自适应字符切分及提取方法，首先，将读入的图像进行倾斜矫正；然后，从中定位出表格左上角的坐标(x0,y0)，并以此设置矩形框裁剪出图像；最后，进行单个字符的切分及提取。本发明专利技术结合多种二值化图像的效果，采用基于垂直方向投影和轮廓特征组合下的两种策略多次自适应切分及提取，提高了从图像中定位出来的字符串的切分率，并保证了提取出的待识别数字正确率在98%～100%。
【技术实现步骤摘要】
【专利摘要】，首先，将读入的图像进行倾斜矫正；然后，从中定位出表格左上角的坐标(x0,y0)，并以此设置矩形框裁剪出图像；最后，进行单个字符的切分及提取。本专利技术结合多种二值化图像的效果，采用基于垂直方向投影和轮廓特征组合下的两种策略多次自适应切分及提取，提高了从图像中定位出来的字符串的切分率，并保证了提取出的待识别数字正确率在98%～100%。【专利说明】
本专利技术属于计算机数字图像处理
，涉及一种综合使用多知识决策的。
技术介绍
图像二值化是图像处理中最常见的处理方法，是进行图像分析、特征提取和模式识别之前必要的图像预处理过程。尽管到目前为止，二值化阈值的选取方法数以百计，但仍没有一个通用的方法对各种各样的图像都能达到最理像的效果。OTSU算法，也称大津法，是全局自适应二值化算法的经典算法之一，由大津于1979年提出，它是建立在一幅图像的灰度直方图基础上，依据类间距离极大准则来确定区域分割阈值。适用于目标与背景的比例适当和信噪比高的情况，分割效果较好。简单统计法是Kittlter等人提出的一种基于简单图像像素灰度梯度值与图像灰度统计相结合的阈值选取方法。阈值可以一次计算得到，从而避免了多次迭代分析图像灰度直方图的麻烦，同时也导致了目标与背景的过度区域做不到非常精确的分割，但针对字符而言可以较好的分割出笔画所在的主要区域，轮廓的体现较为分明。随着单个字符识别技术趋于成熟，复杂背景下字符串的切分已经成为制约数字识别精度的关键。单个字符中内部的间断、字符间的粘连以及图像背景噪声不同程度的污染等，都是造成字符串不能精确切分的主要因素。目前，现已提出的切分方法:基于图的连通性切分，基于SCP(Significant Contour Point)的数字切分,垂直方向像素投影，基于 BFA(Background and Foreground Analysis)的数字切分，上下轮廓(Upper/LowerContour)特征，滴水算法(Drop-Falling)，LDP (Limited Dynamic Programming)算法等，其大多是应用在曲线切分上，一般情况下都需要人工干预选取切分线的起始点，相比之下，机打印刷类的字体是垂直的，起始点的确定就意味着切分线的建立，因此，这类字体下的切分难点就在于如何自动选取起始点。现有单一的字符切分算法切分字符的正确率较低，阻碍了字符识别率的提高。
技术实现思路
本专利技术的目的在于提供一种，解决现有技术存在的识别数字正确率低的问题。本专利技术的技术方案是，，首先，将读入的图像进行倾斜矫正；然后，从中定位出表格左上角的坐标(Y0)，并以此设置矩形框裁剪出图像；最后，进行单个字符的切分及提取。本专利技术的特点还在于:单个字符的切分及提取方法包括两种，第一种为:首先，用简单统计法将灰度位图二值化，并对二值位图进行边缘噪声清理和消除孤立点，然后，追踪上下轮廓特征，分析空白间隔切除不需要的部分，对保留下来的部分搜索极值点，进而取特征点处切分。具体步骤如下:步骤1:读入原始图像，裁剪并归一化左上角位图；步骤2:用最大类间方差算法二值化该灰度图，进行霍夫变换，定位出表格左上角坐标(X。，y。)及倾斜角度angle ；步骤3:若angle不为0°,旋转angle角度；步骤4:以(XtlJtl)为矩形左下角，裁剪出目标所在区域位图记为image。；步骤5:用简单统计法二值化Imagetl记为I1,再消除孤立噪声点，并进行边缘清理；步骤6:在I1中用扫描像素的方法定位字符的上下轮廓特征，得到其间隔的离散值 span (I, I1-X),有span (I, i) = U (I, i) -D (I, i)其中，Ii_x为I1的宽，i初始化为O,上限为I1-X-1,移动步长为1，U(l, Ι^χ)、D(I1I^x)分别记录上下轮廓的纵坐标点；自左向右分析span(l，i)空白间隔处缩小目标所在区域范围，基于灰度位图1magetl再次切割记为Iimage1 ；步骤7:搜索span(l，i)极值点，依据字符粘连处平均高度d从中选取切分点，基于Image1裁剪出字符碎片，用最大类间方差算法二值化；步骤8:对字符碎片做轮 廓临界点裁剪，二次切分自适应提取有效字符片位图。单个字符的切分及提取的第二种方法是:用最大类间方差算法二值化后直接进行垂直方向投影，在无像素累积点处切分，生成日期碎片。具体步骤如下:步骤1:读入原始图像，裁剪并归一化左上角位图；步骤2:用最大类间方差算法二值化该灰度图，进行霍夫变换，定位出表格左上角坐标(X。，y。)及倾斜角度angle ；步骤3:若angle不为0°,旋转angle角度；步骤4:以(XtlJtl)为矩形左下角，裁剪出目标所在区域位图记为image。；步骤5:最大类间方差法二值化image(l，再消除孤立噪声点，并进行边缘清理；步骤6:垂直投影空白处切分字符串，生成字符碎片；步骤7:对字符碎片做轮廓临界点裁剪，二次切分自适应提取有效字符片位图。本专利技术具有如下有益效果:本专利技术结合多种二值化图像的效果，采用基于垂直方向投影和轮廓特征组合下的两种策略多次自适应切分及提取，提高了从图像中定位出来的字符串的切分率，并保证了提取出的待识别数字正确率在98%~100%。【专利附图】【附图说明】图1是本专利技术流程图；图2是本专利技术定位日期的操作流程图；图3是本专利技术实施例1字符切分流程图；图4是本专利技术实施例2字符切分流程图；图5是本专利技术字符提取流程图；图6为本专利技术实施例3的发票源图；图7为本专利技术实施例3的左上角位图；图8为本专利技术实施例3定位的开票日期头位图；图9为本专利技术实施例3定位日期位图；图10为本专利技术实施例3字符碎片位图；图11为本专利技术实施例3字符碎片放大位图；图12为本专利技术实施例3提取数字片位图。【具体实施方式】下面结合【具体实施方式】和附图对本专利技术作进一步详细的说明。实施例1，自适应字符切分与提取方法，流程参见图1，具体实施步骤包括:步骤1，读入原始图像，裁剪出左上角位图，从而大大减少后续操作数据量，并按固定比例大小进行缩放，类似全局归一化的效果，记录此时高度tv宽度W。。步骤2，用最大类间方差算法二值化该灰度图，进行霍夫变换检测表格线和倾斜角度，定位出表格左上角及角度的矫正。具体操作如下:以位图左下角为坐标原点，将二值图像素值为O的直角坐标系下的坐标点(x，y)转换为极角坐标下的(r，Θ)并累加个数存储于hough矩阵，方程式为:r = X X cos Θ +y X sin Θ其中，re (O, (h02+w02)1/2), Θ e (0°, 180°), (r, Θ ) e hough。从r = h0-a处开始降序搜索hough矩阵中同Cr, Θ )数量值,搜索到的第个大于预设的门限值b时设:up—dis = rangle = θ其中，up—dis为表格最上直线距原点的距离，angle为表格倾斜角度，a、b为常量。同理，从r = a处升序搜索hough矩阵中同(r, Θ )数量值，搜索到的第个大于预设的门限值c时设:left_dis = r其中，left_dis为表格最左边直线距原点的距离，c为常量。若θ Φ 0，判断应旋转角度angle及表格左上角坐标(X(l本文档来自技高网...
【技术保护点】
自适应字符切分及提取方法，其特征在于，首先，将读入的图像进行倾斜矫正；然后，从中定位出表格左上角的坐标(x0,y0)，并以此设置矩形框裁剪出图像；最后，进行单个字符的切分及提取。
【技术特征摘要】
【专利技术属性】
技术研发人员：金海燕，王琰琰，黑新宏，王彬，王磊，高勇，王晓帆，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。