陳利娟 徐利華

摘 要:噪聲污染字符圖像的預(yù)處理是字符識別技術(shù)中一項(xiàng)關(guān)鍵技術(shù),字符識別的準(zhǔn)確度直接取決于字符圖的質(zhì)量?；谙牒蛿?shù)學(xué)形態(tài)學(xué)的基本原理,提出了一種預(yù)處理算法。仿真實(shí)驗(yàn)驗(yàn)證了所提出新算法的有效性和可行性。這種算法不僅能消除圖像中的噪聲,而且還有效地修復(fù)了筆劃斷裂的字符。新算法解決了識別筆劃缺損字符的識別難點(diǎn),從而間接地提高了字符識別技術(shù)的準(zhǔn)確度。

關(guān)鍵詞:數(shù)學(xué)形態(tài)學(xué);加權(quán)平均;均值濾波;中值濾波;形態(tài)學(xué)濾波

中圖分類號:TP391

0 引 言

近年來,字符識別技術(shù)已發(fā)展成為當(dāng)今一個熱門的主要研究領(lǐng)域,在許多領(lǐng)域都需要對字符做識別操作,例如:車牌字符識別、手寫體字符識別、運(yùn)動工件上的字符識別等。字符圖像往往會受到各種噪聲的污染,以及字符筆劃斷裂情況等,這些都會嚴(yán)重影響字符識別的準(zhǔn)確度。許多學(xué)者針對消噪提出了一些解決方案,如:基于直方圖特性的圖像去噪方法,基于數(shù)學(xué)形態(tài)學(xué)的圖像去噪方法,基于小波變換和中值濾波的圖像去噪方法等。該類方法為消除圖像噪聲,以及橋接筆畫斷裂字符提出了一些效果好,可行的算法。

1 理論基礎(chǔ)

文中用到的理論知識主要包括數(shù)學(xué)形態(tài)學(xué)、圖像的代數(shù)運(yùn)算以及圖像濾波處理技術(shù)。

1.1 數(shù)學(xué)形態(tài)學(xué)方法原理

數(shù)學(xué)形態(tài)學(xué)是建立在積分幾何和隨機(jī)集論等嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的一門密切聯(lián)系實(shí)際的學(xué)科。它用于圖像處理的基本思想是利用一個稱作結(jié)構(gòu)元素的“探針”,收集待處理圖像的信息,探針在圖像中不斷移動,即可考察圖像物體間的相互關(guān)系,提取出有用的特征。所有的形態(tài)學(xué)處理過程都是基于填充結(jié)構(gòu)元素的概念。二值形態(tài)學(xué)中的運(yùn)算對象是集合,通常給出一個圖像集合和一個結(jié)構(gòu)元素集合,利用結(jié)構(gòu)元素集合對圖像進(jìn)行操作。

膨脹和腐蝕分別用數(shù)學(xué)符號“⊕”和“Θ”表示,若A,B是Z中的集合,h為空集,則A被結(jié)構(gòu)元素B膨脹和腐蝕的定義

1.2 圖像的代數(shù)運(yùn)算

代數(shù)運(yùn)算是指對兩幅輸入圖像進(jìn)行點(diǎn)對點(diǎn)的加、減、乘和除計(jì)算而得到輸出圖像的運(yùn)算。圖像相加的┮桓霆重要應(yīng)用是對同一場景的多幅圖像加權(quán)求取平均值,以達(dá)到消除加性隨機(jī)噪聲的目的。

式中:f(x,y)是靜止圖像;n璱(x,y)是加性隨機(jī)噪聲。┦(3)表明對N幅圖像平均可把噪聲方差減少㎞倍,N越大,g(x,y)就越接近于f(x,y),г肷的影響逐步減少。[JP]

1.3 濾波處理

濾波處理主要用于平滑圖像、消除圖像噪聲的目的,最常用的祛除噪聲方法是用濾波器進(jìn)行濾波處理?？梢愿鶕?jù)不同的需要構(gòu)造不同的空域?yàn)V波器,如均值濾波器、中值濾波器、維納濾波器等。

1.3.1 中值濾波

中值濾波是基于排序的非線性平滑濾波器,它既可消除噪聲,又能保護(hù)圖象的細(xì)節(jié)[9]。中值濾波步驟為:

(1) 將模板在圖像中漫游,并將模板中心與圖中┠掣霆像素位置重合;

(2) 讀取模板下各對應(yīng)像素的灰度值;

(3) 將這些灰度值從小到大排成一列;

(4) 找出這些值中排在中間的一個;

(5) 將這個中間值賦給對應(yīng)模板中心位置的像素。

[BT4]1.3.2 均值濾波

均值濾波是將一個像元及其鄰域中所有像元的平均值賦給輸出圖像中相應(yīng)的相元,從而達(dá)到平滑的目的。

2 算法實(shí)現(xiàn)

本文采用加權(quán)平均、形態(tài)學(xué)腐蝕以及均值濾波相結(jié)合的方法實(shí)現(xiàn)了消噪,并且有效地實(shí)現(xiàn)了比劃斷裂字符的橋接功能。同時將新算法的處理結(jié)果與過去常用的算法處理結(jié)果做了比較。

2.1 新算法設(shè)計(jì)并仿真實(shí)現(xiàn)

本文稱這種算法為組合濾波橋接算法,算法設(shè)計(jì)步驟:

(1) 對噪聲圖像如圖1所示做加權(quán)平均操作,得到加權(quán)平均圖像,如圖2所示,在本文中加權(quán)次數(shù)取為100即可;

(2) 選取一個結(jié)構(gòu)元素對加權(quán)平均圖像做膨脹操作,獲得膨脹圖像如圖3所示;

(3) 對膨脹圖像做均值濾波得到組合濾波橋接圖像,如圖4所示。

算法步驟說明,在經(jīng)過步驟(1)后,由于加權(quán)平均消噪的原理可知,通過試探選擇合適的疊加次數(shù),僅完全消除了黑色背景上的鹽噪聲,而白色字體上的椒噪聲仍然存在,并且從圖中可以看到由于椒噪聲的存在,使得字符筆劃不連通,產(chǎn)生了間斷。因此對加權(quán)平均圖像做膨脹操作,膨脹結(jié)構(gòu)元素通過試探的方式選取,本文經(jīng)試探選取的結(jié)構(gòu)元素SE=[0,1,0;1,1,1;0,1,0]。從圖3可見,通過膨脹操作后,字符斷裂的筆劃被橋接上,但是其邊緣仍存在部分噪聲。所以需進(jìn)行第(3)步的操作?？梢钥吹?通過組合濾波橋接算法運(yùn)算后,噪聲基本被消除,筆劃斷裂的字符被橋接上?？梢?對圖4進(jìn)行字符識別,可以大大提高其識別正確度,并且不再需要考慮字符筆劃斷裂的情況,因此用普通的字符識別算法就可得到很高的識別準(zhǔn)確率。

2.2 組合濾波橋接算法與其他濾波橋接算法效果展示

為了能清晰地看出不同算法的濾波橋接效果,┩4~圖6放大了“ea”字符串。圖5是對受噪圖像直接中值濾波,再用結(jié)構(gòu)元素SE橋接的效果圖;圖6是用常用的形態(tài)學(xué)濾波消噪,再用結(jié)構(gòu)元素SE橋接的效果圖。