一种分块自适应文字图像边缘检测新的方法.doc

一种分块自适应文字图像边缘检测新的方法 　　摘 要：传统Canny算法通过比较图像梯度值与人为给定阈值，进行图像边缘提取，无法自适应确定阈值。一些基于改进的最大类间差算法（Otsu算法），通过计算梯度直方图和类间方差极大值的，自动寻找出Canny算法需要的分割阈值实现对传统Canny算法的改进，对于文字图像边缘提取效果并不好。本文利用梯度直方图峰值搜索的方法设定Canny算法的上阈值，通过对图像分块计算，自适应处理亮度不均的文字图像。 　　关键词：边缘提取；自适应阈值分割；Canny算子；峰值搜索 　　引言 　　当前，数码相机，智能手机等设备普及式的应用方便了随时随地的采集图像，基于图像的即时处理技术得到了广泛的应用，如车牌识别，指纹识别，光学字符识别（OCR），图书扫描等。边缘检测是图像分割、机器视觉的基础，从图像中提取目标物体，准确高效的边缘提取算法对非常重要。 　　传统的边缘检测算子，Sobel，Prewitt，Robbert等[1-2]在实用中检测图像边缘时效果并不理想，Canny算子具有较好的检测性能，在图像处理领域有广泛的应用。然而，传统的Canny算法阈值是人为固定的，这就限制了它的性能。在实际使用中，图像的采集受光线，传感器性能等因素影响，含有较多的噪声，一张图片出现亮度不均的情形，这时难以确定一个的固定阈值。针对Canny算法阈值固定的问题， 雒涛、唐路路等[3]提出用Otsu算法自适应计算Canny算法的阈值[4-5]。 　　在OCR应用中，文字分割提取是重要的一环。对于很规则的文本图像，有成熟文字分割提取方法，对于亮度不均的文字图像，Derek B等创造了很好的自适应阈值的方法，用于提取扫描图书中的文字。对于文字大小不规则，亮度不均的图案，需要用更有效的方法提取字符。 　　本文针对复杂的文字图像，利用边缘检测，并结合自适应阈值处理的方法提取文字边缘。 　　1 Canny算法简介 　　Canny边缘检测算法的步骤为： 　　1.1用高斯函数对图像进行低通滤波，平滑，I（x，y）=G（x，y）*f（x，y），其中f（x，y）是原始图像，G（x，y）是二维高斯函数： 　　1.2 计算平滑图像个点的梯度： 　　利用偏导数计算梯度幅值及角度： 　　1.3 对梯度幅度进行非极大值抑制，保留极大值点作为候选边缘点。具体方法是比较当前点与沿梯度方向两侧两个相邻点的梯度幅度，若不是最大，则作为非极大值抑制掉。 　　1.4 边缘判别与边缘连接。设置高低两个全局阈值，对于梯度值大于高阈值的作为边缘点保留，梯度值小于低阈值的作为非边缘点删除。对于梯度值介于高低阈值之间的点，判断其八邻域中有没有超过高阈值的边缘点，有则判定为边缘点，否则判定为非边缘点。 　　2 类Otsu改进算法简介 　　Otsu方法是利用类间方差最大化的方法确定图像分割的阈值[6]。它的思想是统计背景图像和目标物体的灰度值，通过判定背景与目标这两个类间方差最大值得到分类阈值。 　　图像总像素数，灰度级为[0，L-1]，灰度级i出现的概率为，pi=ni/N，设分割阈值为T，划分背景与目标两个类，分别对应灰度区间[0，T]及[T+1，L-1]，在灰度直方图中显示为两个峰，其均值为？滋0，？滋1，出 　　现概率为 ， ，图像总的灰度均值为 　　？滋T，类间方差为， 　　计算方差？滓■■的最大值，求得分类阈值。 　　文献[4]，[5]提出的改进方法，将灰度值替换成图像的灰度梯度值，得到梯度值的统计分布，类似Otsu方法，通过计算灰度梯度值的类间方差最大值得到。 　　3 梯度图分块提取阈值 　　对于文字图像的边缘提取来说，整个图像的边缘像素点的比例很小，往往小于5%。这时利用梯度值集中在0附近，利用Otsu类间方差计算分割阈值都接近于0，分割效果不好。图1是本文所用图例，图2是其梯度直方图。 　　图1 待处理的文字图像 　　本文对梯度图像的直方图进行峰值搜索。经过平滑的梯度直方图，第一峰值点（梯度值P1）对应于背景梯度值，在0附近。其它值点对应于文字边缘梯度。如图3所示，局部峰值对应于文字边缘。 　　本文通过峰值搜索，找到第二峰值点（梯度值P2）。利用P1，P2计算Canny边缘提取的上阈值（TH），我们取TH=0.7*P2+0.3*P1。 　　对于图像亮度分布不均匀的情形，一个全局阈值并不能反应图像局部的统计特征，基于开运算闭运算进行对比增强效果并不理想。对图像的同态滤波计算量过大，不利于实时处理。因此，我们利用对图像分块处理的方法，利用上述方法分块计算图像的分割阈值。对本例图像，等比例分成3×3共9块，分别对每块进行梯度直方图峰值搜索，自适应计算Canny边缘的上阈值，处理结果见图4。 　　4 结束语 　　我们