符号影像辨识方法技术

本发明专利技术公开了一种符号影像辨识方法，撷取多个符号影像的像素密度值及长宽比，并用分群分割算法计算出多个圆心值及相对应的半径值。接着撷取待辨识影像，取其像素密度值与长宽比，并对比其像素密度值与长宽比与圆心值的距离是否小于相对应的半径值，借以判定待辨识影像为单一符号影像或为相连符号影像。通过分群分割算法来取得对比数据，并进行待辨识影像的判断，可以降低对比复杂度，进而大幅度提高对比速度，增加整个符号辨识过程的速度，降低必须使用的硬件资源。另一实施例中，并加入符号边缘检测及影像切割的过程来提高整体辨识过程的准确度。

【技术实现步骤摘要】

本专利技术涉及一种影像辨识方法，尤其涉及一种。技术背景如何将纸本上的符号数据快速精确地传送至计算机上，并加以编辑，为数 字化信息时代的重要课题。传统上多利用扫描仪或其它影像撷取装置，将纸本 影(象传送到计算机后，再利用计算机进行辨识，使影像中的符号数据转换成计 算丰几可处理的字符组合。但纸本影像内的各个符号影像必须先行分析处理，才可进行辨识，否则辨 识的正确率将会大幅下降。这个分析处理过程的主要目的是确定每个符号影像 都为单个符号，并对包含多个符号的符号影像进行切割。若符号影像内包含多 个连续符号就直接进行辨识，可能会有判别失误的情况发生。例如线条连接的 英文字www若扫描后直接进行辨识，可能因为三个w距离过近，而造成辨识错误的状况。因此上例中必须先将符号影像切割成三个，再加以辨识，以增加辨 识的准确率。现今虽有许多的辨识与分割方法来辨别符号影像是否仅包含单个符号，并 对多个符号的符号影像加以切割。然而各种常见的影像分析过程，通常伴随着 十分复杂的计算，并消耗过多的硬件资源，更不利于使用在一些处理能力较低 的可携式电子装置上。因此，如何降低符号影像辨识的复杂度，进而增加符号辨识过程的速度， 并降低必须使用的硬件资源，为现今各厂商所发展的目标。
技术实现思路
本专利技术所要解决的技术问题在于提供一种，用以加快整 个f守号辨识过程的速度。根据本专利技术的上述目的，提出一种，增加计算机辨识符号影像速度，降低计算机必须使用的硬件资源。首先，撷取多个符号影像。计 算出各符号影像的像素密度值及长宽比。接着依据分群分割算法计算各符号影 像的像素密度值及长宽比，以形成多个圆心值与相对应的半径值。上述步骤完 成后，再撷取待辨识影像，计算出待辨识影像的像素密度值及长宽比。最后， 对比待辨识影像的像素密度值及长宽比与任一圆心值的距离是否小于圆心值 相对应的半径值，若是，则判断待辨识影像为单一符号的影像，若否，判断待 辨识影像为相连符号的影像。依照本专利技术另一实施例，用来增加计算机辨识符号影像的速度，降低计算 机必须使用的硬件资源。其步骤首先撷取多个符号影像，再计算出各符号影像 的像素密度值及长宽比。接着，依据分群分割算法计算各符号影像的像素密度 值及长宽比，以产生成多个圆心值与相对应的半径值。上述步骤完成后，再撷 取待辨识影像，计算出待辨识影像的像素密度值及长宽比，接着对比待辨识影 像的像素密度值及长宽比与任一圆心值的距离是否小于圆心值相对应的半径 值。若小于圆心值相对应的半径值，则判断该待辨识影像为单一符号的影像， 若大于圆心值相对应的半径值，则利用符号边缘检测分析待辨识影像。于符号 边缘检测分析后，若符号边缘检测判断该待辨识影像为相连符号的影像，则对 相连符号的影像进行切割。通过分群分割算法来取得对比数据，并进行待辨识影像的判断，可以降低 对比复杂度，进而大幅度提高对比速度，增加整个符号辨识过程的速度，降低 必须使用的硬件资源。另一实施例中，并加入符号边缘检测及影像切割的过程 来提高整体辨识过程的准确度。附图说明为让本专利技术的上述和其它目的、特征、优点与实施例能更明显易懂，所附 附图的详细说明如下图1为本专利技术第一实施例的流程图2为本专利技术实施例中撷取的影像示意图3为本专利技术实施例中分群对比数据示意图4为本专利技术第二实施例的流程图5为第二实施例中，符号边缘检测分析流程图；图6为第二实施例中，影像分割流程图。 其中，附图标记102 118:步骤410 450:步骤具体实施例方式本专利技术各实施例利用分群分割算法取得符号影像数据，并将待辨识影像数 据与符号影像数据加以对比，提高整个符号辨识过程的速度，并降低硬件资源 的损耗。本领域技术人员在不脱离本新型的精神和范围内，当可变更所需的参 数，以配合各种不同的应用情形，在速度及精确度上取得所需的平衡。 第一实施例请同时参照图1、图2及图3。图1为本专利技术第一实施例的流程图。图2 为本专利技术实施例中撷取的影像示意图。图3则为实施例中分群对比数据示意 图。通过本实施例的符号辨识方法，在利用计算机辨识符号影像时，可增加计 算机辨识符号的速度，降低该计算机必须使用的硬件资源。于步骤102中，先 撷取多个符号影像。步骤104为取得这些符号影像的像素密度值与长宽比。再 来为步骤106，根据分群分割算法计算符号影像的像素密度值及长宽比，以产 生多个圆心值(也即分群分割算法所得出的群聚中心)与相对应的半径值。到步骤106为止，为建立多个影像符号的分群对比数据。若假设某个符号 影像如图2所示，此符号为字母A，则符号影像的像素密度值为16/49，长宽 比为7/7。当然，不同符号影像的像素密度值与长宽比会随其影像大小及分辨 率或不同符号等参数而有所变化，在此仅举一简单例子说明。为了简单示意出像素密度值与长宽比如何建立出对比数据，请参照图3。 长宽比设定为横轴，密度值设定为纵轴，则所有撷取的符号影像都可标示于此 坐标系之上。接着再通过分群分割算法处理这些数据，即可得到多个圆心值A 及B与相对应的半径值R及D。而圆心值A及B与半径R及D所围成的圆圈内 部所包含的各个点，则是具有类似特性的符号影像。建立出对比数据后，步骤108为撷取待辨识影像，步骤110为计算出待辨 识影像的像素密度值与长宽比。接着步骤112，则是对比待辨识影像的像素密 度值及长宽比与任一圆心值的距离是否小于圆心值相对应的的半径值。若是，则进入步骤114，判断待辨识影像为一相连符号影像。若否，则进入步骤116， 判断待辨识影像为单一符号影像。若最后判断待辨识影像为单一符号影像，会再进入步骤118，对待辨识影 像进行辨识动作。于本实施例中，对比待辨识影像的像素密度值与长宽比与任 一圆心值的距离是否为小于相对应半径值的0. 7倍，若要提高最后辨识的准确 度，可以对判断的标准作更严苛的限制。此外，实施例中所使用的分群分割算 法为K组平均分群法(Kieans分群法)。通过分群分割算法建立出分群对比数据后，仅需对待ff识影像取得像素密 度值及长宽比，就可以进行对比，且对比数据数量精简，不需要复杂运算，因 此可以快速分辨待辨识影像是否为相连符号影像或者单一符号影像，加快了整 个^:号辨识的过程，并减轻硬件资源的负担。第二实施例上述实施例中所提及的分群对比方法，也可与常见的符号辨识过程结合， 作为一个快速分辨单一符号影像与相连符号影像的步骤，来提高整个符号辨识 过禾呈的速度。请参照图4，此为第二实施例的步骤流程图。步骤410中， 一开始先撷取 待I1H只影像。步骤420为使用上述实施例的分群对比方式判定待辨识影像是否 为相连符号影像。若判定不为相连符号影像，则为单一符号影像，进入步骤 450，执行辨识动作。若判定为相连符号影像，则进入步骤430，使用符号边 缘检测分析待辨识影像是否为相连符号影像。歩骤430中，若判定不为相连符 号影像，则为单一符号影像，进入步骤450，执行辨识动作。若判定为相连符 号影像，则进入步骤440，对待辨识影像进行切割。其中，步骤420中所提及的分群对比方式已于上述实施例中详细说明，且 边缘检测对比为现有的技术，故其原理及细节将不在此多加赘述。而步骤430 中的符号边缘检测分析的流程图，请参照图5。于步骤432中，会撷取多个符 号影像。步骤4本文档来自技高网...

【技术保护点】
一种符号影像辨识方法，用以增加一计算机辨识符号的速度，降低该计算机必须使用的硬件资源，其特征在于，至少包含：　（ａ）撷取多个符号影像；　（ｂ）计算出各该符号影像的像素密度值及长宽比；　（ｃ）依据一分群分割算法计算各该符号影像的像素密度值及长宽比，以产生成多个圆心值与相对应的半径值；　（ｄ）撷取一待辨识影像；　（ｅ）计算出该待辨识影像的像素密度值及长宽比；以及　（ｆ）对比该待辨识影像的像素密度值及长宽比与任一圆心值的距离是否小于该圆心值相对应的半径值；　若是，则判断该待辨识影像为一单一符号的影像，并对该待辨识影像进行一辨识动作，及　若否，则判断该待辨识影像为一相连符号的影像。

【技术特征摘要】

【专利技术属性】
技术研发人员：林明鸿，林志玮，
申请(专利权)人：仁宝电脑工业股份有限公司，
类型：发明
国别省市：71[中国|台湾]