一種分塊自適應文字圖像邊緣檢測新方法

摘 要：傳統(tǒng)Canny算法通過比較圖像梯度值與人為給定閾值，進行圖像邊緣提取，無法自適應確定閾值。一些基于改進的最大類間差算法（Otsu算法），通過計算梯度直方圖和類間方差極大值的，自動尋找出Canny算法需要的分割閾值實現(xiàn)對傳統(tǒng)Canny算法的改進，對于文字圖像邊緣提取效果并不好。本文利用梯度直方圖峰值搜索的方法設定Canny算法的上閾值，通過對圖像分塊計算，自適應處理亮度不均的文字圖像。

關鍵詞：邊緣提取；自適應閾值分割；Canny算子；峰值搜索

引言

當前，數(shù)碼相機，智能手機等設備普及式的應用方便了隨時隨地的采集圖像，基于圖像的即時處理技術得到了廣泛的應用，如車牌識別，指紋識別，光學字符識別（OCR），圖書掃描等。邊緣檢測是圖像分割、機器視覺的基礎，從圖像中提取目標物體，準確高效的邊緣提取算法對非常重要。

傳統(tǒng)的邊緣檢測算子，Sobel，Prewitt，Robbert等[1-2]在實用中檢測圖像邊緣時效果并不理想，Canny算子具有較好的檢測性能，在圖像處理領域有廣泛的應用。然而，傳統(tǒng)的Canny算法閾值是人為固定的，這就限制了它的性能。在實際使用中，圖像的采集受光線，傳感器性能等因素影響，含有較多的噪聲，一張圖片出現(xiàn)亮度不均的情形，這時難以確定一個的固定閾值。針對Canny算法閾值固定的問題， 雒濤、唐路路等[3]提出用Otsu算法自適應計算Canny算法的閾值[4-5]。

在OCR應用中，文字分割提取是重要的一環(huán)。對于很規(guī)則的文本圖像，有成熟文字分割提取方法，對于亮度不均的文字圖像，Derek B等創(chuàng)造了很好的自適應閾值的方法，用于提取掃描圖書中的文字。對于文字大小不規(guī)則，亮度不均的圖案，需要用更有效的方法提取字符。

本文針對復雜的文字圖像，利用邊緣檢測，并結合自適應閾值處理的方法提取文字邊緣。

1 Canny算法簡介

Canny邊緣檢測算法的步驟為：

1.1用高斯函數(shù)對圖像進行低通濾波，平滑，I（x，y）=G（x，y）*f（x，y），其中f（x，y）是原始圖像，G（x，y）是二維高斯函數(shù)：

1.2 計算平滑圖像個點的梯度：

利用偏導數(shù)計算梯度幅值及角度：

1.3 對梯度幅度進行非極大值抑制，保留極大值點作為候選邊緣點。具體方法是比較當前點與沿梯度方向兩側兩個相鄰點的梯度幅度，若不是最大，則作為非極大值抑制掉。

1.4 邊緣判別與邊緣連接。設置高低兩個全局閾值，對于梯度值大于高閾值的作為邊緣點保留，梯度值小于低閾值的作為非邊緣點刪除。對于梯度值介于高低閾值之間的點，判斷其八鄰域中有沒有超過高閾值的邊緣點，有則判定為邊緣點，否則判定為非邊緣點。

2 類Otsu改進算法簡介

Otsu方法是利用類間方差最大化的方法確定圖像分割的閾值[6]。它的思想是統(tǒng)計背景圖像和目標物體的灰度值，通過判定背景與目標這兩個類間方差最大值得到分類閾值。

圖像總像素數(shù)，灰度級為[0，L-1]，灰度級i出現(xiàn)的概率為，pi=ni/N，設分割閾值為T，劃分背景與目標兩個類，分別對應灰度區(qū)間[0，T]及[T+1，L-1]，在灰度直方圖中顯示為兩個峰，其均值為？滋0，？滋1，出

現(xiàn)概率為 ， ，圖像總的灰度均值為

？滋T，類間方差為，

計算方差？滓■■的最大值，求得分類閾值。

文獻[4]，[5]提出的改進方法，將灰度值替換成圖像的灰度梯度值，得到梯度值的統(tǒng)計分布，類似Otsu方法，通過計算灰度梯度值的類間方差最大值得到。

3 梯度圖分塊提取閾值

對于文字圖像的邊緣提取來說，整個圖像的邊緣像素點的比例很小，往往小于5%。這時利用梯度值集中在0附近，利用Otsu類間方差計算分割閾值都接近于0，分割效果不好。圖1是本文所用圖例，圖2是其梯度直方圖。

圖1 待處理的文字圖像

本文對梯度圖像的直方圖進行峰值搜索。經(jīng)過平滑的梯度直方圖，第一峰值點（梯度值P1）對應于背景梯度值，在0附近。其它值點對應于文字邊緣梯度。如圖3所示，局部峰值對應于文字邊緣。

本文通過峰值搜索，找到第二峰值點（梯度值P2）。利用P1，P2計算Canny邊緣提取的上閾值（TH），我們?nèi)H=0.7*P2+0.3*P1。

對于圖像亮度分布不均勻的情形，一個全局閾值并不能反應圖像局部的統(tǒng)計特征，基于開運算閉運算進行對比增強效果并不理想。對圖像的同態(tài)濾波計算量過大，不利于實時處理。因此，我們利用對圖像分塊處理的方法，利用上述方法分塊計算圖像的分割閾值。對本例圖像，等比例分成3×3共9塊，分別對每塊進行梯度直方圖峰值搜索，自適應計算Canny邊緣的上閾值，處理結果見圖4。

4 結束語

我們對比了上述幾個方法的對圖例1的處理結果。圖5是直接利用Canny邊緣提取方法得到的圖像，圖6是利用梯度峰值搜索，對梯度圖像進行全局計算得到Canny方法的上閾值，提取得到的邊緣圖像。

比較上述各方法，盡管梯度圖分塊提取閾值得到的圖像邊緣不如直接進行Canny邊緣提取得到的文字圖像清晰，但利用Canny算法直接進行邊緣提取包含光照不均產(chǎn)生的噪音，若對整個梯度圖像計算Canny閾值容易丟失文字圖像信息。利用梯度直方圖峰值搜索的方法設定Canny算法的上閾值，通過對圖像分塊計算，可自適應應處理亮度不均的文字圖像。后續(xù)研究將改進梯度圖分塊提取閾值算法以提高其清晰度，使之成為最為實用的方法之一。

參考文獻

[1]岡薩雷斯.數(shù)字圖像處理：二版[M].北京：電子工業(yè)出版社，2007：463-492.

[2]John Canny. A Computional Approach to Edge Detection [J]. IEEE Trans. Pattern Analysis and Machine Intelligence（S0162-8828），1986，8（6）：679-698.

[3]OTUSU N. A threshold selection method from gray-level histogram[J].IEEE Transactions on Systems，Man and Cybernetics，1979，9（1）：62-66.

[4]雒濤，鄭喜鳳，丁鐵夫.改進的自適應閾值Canny邊緣檢測[J].光電工程，2009，36（11）：106-111，117.

[5]唐路路，張啟燦，胡松.一種自適應閾值的Canny邊緣檢測算法 [J].光電工程，2011，38（5）：127-132.

[6]岡薩雷斯.數(shù)字圖像處理：matlab版[M].北京：電子工業(yè)出版社，2005：305-307.

[7]Derek B，Gerhard R. Adaptive Thresholding using the Integral Image[J].Journal of Graphics，GPU，and Game Tools，2007，12（2）：13-21.

作者簡介： 宋建民（1976-），男，河北曲周人，講師，碩士，主要研究方向為算法設計與分析、圖像處理。