曾凡鋒，高艷云，付曉玲

（北方工業(yè)大學(xué) 信息工程學(xué)院，北京100144）

0 引 言

隨著圖像處理技術(shù)的發(fā)展，傳統(tǒng)的通過(guò)掃描儀采集信息的方式已經(jīng)越來(lái)越滿足不了人們的需求，而隨著現(xiàn)代數(shù)碼產(chǎn)品越來(lái)越廣泛的應(yīng)用，通過(guò)拍照采集信息的方式得到了很大程度上的應(yīng)用，尤其是在印刷文字識(shí)別方面。雖然拍照方式采集圖像方便快捷，但是在應(yīng)用中仍然存在一些問(wèn)題，例如拍照獲得的文本圖像可能由于外界不確定因素存在一些光照不均的現(xiàn)象等，這些將影響后續(xù)對(duì)文字的識(shí)別效果。通常的處理方法是先對(duì)圖像進(jìn)行二值化，但是二值化后的圖像可能殘留噪聲，這就需要對(duì)二值化圖像進(jìn)行去噪處理。目前常用的圖像去噪算法有中值濾波、均值濾波、小波變換和數(shù)學(xué)形態(tài)學(xué)濾波等，但這些方法只是對(duì)一般圖像的去噪處理，針對(duì)性不強(qiáng)，對(duì)于文本圖像的去噪效率不高，效果不是很好。本文在原有算法的基礎(chǔ)上，主要分析了文本圖像特有的結(jié)構(gòu)特征和噪聲特征，提出了一種基于文本圖像的投影結(jié)合分塊形態(tài)學(xué)的快速去噪方法，首先對(duì)輸入的二值化文本圖像進(jìn)行投影，通過(guò)分析投影結(jié)果去除行列間噪聲，然后對(duì)圖像分塊統(tǒng)計(jì)噪聲的數(shù)量，通過(guò)閾值對(duì)分塊的圖像進(jìn)行快速去噪。該方法對(duì)于通過(guò)拍照方式獲得的文本圖像由于光照不均而產(chǎn)生的一些噪聲的處理比傳統(tǒng)的濾波等方法的效果更好，速度更快，為后續(xù)的文字識(shí)別和注視放大提供了良好的條件。

1 文本圖像的結(jié)構(gòu)特征及噪聲特征

1.1 文本圖像排版特征

（1）文本主要有橫排，豎排及橫豎混排3種版面。橫排版的文本是從上往下、從左向右排版；豎排版文本是從右向左、從上向下排版。

（2）文本正文中的文字字型字號(hào)相同。

（3）文本正文中的文字行、列間隔相等。

（4）文本行間和列間不會(huì)再出現(xiàn)字符。

如圖1所示為排版結(jié)構(gòu)，第一幅為橫排文本，第二幅為豎排文本，第三幅為橫豎混排文本。

圖1 文本圖像結(jié)構(gòu)特征

1.2 文本圖像噪聲特征

由于光照不均產(chǎn)生的文本圖像的噪聲通常出現(xiàn)在文本的行間和列間或者在字符的邊緣，噪聲形態(tài)通常是點(diǎn)狀或是小型塊狀噪聲（光照嚴(yán)重不均情況除外），如圖2所示為一種橫排版面的文本圖像二值化后的效果圖?？梢钥闯鲇捎诠庹詹痪鶗?huì)造成部分圖像的噪聲分布比較集中并且多，而部分圖像的噪聲很少或者是幾乎沒(méi)有。噪聲的分布主要是點(diǎn)狀的和小型的塊狀噪聲。

圖2 二值化后圖像的噪聲分布情況局部放大

2 文本圖像的去噪算法設(shè)計(jì)

2.1 算法流程

首先對(duì)文本圖像進(jìn)行二值化，根據(jù)文本圖像的結(jié)構(gòu)特征及噪聲特征，對(duì)二值化后的圖像通過(guò)投影確定文本結(jié)構(gòu)，并快速去除行間和列間的噪聲，字符內(nèi)去噪采取分塊局部閾值方法，并采用形態(tài)學(xué)濾波法去噪。算法流程如圖3所示。

圖3 整體算法流程

2.2 行（列）間去噪

本文中提到的行（列）間去噪是相對(duì)于排版不同的文本而言的，即通過(guò)投影分析其投影結(jié)果中脈沖的周期性，如果行投影的結(jié)構(gòu)脈沖有一定得周期性則為橫排文本，反之則為豎排文本，判斷了文本的結(jié)構(gòu)特征之后接著可以運(yùn)用投影結(jié)果對(duì)文本進(jìn)行行間去噪，因?yàn)闄M排文本的排版是從上到下，從左到右的，文本是按行排版的，而對(duì)于豎排文本則應(yīng)該先進(jìn)行列間去噪，因?yàn)樨Q排文本的排版是從右到左，從上到下，文本是按列排版的。首先應(yīng)該對(duì)文本圖像進(jìn)行投影，由于文本圖像的正文中的文字行間和列間一般都是等距的，同一圖像中正文的文字大小是相等的，所以可以對(duì)投影結(jié)果進(jìn)行分析，根據(jù)其脈沖的周期性，判斷文本圖像的行間距和列間距，選取投影結(jié)果中相鄰的兩個(gè)脈沖，其中一個(gè)脈沖的起始點(diǎn)和終止點(diǎn)的差值就是行高即字符的高度，選擇得到的字符高度的數(shù)據(jù)中出現(xiàn)次數(shù)最多的作為文本圖像中的字符高度。由于根據(jù)經(jīng)驗(yàn)值一行內(nèi)如果只有一個(gè)字符時(shí)黑像素點(diǎn)為20左右，所以可以以20作為閾值，大于這個(gè)閾值的就認(rèn)為這一行內(nèi)有字符，而小于這個(gè)閾值的則認(rèn)為這行內(nèi)存在的是噪聲，將這一行的所有點(diǎn)的像素置為255即對(duì)這行整體去噪。如圖4所示為行（列）間去噪的流程圖。

圖4 行（列）間去噪流程

2.3 字符間去噪

通過(guò)前一步的行（列）間去噪之后，對(duì)于橫排文本的圖像，可以去除字符間的噪聲即每一行文本中的列間噪聲，因?yàn)閳D像中的文字有可能不是每一行都是對(duì)齊的，所以應(yīng)該對(duì)每一行進(jìn)行操作，根據(jù)每一行中列的周期性確定一個(gè)字符的寬度，由于每一個(gè)字符的寬度一般都是相等的，所以可以對(duì)任意一行進(jìn)行列投影，投影結(jié)果中選取相鄰的兩個(gè)脈沖，其中前一個(gè)脈沖的終止點(diǎn)和后一個(gè)脈沖的起始點(diǎn)的間隔就是這個(gè)列間距即字符的寬度，然后選取這一行中得到列間距中出現(xiàn)次數(shù)最多的數(shù)作為整篇文本的字符間距。因?yàn)楦鶕?jù)經(jīng)驗(yàn)值一個(gè)逗號(hào)的黑像素點(diǎn)為3，所以可以選取3作為閾值，大于這個(gè)閾值的就認(rèn)為這一列是字符，而小于這個(gè)閾值的則認(rèn)為這列是噪聲，將這一列的所有點(diǎn)的像素置為255即對(duì)這列整體去噪。如圖5所示為字符間去噪的流程圖。

圖5 字符間去噪流程

由于上述兩步的去噪方法類似，如圖6所示為經(jīng)過(guò)上述兩步去噪之后的效果圖，可以看出經(jīng)過(guò)行間和字符間的去噪，出現(xiàn)在字符間和行間的噪聲點(diǎn)已經(jīng)基本去除。其中最為明顯的是“豪”字上方出現(xiàn)的塊狀的噪聲在經(jīng)過(guò)行間和字符間去噪后已經(jīng)不存在了。

圖6 行列間去噪前后局部放大對(duì)比

2.4 圖像分塊

由于一些文本圖像的光照不均會(huì)造成一部分圖像的噪聲點(diǎn)多而部分圖像的噪聲點(diǎn)很少，噪聲點(diǎn)少的部分對(duì)后續(xù)的識(shí)別和放大的效果影響不大可以直接進(jìn)行輸出，而噪聲點(diǎn)多的部分還需要進(jìn)一步去噪。為此對(duì)圖像進(jìn)行分塊去噪，圖像分塊的流程如圖7所示。

圖7 圖像分塊的流程

首先將圖像分成3＊3或者是5＊5塊，對(duì)每塊內(nèi)的圖像進(jìn)行分析，即分析統(tǒng)計(jì)每塊內(nèi)行列間的噪聲點(diǎn)數(shù)，由于在統(tǒng)計(jì)出的行列間噪聲點(diǎn)數(shù)的數(shù)組中肯定會(huì)存在一些特別小的數(shù)和一些特別大的數(shù)，其中特別大的數(shù)肯定是噪聲點(diǎn)多的部分需要去噪，而特別小的肯定是不需要去噪的，這時(shí)就需要確定一個(gè)閾值，確定這個(gè)閾值時(shí)先將前面得到的噪聲點(diǎn)數(shù)的數(shù)組排序，選擇數(shù)組中相鄰兩個(gè)元素中差值最大的兩個(gè)數(shù)的中值作為閾值，大于這個(gè)閾值的圖像進(jìn)行下一步的塊內(nèi)字符去噪，小于這個(gè)閾值圖像的直接進(jìn)行輸出。

2.5 字符內(nèi)去噪

對(duì)于前面統(tǒng)計(jì)的需要進(jìn)行塊內(nèi)字符去噪的圖像采用形態(tài)學(xué)算法進(jìn)行去噪。運(yùn)用形態(tài)學(xué)運(yùn)算去掉一些偏離的噪聲，吸收一些近距離的噪聲點(diǎn)，以達(dá)到去噪效果。因?yàn)樾螒B(tài)學(xué)算法比中值濾波速度快，并且比鄰域法等去噪算法效果明顯。所以在塊內(nèi)選擇形態(tài)學(xué)算法進(jìn)行去噪。

2.5.1 形態(tài)學(xué)去噪算法

形態(tài)學(xué)運(yùn)算包括腐蝕、膨脹、開(kāi)和閉運(yùn)算，其中最基本的腐蝕和膨脹。

形態(tài)學(xué)腐蝕如下所示

式中：S——腐蝕后的二值圖像集合，B——進(jìn)行腐蝕的結(jié)構(gòu)元素，X——原圖像經(jīng)過(guò)二值化后的像素集合，此公式是用結(jié)構(gòu)元素B來(lái)腐蝕X得到集合S。

形態(tài)學(xué)膨脹如下所示

式中：S——膨脹后的二值圖像集合，B——進(jìn)行膨脹的結(jié)構(gòu)元素，X——原圖像經(jīng)過(guò)二值化后的像素集合，此公式是用B來(lái)膨脹X得到集合S。

形態(tài)學(xué)開(kāi)運(yùn)算是運(yùn)用數(shù)學(xué)腐蝕和膨脹相結(jié)合的一種算法，如下所示

其中結(jié)構(gòu)元素B對(duì)集合A進(jìn)行運(yùn)算，即B對(duì)A先腐蝕后膨脹。

形態(tài)學(xué)閉運(yùn)算是運(yùn)用數(shù)學(xué)腐蝕和膨脹相結(jié)合的一種算法，如下所示

其中結(jié)構(gòu)元素B對(duì)集合A進(jìn)行運(yùn)算，即B對(duì)A先膨脹后腐蝕。

數(shù)學(xué)形態(tài)學(xué)腐蝕可以消除圖像的邊界噪聲，使邊界向內(nèi)收縮，而膨脹是對(duì)圖像邊界點(diǎn)得擴(kuò)充，使部分背景點(diǎn)合并到圖像中，使圖像的邊界向外擴(kuò)張。開(kāi)運(yùn)算和閉運(yùn)算是將腐蝕和膨脹相結(jié)合的算法，開(kāi)運(yùn)算不僅可以使圖像的輪廓變的光滑，還可以斷開(kāi)狹窄的間斷和消除細(xì)的突出物，閉運(yùn)算可以使輪廓線更光滑，消除狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小孔并填補(bǔ)輪廓線中的斷裂。對(duì)于文本圖像可以去除字符間的孤立點(diǎn)并且可以保持字符的大小。所以對(duì)于文本圖像的去噪采用形態(tài)學(xué)方法比其它的傳統(tǒng)去噪算法效果會(huì)好。

2.5.2 傳統(tǒng)的中值濾波算法

值濾中波器的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)南袼刂到咏闹担瑥亩梢韵铝⒌脑肼朁c(diǎn)。

中值濾波算法如下所示

式中：X（n－N）…X（n）…X（n＋N）——定義窗口內(nèi)的作用樣本，med［］——對(duì)一個(gè)滑動(dòng)窗口內(nèi)的像素由大到小排序完之后取中值的運(yùn)算。

中值濾波算法中最重要的操作就是對(duì)中值的計(jì)算，而中值的計(jì)算主要又是對(duì)窗口內(nèi)像素的排序操作。排序的重要步驟是對(duì)像素做比較和交換，數(shù)據(jù)元素之間的比較次數(shù)是影響排序的重要因素。用冒泡排序的話，其時(shí)間復(fù)雜度為O（m2），所以中值濾波的時(shí)間耗費(fèi)會(huì)比較大。

綜上所述，在塊內(nèi)選擇一種符合文本圖像結(jié)構(gòu)特征和噪聲特征的去噪算法，形態(tài)學(xué)去噪速度會(huì)比較快而且效果會(huì)比較好。而傳統(tǒng)的中值濾波算法運(yùn)用在全局的時(shí)候速度已經(jīng)不快，如果運(yùn)用在塊內(nèi)的話速度不會(huì)比運(yùn)用數(shù)學(xué)形態(tài)學(xué)算法快。并且傳統(tǒng)的中值濾波算法對(duì)孤立的噪聲點(diǎn)效果會(huì)比較好，而對(duì)于塊狀的噪聲效果不太明顯。

如圖8所示為一幅文本圖像在去噪前和應(yīng)用本文算法以及傳統(tǒng)的全局算法效果比較放大圖，其中圖8（a）為去噪前的文本圖像，圖8（b）所示為經(jīng)過(guò)投影結(jié)合分塊形態(tài)學(xué)去噪后的圖像，而圖8（c）所示為經(jīng)過(guò)全局形態(tài)學(xué)去噪的效果圖，圖8（d）為經(jīng)過(guò)全局中值濾波去噪的效果圖，從圖中可以看出，全局形態(tài)學(xué)去噪和全局中值濾波去噪對(duì)光照不均的圖像整體去噪使一部分原本噪聲很少的圖像失真很?chē)?yán)重，對(duì)后續(xù)的識(shí)別和放大效果影響很大，就如圖8（c）和圖8（d）所示的圖像中最后兩行文字在經(jīng)過(guò)去噪處理后也被當(dāng)作噪聲去掉一部分了，其局部放大之后會(huì)發(fā)現(xiàn)很多字符出現(xiàn)嚴(yán)重的斷筆現(xiàn)象使的后續(xù)的識(shí)別和助視放大效果很差，而運(yùn)用分塊的去噪算法，只對(duì)噪聲點(diǎn)多的部分圖像進(jìn)行去噪，對(duì)噪聲點(diǎn)少的部分圖像則不進(jìn)行操作直接輸出，這樣噪聲點(diǎn)少的部分會(huì)將原圖直接輸出對(duì)后續(xù)的圖像識(shí)別和助視放大不會(huì)造成影響。

3 算法測(cè)試結(jié)果與分析

測(cè)試條件：利用攝像頭外加輔助光造成文本圖像的光照不均來(lái)采集圖像，將采集到的圖像保存在本地機(jī)上，運(yùn)用前面的算法對(duì)其進(jìn)行去噪。

測(cè)試環(huán)境：Windows XP，Visual C＋＋6.0

對(duì)于以5號(hào)字組成的A4紙全文的文本圖像，算法效率見(jiàn)表1。

表1 算法比較

圖8 圖像去噪前和應(yīng)用本文算法及傳統(tǒng)算法效果比較

通過(guò)前面圖所示及測(cè)試結(jié)果可以看出，全局形態(tài)學(xué)的去噪算法雖然在速度方面會(huì)比較快，但是運(yùn)用這個(gè)算法得出的效果圖中有很多噪聲點(diǎn)比較少的圖像的失真嚴(yán)重，會(huì)有部分圖像中的字符被當(dāng)作噪聲去掉而對(duì)后續(xù)的操作產(chǎn)生很多不利的因素，影響識(shí)別和助視放大的效果，而全局中值濾波采用5＊5窗口濾波算法，得到的結(jié)果不僅出現(xiàn)形態(tài)學(xué)所示的現(xiàn)象并且速度也不快，但是，運(yùn)用投影法結(jié)合分塊去噪的快速去噪方法對(duì)大多數(shù)光照不均的文本圖像去噪有較好效果。比傳統(tǒng)的全局去噪算法效率更高，效果更好。

4 結(jié)束語(yǔ)

本文提出的基于文本圖像的快速去噪方法，根據(jù)文本圖像的結(jié)構(gòu)及噪聲特征，采用投影結(jié)合分塊形態(tài)學(xué)方法提高去噪效果和速度。對(duì)大多數(shù)光照不均的文本圖像去噪有較好效果?？捎糜谖淖肿R(shí)別前的圖像預(yù)處理或印刷文字的助視放大。

針對(duì)傳統(tǒng)去噪算法的普遍性而沒(méi)有特定針對(duì)性的特別，分析文本圖像所區(qū)別與一般圖像的結(jié)構(gòu)特征和噪聲特征，提出一種投影法結(jié)合分塊形態(tài)學(xué)方法的快速去噪算法，通過(guò)測(cè)試和分析，達(dá)到了一定的效果，較傳統(tǒng)的全局去噪算法效率更高，效果更好，但是，這個(gè)算法主要針對(duì)的是正常情況下光照不均的文本圖像的去噪，對(duì)于一些光照嚴(yán)重不均，比如在二值化后會(huì)出現(xiàn)大面積黑色區(qū)域并且大面積噪聲中夾雜文字的圖像這種去噪算法效果會(huì)和傳統(tǒng)的去噪算法的效果差不多，不太有明顯的優(yōu)勢(shì)。

［1］YANG Bo，QI Fei－h(huán)u，HAO Jun－sheng.A new approach for marginal noise removal of binary document image［J］.Computer Engineering，2006，32（5）：186－188（in Chinese）.［楊博，戚飛虎，郝峻晟.一種去除二值文本圖像邊緣噪聲的新方法［J］.計(jì)算機(jī)工程，2006，32（5）：186－188.］

［2］ZHANG Yuan，CAI Li－dong.A method of salt－pepper denoising for text images［J］.Journal of Changchun University of Science and Technology（Natural Science Edition），2010，33（2）：129－132（in Chinese）.［張媛，蔡利棟.一種去除文本圖像椒鹽噪聲的方法［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，33（2）：129－132.］

［3］TIAN Da－zeng，HAO Yong，HA Ming－h(huán)u.New algor ithm for r emoval of salt－pepper noises of visual text images［J］.Computer Engineering and Applications，2007，43（14）：81－83（in Chinese）.［田大增，郝永，哈明虎.一種新的去除視覺(jué)文本圖像椒鹽噪聲的算法［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（14）：81－83.］

［4］YANG Shu－ying.VC＋ ＋ image processing program design［M］.2nd ed.Beijijng：Tsinghua University Press，2005（in Chinese）.［楊淑瑩.VC＋＋圖像處理程序設(shè)計(jì)［M］.2版.北京：清華大學(xué)出版社，2005.］

［5］YANG Xiao－gang，MENG Fei，LI Jun－shan.Practical image filtering algorithm［J］.Journal of Computer Applications，2009，29（6）：216－218（in Chinese）.［楊小岡，孟飛，李俊山.一種實(shí)用的圖像濾波算法［J］.計(jì)算機(jī)應(yīng)用，2009，29（6）：216－218.］

［6］LIU Guo－h(huán)ong，GUO Wen－ming.Application of improved arithmetic of median filtering denoising［J］.Computer Engineering and Applications，2010，46（10）：187－189（in Chinese）.［劉國(guó)宏，郭文明.改進(jìn)的中值濾波去噪算法應(yīng)用分析［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（10）：187－189.］

［7］LI Yan－jun，SU Hong－qi，YANG Feng，et al.Improved algorithm study about removing image noise［J］.Computer Engineering and Design，2009，30（12）：2995－2996.［李彥軍，蘇紅旗，楊峰，et al.改進(jìn)的中值濾波圖像去噪方法研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（12）：2995－2996.］

［8］WANG Xiao－kai，LI Feng.Improved adaptive median filtering［J］.Computer Engineering and Applications，2010，46（3）：175－176（in Chinese）.［王曉凱，李鋒.改進(jìn)的自適應(yīng)中值濾波［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（3）：175－176.］

［9］ZHANG Yong，CHEN Da－jian，SUN Zhi－jun.Comparing of two improved median filtering algorithms［J］.Electro－Optic Technology Application，2010，25（1）：67－70（in Chinese）.［張勇，陳大建，孫志軍.兩種改進(jìn)型中值濾波算法比較［J］.光電技術(shù)應(yīng)用，2010，25（1）：67－70.］

［10］Kazuya Matsushita，Hitoshi Kitazawa.An improved camera identification method based on the texture complexity and the image restoration［C］.Daejeon，Korea：International Conference on Convergence and Hybrid Information Technology，2009.