汉字识别中的预处理技术.pdfVIP

汉字识别中的预处理技术 黄轶岭吴楚王明坤 (郑州信息工程学院450002) 摘要 汉字识别即汉字的计算机自动辨别输人：是解决大量汉字输人难的有救手段．汉字识别技 ●●，d 术中的预处理又是影响系统识别率高低的重要因素．本文阐述了汉字i只别预处理的主要步骤及相关理 论，提出了一些具体方法，给出了实验结果并做了相应的讨论． 鲰 关键词 图象处理 模式识别 人工智能 汉字识{llJ(Chinese 题．一个高效且识别率高的汉字识别系统，’就能解决大量汉字输入困难的问题，对于计算 机在我国的应用和普及具有十分重大的意义． 汉字识别技术涉及模式识别，图象处理，人工智能等多种学科，通俗地说就是利用计 算机自动辨认印刷在纸上或手工写在纸(或特殊介质)上的汉字，因此又有印刷体和手写 体汉字识别之分。识别时，首先将印(写)在纸上的文字经光电扫描产生模拟信号，再经 A／D转换成了一幅多灰度值的数字图象．纸张的厚度，洁白度，光洁度，油墨深浅，印刷 书写质量都会造成字形的畸变，产生污点、飞自、断笔、交连、等干扰，影响汉字的识别 率．而且输人设备的鉴别率、线性度、光学畸变、量化过程也会产生噪声．因此，在汉字 识别之前，需对汉字灰度值数字图象信号进行处理，即预处理． 一、汉字识别预处理的主要步骤 1 二值化 汉字识别，只关心字形是否发生畸变，字迹是否清晰，希望汉字与背景之间的差别尽 可能大。而多灰度图象无论存贮或是处理，显然不能满足这个要求．把汉字图形多灰度值 的数字信号处理成二值t0，1)数字信号，称为汉字图形数字信号二值化． 设扫描，A／D转换后的汉字图象数字信号为： C=(c(ij))i=l，2，3，…，p (1) cod)=q(i,j)j=1，2…3．．，q 式中g(id)为象素(ij)的庆J蔓鬯平，最简单的二值化可以通过设定灰度闽值来完成．即当 g(id)值比预定闯值大，看成文字“l作标志．否则看成背景，以‘～O”来标志．这样式 (1)中的cdj)为 厂1(文字上)i=l…2．，p c(ijl=i (2) o0(空白) j=l…2．，q 汉字二值化的基本要求是二值化后的图形能忠实地再现原汉字字形．具体要求为： 1)笔划中不出现空白； 2)二值化后的笔划基本保持原文字特征．． 二值化的关键在于阚值T的选择，常用一个形式为三元函数的阚值算子来表示阈值 T： T2T(90,J)，N0,j)，(ij)3 式中(iJ)为图象像素坐标，90,J)是(iJ)的灰度电平，N(iJ)是(iJ)周围局部特征． 一 、 2．平滑(Smoothing) 对数字图象进行平滑，目的是去除孤立的噪声干扰，以 X6 X7 Xs 平滑笔划边缘．平滑在图象处理中实质是一幅文字图象通过 X5 X0 XI 低通滤波器，去除高频分量，保留低频分量．在实际应用中 x4 X3 X2 x 采用n n(一般3×3)辅助矩阵(图1)对二值文字点 图】 阵进行扫描，根据辅助矩阵中各像素O，1值的分布，使处于矩阵中心的被平滑的像素X。从 “0”变成…1，或从…1 变成“0”． 3．细化(Thinning) ． ，在二值点阵图形中，对识别有价值的文字特征信息主要集中在文字的骨架上．细化就 是将二值化丈字点阵逐层剥去轮廓边缘上的点，变成笔划宽度只有一个bit的文字骨架图 形．细化后的文字骨架既保留了原文字绝大部分特征，又利于