骤S3具体通过W下步骤实现：
[0128] S31、建立一个长度为512的数组H，用来统计每一种可能颜色出现的次数，若为0， 则表示该类颜色没有出现过；
[0129]S32、遍历降维后的图像中的每个像素点，对于该像素点的L油颜色矢量（L、a、b)， 通过下式计算其在直方图中水平坐标的位置P:
[0130] P= 64L+8a+b
[0131] S33、对于降维后的图像中的每个像素点，根据其颜色计算得到其在直方图中对应 位置后，将数组H中对应该序号的值加1 ;
[0132] S34、步骤S33完成后，得到一个512维的数组，数组中的元素值为0的，代表该种 颜色没有在图像中出现过，将该些位置从直方图中删除，然后得到的数组即为最终求得的 颜色直方图（如图4所示）。
[0133] S4、根据颜色直方图计算图像的颜色复杂度，并根据颜色复杂度对图像划定分类
[0134] 从步骤S3得到的颜色直方图中可W分析到，越是复杂的图像，得到的直方图越分 散而平均，越是简单的图像，得到的直方图越集中。我们根据颜色直方图计算其滴值，作为 图像颜色复杂性的度量。
[01巧]步骤S4具体通过W下步骤实现：
[0136] S41、计算每种颜色像素点在图像中出现的比例，对于每种颜色，设其在图像中出 现的频率大小为F，F通过下式计算得出：
[0137]
[013引其中，M、N分别为图像的宽和高，H(c)为该种颜色像素点的个数；
[0139] S42、对于所有颜色来说，图像的颜色分布的信息滴为：
[0140]
[0141] 利用求得的颜色分布的信息滴来表示图像的复杂程度，图像越复杂，信息滴越大， 图像越简单，信息滴越小。
[01创S43、计算阔值，对于一幅MXN的图像，可能出现最多的颜色种类为K=min{MXN，512}种，所W它的信息滴的最大可能取值为：
[0143]
[0144] 544、若￡>A.Em。,，则认定图像为复杂背景类别的图像，若E<A.Em。,，则认定 图像为简单背景类别的图像。
[0145] S5、根据图像的颜色复杂度类别对原图像进行二值化处理。
[0146] 步骤S5通过W步骤实现：
[0147] S51、对于简单背景类别的图像，采用单一的阔值进行二值化处理，进而进行文字 提取。该步骤具体包括W下子步骤：
[014引 S511、将原图像由彩色图像转换为灰度图像；
[0149] S512、采用大津法计算图像的二值化阔值；
[0150] S513、遍历灰度图像，对图像中的所有像素点进行判断，若某个像素点的灰度值大 于或等于二值化阔值，则认为该像素点为文本像素点，如果某个像素点的灰度值小于二值 化阔值，则认为该像素点为背景像素点。
[0151] S52、对于复杂背景类别的图像，先对图像颜色进行聚类，提取几种主要的颜色，再 对每一种颜色计算一种阔值，从而相当于对图像进行多次二值化，进而在不同的二值化结 果上分别查找文本区域，进行文字提取。该步骤具体包括W下子步骤：
[0152] S521、根据步骤S41中求得的每种颜