基于光照不均的場景文本提取算法

◆李佳琪 楊碩

基于光照不均的場景文本提取算法

◆李佳琪 楊碩

（沈陽化工大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院 遼寧 110142）

場景文本檢測與識別對于自然場景的理解、圖像中物體信息的獲取以及自動駕駛與導(dǎo)航等研究有非常重要的作用。其中文本字符提取屬于場景文本檢測與識別的一個分支。在自然場景中，針對當(dāng)前場景文本圖像的不均勻照明等問題，提出一種基于邊緣檢測和改進(jìn)的全局自適應(yīng)文本提取模型結(jié)合的文本檢測提取方法。首先，對輸入的圖像先做灰度處理和邊緣檢測，然后，將文本邊緣圖像進(jìn)行二值化和形態(tài)學(xué)處理，獲得候選的字符區(qū)域，最后，將其輸入到改進(jìn)的全局自適應(yīng)文本提取模型中進(jìn)行分類篩選，從而實現(xiàn)文本字符的檢測提取。實驗結(jié)果表明，該方法具有較好的場景文本字符區(qū)域提取能力。

二值化；邊緣檢測；全局自適應(yīng)文本提取模型；字符提取

隨著信息技術(shù)發(fā)展、人們工作生活的日常需要，使得自然場景圖像的獲取和傳輸變得越來越便捷。其中文字作為自然場景圖像中的一個重要興趣點[1]，往往蘊(yùn)含著場景的關(guān)鍵潛在信息，當(dāng)前許多應(yīng)用程序中都有用到從場景圖像中檢測文本，例如身份證號碼識別、名片信息識別、票據(jù)信息識別、車牌號識別、視頻字幕檢測識別[2]，也可以進(jìn)一步應(yīng)用于場景理解、商品推薦、自動導(dǎo)航與駕駛等。其中，場景文本的檢測成功率越高，越能降低場景文本識別的復(fù)雜度[2]。自然場景圖像背景復(fù)雜，使用簡單的技術(shù)分離背景與字符比較困難；字符形式多樣，自然場景下的字符，通常具有不同的字體、尺寸和顏色。計算機(jī)要讀懂場景圖像中的字符需要兩個步驟：文本檢測和文本識別。

由于圖像在不均勻的光線照射下，可能存在明顯的亮部和暗部，對文本提取效果不佳。考慮基于邊緣檢測的分析不易受整體光照強(qiáng)度變化的影響，許多圖像理解方法都以邊緣為基礎(chǔ)。邊緣檢測強(qiáng)調(diào)的是圖像對比度。檢測對比度即亮度上的差別，可以增強(qiáng)圖像中的邊界特征，而邊緣是階梯變化的位置。可以使用微分使邊緣變化增強(qiáng)，檢測邊緣位置。常見的邊緣檢測算子有：（1）Roberts邊緣檢測算子對具有陡峭的低噪聲的圖像處理效果較好，但利用Roberts算子提取邊緣的結(jié)果比較粗，因此邊緣定位不是很準(zhǔn)確[3]；（2）Kirsch邊緣檢測算子和Prewitt邊緣檢測算子對灰度漸變和噪聲較多的圖像處理效果較好[4]；（3）Laplacian邊緣檢測算子對圖像中的階躍性邊緣點定位準(zhǔn)確，對噪聲非常敏感，丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣；（4）LoG邊緣檢測算子經(jīng)常出現(xiàn)雙邊緣像素邊界，而且該檢測方法對噪聲比較敏感[5]，因此，很少會用LoG算子實現(xiàn)邊緣檢測，只是用它來判斷邊緣像素是位于什么位置，是圖像的明區(qū)還是暗區(qū)；（5）Canny邊緣檢測算子可以在抵抗噪聲與邊緣檢測之間獲得一個最佳的折中[6-7]，具有很好的邊緣監(jiān)測性能，但是容易把噪點誤判為邊界；（6）Sobel邊緣檢測算子對灰度漸變和噪聲較多的圖像處理效果比較好，對邊緣定位比較準(zhǔn)確[8-9]。因此，研究利用Sobel邊緣檢測算子實現(xiàn)邊緣檢測。經(jīng)過二值化操作和形態(tài)學(xué)處理后提取感興趣區(qū)域。其中，常用的二值化算法分為局部二值化和全局二值化。局部二值化方法以像素的鄰域的信息為基礎(chǔ)來計算每一個像素的閾值，局部閾值化算法經(jīng)常會出現(xiàn)大量噪點，而且運行時間也較長。例如Bernsen算法、Niblack算法、Sauvola算法等。全局二值化方法對每一幅圖計算一個單一的閥值，灰度級大于閾值的像素被標(biāo)記為背景色，否則為前景。主要有灰度平均值法、基于谷底最小值的閾值、迭代法、OTSU法等[10]。其中，最大類間方差法（簡稱OTSU）是一種自適應(yīng)的閾值確定的方法，類間方差越大，錯分概率越小。因此本文選擇OTSU二值化算法，結(jié)合灰度圖，獲得全局自適應(yīng)文本提取模型，最后實現(xiàn)文本提取。

1 場景文本檢測

場景文本提取主要分為目標(biāo)區(qū)域提取和目標(biāo)文本提取兩大部分完成，其主要流程如圖1所示：

圖1 文本提取流程圖

1.1 目標(biāo)區(qū)域提取

（1）灰度圖像

對輸入的RGB圖像，它在每個顏色分量上分解并分別由R、G和B表示。在做邊緣檢測之前，先將RGB圖像轉(zhuǎn)為灰度圖像。灰度圖像的灰度值表示如式（1）所示，其中Y表示灰度值。

（2）邊緣檢測

Sobel邊緣檢測算子是兩個Prewitte模板中心像素的權(quán)重取2倍的值。Sobel算子的這個通用形式縮合了一條坐標(biāo)軸上最優(yōu)平滑和另一條坐標(biāo)軸上的最優(yōu)差分。該算子包含兩組3*3的矩陣，將之與圖像作平面卷積，可分別得出橫向和縱向的亮度差分近似值[11]。其公式如（2）所示：

其中A代表原始圖像，x及y分別代表橫向及縱向邊緣檢測的圖像梯度值；再根據(jù)圖像每個像素的橫向和縱向梯度值進(jìn)行融合，得到該點像素的灰度值，其公式如（3）所示：

由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效。邊緣檢測后得到文本字符邊緣圖像。

（3）圖像二值化

圖像二值化是將邊緣檢測后的圖像轉(zhuǎn)化成一個只有0或者255的二值圖像的過程。邊緣檢測后圖像包含要測試的文本和相應(yīng)的背景噪聲[3]。要從多色值圖像中提取目標(biāo)文本，首先，要將圖像進(jìn)行歸一化處理，讓其像素值在0-255之間，然后，再根據(jù)自適應(yīng)閾值otsu進(jìn)行二值化，公式如下：

其中，gxyf（i，j）表示圖像的整體梯度，mag是圖像梯度最大值，D（i，j）表示該點像素值，P表示自適應(yīng)閾值otsu；經(jīng)過二值化后可以濾除邊界周圍細(xì)小的噪聲，二值處理結(jié)果如圖2所示：

（4）形態(tài)學(xué)處理

將圖像二值化后，得到清楚的字符邊緣二值圖像，由于各個像素點不是都連通的，無法形成目標(biāo)區(qū)域，因此，進(jìn)行膨脹處理，得到感興趣區(qū)域（像素值為255的點）。其形態(tài)學(xué)處理圖像如圖3所示：

圖3 形態(tài)學(xué)處理圖像

1.2 目標(biāo)文本提取

（1）全局自適應(yīng)文本提取模型獲取

全局自適應(yīng)文本提取模型獲取的過程是將提取的感興趣區(qū)域與灰度圖像相相結(jié)合，得到目標(biāo)區(qū)域灰度圖，再對目標(biāo)區(qū)域灰度圖進(jìn)行模糊化的過程。融合的過程為：

其中，（，）表示融合后的圖像，（，）表示灰度圖像像素值，（，）是二值化后的形態(tài)學(xué)處理圖像，在（，）中，（，）=（，）時表示前景，（，）=0時表示背景。

將得到的前景圖像，通過模糊化的方式獲得局部閾值。具體做法是：

其中，（，）是全局自適應(yīng)文本提取模型，是計算參數(shù)，表示以2為半徑的圓內(nèi)，同時在目標(biāo)區(qū)域內(nèi)的像素點的積分平均數(shù)，表示二值化后膨脹圖積分處理，表示（，）圖積分處理，（，）表示二值化后膨脹圖。圖4（a）和4（b）分別為目標(biāo)區(qū)域灰度圖和全局自適應(yīng)文本提取模型：

（2）目標(biāo)文本提取

目標(biāo)文本獲取是將灰度圖像與全局自適應(yīng)文本提取模型作比較，全局自適應(yīng)文本提取模型上的像素值是提取灰度圖像中字符的閾值。根據(jù)以下公式實現(xiàn)文本提取：

其中，（，）表示目標(biāo)文本提取圖像。通過以上方法，可以清晰準(zhǔn)確地提取到文本信息。

圖4（a） 目標(biāo)區(qū)域灰度圖

圖4（b） 全局自適應(yīng)文本提取模型

2 結(jié)果與分析

根據(jù)上述算法進(jìn)行實驗，本實驗在 Qt5.9.6+OpenCV環(huán)境下實現(xiàn)，計算機(jī)配置為：主頻為2.6GHz（Inter（R） Core（TM） i5-4210M），運行內(nèi)存為8GB。實驗數(shù)據(jù)包含4幅場景文本圖像，主要來源于手機(jī)拍攝。實驗結(jié)果如圖5所示：其中：（a）是亮度對比較明顯的光照不均字符圖像，（b）是其提取結(jié)果；（c）是亮度對比較暗的光照不均字符圖像，（d）是其提取結(jié)果；（e）光照不均車牌圖像，（f）車牌提取圖像；（g）光照不均身份證原圖，（h）身份證提取圖像。

圖5 測試最終結(jié)果圖

3 結(jié)語

在本次研究中，光照不均是導(dǎo)致圖像質(zhì)量下降的重要原因，考慮基于邊緣檢測的分析不易受整體光照強(qiáng)度變化的影響，因此，充分利用了該方法來獲取場景文本圖像邊緣信息，經(jīng)過二值化操作和形態(tài)學(xué)處理后提取感興趣區(qū)域，并結(jié)合使用了全局自適應(yīng)文本提取模型做分類，實現(xiàn)字符文本提取。實驗結(jié)果證實了所提算法的有效性，由于算法的復(fù)雜度較低，算法可以用于視頻實時處理，具有較高的實用性。但是，此算法仍然存在問題，單一的靠邊緣信息對文本區(qū)域定位和提取有誤檢的問題，不能準(zhǔn)確定位目標(biāo)區(qū)域，使后續(xù)的檢測識別更加耗時，接下來對該問題將繼續(xù)深入研究，期待找到更好的文本檢測方法。

[1]Peng，Xu，Jin，et a1．Cascade-Based License Plate Localization with Line Segment Features and HaarLike Features[C]Intemational Conference on Image&Graphics．IEEE，2011．

[2]張哲，汪毓鐸.結(jié)合邊緣檢測與CNN分類場景文本檢測的研究[J].現(xiàn)代計算機(jī)，2019（13）：67-70.

[3]曾友州，胡瑩，曾偉一，鄭曉霞.提取數(shù)字圖像邊緣的算法比較[J].成都航空職業(yè)技術(shù)學(xué)院學(xué)報，2009，25（04）：69-72.

[4]江笑嬋，萬振凱，陳利.基于matlab邊緣提取的幾種方法的比較[J].電腦知識與技術(shù)，2006（02）：138-141.

[5]樊思萌. 面向車輛識別的目標(biāo)檢測與分割模塊設(shè)計[D].沈陽理工大學(xué)，2019.

[6]Cesar Bustacara-Medina， Leonardo Florez-Valencia， Luis Carlos Diaz. Improved Canny Edge Detector Using Principal Curvatures[J]. Journal of Electrical and Electronic Engineering，2020，8（4）.

[7]李長有，陳國璽，丁云晉.改進(jìn)Canny算子的邊緣檢測算法[J].小型微型計算機(jī)系統(tǒng)，2020，41（08）：1758-1762.

[8]Roma Jain，Jijo S. Nair. Intelligent Parking Space Detection System using Sobel Edge Detection in Open CV[J]. Journal of Innovation and Social Science Research，2019，6（2）.

[9]Chang-Yong Lee，Young-Hyung Kim，Yong-Hwan Lee. Optimized Hardware Design using Sobel and Median Filters for Lane Detection[J]. JOURNAL OF ADVANCED INFORMATION TECHNOLOGY AND CONVERGENCE，2019，9（1）.

[10]劉明興，劉澤平，李斌，符朝興，孟含.基于OTSU處理不均勻光照圖像改進(jìn)算法研究[J].青島大學(xué)學(xué)報（工程技術(shù)版），2020，35（03）：27-32.

[11]吳進(jìn)，趙雋，李聰，吳漢寧.機(jī)器視覺中邊緣檢測算法的SDSoC加速實現(xiàn)[J].計算機(jī)工程與應(yīng)用，2019，55（12）：208-214.