基于RGB顏色模型的印章圖像分割

薛鈺明 沈喆

摘? 要：為了更加方便快速分割圖像信息，降低背景對印章圖像的干擾，加強民航業信息識別技術，提出一種基于RGB顏色模型分割印章圖像的方法。該方法采用RGB顏色模型，將RGB印章圖像中R分量分離出來得到灰度圖，削弱噪聲干擾，突出重點區域。接著利用最大類間方差法（OTSU）對得到的灰度圖二值化，選取最佳閾值。算法試驗結果表明，通過分離R分量和引入OTSU算法可以得到更為清晰、細致的圖像，提高了試驗的準確性。

關鍵詞：圖像分割；RGB顏色模型；灰度化；圖像二值化；最大類間方差

中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）24-0087-05

Seal Image Segmentation Based on RGB Color Model

XUE Yuming， SHEN Zhe

（Shenyang Aerospace University， Shenyang? 110136， China）

Abstract： In order to segment the image information more conveniently and quickly， reduce the background interference to the stamp image， and strengthen the information recognition technology of the civil aviation industry， a method of segmenting stamp image based on the RGB color model is proposed. This method uses the RGB color model to separate the R component of the RGB stamp image to obtain a grayscale image， which weakens the noise interference and highlights the key areas. Then it uses the OTSU to binarize the obtained grayscale image and select the optimal threshold. The algorithm test results show that a clearer and more detailed image can be obtained by separating the R component and introducing the OTSU algorithm， which improves the accuracy of the test.

Keywords： image segmentation; RGB color model; grayscale; Image Binarization; OSTU

0? 引? 言

印章作為當今社會中身份憑證和開具證明的存在仍至關重要，它與我們的生活息息相關，無論是上學讀書還是工作就業都離不開印章。隨著現代社會科技的日益發展，不法分子企圖“踩過界”利用印章圖像進行犯罪活動，在民航領域這樣的違法事件也屢見不鮮。偽造印章嚴重地侵犯了法律尊嚴、影響政府信譽、擾亂經濟秩序和破壞誠信環境。給國家、集體和個人帶來的損失是不可估量的[1]，因此更加迫切地需要利用信息技術進行印章的提取與識別系統，加強自身防護的同時也打擊犯罪、對維護社會信用安全體系責任重大，因此本文主要研究印章圖像的分割技術，為后續提取與識別做好鋪墊。

文獻[2]為了捕捉到完整人體圖像，提出一種基于RGB顏色空間和HSV顏色空間相結合的方法，在RGB顏色空間下構建高斯模型分割出完整的人體外形，利用HSV空間解決人體陰影問題；文獻[3]重點突出圖像三個分量之間的差異，提出一種轉換的新空間，再用向量化；文獻[4]提出將RGB顏色空間轉化為Lab顏色空間，再運行K均值算法，該方法有效解決了色彩飽和度不足的問題，不但提高了分割運行速度，同時還大大降低誤差概率；文獻[5]的研究和內容為Lab顏色空間和K均值聚類算法的相關性關系，和文獻4的區別在于其對OTSU算法進行修改完成圖像的提取，分析結果顯示把背景圖像的像素點占比作為權重放到目標方程中能夠更好地降低誤差，提高分割效果；文獻[6]選取六種病斑蘋果圖像，設計開發圖像分割處理系統，利用OTSU算法對圖像進行分割識別，結果顯示對于病變適中的蘋果果實分割成功率較為可觀；文獻[7]引入灰度變換函數，結合OTSU閾值優化準確提取裂痕缺陷；文獻[8]提取并分析R、G特征直方圖，實驗結果表明紅綠色差點乘和OTSU結合的方法分割效果最優；文獻[9]引入OTSU算法和形態學操作實現對圖像的分割，實現果實與背景圖像的分離；文獻[10]研究在灰度值高度聚集的情況下的去霧算法，利用RGB顏色空間下模擬橢球模型，把握像素灰度值的分布，得到最終函數；文獻[11]和文獻[12]通過實驗表明將OTSU和CANNY算法結合可以有效去除圖像紋理，把待分割區域從背景圖像中分割出來、突出并提取圖像邊緣信息；文獻[13]通過分析對比幾種分割算法的優缺點，為了能夠實現彩色圖像的精準分割，最終選擇MRF模型和RGB顏色空間結合的方法，該方法不但能夠提高分割精度，還能夠加快分割速度，通用性良好，有利于后續的研究與發展。

1.1? 圖像分割理論

圖像分割顧名思義就是把圖像按照特定的需求標準化分為具有特定性質的區域并且能夠提出所需要目標的技術和過程。它是圖像提取與識別的基礎，是圖像預處理的關鍵步驟，如果不能正確的分割圖像就不能正確的提取和識別。圖像分割在航空航天、醫學影像、公安司法、安防監控、生物特征識別等領域非常重要，受到廣泛應用。

1.2? 顏色空間

顏色特征是圖像特征提取中最顯著的特征，而顏色空間在圖像處理中是最常用的模型，顏色空間有很多種類，最被人們廣泛應用的模型主要有三種，他們分別是RGB模型、HSI模型、HSV模型。

1.2.1? RGB顏色空間

用紅（Red）、綠（Green）、藍（Blue）三種基色來確定色彩的坐標系統被稱為RGB顏色空間，從名字命名角度來說，它包含R、G、B（紅、綠、藍）三種基本顏色，三種顏色分量各自獨立，因此RGB模型能夠通過各種程度的混合疊加，產生成千上萬種豐富的色彩，如圖1所示。

RGB顏色模型的各個參數的取值范圍分別為R：0～255；G：0～255；B：0～255；參數值被稱為三色系數或基色系數，參數值除以255后可以歸一到0～1之間，且不是無窮多個而是有限多個值。

1.2.2? HSV顏色空間

HSV模型也是由三種分量表示的，三種分量分別代表的含義是：Hue（色調）、Saturation（飽和度）、Value（明亮度），模型圖如圖2所示。色調取值范圍是0°～360°，0°代表紅色、120°代表綠色、240°代表藍色；通常來說飽和度的取值范圍為0%～100%，數值越大，顏色越飽和；明亮度表示顏色的明亮程度，一般情況下明亮度的取值范圍在0%（黑）到100%（白）之間。

1.2.3? HSL顏色空間

HSL也是由三種分量組成，組成HSL的三種分量分別為：Hue（色調）、Saturation（飽和度）、Lightness（亮度），S指的是色彩的飽和度，它的取值范圍在0%到100%之間，是用來描述在相同的色相、明度下色彩純度的變化。數值越大，顏色越鮮艷。和HSV模型的區別在于L分量指的是色彩的明度，它的作用是掌控色彩明暗變化的程度。一般情況選它的取值范圍在0%到100%，數值越小，顏色越暗沉，越趨近黑色；反之，數值越大，顏色越明亮，越趨近白色。

2? 圖像分割算法

2.1? 流程圖

為了提高印章圖像分割的質量，本文針對印章圖像顯著的顏色特征提出一種新的方法。該方法是將RGB圖像中的R顏色分量分割出來，這樣提取出的圖像更加精確。同時引進OTSU算法實現對印章圖像的分割。分割總體流程如圖3所示。

2.2? 顏色空間選取

在圖像處理中常用的彩色模型主要有RGB模型、HSL模型、HSV模型這幾種。RGB顏色模型應用較為廣泛，本文主要是針對民航領域的印章圖像進行分割，考慮到圖像大多以RGB模式存儲，并且印章圖像大多為鮮艷明亮的紅色，而紙張等背景圖像顏色多為淺色，正是因為印章圖像與背景存在強烈的差別，因此可以選擇使用RGB顏色模型對印章圖像進行簡單有效的初步處理[14]。

2.3? 灰度化

圖像灰度化可以將彩色圖像轉變為灰色全景圖像，將彩色圖像灰度化的原因一是因為灰度圖所占內存比彩色圖像更小，這樣能有利于運行速度的提高；二是轉化為灰度圖像后增強圖像在視覺上的對比，可以有效去除部分噪聲，減少運算量，突出待處理圖像的目標區域。

對RGB圖像來說，灰度圖像是RGB三個分量相同的一種特殊的彩色圖像，即R = G = B（這三個值相等，“=”的意思不是程序語言中的賦值，是數學中的相等），則彩色表示一種灰度顏色，其中R = G = B的值叫灰度值。

本文選擇灰度化的方法是加權平均值法，公式為：

灰度化后R值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

灰度化后G值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

灰度化后B值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

圖4、圖6、圖8為待檢測的印章原始圖像，圖5、圖7、圖9是原圖經過灰度化后得到的灰度圖。

2.4? 最大類間方差閾值分割（OTSU）

圖像二值化是將待處理灰度圖像進行操作后呈現出只有黑白顏色的效果，圖像上的點灰度值是0即為黑色，灰度值是255即為白色。通過選取恰當的閾值分割圖像能夠清楚得到待提取圖像和背景分割明顯的二值化圖像。二值化技術的目的在于進一步增強圖像對比，突出我們想要得到的目標區域，同時還可以有效去除圖像中部分顏色干擾產生的噪聲并且減少運算量。二值化結果好壞的關鍵在于閾值的選取，當像素灰度值高于選定閾值時，此時像素為白色是背景圖像，當像素灰度值低于選定的閾值時，此時像素為黑色是目標圖像。

2.4.1? 二值化的方法

圖像二值化的方法有很多，根據閾值選取的不同，算法大致分為兩類，一類是固定閾值法，一類是自適應閾值法。被廣泛應用的方法有以下幾種：邊緣算子法、最大類間方差法（OSTU）、P參數法、雙峰直方圖閾值分割法和平均灰度值法等。

2.4.2? OTSU算法

由于RGB顏色模型閾值選擇不當會受到噪聲的干擾，從而無法提取印章圖像的完整體，因此提出一種基于RGB顏色模型和圖像二值化結合的方法來提取待檢測印章圖像，通過最大類間方差法（OTSU）能夠很好解決閾值處理不當的問題，有效選擇出最佳閾值[15]。

1979年來自日本學者大津通過研究分析提出了一種能夠自動選取閾值的算法。這種方法依據圖像灰度值的特征差異，自動選取出一個合適的閾值，將目標圖像分成背景和目標圖像，灰度值小于該閾值的視為目標圖像，大于該閾值的視為背景圖像。能夠衡量背景與目標圖像差別的標準可以通過方差來判斷，因此通過閾值劃分能得到待提取圖像。

OSTU法的本質是依照最小二乘法的思路演變而來的，其基本思想如下：

圖像中的所有像素的灰度級集合為{ p0，p1，…，pk，pn}，其中當i＜j時，pi＜pj，假設p為前景點和背景點的分割點，即如果pi＞p，則灰度級為pi的點為前景點，否則為背景點。

設目標圖像為f （x），那么灰度級為i的像素點出現的概率為：

i = 0，1，2，…，L-1；閾值T（k） = k? ?0≤k≤L-1

將待分割圖像f （x）按像素的灰度值分割成裂紋區域和背景兩個部分，其中c1表示裂紋區域，c2表示背景（c1 ∈ [0，k]，c2 ∈ [k + 1，L-1]）。

那么最大類間方差為：

或

p1表示像素被分到c1中的概率，p2表示像素被分到c2中的概率，m1表示像素被分到c1的平均灰度值，m2表示像素被分到c2的平均灰度值。

從表達式中可以得出， 越大，即類間距越大。所以只需在0～L-1選擇一個最佳閾值k*，使得：

，

此時的k為最大閾值。

使用OTSU算法得到的二值化圖像結果如圖10所示。

（a）民航圖像測試專用章

（b）民航測試章? ? ? ? ? ? ?（c）沈航測試章

為了能夠更好提高印章圖像分割的質量，對RGB圖像各個顏色分量的直方圖也進行了分析，圖11為民航圖像測試專用章的直方圖，圖12為民航測試章的直方圖，圖13為沈航測試章的直方圖。

由直方圖觀察分析可以發現紅色分量存在明顯地波峰和波谷，因此利用R分量的特征，將R分量分離出來再進行閾值分割會更好地把印章圖像從背景圖像中分離。經過分離R分量和OTSU閾值算法結合得到的圖像如圖14所示，是三張圖片改進后的二值化圖像。

3? 實驗數據分析

對比表1、表2可知，提取紅色分量（R）后的印章圖像比原始方法閾值數值相對變高，這正是因為印章圖像中的紅色作為顯著特征被分離出來后圖像更容易分割。因此，對于印章圖像選擇R分量作為OTSU閾值分割依據，分割的結果更精確，還能節省時間做更多的研究。

4? 結? 論

覆蓋在文件上面的印章可能受到人工蓋章時用力不均勻、印泥質量好壞以及用量多少等因素影響，印章會出現圖像模糊、顏色不均等現象，還有偽造印章的出現給印章提取帶來重重困難，因此本文提出一種基于RGB顏色模型的印章分割方法，實現印章圖像和背景圖像的分離，為后續印章的識別奠定基礎。該方法通過將RGB顏色模型中的R分量分離出來，能夠分割出大范圍的主要信息，將分離后的灰度化圖像利用OTSU法得到最優印章圖像。算法試驗結果表明，通過分離R分量和引入OTSU算法可以得到更為清晰、細致的圖像，提高了試驗的準確性，而且節省時間，可以達到簡單、快速、可靠的目的。

參考文獻：

[1] 徐亞紅.印章的真偽識別方法研究 [D].武漢：華中科技大學，2014.

[2] 楊鴿，鄭嘉龍，王瑩.基于HSV與RGB顏色空間的人體檢測與跟蹤算法 [J].自動化技術與應用，2022，41（9）：17-20+28.

[3] 李偉斌，馬洪林，易賢，等.基于色彩空間變換的彩色圖像分割方法 [J].計算機工程與應用，2019，55（9）：162-167.

[4] 陳夢濤，余粟.基于Lab顏色空間的自適應K均值彩色圖像分割方法 [J].軟件導刊，2021，20（6）：230-234.

[5] 嚴晨曦，熊凌.基于改進的Otsu方法的鋼渣彩色圖像分割 [J].計算機工程與設計，2020，41（9）：2585-2591.

[6] 薛飛，劉立群.基于OTSU算法的蘋果果實病斑圖像分割方法 [J].計算機技術與發展，2020，30（12）：181-186.

[7] 婁聯堂，何慧玲.基于圖像灰度變換的OTSU閾值優化算法 [J].中南民族大學學報：自然科學版，2021，40（3）：325-330.

[8] 周文靜，趙康，馬曉曉，等.基于改進紅綠色差和Otsu的葡萄果穗圖像分割 [J].中國農機化學報，2023，44（1）：172-177.

[9] 鄧子青，王陽，張兵，等.基于Otsu算法與形態學的火龍果圖像分割研究 [J].智能計算機與應用，2022，12（6）：106-109+115.

[10] 焦子航.基于RGB顏色空間橢球模型的去霧算法研究 [D].合肥：合肥工業大學，2021.

[11] 牛晗，伍希志，任桂芹，等.基于OTSU與CANNY算法的竹片缺陷圖像檢測 [J].森林工程，2022，38（6）：75-81.

[12] 李寶蕓，范玉剛，高陽.基于OTSU和Canny算子的紅外圖像特征提取 [J].陜西理工大學學報：自然科學版，2019，35（6）：33-40.

[13] 黃晨雪.基于RGB顏色分布模型的MRF圖像分割算法研究 [D].湖北：湖北工業大學，2018.

[14] 劉明興，劉澤平，李斌，等.基于OTSU處理不均勻光照圖像改進算法研究 [J].青島大學學報：工程技術版，2020，35（3）：27-32.

[15] 劉文麗.票據印章內容自適應提取通用技術研究 [D].青島：青島大學，2018.

作者簡介：薛鈺明（1996—），女，漢族，遼寧本溪人，碩士研究生在讀，研究方向：交通信息工程及控制；沈喆（1980—），女，漢族，遼寧鞍山人，講師，博士，研究方向：圖像處理、故障檢測等。

收稿日期：2023-03-30

基金項目：遼寧省法庭科學重點實驗室開放課題（FTKF202102）