满文单词中轴线的定位方法
【技术领域】
[0001] 本发明设及一种文字处理方法，特别是一种满文单词中轴线的定位方法。
【背景技术】
[0002] 随着科学技术的发展，计算机已经能够对多种图像格式的文字进行识别和辨认 巧曰英文、日文)，满文作为世界语言的一种，还无法做到供计算机自动识别。如果能够让计 算机做到自动识别、辨认满文，则可W将大量的满文文献进行电子化处理，运对于满文文献 的研究与保存，乃至满族文化的研究与保存都有着十分重要的意义，而要想实现运一目标， 首先需要对满文的中轴线进行定位。
【发明内容】
[0003] 本发明是为了解决现有技术所存在的上述不足，提出一种准确率高，有助于计算 机对满文单词进行正确分隔各识别的满文单词中轴线的定位方法。
[0004] 本发明的技术解决方案是：一种满文单词中轴线的定位方法，其特征在于：所述 的方法依次由满文单词图像预处理、确定满文单词中轴线的宽度、确定满文单词中轴线左 右边界位置Ξ个步骤组成，其中： 满文单词图像预处理的步骤为：扫描满文文档，获得满文文档的彩色图像，并对满文文 档的彩色图像进行二值化，采用垂直投影法提取每一列满文文档的图像，获得列图像，并对 列图像采用水平投影法提取满文单词图像，然后对满文单词图像进行位置归一化处理，归 一化处理的步骤是找到满文单词图像最外侧上、下、左、右四个点的坐标位置，W运四个点 为边界，重新确定满文单词图像的大小，并用I、W、Η分别表示归一化处理后的二值满文单 词图像、二值满文单词图像的宽度数值和二值满文单词图像的高度数值， 确定满文单词中轴线宽度的步骤为：对二值满文单词图像I采用数学形态学进行处 理，具体方法是采用长度为2的水平方向直线型形态学结构元素，对二值满文单词图像I 进行腐蚀处理，得到I的腐蚀图像le，并求二值满文单词图像I与腐蚀图像le的纵向边缘 图像IV，即IV=I-Ie，提取到满文单词的纵向边缘，然后对纵向边缘图像IV进行垂直 投影，统计纵向边缘图像IV的每一列中所包含的黑色像素的个数，垂直投影序列Wvpl表 示，取向量vpl中不重复的元素，并按照数值从大到小的降序方式进行排列，得到新的向量 vp2,并取vp2中的前3个元素分别标记为indl、ind2和ind3,用wd表示中轴线的宽度， W血in表示最小中轴线宽度，赋值W血in=0,W血ax表示最大中轴线宽度，T为最大中轴线宽 度的阔值，赋值Τ=1/3,则最大中轴线宽度wdmax为对TXW的结果向下整后的值，即wdmax =TxirJ， 分别定义wdl、wd2、wd3为3个候选中轴线宽度，wd表示最终确定的中轴线宽度，其中wdl=Iindl-ind2I-l，wd2=Iindl-ind3I-l，wd3 =Iind2-ind3I-1， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（w血;?η<'\￥(13<'\￥?3χ)，则wd= wdl， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（wd3<=w血in或者wd3〉=wdmax)，则取wdl和wd2中值较大的一个做为wd的输出值，即wd=max(wdl，wd2)， 如果（w血in<wdl<w血ax)并且（w血并且（wd2<=w血in或者wd2〉=wdmax)，则取wdl和wd3中值较大的一个做为wd的输出值，即wd=max(wdl，wd3)， 如果（w血in<wd2<w血ax)并且（w血in<wd3<w血ax)并且（wdl<=w血in或者wdl〉 =wdmax)，则取wd2和wd3中值较大的一个做为wd的输出值，即wd=max(wd2,wd3)， 如果（w血in<wdl<w血ax)并且（wd2<=w血in或者wd2〉=w血ax)并且（wd3<=w血in或者wd3〉= wdmax)，贝Ij wd = wdl， 如果（w血;[]1<'\￥(12<'\￥血日《）并且（wdl<=w血in或者wdl〉=w血ax)并且（wd3<=w血in或者wd3〉= wdmax)，贝Ij wd = wd2， 如果（w血;[]1<'\￥(13<'\￥血日《）并且（wdl<=w血in或者wdl〉=w血ax)并且（wd2<=w血in或者wd2〉= wdmax)，贝Ij wd = wd3， 女曰果（wdl<=w血in或者wdl〉=w血ax)并且（wd2<=w血in或者wd2〉=w血ax)并且（wd3<=wdmin或者wd3〉= wdmax)，贝Ij wd = wdmax， 确定满文单词中轴线左右边界位置的步骤为：用baseline_left表示中轴线最左侧 的边界，对于纵向边缘图像IV按照从左至右的顺序逐列扫描，扫描范围为从第1列至第 W-wd+1列，设当前为第i列，则1《iW-wd+1)，用TB表示第i列至第i+wd-1列的黑 色像素点的个数，则baseline_left为具有最大TB值所对应的列， 用baseline_;ri曲t表不中轴线最右侧的边界，则baseline_;ri曲t=baseline_ left+wd-1, 因此在二值满文单词图像I中，baseline_left为该满文单词中轴线的左边界，baseline_ri曲t为该满文单词中轴线的右边界，wd为该满文单词中轴线的宽度，从而定位 出该满文单词的中轴线。 阳0化]本发明同现有技术相比，具有如下优点： 利用本发明所公开的方法，能够快速、准确地确定出满文单词的中轴线(包括中轴线的 左右边界位置和中轴线的宽度)，而满文单词的中轴线的确定，是计算机能够正确分隔并识 别满文文字的前提和基础，本种方法的出现，让满文的计算机识别和电子化处理得到进一 步的发展，对于满文文献的研究与保存，和满族文化的研究与保存都是有着重大意义的，因 此可W说该方法具有多种优点，特别适合于在本领域中推广应用，其市场前景广泛，科研意 义重大。
【具体实施方式】
[0006] 下面将说明本发明的【具体实施方式】。
[0007] 一种满文单词中轴线的定位方法，按照满文单词图像预处理、确定满文单词中轴 线的宽度、确定满文单词中轴线左右边界位置Ξ个步骤进行操作， 满文单词图像预处理的步骤为：扫描满文文档，获得满文文档的彩色图像，并对满文文 档的彩色图像进行二值化，采用垂直投影法提取每一列满文文档的图像，获得列图像，并对 列图像采用水平投影法提取满文单词图像，然后对满文单词图像进行位置归一化处理，归 一化处理的步骤是找到满文单词图像最外侧上、下、左、右四个点的坐标位置，W运四个点 为边界，重新确定满文单词图像的大小，并用I、W、Η分别表示归一化处理后的二值满文单 词图像、二值满文单词图像的宽度数值和二值满文单词图像的高度数值， 确定满文单词中轴线宽度的步骤为：对二值满文单词图像I采用数学形态学进行处 理，具体方法是采用长度为2的水平方向直线型形态学结构元素，对二值满文单词图像I 进行腐蚀处理，得到I的腐蚀图像le，并求二值满文单词图像I与腐蚀图像le的纵向边缘 图像IV，即IV=I-Ie，提取到满文单词的纵向边缘，然后对纵向边缘图像IV进行垂直 投影，统计纵向边缘图像IV的每一列中所包含的黑色像素的个数，垂直投影序列Wvpl表 示，取向量vpl中不重复的元素，并按照数值从大到小的降序方式进行排列，得到新的向量 vp2,并取vp2中的前3个元素分别标记为indl、ind2和ind3,用wd表示中轴线的宽度， W血in表示最小中轴线宽度，赋值W血in=0,W血ax表示最大中轴线宽度，T为最大中轴线宽 度的阔值，赋值Τ=1/3,则最大中轴线宽度wdmax为对TXW的结果向下整后的值，即wdmax =/xSTj， 分别定义wdl、wd2、wd3为3个候选中轴线宽度，wd表示最终确定的中轴线宽度，其中wdl=Iindl-ind2I-l，wd2=Iindl-ind3I-l，wd3 =Iind2-ind3I-1， 如果（w血in<wdl<w血ax)并且（w血in<wd2<w血ax)并且（w血in<wd3<w血ax),说明wdl、wd2、wd3均在合理宽度范围内，则wd = wdl， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（wd3<=w血in或者wd3〉=wdmax),说明wdl、wd2在合理