一种基于线条切方向的图形文字图像分割方法和系统

摘要

本发明提出一种基于线条切方向的图形文字图像分割方法和系统。由于图形文字图像中目标具有的细长型结构，表现出比较明显的方向性特征，即目标在沿线条切方向上具有比较强的相关性。本发明在对图形文字图像进行分割的过程中利用了目标的细长型结构特征，通过分析目标的线条切方向的局部特征，并结合动态的区域增长过程，沿线条的切方向进行目标局部区域增长能够有效减少分割结果中线条断裂的情况，提高了图像的分割质量。

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于线条切方向的图形文字图像分割方法和系统。

背景技术

图形文字图像在日常生活中有着大量的应用，如文档图像、票据信件图像、车牌图像、交通标志图像等，这类图像的一个突出特征是图像中的目标区域具有细长型结构。图形文字图像分割是图像理解中一个关键环节，分割结果的好坏直接影响到图形文字图像理解的整体性能，因此如何提高这类图像的分割质量一直是图形文字图像处理领域中的热点问题。

目前图形文字图像分割方法主要分为全局方法和局部方法两大类。全局方法主要是依据灰度直方图中的‘峰-谷’特性选取阈值，也有一些全局方法采用边缘及灰度直方图进行分析。但是，全局方法都必须预先知道灰度直方图中含有的‘峰’的个数，并且背景和目标的灰度分布不存在重叠区域，因此全局方法对图形文字图像中的背景和目标灰度分布要求较高，造成全局方法应用范围受到限制。局部方法主要是考察像素的局部信息，由此确定局部阈值进行分割。局部信息通常有灰度值、梯度值、边缘信息、笔画信息以及相邻和聚类信息，其中，基于双边缘结构特征的方法获得了比较好的效果，该方法采用了非对称的滑动窗口进行图形文字图像中的目标检测，通过最小最大值滤波器实现目标的搜索，它对目标的局部特征描述更精确，能有效地消弱图像中具有强边缘的大面积背景。但是，局部方法在提取出真实目标的同时，也将图像中的一些具有阶跃边缘的背景提取出来，因此对于背景复杂的图形文字图像分割效果常常不尽人意。

在一些背景复杂的图形文字图像中，背景常常具有一部分目标的特征，现有的方法没有考虑局部特征之间的联系，分割结果中常常出现线条断裂的情况，因此需要结合更多地启发信息进行分析。

发明内容

为了克服现有技术中图形文字图像中目标容易断裂的情况，本发明提供了一种基于线条切方向的图形文字图像分割方法和系统。

为了解决上述技术问题，本发明提供一种基于线条切方向的图形文字图像分割方法，包括以下步骤：

步骤一、对原始图像进行初分割，得到分割后的二值图像；

步骤二、使用二值图像的细化算法检测图像中线条的端点，将检测到的线条端点添加到用于区域增长的种子像素点集合中；

步骤三、对种子像素点集合中的每一个像素点，计算该像素点的线条切方向，然后沿线条切方向进行区域增长，获得新增长的目标像素点；

步骤四、将所有新增长的目标像素点添加到初分割后的二值图像中，获得最终的图形文字图像分割结果。

进一步，步骤三中，所述线条切方向为二值图像中最大游程长度所对应方向的反方向，所述最大游程长度所对应方向为从该像素点出发沿直线到二值图像中目标边界像素点具有最大连续目标像素点数量所对应的方向。

进一步，步骤三中，所述沿线条切方向进行区域增长的过程为：

步骤301、根据种子像素点选取一个以该像素点为中心的局部区域，在该局部区域内进行图像的阈值分割，获得局部区域内新增的目标像素点；

步骤302、如果该局部区域内新增长的目标像素点数量大于给定的像素点数量阈值，则进行步骤303；如果该局部区域内新增长的目标像素点数量小于或等于给定的像素点数量阈值，则区域增长结束；

步骤303、选取新的种子像素点，然后转至步骤301继续进行区域增长。

再进一步，步骤301中，所述选取的局部区域，是以种子像素点为中心的矩形，且该矩形的一条轴平行于该种子像素点对应的线条切方向。

再进一步，步骤302中，所述选取的新种子像素点，是新增长的目标像素点中距离当前种子像素点距离最远的像素点。

本发明还提供一种基于线条切方向的图形文字图像分割系统，包括：

图像初分割模块，用于对原始图像进行初分割，获得分割后的二值图像；

区域增长种子像素点选取模块，用于对二值图像进行细化，并检测图像中线条的端点，将检测到的线条端点作为线条切方向区域增长的种子像素点，添加到种子像素点集合；

线条区域增长模块，用于计算种子像素点的线条切方向，并沿线条切方向进行区域增长，获得新增长的目标像素点；

分割图像合并模块，用于将所有新增长的目标像素点添加到初分割后的二值图像中，获得最终的图形文字图像分割结果。

进一步，所述线条区域增长模块，将二值图像中最大游程长度所对应方向的反方向作为线条切方向。

进一步，所述线条区域增长模块，根据种子像素点选取一个局部区域，在该局部区域内进行图像的阈值分割，如果所述局部区域内新增长的目标像素点数量大于给定的像素点数量阈值，则选取新的种子像素点继续进行区域增长；否则区域增长结束；所述选取的局部区域，是以种子像素点为中心的矩形，且该矩形的一条轴平行于该种子像素点对应的线条切方向；所述选取的新种子像素点，是新增长的目标像素点中距离当前种子像素点距离最远的像素点。

本发明与现有技术相比，其显著优点在于，由于图形文字图像中目标具有的细长型结构，表现出比较明显的方向性特征，即目标在沿线条切方向上具有比较强的相关性。本发明在对图形文字图像进行分割的过程中利用了目标的细长型结构特征，通过分析目标的线条切方向的局部特征，并结合动态的区域增长过程，沿线条的切方向进行目标局部区域增长能够有效减少分割结果中线条断裂的情况，提高了图像的分割质量。

附图说明

图1为本发明基于线条切方向的图形文字图像分割方法的流程框图。

图2为本发明中线条切方向的示意图。

图3为本发明中沿线条切方向进行区域增长的流程框图。

图4为本发明基于线条切方向的图形文字图像分割系统的结构框图。

具体实施方式

如图1所示，是本实施例基于线条切方向的图形文字图像分割方法的流程框图，包括以下基本步骤：

步骤101，对原始图像进行初分割，得到分割后的二值图像。本实施例中首先采用常规的大津阈值法对原始图像进行二值化，获得二值图像；然后对二值图像进行点数滤波，去除二值结果图像中的孤立噪声点，获得初始分割后的二值图像。所述点数滤波选用3*3滑动窗口，目标点数小于指定阈值3。

步骤102，对二值图像进行细化，本实施例中采用形态学方法对二值图像进行细化；然后去除细化后二值图像中的假枝，并将检测到的叶节点作为线条的端点；最后将检测到的线条的端点添加到用于区域增长的种子像素点集合中。

步骤103，沿所述种子像素点集合中的每一个像素点进行区域增长。计算全部种子像素点的线条切方向，并沿线条切方向进行区域增长。所述线条切方向采用二值图像中最大游程长度所对应方向的反方向，所述最大游程长度所对应方向为从该像素点出发沿直线到二值图像中目标边界像素点具有最大连续目标像素数所对应的方向。图2为线条切方向的示意图，图中像素点P的线条切方向为从像素点Q到像素点P的方向。

所述沿线条切方向进行区域增长的过程如图3所示，具体为：

步骤301，首先根据种子像素点所在位置选取一个局部区域，本实施例中所述局部区域选取为一个以种子像素点为中心的矩形区域，长轴取值为10，短轴取值为5，并且该局部区域的长轴平行于该种子像素点对应的线条切方向；然后在该局部区域内进行图像的阈值分割，所述局部区域内的阈值分割采用常见的大津阈值法，获得局部区域内新增的目标像素点。

步骤302，判断局部区域内新增长目标像素点数量是否大于给定的数量阈值，如果大于则进行步骤303；否则区域增长结束。所述数量数阈值在本实施例中选取为局部区域内原目标像素点数的30％。

步骤303，根据前一次增长的结果选取新的种子像素点，转步骤301继续进行区域增长。所述新的种子像素点为新增的目标像素点中距离当前种子像素点距离最远的像素点。进一步所述距离的计算采用两点之间的欧式距离。

步骤104，将所有新增长的目标像素点添加到初分割的二值图像中，获得最终的图形文字图像分割结果二值图。

如图4所示，是本发明基于线条切方向的图形文字图像分割系统的结构框图，包括图像初分割模块401，区域增长种子像素点选取模块402，线条区域增长模块403，分割图像合并模块404。

具体而言，图像初分割模块401，用于接收原始的输入图像，并对原始图像进行初分割，获得分割后的二值图像；

区域增长种子像素点选取模块402，用于对初始分割后的二值图像进行细化，并检测细化后二值图像中线条的端点，将检测到的线条的端点添加到区域增长的种子像素点集合；

线条区域增长模块403，用于计算种子像素点的线条切方向，并沿线条切方向进行区域增长，获得新增长的目标像素点；

分割图像合并模块404，用于将所有新增长的目标像素点添加到初分割后的二值图像中，获得最终的图形文字图像分割结果图像。

基于线条切方向的图形文字图像分割系统的工作过程为：首先，原始图像输入到图像初分割模块401进行初分割，得到分割后的二值图像；然后，区域增长种子像素点选取模块402对初始分割后的二值图像进行细化，并检测细化后二值图像中线条的端点，将检测到的线条的端点添加到区域增长的种子像素点集合；接着，线条区域增长模块403计算种子像素点的线条切方向，并沿线条切方向进行区域增长；最后，分割图像合并模块404将所有新增长的目标像素点添加到初分割的二值图像中，获得最终的图形文字图像分割结果图像。