一种文稿图像自适应多黑点检测去除方法与流程

本发明涉及计算机领域，具体涉及一种文稿图像自适应多黑点检测去除方法。

背景技术：

1、在ocr领域，针对文稿图像中的文字识别尤为重要，特别是公文图像由于其特殊性，在传输过程中会采取保密手段，比如用大小不一的不规则黑点来覆盖全文，这种情况会降低图像质量，影响后续的ocr识别准确度。因此，在识别前对这种图像去除噪声具有重要实际意义。

2、因此，有必要提供一种新的技术方案。

技术实现思路

1、为解决现有技术中存在的技术问题，本发明公开了一种文稿图像自适应多黑点检测去除方法，具体技术方案如下所述：

2、本发明提供一种文稿图像自适应多黑点检测去除方法，包括如下步骤：

3、s1，对读取的图像进行锐化处理，补偿图像中的文字轮廓，增强文字边缘及灰度跳变部分，使文字变得清晰，再依次进行图像灰度化和二值化处理，将图像转为黑白图；

4、s2，对图像进行八连通域分析，将图像中具有相同像素值且相邻的像素找出来并标记，统计出图像中所有连通域以及它们的外接矩形坐标和像素个数；

5、s3，对所有经连通域分析后的结果进行一个自适应阈值估计，自动估计出一个阈值作为去除黑点的自适应参数，小于此参数的黑点去除，大于此参数的黑点则保留。

6、所述自适应阈值的估计方法为：

7、p1，利用核密度统计方法拟合所有连通域的像素个数，形成核密度模型；

8、p2，利用核密度模型对0-256的区间进行密度估计；

9、p3，求出0-256区间上密度估计所有的极小值，每个极小值之间形成不同的山峰，这些山峰就是不同的区间；

10、p4，求出不同极小值区间的连通域数量，数量最大的区间即为黑点密度区间，将此区间的最大值作为阈值，此阈值即为去除黑点的自适应参数，小于此参数则去除黑点，大于此参数则保留黑点。

11、本发明具有以下有益效果：

12、本发明提供的文稿图像自适应多黑点检测去除方法，首先是替代在没有用深度学习方法的情况下，用该方法做替代，因为深度学习方法需要语料去做训练，但这语料往往不可得。其次是为了提高ocr的识别准确度，特别是提高标点符号的识别准确度，能够快速、方便、精准的去除文稿图形中的黑点，。

13、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种文稿图像自适应多黑点检测去除方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的文稿图像自适应多黑点检测去除方法，其特征在于，所述自适应阈值的估计方法为：

技术总结
本发明提供一种文稿图像自适应多黑点检测去除方法，包括如下步骤：S1，对读取的图像进行锐化处理，补偿图像中的文字轮廓，增强文字边缘及灰度跳变部分，使文字变得清晰，再依次进行图像灰度化和二值化处理，将图像转为黑白图；S2，对图像进行八连通域分析，将图像中具有相同像素值且相邻的像素找出来并标记，统计出图像中所有连通域以及它们的外接矩形坐标和像素个数；S3，对所有经连通域分析后的结果进行一个自适应阈值估计，自动估计出一个阈值作为去除黑点的自适应参数，小于此参数的黑点去除，大于此参数的黑点则保留。本发明具有能够快速、方便、精准的去除文稿图像中的黑点等优点。

技术研发人员：石雁,李艳,李迪
受保护的技术使用者：永中软件股份有限公司
技术研发日：
技术公布日：2024/1/15