专利名称：用于文字识别的文本图像预处理方法
技术领域：
本发明涉及图像处理技术领域，具体地说是用于文字识别的文本图像预处理方法。
技术背景在文字识别、计算机视觉和机器理解等领域的应用中，对复杂环境图像中的文字内容 进行分离和识别是技术难点之一。机器理解文字是基于文字识别结果的，而用于文字识别 的源图像的质量越好，识别率就越高。文本图像预处理方法的目的是为文字识别算法提供 一种几何失真小、前景文本分离完善的二值化图像。用于文字识别的图像预处理方法一般 是对图像中的文字内容区域进行识别，然后采用图像平移、旋转和伸縮等方法对文字内容 区域进行校正，然后对校正结果进行全局固定域值的二值化处理。目前，针对文本内容的图像几何校正方法主要集中于对文本图像的倾斜校正上，根据 文字走向和行间空白将文本校正为水平或垂直方向的。然而，这种倾斜校正方法仅对于倾 斜的矩形区域文本有效。对于实际摄像得到的图像，由于透视关系和镜头非线性失真，原 为矩形的文字区域将发生失真变为不规则四边形或曲四边形。目前没有较为便捷的针对文 字图片失真为不规则四边形或曲四边形的几何校正方法。针对亮度背景变化的文本图像的 二值化问题，采用全局固定域值方法不足之处是不能取得好的效果，而采用分块图像局部 二值化域值方法会导致分块边界效应。在文字识别预处理领域，目前尚无一种实用软件能 够对照相机摄影的文字图片进行有效的几何校正和文字前景的提取。 发明内容本发明的目的在于为文字识别和机器理解提供一种方便实用的用于文字识别的文本 图像预处理方法文字图片预处理方法，利用此方法，可根据照相机拍摄的文字图片，进行 文字区域的识别、并将识别区域还原为矩形区域，通过自适应域值的二值化方法实现文字 前景与亮度变化背景之间分离，为文字识别方法提供良好的图像源。本发明解决的主要技术问题是采用以下技术方案来实现的对照相机摄取的文字图片的文字区域几何失真进行区域校正，得到矩形区域的校正结 果；并将照相机摄取的文字图片中的文字前景和亮度不均的背景自适应地分离出来。对照相机摄取的文字图片的文字区域几何失真进行区域校正的方法是首先对照相机摄取的具有几何失真的文本图像进行区域自动识别或指定，得出文本区域的边界位置，再 利用文本图像文字排列的固有矩形区域特性，对所识别或指定的文本区域进行几何校正， 还原为矩形形状的文本区域；对于文本图像中的任何一个像素，根据它与所指定的文本区 域的边界位置的关系，求取其在设定矩形区域中的对应位置，从而得到该像素在校正后图 像中的本源位置。校正后图像的所有像素的色彩值或亮度值均以其所对应的源文字图片中 的像素本源位置作为参照，通过任意一种图像插值算法确定；具体步骤如下1) 对原本为矩形文字区域的图像进行文字区域识别，得出文本的边界；2) 以区域识别结果为基准，计算源图像相对于该基准下的位置关系；3) 通过任意一种图像插值算法确定校正后图像对应像素的色彩值或亮度值，从而得 出几何校正的结果；4) 对步骤3所得出的几何校正的结果还可重复步骤1、步骤2和步骤3，通过迭代 得到更好的几何校正的结果。对照相机摄取的文字图片或由上述的文字区域几何失真校正方法所得出的结果图像 进行文字前景的提取，将文字前景和亮度不均的背景自适应地分离出来的方法是图像动态域值二值化预处理方法通过图像中任意像素及其邻域像素之间的运算，可使用但不限于使用任意一种图像模糊方法，求取局部背景亮度；通过利用局部背景亮度的加权值作为该 区域的二值化门限，对该区域文字前景进行分离；根据分离结果，将源图像中的文字前景 部分扣除，再次使用但不限于使用任意一种图像模糊方法计算局部背景亮度，然后利用其 加权值作为新的动态门限对源图像进行二值化，得出更精确的分离结果；这一过程可以进 行多次迭代，具体步骤如下1) 采用固定域值方法对文本前景进行粗分离；2) 利用任意一种图像模糊方法，对粗分离出来的背景区域求取其局部背景亮度；3) 对局部背景亮度进行加权计算，以之作为动态域值对原图像进行文献前景分离；4) 利用步骤3所得出的结果，重复迭代步骤2、 3得出更精确的分离结果。 本发明的方法与现有技术比较具有的优点是由于本发明采取了上述的技术措施，与现有技术方法相比，具有对摄影环境适应性强、算法简单、稳定可靠的优良效果，此外， 还设计了迭代方法以改进结果图像的质量，应用范围更广。实践中，利用本方法的文本图 像预处理效果明显优于现有的文字识别预处理方法的结果。本发明可以采用软件实现，形 成为计算机文字识别软件进行图像预处理的软件部分或模块，也可以通过硬件或数字信号处理芯片实现，成为数码照相机、摄像机、机器人视觉系统等嵌入式系统的一个功能。本发明的具体实施方法由以下实施例及其附图详细给出。
图1是线性失真的被校正的文字图像的文字区域示意图(该区域对应的不失真文字区 域是一个矩形)。其中Pll,Pln,Pml,Pmn分别为该不规则四边形区域的四个顶点，Plk, P21, Pin， Pij为图像区域中的一些不同位置上的像素。图2是对图1文字图像的校正结果区域示意图。其中Pll',Pln',Pmr，Pmn，分别为对应图1中Pll, Pln， Pml， Pmn四顶点的校正位置 结果；Plk，，P21，，Pin，，Pij，对应图1中的Plk, P21, Pin, Pij点。图3是非线性失真情况下的被校正的文字图像的文字区域示意图(该区域对应的不失 真文字区域是一个矩形)。其中，Pij表示该失真区域中的一个像素点。图4是经过垂直方向校正之后的文字区域示意图。其中像素点Pij'对应图3中的像素点Pij。图5是图4区域进一步经过水平校正之后的文字区域示意图。其中像素点Pij"对应图4中的像素点Pij'，也即对应图3中的像素点Pij。图6是动态域值二值化计算方法示意图的一维表示。其中，曲线f表示二维图像f(x，y);曲线g表示经过邻近像素之间运算得出的模糊图像 g(x,y)，曲线t表示模糊图像g(x，y)经过平移加权得出的图像t(x,y)， D为平移加权值。
具体实施方式
以下结合附图实施例，对本发明的文本图像预处理方法作进一步的详述。 实施例1.对于线性几何失真的不规则的四边形的校正如图1所示，被校正图像中的文字区域发生了线性失真，原本为矩形区域的文字部分 失真为一个不规则四边形区域。由于文字区域部分与文字区域边沿有明显区别，可采用自 动识别方法自动辨别出该文本所在区域，也可通过人工观察来手工设定该区域。 为了将该失真区域校正为图2所示的无失真矩形区域，应用本发明的方法是 将不规则的四边形边沿按照横向和纵向划分为若干像素，例如，统计线段PllPln所历经的像素点数目，设为N1，统计线段PmlPmn所历经的像素点数目，设为N2，则横向 划分像素点数n为 n=(Nl+N2)/2采用类似方法对线段PllPml和线段PlnPmn进行纵向像素点划分，设纵向划分像素 点数为m。求出线段PUPln上均匀划分的n个像素点(Pll， P12， ...， Pin)的所在坐标，并根 据任何一种插值方法，求出这些像素点的取值。然后将这些点映射到图2中的线段Pll'Pln，上的n个点(Pir， P12'， ...， Pln，)位置上。以相同的方法对下一线段P21P2n上的n个像素点进行操作。这样，当进行第i次线段划分时，将线段PilPin上的n个像素点(Pij， j=l,...,n)值对 应到图2中的线段Pil，Pin，上的像素点(Pij，， j=l,...，n)位置上。 这样的过程一直进行到线段PmlPmn为止。 可重复以上过程形成迭代。2.对于非线性几何失真的不规则的四边形的校正如图3所示，被校正图像中的文字区域发生了非线性失真，原本为矩形区域的文字部 分失真为一个由四段曲线围成的不规则区域。由于文字区域部分与文字区域边沿有明显区别，可采用自动识别方法自动辨别出该文本所在区域，也可通过人工观察来手工设定该区 域。由于曲线的光滑性质，在区域辨别或设定时只需要确定曲线上的若干点，再通过如样 条插值等插值方法计算出近似曲线。为了将该曲线围成的失真区域校正为图6所示的无失真矩形区域，应用本发明的方法是将一次迭代校正过程分为两个阶段第一阶段是进行垂直校正，其结果为将区域竖直 方向的围线校正为垂直等长的两条边，而水平方向上仍然存在失真，如图4所示。第二阶 段是在图4所示结果的基础上再进行水平方向的校正，得到如图5所示的矩形区域校正结 果。 '这两个阶段所使用的校正算法相同。以第一阶段垂直校正为例，设定垂直方向的计算 分辨率m后，将竖直方向的两曲边分割为m段，并将两曲边上对应的分割点用直线连接 起来，再根据设定的水平方向分辨率n，将该连线分割为n段，于是得出这些网格交点共t^ri个，图3中所示的点Pij即表示这些网格交点中任意一个。根据点Pij的序号(ij)可直接将之映射到图4所示的区域中，得到点Pij'。这样的 过程一直进行到i=m, j=n为止。用同样的方法完成第二阶段的水平方向校正。得到如图5所示的校正结果。最终将被 校正图像上的点Pij映射到图5所示的点Pij"上。可重复以上过程形成迭代。3. 动态域值的文字部分二值化分离方法如图6所示，图中以一维曲线来示例二维图像的亮度变化。设曲线取值大的部分(凸 起部分)为图像中的文字部分，而曲线取值较小部分(凹下部分)为图像背景部分。注意 到背景部分的取值是变化的，表示图像背景随区域的不同而发生亮度变化。f(x,y)表示源图 像，动态域值二值化分离方法的思想是构造一种随图像局部背景亮度变化而变化的量化域 值，从而将文字凸起部分和背景部分分离。为此，本发明的方法是对源图像f(x,y)进行任意形式的模糊运算，也即图像的低通滤波，得出的模糊图像g(x，y) 代表了源图像局部区域的亮度。本发明利用模糊图像g(x,y)的加权值t(x，y)=g(x，y)+D作为动态域值，对源图像f(x，y)进行二值化分离，即 H(x，y)=255当f(x，y)〉t(x，y) H(x，y)=0 当f(x，y)<t(x，y)还可进一步采用迭代方法来改善文字部分的分离效果，如下根据分离结果，将源图像f(x，y)中文字部分扣除(H(x，y"255部分)，即用相邻背景亮 度替代相应的文字部分，得出背景部分f'(x，y)，对之采用上述的图像模糊方法可得到新的 模糊图像g'(x,y)，加权后可作为新的动态域值对源图像实施二值化。4. 迭代停止条件以上方法(几何校正方法和动态域值方法)中，当前后两次迭代产生的结果之差值的 均方值小于设定门限时，或迭代次数大于指定最大迭代次数值时，停止迭代。以上所述，仅是本发明的较佳的实施例，不构成对本发明的任何形式上的限制，凡是 依据本发明的技术实质对以上实施例所做的任何简单修改、等效变化与修饰，均仍属于本 发明技术方案范围内。
权利要求
1.一种用于文字识别的文本图像预处理方法，其特征在于对照相机摄取的文字图片的文字区域几何失真进行区域校正，得到矩形区域的校正结果；并将照相机摄取的文字图片中的文字前景和亮度不均的背景自适应地分离出来。
2. 根据权利要求1所述的用于文字识别的文本图像预处理方法，其特征在于对照 相机摄取的文字图片的文字区域几何失真进行区域校正的方法是首先对照相机摄取的具 有几何失真的文本图像进行区域自动识别或指定，得出文本区域的边界位置，再利用文本 图像文字排列的固有矩形区域特性，对所识别或指定的文本区域进行几何校正，还原为矩 形形状的文本区域；对于文本图像中的任何一个像素，根据它与所指定的文本区域的边界 位置的关系，求取其在设定矩形区域中的对应位置，从而得到该像素在校正后图像中的本 源位置。校正后图像的所有像素的色彩值或亮度值均以其所对应的源文字图片中的像素本 源位置作为参照，通过任意一种图像插值算法确定；具体步骤如下1) 对原本为矩形文字区域的图像进行文字区域识别，得出文本的边界；2) 以区域识别结果为基准，计算源图像相对于该基准下的位置关系；3) 通过任意一种图像插值算法确定校正后图像对应像素的色彩值或亮度值，从而得 出几何校正的结果；4) 对步骤3所得出的几何校正的结果还可重复步骤1、步骤2和步骤3，通过迭代 得到更好的几何校正的结果。
3. 根据权利要求l所述的用于文字识别的文本图像预处理方法，其特征在于对照相 机摄取的文字图片或由权利要求1所述的文字区域几何失真校正方法所得出的结果图像进 行文字前景的提取，将文字前景和亮度不均的背景自适应地分离出来的方法是图像动态域 值二值化预处理方法通过图像中任意像素及其邻域像素之间的运算，可使用但不限于使 用任意一种图像模糊方法，求取局部背景亮度；通过利用局部背景亮度的加权值作为该区 域的二值化门限，对该区域文字前景进行分离；根据分离结果，将源图像中的文字前景部 分扣除，再次使用但不限于使用任意一种图像模糊方法计算局部背景亮度，然后利用其加 权值作为新的动态门限对源图像进行二值化，得出更精确的分离结果；这一过程可以进行 多次迭代，具体步骤如下1) 采用固定域值方法对文本前景进行粗分离；2) 利用任意一种图像模糊方法，对粗分离出来的背景区域求取其局部背景亮度；3) 对局部背景亮度进行加权计算，以之作为动态域值对原图像进行文献前景分离；4) 利用步骤3所得出的结果，重复迭代步骤2、 3得出更精确的分离结果。
4.根据权利要求l所述的用于文字识别的文本图像预处理方法，其特征在于几何校 正方法包含自动区域识别和手动区域指定两种。
全文摘要
本发明是用于文字识别的文本图像预处理方法。包含对文本图像的几何校正以及动态域值二值化两个步骤。所述的几何校正方法对照相机摄取的文字图片的文字区域几何失真进行区域校正，得到矩形区域的校正结果；几何校正方法包含自动区域识别和手动区域指定两种。所述的动态域值二值化方法将照相机摄取的文字图片中的文字前景和亮度不均的背景自适应地分离出来。本方法的特征是可根据所识别的文字区域进行矩形化校正，并可结合任意的图像模糊算法，以源图像作为参考图像通过对比计算，从而将亮度不均的背景中的文字前景分离出来。本方法所得出的结果图像可用于计算机文字识别、机器视觉和机器理解等领域。本发明具有对环境适应性强、算法稳定可靠的优良效果。
文档编号G06K9/46GK101315664SQ20081005845
公开日2008年12月3日 申请日期2008年5月27日 优先权日2008年5月27日
发明者邵玉斌 申请人:昆明理工大学