基于改進(jìn)滴水算法的芯片圖像粘連字符分割

陳慧敏 張合生 朱曉錦

(上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院 上海 200444)

0 引 言

芯片表面字符是辨別封裝相同但是功能不同的芯片的唯一方式，所以在進(jìn)行集成電路測(cè)試前，需要對(duì)IC芯片表面的制造商名稱、產(chǎn)品編號(hào)、序列號(hào)等字符進(jìn)行識(shí)別[1]。能否正確識(shí)別一個(gè)字符，字符分割起著重要的作用，因?yàn)樵谧R(shí)別前需要將字符從文字圖像中準(zhǔn)確地分離出來[2]。但是由于工業(yè)環(huán)境復(fù)雜，所采集的圖像普遍存在亮度對(duì)比度較低、字符斷裂和噪聲干擾等問題。在對(duì)芯片圖像進(jìn)行預(yù)處理時(shí)可能會(huì)造成芯片字符標(biāo)識(shí)粘連。所以，在識(shí)別之前必須先對(duì)粘連字符進(jìn)行分割。

針對(duì)粘連字符分割，許多學(xué)者進(jìn)行研究并取得了有益的成果。Ma等[3]針對(duì)藏文歷史文獻(xiàn)圖像中的粘連字符，使用改進(jìn)的harris角點(diǎn)檢測(cè)算法來提取粘連區(qū)域分割點(diǎn)，準(zhǔn)確率達(dá)到95%，但并不適用于芯片圖像。Farulla等[4]提出一種新的模糊策略并結(jié)合粘連字符的三個(gè)特點(diǎn)，在噪聲情況下也能進(jìn)行較好的分割，但在對(duì)于筆畫重疊的字符可能無法實(shí)現(xiàn)準(zhǔn)確分割。Zaw等[5]提出了一種基于區(qū)域定位的粘連字符分割技術(shù)，使用緬甸文字的孔洞數(shù)、上下分量和左右分量等特征進(jìn)行分割。姜燕[6]引入種子點(diǎn)概念，并用下種子點(diǎn)產(chǎn)生引力，使得水滴在合力作用下運(yùn)動(dòng)，但是其只能分割固定個(gè)數(shù)的字符。李興國等[7]將字符的寬度統(tǒng)計(jì)值和豎直投影直方圖中的投影極小值點(diǎn)相結(jié)合找到分割點(diǎn)，對(duì)驗(yàn)證碼粘連字符分割取得了較好的效果，對(duì)芯片圖像中一些寬度差別較大的字符無法正確分割。Tang等[8]結(jié)合二叉樹和字符寬度選取分割最優(yōu)路徑，有效降低了分割位置的不確定性，但容易受到偽谷底的影響。

本文使用一種基于改進(jìn)滴水算法的方法，對(duì)芯片圖像粘連字符進(jìn)行分割。利用字符寬度、分割點(diǎn)方差和上下分割點(diǎn)對(duì)應(yīng)關(guān)系來篩選垂直投影、上輪廓和下輪廓的局部極小值，以此提高滴水算法起始點(diǎn)的正確率；考慮水滴的不同位置受到種子點(diǎn)(即下分割點(diǎn))的影響不同，因此定義不同的水滴滴落規(guī)則，得到更為精準(zhǔn)的分割。實(shí)際測(cè)試表明，本文方法可有效解決芯片圖像的字符粘連問題，并且在分割精準(zhǔn)度上擁有良好的表現(xiàn)。

1 滴水算法

在常見的粘連字符分割方法中，滴水算法相對(duì)較為簡單且有效，并且在分割粘連數(shù)字串上擁有較好的效果，其基本原理是模擬水滴在重力的作用下從高處向下滴落的過程來對(duì)粘連字符進(jìn)行切分[9]。水滴從粘連字符串的頂端沿輪廓向下或水平滴落，當(dāng)水滴落入字符輪廓的凹陷處時(shí)，水滴會(huì)融入字符筆畫中，穿透筆畫繼續(xù)向下滑落。在此過程中，水滴經(jīng)過的軌跡就構(gòu)成了粘連字符分割的路徑。

滴水算法主要受三個(gè)因素影響，分別是起始滴落點(diǎn)、水滴運(yùn)動(dòng)規(guī)則和運(yùn)動(dòng)方向。圖1(a)中n0表示為水滴當(dāng)前像素點(diǎn)位置，其下一步的水滴位置由其左右的兩個(gè)像素點(diǎn)和下方的三個(gè)像素點(diǎn)共同決定。

圖1 滴水算法原理圖

一組滴水算法根據(jù)水滴下落方向的不同會(huì)有不同的分割路徑[10]，以其中的Top-Left方法為例，水滴的運(yùn)動(dòng)規(guī)則如圖1(b)所示，其中w表示白色像素，b表示黑色像素，*表示既可能是白色像素，也可能是黑色像素。以圖1(b)中的(1)為例，當(dāng)前水滴位置相鄰像素都為白色時(shí)，水滴將會(huì)向下滴落。當(dāng)水滴落入字符輪廓的凹陷處時(shí)，情況4和情況5循環(huán)交替出現(xiàn)，即水滴在水平左右來回移動(dòng)。因此傳統(tǒng)的滴水算法起始點(diǎn)選取困難并且容易造成斷裂字符[11]。

文獻(xiàn)[12]中，對(duì)水滴算法進(jìn)行了數(shù)學(xué)描述。設(shè)當(dāng)前水滴坐標(biāo)為(xi,yi)，水滴路徑為T，則T(xi+1,yi+1)=f(xi,yi,Wi),其中i=0,1,2,…N,(xi+1,yi+1)表示為下個(gè)水滴坐標(biāo)位置，Wi是水滴在當(dāng)前位置上的重力勢(shì)能的衡量。Wi的值由式(1)所決定。

(1)

式中：zj表示nj點(diǎn)的像素值，白色像素為1,黑色像素為0。Wj表示nj點(diǎn)為下一個(gè)滴落點(diǎn)權(quán)重大小，Wj=6-j。

2 改進(jìn)的滴水算法

傳統(tǒng)的滴水算法的起點(diǎn)選擇是通過對(duì)字符圖像從上到下從左到右掃描每一行像素，第一個(gè)滿足(…1*0…01…)分布的白色像素點(diǎn)為水滴算法的起點(diǎn)[13]。其中，1表示白色像素點(diǎn)，0表示黑色像素點(diǎn)，*表示既可以是白色相似點(diǎn)也可以是黑色像素點(diǎn)。上述方式選擇的初始滴落點(diǎn)可能處于字符的凹陷處或者是字符內(nèi)部，這將會(huì)造成錯(cuò)誤分割。因此本文利用垂直投影和上下輪廓選出候選滴落點(diǎn)，再基于字符寬度、雙向路徑方差和上下點(diǎn)一一對(duì)應(yīng)關(guān)系篩選得到初始滴落點(diǎn)。

對(duì)芯片粘連字符的分割，首先檢測(cè)輪廓連通域，并對(duì)其進(jìn)行分析，提取得到粘連字符。然后對(duì)粘連區(qū)域進(jìn)行垂直投影，得到垂直投影直方圖和上下輪廓圖，三者相互印證得到分割候選點(diǎn)。利用預(yù)處理時(shí)得到的字符的最小寬度Dmin和最大寬度Dmax，對(duì)候選點(diǎn)進(jìn)行第一次篩選；對(duì)第一次篩選后的分割點(diǎn)進(jìn)行雙向路徑求方差，并進(jìn)行第二次篩選；最后根據(jù)上下分割點(diǎn)對(duì)應(yīng)關(guān)系，補(bǔ)齊或篩選得到有效分割點(diǎn)。以有效上分割點(diǎn)為改進(jìn)的滴水算法的初始滴落點(diǎn)，以有效下分割點(diǎn)為算法終止點(diǎn)。然后根據(jù)水滴位置與種子點(diǎn)(即下分割點(diǎn))之間的距離選擇不同的滴落規(guī)則進(jìn)行分割。對(duì)分割結(jié)果進(jìn)行判斷，若不滿足單字符條件，則繼續(xù)進(jìn)行粘連分割。算法流程如圖2所示。

圖2 粘連字符分割流程

2.1 芯片圖像預(yù)處理

分割可為兩步：圖像的預(yù)處理和字符的分割[8]，所以先對(duì)芯片圖像進(jìn)行預(yù)處理。工廠采集環(huán)境復(fù)雜，多數(shù)的芯片圖像亮度和對(duì)比例都較低，因此先對(duì)圖像進(jìn)行對(duì)比度和亮度處理，然后將圖片二值化；為了能夠準(zhǔn)確地得到字符寬度，將圖片進(jìn)行縮放處理；此時(shí)得到的圖片可能存在許多噪聲，噪聲往往不利于字符分割，所以對(duì)圖片進(jìn)行中值濾波處理。最后，為了防止斷裂字符影響字符寬度的統(tǒng)計(jì)對(duì)圖片進(jìn)行膨脹處理。芯片圖像經(jīng)過預(yù)處理后如圖3所示。

圖3 芯片圖像預(yù)處理圖

2.2 粘連區(qū)域提取

2.2.1 標(biāo)準(zhǔn)字符

本文需要利用字符寬度等先驗(yàn)信息對(duì)粘連字符進(jìn)行分割，所以需要先統(tǒng)計(jì)標(biāo)準(zhǔn)字符的大小。隨機(jī)選取部分芯片圖像進(jìn)行手工分割，排除過窄與過寬的字符后，統(tǒng)計(jì)分離出的字符寬高比，從而得到字符寬高比最小值Pmin和最大值Pmax。

對(duì)預(yù)處理后圖像中的白色像素內(nèi)容進(jìn)行輪廓連通域檢測(cè)，根據(jù)連通域作最小外接矩形框。對(duì)圖像中的矩形框進(jìn)行篩選，來定位目標(biāo)圖像中的字符部分。在所得矩形框中選擇寬高比在[Pmin,Pmax]之間的矩形框視為標(biāo)準(zhǔn)字符，并對(duì)這些矩形框的寬高比、寬度和高度分別求均值。將這些作為該芯片圖像的標(biāo)準(zhǔn)字符，參考值為：寬度Waver和高度Haver，最小字符寬度Dmin和最大字符寬度Dmax。

2.2.2 粘連區(qū)域提取

針對(duì)芯片中存在橫豎混排字符的情況，采用對(duì)膨脹后的芯片圖像進(jìn)行輪廓連通域檢測(cè)并根據(jù)連通域最小外接矩形框的面積、寬度和高度等先驗(yàn)條件進(jìn)行行列矩形框判斷，將相鄰的行(或列)矩形框合并，最后得到行列字符。行列判斷過程如圖4(a)所示。對(duì)行字符(列字符旋轉(zhuǎn)90度)進(jìn)行水平投影分割后，使用最小外接矩形框方法將圖片分割成若干區(qū)域。檢測(cè)各個(gè)矩形框?qū)捀弑群蛯挾鹊刃畔⑴c標(biāo)準(zhǔn)字符的參考值進(jìn)行比較，可以很容易地合并斷裂字符，并且提取出粘連字符區(qū)域。如圖4(b)所示，經(jīng)以上分析方法提取的芯片字符區(qū)域中包含部分粘連字符區(qū)域。

圖4 粘連字符區(qū)域提取過程

2.3 字符分割點(diǎn)

2.3.1 分割候選點(diǎn)

文獻(xiàn)[14]通過對(duì)粘連字符做垂直投影，統(tǒng)計(jì)投影值的局部極小值點(diǎn)以此得到初始滴落點(diǎn)。但是對(duì)于原本就存在凹陷的英文字符，此方法難以得到較為準(zhǔn)確的初始滴落點(diǎn)。本文對(duì)垂直投影圖和上下輪廓圖分別求取局部極值，并相互印證，得到字符分割候選點(diǎn)。

先對(duì)二值圖像進(jìn)行反色處理后得到白底黑字的圖像，再進(jìn)行垂直投影得到圖5(a)的垂直投影圖。

圖5 粘連字符區(qū)域垂直投影圖和輪廓圖

由字符每列的最高點(diǎn)組成的輪廓稱之為上輪廓[15]，其定義如式(2)所示。

PT(i)=ET(i)i=1,2,…,M

(2)

式中：M表示圖像總列數(shù)，PT(i)表示像素點(diǎn)坐標(biāo)，ET(i)表示第i列從上到下遇到的第一個(gè)白色像素點(diǎn)的縱坐標(biāo)值。若此列無白色像素點(diǎn)，則ET(i)=0。

同理，由字符每列的最低點(diǎn)組成的輪廓稱之為下輪廓。其定義如式(3)所示。

PB(i)=EB(i)i=1,2,…，M

(3)

式中：PB(i)表示像素點(diǎn)坐標(biāo)；EB(i)表示第i列從下到上遇到的第一個(gè)白色像素點(diǎn)的縱坐標(biāo)值。若此列無白色像素點(diǎn)，則EB(i)=0。由此得到的上下輪廓圖如圖5中(b)和(c)所示。

對(duì)垂直投影圖和上輪廓圖求局部極大值，對(duì)下輪廓圖求局部極小值。如果存在一個(gè)ε>0,使得對(duì)于任意滿足|x-x*|<ε的x都有f(x)≤f(x*)(或f(x)≥f(x*))，則稱f(x*)為局部極值。由此得到圖6中的局部極值點(diǎn)。

圖6 局部極值點(diǎn)

一般上下分割點(diǎn)與垂直投影極值點(diǎn)是對(duì)應(yīng)關(guān)系，所以為了去除上下輪廓的偽投影極值點(diǎn)，可以通過三組局部極值點(diǎn)互相篩選得到上下分割候選點(diǎn)，即滿足式(4)。最后得到的每對(duì)上下候選點(diǎn)之間不超過a個(gè)像素點(diǎn)，且最后得到的垂直投影極值點(diǎn)不超過a個(gè)像素點(diǎn)。本文實(shí)驗(yàn)中選擇a=5作為分割點(diǎn)之間的距離，是由于上下分割點(diǎn)之間距離較近，能夠排除大部分上下輪廓的偽投影極值點(diǎn)。

(4)

式中：m[i]表示上輪廓分割候選點(diǎn)的橫坐標(biāo)值，n[i]表示下輪廓分割候選點(diǎn)的橫坐標(biāo)值,v[i]表示垂直投影分割候選點(diǎn)的橫坐標(biāo)值。

2.3.2 有效分割點(diǎn)

經(jīng)過2.3.1節(jié)的篩選后，依舊存在部分偽分割點(diǎn)，所以需對(duì)分割候選點(diǎn)進(jìn)一步篩選。本文利用字符寬度、雙向路徑方差和上下分割點(diǎn)對(duì)應(yīng)關(guān)系提取有效分割點(diǎn)。

為了得到更準(zhǔn)確的粘連字個(gè)數(shù)k，對(duì)小數(shù)點(diǎn)后兩位進(jìn)行四舍五入操作。k的求取公式如下：

(5)

式中：round(·)為四舍五入操作，w和h分別代表粘連區(qū)域的寬度和高度，Waver和Haver分別代表標(biāo)準(zhǔn)字符的寬度和高度。

分別從左右兩端開始向另一端根據(jù)字符寬度確定有效分割點(diǎn)，并對(duì)最后得到的這兩組分割點(diǎn)進(jìn)行方差計(jì)算[16]，選取方差較小的一組作為有效分割點(diǎn)。設(shè)分割候選點(diǎn)共有N個(gè)，具體步驟如下：

Step1如式(6)所示，在[xp+Dmin，xp+Dmax]內(nèi)尋找上輪廓有效分割點(diǎn)。其中：d表示可容許范圍誤差；p=0時(shí)，xp表示粘連字符區(qū)域的左端點(diǎn)，p>0時(shí)，xp表示找到的前一個(gè)有效分割點(diǎn)。

(6)

Step2同理，從右端開始向左確定一組上輪廓有效分割點(diǎn)，即在[xp-Dmax，xp-Dmin]內(nèi)尋找上輪廓有效分割點(diǎn)。此時(shí)p=0，xp表示粘連字符區(qū)域的右端點(diǎn)。

(7)

Step3設(shè)此時(shí)得到的有效分割點(diǎn)個(gè)數(shù)為S，有效分割點(diǎn)數(shù)組為sp。分別對(duì)上述兩組有效分割點(diǎn)求取方差，選取方差較小的一組為上輪廓有效分割點(diǎn)mp。方差公式如下：

(8)

Step4同理，對(duì)下輪廓局部極值求取有效分割點(diǎn)np。

由于此時(shí)得到的上輪廓和下輪廓有效分割點(diǎn)個(gè)數(shù)可能不相同，為后續(xù)能將下分割點(diǎn)設(shè)為種子點(diǎn)對(duì)水滴位置進(jìn)行引導(dǎo)，所以根據(jù)上下分割點(diǎn)一一對(duì)應(yīng)關(guān)系，進(jìn)行最后一步篩選。篩選情況分為以下四種：

(1) 當(dāng)mp和np中有一組個(gè)數(shù)與k-1相同，且另一組個(gè)數(shù)不為0時(shí)，則利用個(gè)數(shù)是k-1這組，以式(9)為標(biāo)準(zhǔn)篩選另外一組。例如，假設(shè)mp個(gè)數(shù)與k-1相同，np個(gè)數(shù)為n，從np中選取與每個(gè)上分割點(diǎn)不相差a個(gè)像素點(diǎn)的下分割點(diǎn)作為有效點(diǎn)。

(9)

(2) 當(dāng)mp和np的個(gè)數(shù)都不與k-1相同，且兩者個(gè)數(shù)都既不為0也互不相同時(shí)，則選擇個(gè)數(shù)小的數(shù)組篩選個(gè)數(shù)大的數(shù)組，篩選標(biāo)準(zhǔn)為式(9)。

(3) 當(dāng)mp和np的個(gè)數(shù)都不與k-1相同時(shí)，且兩者個(gè)數(shù)中有一組為0，若np個(gè)數(shù)為0則以mp中的數(shù)據(jù)為初始滴落點(diǎn)，并讓(mp[i],h)為下分割點(diǎn)，其中：mp[i]表示上分割點(diǎn)的橫坐標(biāo)值，h表示粘連字符區(qū)域的高度；若mp個(gè)數(shù)為0則以(np[i],0)為初始滴落點(diǎn)，np中的數(shù)據(jù)為下分割點(diǎn)。

(4) 當(dāng)mp和np的個(gè)數(shù)相同且都不為k-1時(shí)，則進(jìn)行互相篩選，即滿足式(9)。

根據(jù)上述情況，對(duì)分割候選點(diǎn)mp和np進(jìn)行篩選.若篩選后兩組個(gè)數(shù)不同，對(duì)個(gè)數(shù)小的以(mp[i],h)或(np[i],0)進(jìn)行填充，最后得到上下有效分割點(diǎn)，如圖7所示。可見，分割點(diǎn)的選取避免了字符凹陷的部分。選取上分割點(diǎn)作為初始滴落點(diǎn)，下分割點(diǎn)作為種子點(diǎn)，使得水滴在合力作用下運(yùn)動(dòng)。

圖7 上下有效分割點(diǎn)

2.4 滴落規(guī)則

文獻(xiàn)[6]中，通過引入種子點(diǎn)概念，使得水滴在合力作用下運(yùn)動(dòng)，本文在此基礎(chǔ)上進(jìn)行改進(jìn)。通過縮小引力范圍來提高分割的精準(zhǔn)度，對(duì)在重力作用下的水滴規(guī)則進(jìn)行了修改，主要以向下為首個(gè)選擇方向，種子點(diǎn)的位置僅作為引導(dǎo)方向，避免水滴為了向種子點(diǎn)位置靠近而產(chǎn)生斜切路徑。在水滴未進(jìn)入種子點(diǎn)(即下分割點(diǎn))引力影響范圍內(nèi)時(shí)，水滴主要受重力作用，種子點(diǎn)主要起著方向引導(dǎo)的作用；當(dāng)水滴進(jìn)入種子點(diǎn)影響范圍內(nèi)時(shí)，水滴受引力和重力共同作用。設(shè)(x0,y0)為當(dāng)前水滴位置，下分割點(diǎn)即引導(dǎo)點(diǎn)為位置為(x1,y1)。算法分為以下兩種情況：

(1) 0≤y0≤0.5y1時(shí)，水滴主要受重力作用。

當(dāng)x0>x1時(shí)，以左下為引導(dǎo)方向，水滴的運(yùn)動(dòng)規(guī)則如圖8(a)所示。如果(x0,y0+1)為白色像素，水滴則直接向下滴落；如果(x0,y0+1)為黑色像素，則會(huì)依次按照左下、右下、左邊和右邊作為下一個(gè)水滴位置。

(a) 0≤y0<0.5×y1&& x0>x1

(b) 0≤y0<0.5×y1&& x0>x1

(c) 0≤y0<0.5×y1&& x0>x1圖8 受重力作用下的水滴運(yùn)動(dòng)圖

當(dāng)x0=x1，只受重力作用。因?yàn)榇藭r(shí)引導(dǎo)點(diǎn)和水滴點(diǎn)處于同一列，不受任何方向引導(dǎo)，水滴的運(yùn)動(dòng)規(guī)則如圖8(b)所示。

當(dāng)x0

其中，當(dāng)水滴落入字符凹陷處即局部極值時(shí)，對(duì)應(yīng)的處理如下：(a)、(b)和(c)三種情況中，若情況(4)和情況(5)不斷交替出現(xiàn)時(shí)，應(yīng)從a(4)轉(zhuǎn)入b(6)、b(4)轉(zhuǎn)入b(6)以及c(4)轉(zhuǎn)入b(6)。

(2) 0.5y1≤y0≤y1時(shí)，水滴受合力作用。

當(dāng)x0>x1時(shí)，水滴的運(yùn)動(dòng)規(guī)則如圖9(a)所示，合力方向?yàn)樽笙拢蝗绻?x0+1,y0+1)為白色像素，水滴則直接向左下方向滴落；如果(x0+1,y0+1)為黑色像素，則會(huì)依次按照下、右下、左邊和右邊作為下一個(gè)水滴位置。

(a) 0.5×y1≤y0x1

(b) 0.5×y1≤y0x1

(c) 0.5×y1≤y0x1圖9 受合力作用下的水滴運(yùn)動(dòng)圖

當(dāng)x0=x1時(shí)，水滴的運(yùn)動(dòng)規(guī)則如圖9(b)所示，合力方向向下，與只受到重力作用時(shí)保持一樣的運(yùn)動(dòng)規(guī)則。

當(dāng)x0

其中，當(dāng)水滴落入字符凹陷處即局部極值時(shí)，對(duì)應(yīng)的處理如下：當(dāng)水滴出現(xiàn)a(4)→b(5)→a(4)不斷交替時(shí)，應(yīng)從a(4)轉(zhuǎn)入(a)6；當(dāng)水滴出現(xiàn)a(4)→a(5)→a(6)或a(5)→a(4)→a(5) 不斷交替時(shí)，應(yīng)從a(4)轉(zhuǎn)入(a)6；當(dāng)水滴出現(xiàn)b(4)→a(5)→b(4)或b(5)→c(5)→b(5)不斷交替時(shí)，應(yīng)從b(4)或b(5)轉(zhuǎn)入b(6)；當(dāng)水滴出現(xiàn)c(4)→b(5)→c(4)不斷交替時(shí)，應(yīng)從c(4)轉(zhuǎn)入c(6)；當(dāng)水滴出現(xiàn)c(4)→c(5)→c(4)或c(5)→c(4)→c(5)不斷交替時(shí)，應(yīng)從c(4) 轉(zhuǎn)入c(6)。

(3)y0=y1時(shí)，水滴平移至(x1,y1)。

在分割好的字符圖像中可能依然存在粘連，為了防止發(fā)生欠分割，對(duì)每個(gè)分割出的子圖都進(jìn)行粘連區(qū)域判斷。當(dāng)切分后的圖像寬高之比滿足式(10)時(shí)，認(rèn)為子圖中字符依然存在粘連，則繼續(xù)根據(jù)上述方法進(jìn)行粘連字符切分；若不滿足式(10)，則認(rèn)為此時(shí)得到的為單幅字符圖像。

(10)

選取1.5倍的標(biāo)準(zhǔn)字符寬高比作為判斷條件是考慮到粘連區(qū)域中存在“1”或“i”等寬度過小的字符這類情況。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證所提出算法的有效性，選取了在上海某芯片封裝制造企業(yè)所采集芯片的表面字符圖像進(jìn)行實(shí)驗(yàn)并分析結(jié)果。由于復(fù)雜的生產(chǎn)環(huán)境，所采集的圖像普遍存在亮度對(duì)比度低、字符斷裂和噪聲干擾等問題，因此在對(duì)芯片圖像進(jìn)行預(yù)處理時(shí)會(huì)造成芯片字符粘連。隨機(jī)選取200幅芯片圖像，粘連區(qū)域共436個(gè)，其中包括雙字粘連、多字粘連和字符傾斜。

本文實(shí)驗(yàn)中，誤差d=8，像素誤差a=5，對(duì)印刷字符較粗的芯片選取正常字符寬高之比為[0.4, 0.95]之間，字符較細(xì)的芯片為[0.1, 0.4]之間。首先經(jīng)過本文的預(yù)處理來提取粘連字符區(qū)域，然后分別采用豎直投影分割算法、文獻(xiàn)[7]算法和本文算法進(jìn)行字符分割。以文獻(xiàn)[17]中的字符分割準(zhǔn)則為標(biāo)準(zhǔn)來統(tǒng)計(jì)正確率，即滿足式(11)則認(rèn)為得到正確分割，其中A表示算法分割出的字符圖像，B表示正確字符分割圖像。

(11)

從實(shí)驗(yàn)結(jié)果中可以看出，針對(duì)芯片圖像中粘連字符分割，本文的算法相比豎直投影法和傳統(tǒng)滴水算法取得更好的效果。部分芯片粘連字符分割結(jié)果如圖10和表1所示，可看出較目前已有文獻(xiàn)所采用的算法，本文算法準(zhǔn)確率高，能夠?qū)嗔炎址M(jìn)行準(zhǔn)確分割且運(yùn)行時(shí)間較短。對(duì)粘連嚴(yán)重的芯片字符圖像能夠進(jìn)行準(zhǔn)確分割，起始滴落點(diǎn)位置的確定有所提高并且可以得到較為完整的輪廓分割路徑。對(duì)分割失敗的字符圖像進(jìn)行分析，主要原因有以下兩部分：部分芯片字符大小差距過大，導(dǎo)致起始滴落點(diǎn)的位置選擇錯(cuò)誤，從而導(dǎo)致字符過分割；在粘連情況十分嚴(yán)重的情況下，由于種子點(diǎn)的影響，導(dǎo)致切分路徑產(chǎn)生誤差，導(dǎo)致某些字符輪廓不夠完整。

圖10 本文方法與豎直分割、文獻(xiàn)[7]算法對(duì)比

表1 部分芯片粘連字符分割結(jié)果

4 結(jié) 語

本文提出一種改進(jìn)的滴水算法對(duì)芯片圖像粘連字符進(jìn)行分割。在傳統(tǒng)的滴水算法上，對(duì)起始滴落點(diǎn)的選取進(jìn)行優(yōu)化，并改進(jìn)滴落規(guī)則。通過字符寬度、方差和分割點(diǎn)對(duì)應(yīng)關(guān)系提取有效分割點(diǎn)，提高了起始滴落點(diǎn)的準(zhǔn)確度；根據(jù)當(dāng)前水滴位置與種子點(diǎn)之間的距離來選擇水滴滴落方式，從而得到擁有較為完整的字符圖像。實(shí)驗(yàn)結(jié)果證明了該方法的有效性和高精準(zhǔn)度。實(shí)驗(yàn)過程中也發(fā)現(xiàn)，此方法依然還存在著一些不足之處。例如，字符大小差距過大時(shí)，字符粘連位置難以確定；對(duì)于一些筆畫重疊、粘連嚴(yán)重的字符無法進(jìn)行正確分割；當(dāng)字符嚴(yán)重扭曲時(shí)，水滴的運(yùn)動(dòng)規(guī)則無法分割出完整的字符輪廓。因此，如何提高在這些情況下粘連字符的分割準(zhǔn)確率，則是下一步要繼續(xù)深入研究的方向。