一种改进字符图像分割方法.doc

一种改进字符图像分割方法 摘要：针对文本图像中字符图像分割问题，该文介绍了一种基于局部阈值分割的LLT算法，给出了相应的数学模型，然后进一步分析了算法的关键参数设置，并给出了相应的改进方法。实验结果证明，该文方法不仅可以有效的降低背景噪声的影响，还对具有不同字符宽度的文本图像分割具有很强的适应性。 关键词：字符图像；二值化；图像分割 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）04-0844-02 An Improved Segmentation Method for Character Images SUN Yang-guang （College of Computer Science，South-Central University for Nationalities， Wuhan 430074， China） Abstract： For characters segmentation problem in document images， this paper introduces the LLT algorithm based on local threshold and its mathematical model. By further analyzing the key parameters setting， an improved segmentation method for character images was proposed in this paper. Experimental results demonstrated the improved method not only decreases the influence of noise， but has the feasibility for document images with different character widths. Key words：character image； binaryzation； image segmentation 图像分割问题是图像处理领域的关键问题之一，该问题也一直都受到相关领域专家的深入研究。近年来，随着计算机技术和网络技术的迅速发展，文本字符图像的分割问题受到了人们的广泛关注。目前，已有多种图像分割算法被提出去解决相关应用问题，其中阈值分割法因其简单高效的特点在不同的领域有着广泛的应用[1]。此类算法中阈值的选取至关重要，它直接决定了图像分割的最终结果，因此如何获取一个最为合适的阈值是此类方法应用的关键点和难点。 根据阈值作用范围的不同，阈值分割法可分为全局阈值分割法、局部阈值分割法和自适应阈值分割法[2]。针对文本图像中字符图像分割问题，该文介绍了一种基于局部阈值分割的LLT算法，给出了相应的数学模型，然后进一步分析了算法的关键参数的设置，并给出了相应的改进算法。该文方法不仅可以有效的降低背景噪声的影响，还对具有不同字符宽度的文本图像分割具有很强的适应性。 1 LLT算法 由于受光照条件影响和图像保存的问题，实际图像往往存在大量的噪声、斑点和阴影。这不仅降低了目标和背景的对比度，造成了图像具有不同程度的复杂背景，也使得采用统一的单阈值进行图像分割势将不能得到满意的结果。因此，需要根据图像中各局部的灰度分布情况，采用适合的阈值来进行分割。 Logical Level Technique （LLT）算法作为一种局部阈值算法是通过在局部区域中通过设定的阈值来实现目标图像的分割[3]。通常对于同一幅文本图像来说，其字符图像往往具有相对固定在一定范围内变化的笔划宽度。进而以该字符图像中笔划的宽度来设置待处理的窗口大小，这样既可以去除大块的背景区域，同时也降低了噪声对分割结果的影响。因此，对于复杂背景下字符笔划宽度均匀一致的字符图像分割，该算法取得了较好的应用。 若笔划宽度范围的为[[0，w]]，则局部窗口大小为[（2w+1）×（2w+1）]。对于图像中一点[（x，y）]来说，[f（x，y）]为该点的灰度值。设P为局部窗口的中心点，其坐标和灰度值分别为[（xP，yP）]和[g（x，y）]，相邻的八个邻近像素分别为[Pi（i=0，1，2，…，7）]，则其平均像素灰度值为： [AVE（P）=-w≤i≤w-w≤j≤wf（xP-i，yP-j）（2w+1）2] （1） LLT算法通过将局部区域的中心像素[P]与周围八个邻近像素的灰度平均值[AVE（P）]相比较，然后通过逻辑判断值[b（x，y）]来确定该像素是否为字符图像中的像素，即： [L（P）=1，AVE（P）-g（x，y