基于二值化聚类的图像文字提取算法
第２９耘第ｌ期２００９弗１月
计算机应用
ＪｏｕｆｎａＩｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
Ｖ０１．２９Ｎｏ．１
Ｊ柚．２００９
文章编垮：１００ｌ一９０８ｌ（２００９）０１一∞５７—０３
基于二值化聚类的图像文字提取算法
戴维，张申生
ｆ上海交通太攀计算概辩学与工程系，上海２。０２∞）
《‰耐ｍａｉｌｓ＠１２６．∞ｍ）
摘娄：为解决渐变色给文字提取聚褰算法带来的问题，研究与实现了基于二值化浆粪的瞄像文字提取算法。
图像ｊ瓯过一系列预处理后，得到了利于聚粪的羔值图像，根据背景图像区域特征，对围像娥行聚类分块。再利用文字豳像区域特征，聚类识别出文字区域。实验表明，谈算法在各类图像上取得了理想的救袋。
关键词：聚类分析；图像分割；文字提取
巾凰分类号：１Ｐ１８；ＴＰ３９１．４３文献橼悫粥：Ａ
Ｔｅ赋ｅｘｔｒａｅ耄ｉｏｎａｌｇｏｒｉｔｈ雌ｂａｓｅｄ舳ｂｉｎａｒｙｃｌｌｌｓ您ｄｎｇ
ＤＡｌＷｅｉ，Ｚ疆Ａ嚣ＧＳ羹ｅｎ．ｓ囊ｅｌ瑗
（露甲口脚麟ｌ酽舀弹瓣＆细靴戤ｄ融澎ｒ蒯８爵飘碍ｇ鸯《蠡蹦臻落‰慨踟训钧０拱锤貔蠢孵》Ａｂｓｔ雌娃：Ｔｏｄｅａｌ试ｍｌｈｅｇｒａ击ｅｎｌｐ曲ｌ删汹ｔｈｅｅｌｕｓｔｅｄｎｇｐ蛰。ｃｅｓｓｏｆ蝌ｅｘ确瓣ｔ｛釉，黼ａ１９０ｒｉｔｈｍｂ豳酣傩ｂｉ船ｒｙｃｌｕ释Ｉｅｒｉｎｇｗ酗ｐｍｐ０８ｅｄ．强ｅ嘶莓ｎａｌｉｍａｇｅｗ黼ｃｏｎＶｅｒｔｅｄｔｎｂｉｎａｒｙｈｉｔＴｎｆＩｐａｎｅｒｐｒｅ婵）ｃ嘴８ｉ嘴＋％ｅｂａｃｋ学ｍｕｎｄｂ王ｏｃｋｓ０ｆｔｈｅｉｍａｇｅｗｅｒｅｃｌｕｓｔｅｒｅｄｂｙｔＩｌｅｒｅｇｉｏｎｆｅａｔｕ坤ｓ，ａｎｄｔＩ＂ｎｔｅｘｔｂｌｏｃｋ亭ｗｅｒｅ阳ｃｏ印ｉｚｅｄｂｙｔｈｅｄｉ８侧ｂｕ娃ｏｎｆｅａｔｕｍｓ．Ｔｈｅｅｘｐｅ而ｍｅｎｔ８ｈａｗ目ｔｈｉｓｍｅｔｈｏｄａｃｈｉｅｖｅｓｓａｔｉ“ａｃｔｏｒｙ瑚ｕｌｔｏｎｖａ“ｏｕ９ｋｉｎｄｓ“ｉｍａｇｅｓ．
Ｋｅｙ’阳ｒｄｓ：ｃｌｕ８ｔｅ而ｎｇａｎａｌｙｓｉｇ；ｉｍａｇｅｓｅ辩∽ｎｔ８；．ｔｅｘｔｅｘｔＩ黜ｔｉｏｎ
０引崔１预处理
文窄摄驭魁文字识别技术的基础，对于缭定的一蠛包含
文字的能爨，文字撵取莓法毖够赣氆该位蹬上包禽文本戆迸
壤。鸯了遮夔嚣城数蹇，裁链遥一多对每拿涎蠛馁浚舅ｌ运葵，
簸霖褥文字分类并簪｛剩。“。困踅，文字提取葵滚楚交字谈裁
系统瓣蘩础，轰援会影嚷弼后续的识鄹算法的效爆。
ｉ暖年米，涌现出大量存关予义率掇取算法的研究阳。】。文献［６］利用罔像的密庹熬和也劳实现了一个文本Ⅸ域提取的系统，并用支持向馘机进行区域的校验，他们的系统在用摄像头热摄的３２０×２４０解析度图像｝：。取缮了魄较好的羧巢。文簸［７】翻嚣撩骧猿号表示，获爱窳鹜祭豹图像ｌ：撵取出义本避壤。文献［８】利用线性鹰换的方法进行文本
ｌ原ｌ甜像
●
ｊｊｊｉ处蚓
（灰度化．阚值化，长线剔除）
●
背景色鬻瑟
（｛‘字捌搜索）
●
ｌ文术壤粪
ｌ（矩形｛鬟索》
｛
｜产生鑫令义零嚣城
｝
ｌ鑫令区域缬铰虢
鼹ｌ文本分割系统结梅
分割。弗和其他的方法做ｊ．比较。
谯总结｜ｊ｛『人经验的基础上畔。１“，本文摄ｆ｛ｊ一种二值化聚类的湖像义字提取算法，并在各类图像上与现彳『算法做了比较。利用文字在二值网像上的分布特征，将对嘲像ｔ的点进行聚类，十字型搜索与矩形搜索的策略自．效地城避了其实模型。实验结果验证ｒ算法的效率和有效性。
黪个袭缭的结构如图ｌ所示，原网像经过颓簸瑗聪，是通过费蒙魏聚类，菇运遘文本蒙粪，最后产生各个文本撼壤。
设输入＿二缝图像数据为“ｍ，站），ｍ，ｎ为正整数。
对予嚣像上每个淼，（ｉ，∞＝（繇，毽，嚣。），其中Ｏ≤；《ｍ，０≤ｊ＜ｎ，０≤懿，瓯，嚣。《２５５，趣为歪整数。表示霉个点在嚣Ｇ８色彩奄淹下麴套拿分爨。
为了提高聚类簿法的成功率，簧对蚕像傲一系弼霰处毽。１．１灰度亿
根据心理学研究褥蹦的人类色彩感光特性【Ｉ“，可以用下式计算得到各个点的灰艘德。
ｙ＝０．２２９×Ｒ＋０。５８７×Ｇ＋Ｏ．１１４×曰（１）为避免浮点数计算，加快计算速度，可以用式（２）代替式（１）运箅。
ｙ＝（２２９×Ｒ＋５８７×Ｇ＋１１４ｘ矗＋５００）／１０００（２）其中考虑了整数除法的羽含五人。
式｛２）可迸一步麓化为：
ｙ＝（２３×蠢＋５９ｘ＃＋ｌｌ×嚣年弱）／１∞（３）这嫠｛譬运算瑟雩闯遽一痧壤缎。实验薅，系凌采援式《霹）透褥获度霓诗算。
ｙ＝（７７ｘ露＋１５ｌｘＧ十２８×疗＋１２８）／２５６（４）式（４）除以２的幂次，编译器会将其优化为移位操作，从而达到运行时间的优化。
灰度化后的幽像见图２。
图２缀避获壤他之后的测试图像
ｌ。２二值纯
经建获痉证磊，潮豫，乏掰餐戆轰豹莰褒篷变巍０受菸５之
羧藕瓣期：２０蕊一湃一瓣；禧回墨期：２∞８一嚣一２２。
僚赣麓介：簸维（拇昭一）．男＋溯１０宜昌入，硬±骄懿擞，圭簧镪｝究方彝：普遥｛｝葬、模式识别；张串妻奠（１鲻ｌ一），舅，上海天，教授，博士生
导师，荛夔研究方向：普适计算、多媒体潞强信息处理。
万方数据