专利名称：单步扫描细化算法的制作方法
技术领域：
本发明针对一种细化算法，更具体说，是针对单步扫描的细化算法。
在图像处理、模式识别、特征检测、手写识别、和伪钞识别中，通用细化算法。细化算法的目标，是寻找一个二进制的图像，以获得一个“骨架(skeleton)”，由此可以抽取其特征，可以简化其图像表达方式，或可以节省其存储空间。
一个例子示于
图1(a)和1(b)。图1(a)的字符是粗的每一笔划都有好几个像素宽。图1(b)的字符是细的，宽度为一个像素，但保持图1(a)字符的主要特征，所以它还能被识别是一个“5”(不是一个“2”，“A”，或别的字符)。在图像处理或模式识别时，常常宁可取图1(b)的较细的字符而不是图1(a)的较粗的字符，因为它保持图像的主要特征，占较小的存储器，同时又因笔划宽度基本恒定(一个或两个像素宽)而更易于识别。从图1(a)到图1(b)的变换名为细化处理。
在大多数现实世界的应用中，各种图像远比此例子复杂，因此，细化算法已被研究多年。细化算法的两个基本要求是1)保留代表原始图像的主要特征，和2)保持其连通性。
大多数常规细化算法的关键步骤，是检测边缘像素，然后逐一剥去边缘像素。这些常规算法需要扫描图像若干次(根据图像的“宽度”)，且对每个像素重复该算法。图2画出这些常规算法是如何工作的。常规细化算法剥去图形的边缘像素。如果图像是宽的，这一剥去过程必须从左上方到右下方重复若干次。因为细化的图形在某些地方仍有两个像素宽，所以图2的结果还可能不被接受。
这种常规方法公开在下面的文章中Lam L.and Suc C.Y.，“Adynamic shape reserving thinning algorithm，”Signal Processing，1991，22(2)199-208。此方法的根据是J.Hilditch，“Linear Skeletonfrom Square Cupboards，”In Machine Intelligence IV.B.Meltzer andD.Michie，Eds.University press，Edinburgh，pp.403-420(1969)。
如上所述，因为对整幅图像扫描一次，则图形中线条宽度每侧减小一个像素，所以整幅图像的重复扫描次数约为W/2，这里W是包含在图像中最大线条的宽度。这个过程画在图3A-3D上。在这种情形下，为了线条的细化，要求扫描点P的次数为P=SxW2]]>这里S是整幅图形内扫描点的数目(I×J)；W/2是扫描整幅图像的重复次数；和W是整幅图像中最大线条宽度。
即使在图像中只有一个区域有粗的线条或一个实心的黑色区域，也要求该算法为这样一个区域而重复扫描整幅图像，为此要求大量的处理时间。
第二类常规方法包括从内侧像素到边沿像素的处理像素方式，以便找出中心像素。这种第二类技术包括最大的正方形(MS)和最大的圆形(MC)两种技术，例如在下面的论文中有说明Abairid M.R.，Martin G.and Suen C.Y.，“Tracing Center-lines of Digital PatternsUsing Maximal-Square and Maximal-Circle Algorithm，”Conf.OnVersion Interface′90，Nova Scotia，1990，76-79。因为对每一个像素都必须进行相同的识别，所以这种第二类常规技术并不节省处理时间。
第三类常规方法包括对每一扫描线搜索每个分支的中心像素，连接这些中心像素，以便获得图像的骨架。这种第三类方法常常不能保持图像的连通性。
本发明针对一种细化算法，更具体说，是针对非迭代的细化算法，它对靠近骨架像素的不同像素，分配不同的权重，并除去不可能的像素。本发明既不需要对某一像素进行迭代，也不需要对每一个像素都检测；因此，减少了处理所需要的时间。本发明还可以结合某种填充算法使用。对各种不同的二进制图形的实验结果表明，本发明与其他常规算法相比，是一种高速的技术，且可以获得良好的骨架形状。
图1A和1B画出普通的字符。
图2画出组成一个字符的像素集合，它可以用常规细化算法处理。
图3A-3D画出获得图像骨架的一种常规技术。
图4画出本发明一个实施例的细化算法的流程图。
图5画出在本发明的一个实施例中本发明的方向检测特征。
图6(a)-6(c)画出本发明一个实施例中的权重分配特征。
图7画出用于识别“无需识别”像素(NIP)的示例性规则。
图8(a)-8(e)画出用某种填充算法的内插。
上面已概略指出，本发明针对一种新的细化算法，它在细化过程中，对靠近骨架像素的不同像素，分配不同的权重，并除去不可能的像素。本发明既不需要对像素进行迭代，也不需要对每一个像素都检测；因此，减少了处理所需要的时间。某种填充算法还可以结合本发明的细化算法使用，以产生更优良的结果。对各种不同的二进制图形的实验结果表明，本发明与其他常规算法相比，可以获得高速和良好的骨架形状。
在一个示例性实施例中，本发明的一般算法示于图4。在步骤20，算法开始。在步骤30，不论扫描是不是完成，都要作出判定。如果未完成，在步骤40，算法继续进行至下一个像素。如果扫描已经完成，算法转至填充算法80，然后在步骤90完成。在步骤40和50，分析下一个像素，确定它是不是一个骨架像素。如果下一个像素是骨架像素，它在步骤60被保留，并在步骤70，从该像素预测下一个骨架像素。如果步骤50的像素不是骨架像素，算法转至步骤30，以便再次确定扫描是不是完成。
在本发明的一个实施例中，单步扫描细化算法的操作，将在下面结合图5-8作更详细的说明。本算法的第一个操作步骤包括方向的检测。假定有一个字符，它由若干笔划组成。如果在笔划中存在一个大小可变的圆，那么此内接圆的连接中心点应当是骨架的一部分。但是，笔划连接的连通性可能丢失，因而可能需要内插。本发明用识别有方向的像素来缓解这个问题(在图5的例子中，用图形的内边缘到外边缘的八个方向，而不是识别图形中每一个像素)。
本发明算法的第二个操作步骤，是权重的分配。具体说，图形中的像素分为三类骨架像素(SP)、“无需识别”像素(NIP)、和“无标志”像素(NFP)。从左上方到右下方扫描各个像素，如果像素是一个NIP或SP，那么，本算法继续识别下一个像素。如果此像素是一个NFP，本算法根据一种内接圆算法进行细化。如果下一步该像素是一个SP，且在其八个相邻像素中有另一个SP，那么，按照骨架的方向，把权重值分配给八个相邻像素。此权重是骨架线条的正切值，如图6(a)-6(c)所示。
因为扫描是从左上方到右下方，所以下一个“可能是骨架”的像素是U、V、W、X、和Y。按照骨架线条的方向，这五个像素中的三个可能是骨架像素，如下面举例说明的预测集合(1)所示。数值α是骨架线条和水平线的夹角，集合中各元按权重排列。 “无需识别”像素(NIP)的确定，是根据·如果CS＝{WVX}或{WXV}则按顺序W，V，X或W，X，V识别下一个可能的骨架像素，并且沿U和Y方向(水平)且在内接圆之内的像素，被分类为“无需识别”像素(NIP)。
·如果CS＝{UVW}或{YXW}则按顺序U，V，W或Y，X，W识别下一个“可能是骨架”的像素，并且沿W方向(竖直)且在内接圆之内的像素，被分类为“无需识别”像素(NIP)。
·如果CS＝{VWU}或{VUW}则按顺序V，W，U或V，U，W识别下一个“可能是骨架”的像素，并且沿X方向(斜率为1)且在内接圆之内的像素，被分类为“无需识别”像素(NIP)。
·如果CS＝{XWY}或{XYW}则按顺序X，W，Y或X，Y，W识别下一个“可能是骨架”的像素，并且沿V方向(斜率是-1)且在内接圆之内的像素，被分类为“无需识别”像素(NIP)。应当指出，内接圆的大小可以从当前的骨架像素获得。图7画出识别“无需识别”像素(NIP)的示例性规则。
下面更详细说明图4步骤80中的填充算法。在某些连接中或在不规则的地方，可能遗漏骨架像素(SP)。可以用诸如图8(a)-8(e)所示的填充算法，插入任何遗漏的骨架像素。
图8(a)画出两个插入的像素。图8(b)画出向上的插入方向。图8(c)画出向下的插入方向。
使用常规的填充算法，图8(d)画出的两个像素，可以如图8(c)所示那样填充。如图8(d)和(e)所示，填充的方向由五个骨架像素决定，并且当边缘遇到另一个骨架像素，或与另一个骨架像素连接时，填充终止。
如上所述，本发明是针对一种新的更快的细化算法，它在细化过程中，对靠近骨架像素的不同像素，分配不同的权重，并除去不可能的像素。本发明的算法既不需要在逐个像素的基础上进行迭代，也不需要对每一个像素都检测。因此，本算法大大地减小处理所需要的时间。本发明的算法还可以结合常规的填充算法使用，以获得更好的结果。对各种不同的二进制图形的实验结果已经表明，本发明的算法比其他常规算法更快，且获得更好的骨架形状。一般说来，本发明的算法，至少比常规算法节省三分之二的时间，并得到良好的细化结果。
虽然本发明是按一种方法来说明的，但本发明可以在任何常规的计算硬件装置上实现。此外，上述细化算法可以驻留在能运行该算法的计算硬件装置内，可以通过普通的物理介质装载进计算硬件装置内，或者，可以通过传播信号下载于计算硬件装置内。
显而易见，在此被描述的本发明可以有许多变化。这种变化不能认为偏离本发明的精神和范围，因此，所有这种对本领域熟练人员是显而易见的改变，都将包括在下述权利要求书的涵盖范围之内。
权利要求
1.一种非迭代的扫描细化方法，包括扫描图像中的像素；确定此像素是不是骨架像素，“无需识别”像素，或“无标志”像素；如果此像素是骨架像素或“无需识别”像素，则沿左上方到右下方继续到下一个像素；如果此像素是一个“无标志”像素，则细化此“无标志”像素；如果此像素是一个骨架像素，则确定与此像素相邻的任何像素是不是骨架像素；和如果与此像素相邻的任何像素都是骨架像素，则按照骨架方向，对与此像素相邻的各个像素进行权重；对每一个像素重复上述步骤，产生此图像的一个细化图像。
2.按照权利要求1的方法，其中“无需识别”像素是用一个预测集合识别的。
3.按照权利要求1的方法，其中为把每个像素分类，只需一次扫描迭代。
4.按照权利要求1的方法，其中为产生此图像的细化图像，只需一次扫描迭代。
5.一种非迭代的扫描细化方法，包括扫描一幅图像的一个像素；确定此像素是不是一个骨架像素；如果此像素是一个骨架像素，则对与此骨架像素相邻的各个像素分配不同的权重，以便预测其他骨架像素和通过细化除去不需要的像素；对每一个像素重复上述步骤，产生此图像的一个细化图像。
6.按照权利要求5的方法，其中，如果此像素不是一个骨架像素，那么，它或者是一个“无需识别”像素，或者是一个“无标志”像素。
7.按照权利要求5的方法，其中“无需识别”像素是用一个预测集合识别的。
8.按照权利要求5的方法，其中为把每个像素分类，只需一次扫描迭代。
9.按照权利要求5的方法，其中为产生此图像的细化图像，只需一次扫描迭代。
10.一种非迭代的扫描细化设备，包括用于扫描一幅图像中一个像素的处理器；确定此像素是不是一个骨架像素，一个“无需识别”像素，还是一个“无标志”像素；如果此像素是一个骨架像素或一个“无需识别”像素，则继续沿左上方到右下方确定下一个像素；如果此像素是一个“无标志”像素，则细化此“无标志”像素；如果此像素是一个骨架像素，则确定与此像素相邻的任何像素是不是骨架像素；和如果与此像素相邻的任何像素都是骨架像素，则按照骨架方向，对与此像素相邻的各个像素作权重；对每一个像素重复上述操作，产生此图像的一个细化图像。
11.按照权利要求10的设备，其中“无需识别”像素是用一个预测集合识别的。
12.按照权利要求10的设备，其中为把每个像素分类，只需一次扫描迭代。
13.按照权利要求10的设备，其中为产生此图像的细化图像，只需一次扫描迭代。
14.一种非迭代的扫描细化设备，包括用于扫描一幅图像中一个像素的处理器；确定此像素是不是一个骨架像素；如果此像素是一个骨架像素，则对与此骨架像素相邻的各个像素分配不同的权重，以便预测其他骨架像素和通过细化除去不需要的像素；对每一个像素重复上述操作，产生此图像的一个细化图像。
15.按照权利要求14的设备，其中，如果此像素不是一个骨架像素，那么，它或者是一个“无需识别”像素，或者是一个“无标志”像素。
16.按照权利要求14的设备，其中“无需识别”像素是用一个预测集合识别的。
17.按照权利要求14的设备，其中为把每个像素分类，只需一次扫描迭代。
18.按照权利要求14的设备，其中为产生此图像的细化图像，只需一次扫描迭代。
19.按照权利要求1的方法，其中所述方法用包含在某种介质上的计算机程序执行。
20.按照权利要求19的方法，其中的介质是一种物理介质和一种传播的信号。
21.按照权利要求5的方法，其中所述方法用包含在某种介质上的计算机程序执行。
22.按照权利要求21的方法，其中的介质是一种物理介质和一种传播的信号。
全文摘要
本发明针对一种细化算法,更具体说,是针对一种非迭代细化算法,它对靠近骨架像素的不同像素,分配不同的权重,并除去不可能的像素。本发明既不需要对某一像素进行迭代,也不需要对每一个像素都检测;因此,减少了处理所需要的时间。本发明还可以结合某种填充算法使用。对各种不同的二进制图形的实验结果表明,本发明与其他常规算法相比,是一种高速的技术,且可以获得良好的骨架形状。
文档编号H04N1/387GK1336621SQ0012197
公开日2002年2月20日 申请日期2000年7月27日 优先权日2000年7月27日
发明者吴晓芸 申请人:朗迅科技公司