消噪和數(shù)學(xué)形態(tài)學(xué)結(jié)合的字符圖像預(yù)處理算法

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(shí)別技術(shù)中一項(xiàng)關(guān)鍵技術(shù),字符識(shí)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(shí)別筆劃缺損字符的識(shí)別難點(diǎn),從而間接地提高了字符識(shí)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(hào):TP391

0 引 言

近年來,字符識(shí)別技術(shù)已發(fā)展成為當(dāng)今一個(gè)熱門的主要研究領(lǐng)域,在許多領(lǐng)域都需要對(duì)字符做識(shí)別操作,例如:車牌字符識(shí)別、手寫體字符識(shí)別、運(yùn)動(dòng)工件上的字符識(shí)別等。字符圖像往往會(huì)受到各種噪聲的污染,以及字符筆劃斷裂情況等,這些都會(huì)嚴(yán)重影響字符識(shí)別的準(zhǔn)確度。許多學(xué)者針對(duì)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(shí)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(gè)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(dòng),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(duì)象是集合,通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合,利用結(jié)構(gòu)元素集合對(duì)圖像進(jìn)行操作。

膨脹和腐蝕分別用數(shù)學(xué)符號(hào)“⊕”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(duì)兩幅輸入圖像進(jìn)行點(diǎn)對(duì)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(duì)同一場(chǎng)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(duì)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(duì)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(gè);

(5) 將這個(gè)中間值賦給對(duì)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(gè)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(shí)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(duì)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(gè)結(jié)構(gòu)元素對(duì)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(duì)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(duì)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(duì)圖4進(jìn)行字符識(shí)別,可以大大提高其識(shí)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(shí)別算法就可得到很高的識(shí)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(duì)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。