碎片圖像字符特征提取方法研究

張玲

摘 要 字符特征提取是含文字碎片圖像拼接的關(guān)鍵環(huán)節(jié)，直接影響拼接效果。提出了一種包含文字信息的碎片圖像特征提取方法，首先，對(duì)原始碎片圖像進(jìn)行預(yù)處理，分別得到字符和碎片背景的二值圖像；然后，利用邊緣檢測(cè)算子提取字符和碎片背景的單像素邊緣；最后，利用結(jié)構(gòu)算子檢測(cè)碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)，并根據(jù)交叉點(diǎn)的信息提取字體邊緣方向特征。仿真實(shí)驗(yàn)結(jié)果表明本文提出的碎片圖像字符特征提取方法思路合理，能夠快速、準(zhǔn)確地提取出碎片圖像中的字符特征，為后續(xù)的匹配拼接奠定基礎(chǔ)。

關(guān)鍵詞 圖像拼接；邊緣檢測(cè)；特征提取

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）04-0118-02

圖像拼接是一種將多幅相關(guān)圖像無縫拼接成一幅寬視角全景圖像的技術(shù)，涉及特征提取及匹配、圖像配準(zhǔn)和圖像融合等理論。包含著文宇、圖片等信息的紙張往往會(huì)因?yàn)楦鞣N原因造成破碎，通過人眼比對(duì)查找的方式對(duì)這些碎片文件進(jìn)行拼接比較費(fèi)時(shí)費(fèi)力。將碎片文件通過掃描等方式轉(zhuǎn)化為數(shù)字圖像，再利用數(shù)字圖像處理技術(shù)進(jìn)行匹配可以取得較好的拼接效果。碎片圖像的拼接可以根據(jù)紋理、色彩和輪廓等多種不同特征進(jìn)行拼接，也可以按碎片中有無目標(biāo)、形狀特征是否規(guī)則等進(jìn)行復(fù)原。碎片圖像拼接技術(shù)能夠?qū)崿F(xiàn)對(duì)原始文件或圖片信息的還原，可廣泛應(yīng)用。目前，學(xué)者們提出了很多碎片圖像特征提取方法，如Harris特征提取、基于邊緣的特征提取、SIFT特征提取等。針對(duì)含文字碎片圖像的特點(diǎn)，本文提出了一種有效的字符特征提取方法，該方法能夠快速、準(zhǔn)確地提取碎片圖像中特征點(diǎn)的坐標(biāo)及字體走向等特征，為碎片圖像拼接奠定良好的基礎(chǔ)。

1 字符特征提取方法研究

關(guān)鍵特征的提取是碎片圖像拼接的核心和難點(diǎn)。因?yàn)樘卣髅黠@的點(diǎn)、線和邊緣可以較精確地定位碎片圖像邊緣連接點(diǎn)坐標(biāo)和連接線段的角度，所以搜索這些特征明顯的點(diǎn)、線和邊緣是拼接含字符碎片圖像的關(guān)鍵。現(xiàn)在提出的方法主要檢測(cè)字符與碎片圖像背景邊緣的交叉點(diǎn)和提取字體邊緣方向，主要包括圖像預(yù)處理、邊緣檢測(cè)、特征提取三個(gè)環(huán)節(jié)。

1.1 預(yù)處理

首先，將碎紙片放在黑色臺(tái)布上掃描得到原始圖像，其中黑色部分為臺(tái)布，白色部分為碎片空白區(qū)域，字符區(qū)域?yàn)榫G色。然后，將原始圖像轉(zhuǎn)換為灰度圖像，并分別利用大律法和自定義閾值法進(jìn)行二值化和反色處理，提取字符區(qū)域（目標(biāo)）和碎片圖像區(qū)域（背景）。大律法，即最大類間方差法，根據(jù)圖像中目標(biāo)和背景兩個(gè)類別的可分離性自適應(yīng)確定分割閾值T，類間方差越大，則表明兩類之間灰度差別越大，所以獲得最大類間方差的閾值T就是最佳分割閾值。

1.2 邊緣檢測(cè)

邊緣檢測(cè)是字符特征提取的基礎(chǔ)，現(xiàn)提出的特征提取方法主要是基于字符輪廓信息，所以邊緣檢測(cè)對(duì)碎片圖像字符特征的提取起著至關(guān)重要的作用，主要包括字符區(qū)域提取、去除目標(biāo)邊緣毛刺、提取字符及背景單像素邊緣檢測(cè)等環(huán)節(jié)。

1.2.1 字符區(qū)域提取

字符區(qū)域的確定是進(jìn)行字符特征提取的前提，通過對(duì)碎片背景圖像和字符圖像進(jìn)行差值運(yùn)算可以將碎片圖像中的字符區(qū)域提取出來。開運(yùn)算具有磨光圖像的外邊界的優(yōu)點(diǎn)，所以利用開運(yùn)算剔除差值圖像中的毛刺。為了去除圖像中的噪聲，對(duì)去毛刺圖像再進(jìn)行先腐蝕、后膨脹的運(yùn)算，得到去除毛刺及噪聲的字符圖像。

1.2.2 單像素邊緣檢測(cè)

字符與碎片圖像邊緣的交叉點(diǎn)坐標(biāo)和字體邊緣方向是進(jìn)行圖像拼接的重要特征，而確定字體和碎片圖像的邊緣是提取這些特征的基礎(chǔ)。為了精確計(jì)算交叉點(diǎn)坐標(biāo)和字體邊緣方向，可利用單像素邊緣檢測(cè)方法。

1.3 特征提取

字符與碎片背景圖像的交叉點(diǎn)坐標(biāo)和字體邊緣方向是用于碎片圖像拼接的關(guān)鍵特征。

1.3.1 交叉點(diǎn)檢測(cè)

首先，將提取出的碎片背景邊緣圖像和字符邊緣圖像進(jìn)行“與”操作，提取二者相重疊的部分。

單像素邊緣端點(diǎn)的特點(diǎn)是若端點(diǎn)像素的灰度值為“1”，則只有一個(gè)鄰域像素的灰度值為“1”，其余7個(gè)鄰域像素的灰度值均為“0”。其根據(jù)單像素邊緣端點(diǎn)的這種特性，構(gòu)造了端點(diǎn)圖6字符與背景邊緣重疊區(qū)域檢測(cè)的8方向結(jié)構(gòu)算子（如圖1），利用這些結(jié)構(gòu)算子對(duì)重疊區(qū)域圖像進(jìn)行逐點(diǎn)掃描，確定重疊區(qū)域的端點(diǎn)，并記錄該點(diǎn)的坐標(biāo)值。

圖1 單像素邊緣端點(diǎn)檢測(cè)結(jié)構(gòu)算子

1.3.2 字體邊緣方向檢測(cè)

為了確定字體邊緣方向，將字符邊緣圖像與重疊區(qū)域圖像作差，得到去除重疊區(qū)域的字符邊緣圖像[如圖2（a）]。因?yàn)橹丿B區(qū)域邊緣端點(diǎn)（Ak，k=1，2，…，N，灰度值為“0”）與字符邊緣的端點(diǎn)（Bk，k=1，2，…，N，灰度值為“1”）鄰接，所以將Ak作為起點(diǎn)檢測(cè)字體邊緣方向，具體步驟如下。

第1步根據(jù)重疊區(qū)域邊緣端點(diǎn)坐標(biāo)對(duì)的數(shù)量，確定碎片圖像中重疊區(qū)域邊緣端點(diǎn)個(gè)數(shù)N。

第2步任意選取一個(gè)起點(diǎn)Ap，設(shè)定要檢測(cè)邊緣像素的長(zhǎng)度M。

第3步在去除重疊區(qū)域的字符邊緣圖像[圖2（a）]中搜索像素Ap八鄰蜮中灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Bp，并累計(jì)邊緣像素個(gè)數(shù)。

第4步以Bp為起點(diǎn)，在其八鄰域內(nèi)搜索灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Cp，將Bp像素點(diǎn)灰度值置為“0”，并累計(jì)邊緣像素個(gè)數(shù)。

第5步再以Cp為起點(diǎn)，重復(fù)步驟4，直到邊緣像素個(gè)數(shù)與設(shè)定值M相同為止。

第6步以Ap為起點(diǎn)，沿檢測(cè)出的邊緣像素（即存儲(chǔ)的灰度值為“1”的像素）繪制線段，并進(jìn)行標(biāo)記，如圖2（b）所示。

第7步選取另一個(gè)端點(diǎn)Aq，重復(fù)步驟2-6，直到所有的邊緣端點(diǎn)都檢測(cè)完畢。

（a）去除重疊區(qū)域的字符邊緣圖 （b）字符邊緣方向標(biāo)記圖

圖2 字體邊緣方向檢測(cè)說明圖

2 仿真實(shí)驗(yàn)

現(xiàn)提出的碎片圖像字符特征提取方法在VisualC++6.0軟件平臺(tái)上進(jìn)行仿真，并調(diào)用OpenCV庫中的函數(shù)。首先，將碎紙片圖像逐張放到黑色臺(tái)布上進(jìn)行掃描，并存儲(chǔ)這些掃描圖像；然后，讀取掃描圖像，對(duì)其進(jìn)行預(yù)處理，得到字符區(qū)域圖像和碎片背景區(qū)域圖像，并檢測(cè)字符和碎片背景的單像素邊緣；最后，確定字符與碎片背景邊緣交叉點(diǎn)坐標(biāo)和字體邊緣方向，得到用于后續(xù)拼接的特征。為了驗(yàn)證本文提出的方法，對(duì)三個(gè)碎紙片圖像進(jìn)行了字符特征提取仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。圖3（a）為原始圖像，圖3（b）為相應(yīng)的交叉點(diǎn)（圓圈標(biāo)記）檢測(cè)圖像，圖3（c）為字體邊緣（與圓圈相連的黑色線段標(biāo)記）方向提取圖像。從這三組圖像可以看出，本文給出的碎片圖像字符特征提取方法能夠較好地檢測(cè)出字符與碎片背景邊界交叉點(diǎn)及字體邊緣方向，具有較強(qiáng)的魯棒性。

（a）原始圖像 （b）相應(yīng)的交叉點(diǎn)圖像（c）相應(yīng)的邊緣方向圖像

圖3 字符特征提取結(jié)果圖

3 結(jié)論與認(rèn)識(shí)

含字符信息的碎片圖像拼接在工作中具有非常重要的意義。針對(duì)含字符碎片圖像的特點(diǎn)，提出了一種碎片圖像字符特征提取方法。該方法利用數(shù)學(xué)形態(tài)學(xué)和邊緣檢測(cè)等知識(shí)，有效地提取碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)和字體邊緣方向特征。該方法能夠快速、準(zhǔn)確地提取碎片圖像中字符特征，為后續(xù)的碎片圖像拼接提供關(guān)鍵的點(diǎn)坐標(biāo)、線段方向、角度等特征。

參考文獻(xiàn)

[1]李寒，牛紀(jì)楨，郭禾.基于特征點(diǎn)的全自動(dòng)無縫圖像拼接方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（09）：2083-2085.

[2]趙彩虹，盧章平，魯金忠.基于匹配對(duì)的非規(guī)則碎片拼合算法[J].計(jì)算機(jī)應(yīng)用，2005，25（03）：596-597，605.

[3]周石林，廖文和，尹建平.平面碎片匹配算法的研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（31）：151-153.

[4]鄭蓓蓓，郭立本.改進(jìn)的遺傳算法應(yīng)用于碎片拼接[J].計(jì)算機(jī)與現(xiàn)代化，2011（05）：52-56.

[5]吳銘，林錦國(guó)，梅雪.用于圖像拼接的特征提取算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（2）：440-442.endprint

摘 要 字符特征提取是含文字碎片圖像拼接的關(guān)鍵環(huán)節(jié)，直接影響拼接效果。提出了一種包含文字信息的碎片圖像特征提取方法，首先，對(duì)原始碎片圖像進(jìn)行預(yù)處理，分別得到字符和碎片背景的二值圖像；然后，利用邊緣檢測(cè)算子提取字符和碎片背景的單像素邊緣；最后，利用結(jié)構(gòu)算子檢測(cè)碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)，并根據(jù)交叉點(diǎn)的信息提取字體邊緣方向特征。仿真實(shí)驗(yàn)結(jié)果表明本文提出的碎片圖像字符特征提取方法思路合理，能夠快速、準(zhǔn)確地提取出碎片圖像中的字符特征，為后續(xù)的匹配拼接奠定基礎(chǔ)。

關(guān)鍵詞 圖像拼接；邊緣檢測(cè)；特征提取

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）04-0118-02

圖像拼接是一種將多幅相關(guān)圖像無縫拼接成一幅寬視角全景圖像的技術(shù)，涉及特征提取及匹配、圖像配準(zhǔn)和圖像融合等理論。包含著文宇、圖片等信息的紙張往往會(huì)因?yàn)楦鞣N原因造成破碎，通過人眼比對(duì)查找的方式對(duì)這些碎片文件進(jìn)行拼接比較費(fèi)時(shí)費(fèi)力。將碎片文件通過掃描等方式轉(zhuǎn)化為數(shù)字圖像，再利用數(shù)字圖像處理技術(shù)進(jìn)行匹配可以取得較好的拼接效果。碎片圖像的拼接可以根據(jù)紋理、色彩和輪廓等多種不同特征進(jìn)行拼接，也可以按碎片中有無目標(biāo)、形狀特征是否規(guī)則等進(jìn)行復(fù)原。碎片圖像拼接技術(shù)能夠?qū)崿F(xiàn)對(duì)原始文件或圖片信息的還原，可廣泛應(yīng)用。目前，學(xué)者們提出了很多碎片圖像特征提取方法，如Harris特征提取、基于邊緣的特征提取、SIFT特征提取等。針對(duì)含文字碎片圖像的特點(diǎn)，本文提出了一種有效的字符特征提取方法，該方法能夠快速、準(zhǔn)確地提取碎片圖像中特征點(diǎn)的坐標(biāo)及字體走向等特征，為碎片圖像拼接奠定良好的基礎(chǔ)。

1 字符特征提取方法研究

關(guān)鍵特征的提取是碎片圖像拼接的核心和難點(diǎn)。因?yàn)樘卣髅黠@的點(diǎn)、線和邊緣可以較精確地定位碎片圖像邊緣連接點(diǎn)坐標(biāo)和連接線段的角度，所以搜索這些特征明顯的點(diǎn)、線和邊緣是拼接含字符碎片圖像的關(guān)鍵。現(xiàn)在提出的方法主要檢測(cè)字符與碎片圖像背景邊緣的交叉點(diǎn)和提取字體邊緣方向，主要包括圖像預(yù)處理、邊緣檢測(cè)、特征提取三個(gè)環(huán)節(jié)。

1.1 預(yù)處理

首先，將碎紙片放在黑色臺(tái)布上掃描得到原始圖像，其中黑色部分為臺(tái)布，白色部分為碎片空白區(qū)域，字符區(qū)域?yàn)榫G色。然后，將原始圖像轉(zhuǎn)換為灰度圖像，并分別利用大律法和自定義閾值法進(jìn)行二值化和反色處理，提取字符區(qū)域（目標(biāo)）和碎片圖像區(qū)域（背景）。大律法，即最大類間方差法，根據(jù)圖像中目標(biāo)和背景兩個(gè)類別的可分離性自適應(yīng)確定分割閾值T，類間方差越大，則表明兩類之間灰度差別越大，所以獲得最大類間方差的閾值T就是最佳分割閾值。

1.2 邊緣檢測(cè)

邊緣檢測(cè)是字符特征提取的基礎(chǔ)，現(xiàn)提出的特征提取方法主要是基于字符輪廓信息，所以邊緣檢測(cè)對(duì)碎片圖像字符特征的提取起著至關(guān)重要的作用，主要包括字符區(qū)域提取、去除目標(biāo)邊緣毛刺、提取字符及背景單像素邊緣檢測(cè)等環(huán)節(jié)。

1.2.1 字符區(qū)域提取

字符區(qū)域的確定是進(jìn)行字符特征提取的前提，通過對(duì)碎片背景圖像和字符圖像進(jìn)行差值運(yùn)算可以將碎片圖像中的字符區(qū)域提取出來。開運(yùn)算具有磨光圖像的外邊界的優(yōu)點(diǎn)，所以利用開運(yùn)算剔除差值圖像中的毛刺。為了去除圖像中的噪聲，對(duì)去毛刺圖像再進(jìn)行先腐蝕、后膨脹的運(yùn)算，得到去除毛刺及噪聲的字符圖像。

1.2.2 單像素邊緣檢測(cè)

字符與碎片圖像邊緣的交叉點(diǎn)坐標(biāo)和字體邊緣方向是進(jìn)行圖像拼接的重要特征，而確定字體和碎片圖像的邊緣是提取這些特征的基礎(chǔ)。為了精確計(jì)算交叉點(diǎn)坐標(biāo)和字體邊緣方向，可利用單像素邊緣檢測(cè)方法。

1.3 特征提取

字符與碎片背景圖像的交叉點(diǎn)坐標(biāo)和字體邊緣方向是用于碎片圖像拼接的關(guān)鍵特征。

1.3.1 交叉點(diǎn)檢測(cè)

首先，將提取出的碎片背景邊緣圖像和字符邊緣圖像進(jìn)行“與”操作，提取二者相重疊的部分。

單像素邊緣端點(diǎn)的特點(diǎn)是若端點(diǎn)像素的灰度值為“1”，則只有一個(gè)鄰域像素的灰度值為“1”，其余7個(gè)鄰域像素的灰度值均為“0”。其根據(jù)單像素邊緣端點(diǎn)的這種特性，構(gòu)造了端點(diǎn)圖6字符與背景邊緣重疊區(qū)域檢測(cè)的8方向結(jié)構(gòu)算子（如圖1），利用這些結(jié)構(gòu)算子對(duì)重疊區(qū)域圖像進(jìn)行逐點(diǎn)掃描，確定重疊區(qū)域的端點(diǎn)，并記錄該點(diǎn)的坐標(biāo)值。

圖1 單像素邊緣端點(diǎn)檢測(cè)結(jié)構(gòu)算子

1.3.2 字體邊緣方向檢測(cè)

為了確定字體邊緣方向，將字符邊緣圖像與重疊區(qū)域圖像作差，得到去除重疊區(qū)域的字符邊緣圖像[如圖2（a）]。因?yàn)橹丿B區(qū)域邊緣端點(diǎn)（Ak，k=1，2，…，N，灰度值為“0”）與字符邊緣的端點(diǎn)（Bk，k=1，2，…，N，灰度值為“1”）鄰接，所以將Ak作為起點(diǎn)檢測(cè)字體邊緣方向，具體步驟如下。

第1步根據(jù)重疊區(qū)域邊緣端點(diǎn)坐標(biāo)對(duì)的數(shù)量，確定碎片圖像中重疊區(qū)域邊緣端點(diǎn)個(gè)數(shù)N。

第2步任意選取一個(gè)起點(diǎn)Ap，設(shè)定要檢測(cè)邊緣像素的長(zhǎng)度M。

第3步在去除重疊區(qū)域的字符邊緣圖像[圖2（a）]中搜索像素Ap八鄰蜮中灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Bp，并累計(jì)邊緣像素個(gè)數(shù)。

第4步以Bp為起點(diǎn)，在其八鄰域內(nèi)搜索灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Cp，將Bp像素點(diǎn)灰度值置為“0”，并累計(jì)邊緣像素個(gè)數(shù)。

第5步再以Cp為起點(diǎn)，重復(fù)步驟4，直到邊緣像素個(gè)數(shù)與設(shè)定值M相同為止。

第6步以Ap為起點(diǎn)，沿檢測(cè)出的邊緣像素（即存儲(chǔ)的灰度值為“1”的像素）繪制線段，并進(jìn)行標(biāo)記，如圖2（b）所示。

第7步選取另一個(gè)端點(diǎn)Aq，重復(fù)步驟2-6，直到所有的邊緣端點(diǎn)都檢測(cè)完畢。

（a）去除重疊區(qū)域的字符邊緣圖 （b）字符邊緣方向標(biāo)記圖

圖2 字體邊緣方向檢測(cè)說明圖

2 仿真實(shí)驗(yàn)

現(xiàn)提出的碎片圖像字符特征提取方法在VisualC++6.0軟件平臺(tái)上進(jìn)行仿真，并調(diào)用OpenCV庫中的函數(shù)。首先，將碎紙片圖像逐張放到黑色臺(tái)布上進(jìn)行掃描，并存儲(chǔ)這些掃描圖像；然后，讀取掃描圖像，對(duì)其進(jìn)行預(yù)處理，得到字符區(qū)域圖像和碎片背景區(qū)域圖像，并檢測(cè)字符和碎片背景的單像素邊緣；最后，確定字符與碎片背景邊緣交叉點(diǎn)坐標(biāo)和字體邊緣方向，得到用于后續(xù)拼接的特征。為了驗(yàn)證本文提出的方法，對(duì)三個(gè)碎紙片圖像進(jìn)行了字符特征提取仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。圖3（a）為原始圖像，圖3（b）為相應(yīng)的交叉點(diǎn)（圓圈標(biāo)記）檢測(cè)圖像，圖3（c）為字體邊緣（與圓圈相連的黑色線段標(biāo)記）方向提取圖像。從這三組圖像可以看出，本文給出的碎片圖像字符特征提取方法能夠較好地檢測(cè)出字符與碎片背景邊界交叉點(diǎn)及字體邊緣方向，具有較強(qiáng)的魯棒性。

（a）原始圖像 （b）相應(yīng)的交叉點(diǎn)圖像（c）相應(yīng)的邊緣方向圖像

圖3 字符特征提取結(jié)果圖

3 結(jié)論與認(rèn)識(shí)

含字符信息的碎片圖像拼接在工作中具有非常重要的意義。針對(duì)含字符碎片圖像的特點(diǎn)，提出了一種碎片圖像字符特征提取方法。該方法利用數(shù)學(xué)形態(tài)學(xué)和邊緣檢測(cè)等知識(shí)，有效地提取碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)和字體邊緣方向特征。該方法能夠快速、準(zhǔn)確地提取碎片圖像中字符特征，為后續(xù)的碎片圖像拼接提供關(guān)鍵的點(diǎn)坐標(biāo)、線段方向、角度等特征。

參考文獻(xiàn)

[1]李寒，牛紀(jì)楨，郭禾.基于特征點(diǎn)的全自動(dòng)無縫圖像拼接方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（09）：2083-2085.

[2]趙彩虹，盧章平，魯金忠.基于匹配對(duì)的非規(guī)則碎片拼合算法[J].計(jì)算機(jī)應(yīng)用，2005，25（03）：596-597，605.

[3]周石林，廖文和，尹建平.平面碎片匹配算法的研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（31）：151-153.

[4]鄭蓓蓓，郭立本.改進(jìn)的遺傳算法應(yīng)用于碎片拼接[J].計(jì)算機(jī)與現(xiàn)代化，2011（05）：52-56.

[5]吳銘，林錦國(guó)，梅雪.用于圖像拼接的特征提取算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（2）：440-442.endprint

摘 要 字符特征提取是含文字碎片圖像拼接的關(guān)鍵環(huán)節(jié)，直接影響拼接效果。提出了一種包含文字信息的碎片圖像特征提取方法，首先，對(duì)原始碎片圖像進(jìn)行預(yù)處理，分別得到字符和碎片背景的二值圖像；然后，利用邊緣檢測(cè)算子提取字符和碎片背景的單像素邊緣；最后，利用結(jié)構(gòu)算子檢測(cè)碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)，并根據(jù)交叉點(diǎn)的信息提取字體邊緣方向特征。仿真實(shí)驗(yàn)結(jié)果表明本文提出的碎片圖像字符特征提取方法思路合理，能夠快速、準(zhǔn)確地提取出碎片圖像中的字符特征，為后續(xù)的匹配拼接奠定基礎(chǔ)。

關(guān)鍵詞 圖像拼接；邊緣檢測(cè)；特征提取

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）04-0118-02

圖像拼接是一種將多幅相關(guān)圖像無縫拼接成一幅寬視角全景圖像的技術(shù)，涉及特征提取及匹配、圖像配準(zhǔn)和圖像融合等理論。包含著文宇、圖片等信息的紙張往往會(huì)因?yàn)楦鞣N原因造成破碎，通過人眼比對(duì)查找的方式對(duì)這些碎片文件進(jìn)行拼接比較費(fèi)時(shí)費(fèi)力。將碎片文件通過掃描等方式轉(zhuǎn)化為數(shù)字圖像，再利用數(shù)字圖像處理技術(shù)進(jìn)行匹配可以取得較好的拼接效果。碎片圖像的拼接可以根據(jù)紋理、色彩和輪廓等多種不同特征進(jìn)行拼接，也可以按碎片中有無目標(biāo)、形狀特征是否規(guī)則等進(jìn)行復(fù)原。碎片圖像拼接技術(shù)能夠?qū)崿F(xiàn)對(duì)原始文件或圖片信息的還原，可廣泛應(yīng)用。目前，學(xué)者們提出了很多碎片圖像特征提取方法，如Harris特征提取、基于邊緣的特征提取、SIFT特征提取等。針對(duì)含文字碎片圖像的特點(diǎn)，本文提出了一種有效的字符特征提取方法，該方法能夠快速、準(zhǔn)確地提取碎片圖像中特征點(diǎn)的坐標(biāo)及字體走向等特征，為碎片圖像拼接奠定良好的基礎(chǔ)。

1 字符特征提取方法研究

關(guān)鍵特征的提取是碎片圖像拼接的核心和難點(diǎn)。因?yàn)樘卣髅黠@的點(diǎn)、線和邊緣可以較精確地定位碎片圖像邊緣連接點(diǎn)坐標(biāo)和連接線段的角度，所以搜索這些特征明顯的點(diǎn)、線和邊緣是拼接含字符碎片圖像的關(guān)鍵。現(xiàn)在提出的方法主要檢測(cè)字符與碎片圖像背景邊緣的交叉點(diǎn)和提取字體邊緣方向，主要包括圖像預(yù)處理、邊緣檢測(cè)、特征提取三個(gè)環(huán)節(jié)。

1.1 預(yù)處理

首先，將碎紙片放在黑色臺(tái)布上掃描得到原始圖像，其中黑色部分為臺(tái)布，白色部分為碎片空白區(qū)域，字符區(qū)域?yàn)榫G色。然后，將原始圖像轉(zhuǎn)換為灰度圖像，并分別利用大律法和自定義閾值法進(jìn)行二值化和反色處理，提取字符區(qū)域（目標(biāo)）和碎片圖像區(qū)域（背景）。大律法，即最大類間方差法，根據(jù)圖像中目標(biāo)和背景兩個(gè)類別的可分離性自適應(yīng)確定分割閾值T，類間方差越大，則表明兩類之間灰度差別越大，所以獲得最大類間方差的閾值T就是最佳分割閾值。

1.2 邊緣檢測(cè)

邊緣檢測(cè)是字符特征提取的基礎(chǔ)，現(xiàn)提出的特征提取方法主要是基于字符輪廓信息，所以邊緣檢測(cè)對(duì)碎片圖像字符特征的提取起著至關(guān)重要的作用，主要包括字符區(qū)域提取、去除目標(biāo)邊緣毛刺、提取字符及背景單像素邊緣檢測(cè)等環(huán)節(jié)。

1.2.1 字符區(qū)域提取

字符區(qū)域的確定是進(jìn)行字符特征提取的前提，通過對(duì)碎片背景圖像和字符圖像進(jìn)行差值運(yùn)算可以將碎片圖像中的字符區(qū)域提取出來。開運(yùn)算具有磨光圖像的外邊界的優(yōu)點(diǎn)，所以利用開運(yùn)算剔除差值圖像中的毛刺。為了去除圖像中的噪聲，對(duì)去毛刺圖像再進(jìn)行先腐蝕、后膨脹的運(yùn)算，得到去除毛刺及噪聲的字符圖像。

1.2.2 單像素邊緣檢測(cè)

字符與碎片圖像邊緣的交叉點(diǎn)坐標(biāo)和字體邊緣方向是進(jìn)行圖像拼接的重要特征，而確定字體和碎片圖像的邊緣是提取這些特征的基礎(chǔ)。為了精確計(jì)算交叉點(diǎn)坐標(biāo)和字體邊緣方向，可利用單像素邊緣檢測(cè)方法。

1.3 特征提取

字符與碎片背景圖像的交叉點(diǎn)坐標(biāo)和字體邊緣方向是用于碎片圖像拼接的關(guān)鍵特征。

1.3.1 交叉點(diǎn)檢測(cè)

首先，將提取出的碎片背景邊緣圖像和字符邊緣圖像進(jìn)行“與”操作，提取二者相重疊的部分。

單像素邊緣端點(diǎn)的特點(diǎn)是若端點(diǎn)像素的灰度值為“1”，則只有一個(gè)鄰域像素的灰度值為“1”，其余7個(gè)鄰域像素的灰度值均為“0”。其根據(jù)單像素邊緣端點(diǎn)的這種特性，構(gòu)造了端點(diǎn)圖6字符與背景邊緣重疊區(qū)域檢測(cè)的8方向結(jié)構(gòu)算子（如圖1），利用這些結(jié)構(gòu)算子對(duì)重疊區(qū)域圖像進(jìn)行逐點(diǎn)掃描，確定重疊區(qū)域的端點(diǎn)，并記錄該點(diǎn)的坐標(biāo)值。

圖1 單像素邊緣端點(diǎn)檢測(cè)結(jié)構(gòu)算子

1.3.2 字體邊緣方向檢測(cè)

為了確定字體邊緣方向，將字符邊緣圖像與重疊區(qū)域圖像作差，得到去除重疊區(qū)域的字符邊緣圖像[如圖2（a）]。因?yàn)橹丿B區(qū)域邊緣端點(diǎn)（Ak，k=1，2，…，N，灰度值為“0”）與字符邊緣的端點(diǎn)（Bk，k=1，2，…，N，灰度值為“1”）鄰接，所以將Ak作為起點(diǎn)檢測(cè)字體邊緣方向，具體步驟如下。

第1步根據(jù)重疊區(qū)域邊緣端點(diǎn)坐標(biāo)對(duì)的數(shù)量，確定碎片圖像中重疊區(qū)域邊緣端點(diǎn)個(gè)數(shù)N。

第2步任意選取一個(gè)起點(diǎn)Ap，設(shè)定要檢測(cè)邊緣像素的長(zhǎng)度M。

第3步在去除重疊區(qū)域的字符邊緣圖像[圖2（a）]中搜索像素Ap八鄰蜮中灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Bp，并累計(jì)邊緣像素個(gè)數(shù)。

第4步以Bp為起點(diǎn)，在其八鄰域內(nèi)搜索灰度值為“1”的像素點(diǎn)，記錄此像素點(diǎn)的坐標(biāo)Cp，將Bp像素點(diǎn)灰度值置為“0”，并累計(jì)邊緣像素個(gè)數(shù)。

第5步再以Cp為起點(diǎn)，重復(fù)步驟4，直到邊緣像素個(gè)數(shù)與設(shè)定值M相同為止。

第6步以Ap為起點(diǎn)，沿檢測(cè)出的邊緣像素（即存儲(chǔ)的灰度值為“1”的像素）繪制線段，并進(jìn)行標(biāo)記，如圖2（b）所示。

第7步選取另一個(gè)端點(diǎn)Aq，重復(fù)步驟2-6，直到所有的邊緣端點(diǎn)都檢測(cè)完畢。

（a）去除重疊區(qū)域的字符邊緣圖 （b）字符邊緣方向標(biāo)記圖

圖2 字體邊緣方向檢測(cè)說明圖

2 仿真實(shí)驗(yàn)

現(xiàn)提出的碎片圖像字符特征提取方法在VisualC++6.0軟件平臺(tái)上進(jìn)行仿真，并調(diào)用OpenCV庫中的函數(shù)。首先，將碎紙片圖像逐張放到黑色臺(tái)布上進(jìn)行掃描，并存儲(chǔ)這些掃描圖像；然后，讀取掃描圖像，對(duì)其進(jìn)行預(yù)處理，得到字符區(qū)域圖像和碎片背景區(qū)域圖像，并檢測(cè)字符和碎片背景的單像素邊緣；最后，確定字符與碎片背景邊緣交叉點(diǎn)坐標(biāo)和字體邊緣方向，得到用于后續(xù)拼接的特征。為了驗(yàn)證本文提出的方法，對(duì)三個(gè)碎紙片圖像進(jìn)行了字符特征提取仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。圖3（a）為原始圖像，圖3（b）為相應(yīng)的交叉點(diǎn)（圓圈標(biāo)記）檢測(cè)圖像，圖3（c）為字體邊緣（與圓圈相連的黑色線段標(biāo)記）方向提取圖像。從這三組圖像可以看出，本文給出的碎片圖像字符特征提取方法能夠較好地檢測(cè)出字符與碎片背景邊界交叉點(diǎn)及字體邊緣方向，具有較強(qiáng)的魯棒性。

（a）原始圖像 （b）相應(yīng)的交叉點(diǎn)圖像（c）相應(yīng)的邊緣方向圖像

圖3 字符特征提取結(jié)果圖

3 結(jié)論與認(rèn)識(shí)

含字符信息的碎片圖像拼接在工作中具有非常重要的意義。針對(duì)含字符碎片圖像的特點(diǎn)，提出了一種碎片圖像字符特征提取方法。該方法利用數(shù)學(xué)形態(tài)學(xué)和邊緣檢測(cè)等知識(shí)，有效地提取碎片圖像中字符與碎片背景邊緣的交叉點(diǎn)和字體邊緣方向特征。該方法能夠快速、準(zhǔn)確地提取碎片圖像中字符特征，為后續(xù)的碎片圖像拼接提供關(guān)鍵的點(diǎn)坐標(biāo)、線段方向、角度等特征。

參考文獻(xiàn)

[1]李寒，牛紀(jì)楨，郭禾.基于特征點(diǎn)的全自動(dòng)無縫圖像拼接方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（09）：2083-2085.

[2]趙彩虹，盧章平，魯金忠.基于匹配對(duì)的非規(guī)則碎片拼合算法[J].計(jì)算機(jī)應(yīng)用，2005，25（03）：596-597，605.

[3]周石林，廖文和，尹建平.平面碎片匹配算法的研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（31）：151-153.

[4]鄭蓓蓓，郭立本.改進(jìn)的遺傳算法應(yīng)用于碎片拼接[J].計(jì)算機(jī)與現(xiàn)代化，2011（05）：52-56.

[5]吳銘，林錦國(guó)，梅雪.用于圖像拼接的特征提取算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（2）：440-442.endprint