張盼盼 張穎穎

摘要：討論了模式識(shí)別的基本問(wèn)題之一——圖像的細(xì)化處理，將模板匹配法和八鄰域分析法應(yīng)用于數(shù)字識(shí)別的細(xì)化預(yù)處理中。著重比較了兩種算法在數(shù)字識(shí)別中的細(xì)化結(jié)果，指出兩種算法在數(shù)字識(shí)別細(xì)化預(yù)處理中存在的缺點(diǎn)，認(rèn)為八鄰域分析法適用于數(shù)字識(shí)別的預(yù)處理。對(duì)八鄰域分析法作進(jìn)一步改進(jìn)，消除細(xì)化后冗余的像素點(diǎn)，保證了細(xì)化結(jié)果為單像素連接，確保數(shù)字識(shí)別的骨架提取預(yù)處理，從而提高數(shù)字識(shí)別速度及準(zhǔn)確率。

關(guān)鍵詞：數(shù)字識(shí)別；細(xì)化算法；模板匹配法；八鄰域分析法

DOIDOI：10.11907/rjdk.161008

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0210-02

0 引言

數(shù)字識(shí)別在車牌號(hào)識(shí)別、電表讀數(shù)識(shí)別、票據(jù)識(shí)別等應(yīng)用中運(yùn)用廣泛，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，已有眾多學(xué)者投入到數(shù)字識(shí)別的研究中。細(xì)化算法是數(shù)字識(shí)別預(yù)處理中的重要環(huán)節(jié)之一。在進(jìn)行數(shù)字識(shí)別之前，為了提取和描述數(shù)字特征，往往要先對(duì)字符作細(xì)化處理，得到數(shù)字的細(xì)化結(jié)構(gòu)。提取出的“骨架”能很好地突出字符形狀的特點(diǎn)，減少冗余信息量，從而減小識(shí)別的運(yùn)算量，提高數(shù)字識(shí)別的準(zhǔn)確率。一個(gè)好的細(xì)化算法是以細(xì)化的質(zhì)量和速度進(jìn)行評(píng)價(jià)的，細(xì)化后的骨架應(yīng)滿足以下條件：①骨架的連通性必須與原圖像保持一致；②骨架要保持原圖像的拓?fù)浣Y(jié)構(gòu)；③骨架的線條寬度應(yīng)盡量為單像素；④骨架在原圖像幾何上處于合適位置，如在中間。

細(xì)化算法無(wú)論是在圖像分析還是圖像識(shí)別方面都可起到重要作用，近年來(lái)許多學(xué)者相繼提出了各種細(xì)化算法，如距離變換法[1，2]和邊緣剝離法[3]。距離變換算法可以一次性產(chǎn)生骨架，但是很難保證得到骨架的連通性。因此，現(xiàn)實(shí)應(yīng)用中大多采用邊緣剝離法。邊緣剝離法是重復(fù)地刪除邊緣上的點(diǎn)，直到得到由單層點(diǎn)構(gòu)成的圖像。邊緣剝離算法又可以分為并行和串行兩種。在串行算法中，是否刪除像素在每次迭代的執(zhí)行中是順序固定的，它不僅取決于前次迭代的結(jié)果，也取決于本次迭代中已處理像素的分布情況，而在并行算法中，像素的刪除與否與像素在圖像的橫縱順序無(wú)關(guān)，僅取決于前次迭代的結(jié)果。

本文比較了并行邊緣剝離法中經(jīng)典的模板匹配法[4]和八鄰域分析法[5]，將兩種算法應(yīng)用于數(shù)字識(shí)別的細(xì)化處理中。通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析，指出兩種算法在數(shù)字識(shí)別細(xì)化處理中存在的缺點(diǎn)，并對(duì)八鄰域分析法作進(jìn)一步改進(jìn)，以用于數(shù)字識(shí)別的細(xì)化。

1 模板匹配法在細(xì)化預(yù)處理中的應(yīng)用

將模板匹配法應(yīng)用于數(shù)字識(shí)別的細(xì)化預(yù)處理中，對(duì)包含數(shù)字的圖片進(jìn)行一系列預(yù)處理操作：分割—去噪—二值化。經(jīng)過(guò)預(yù)處理，待細(xì)化的圖像是0，1二值圖像。像素值為1的是需要細(xì)化的部分，像素值為0的是背景區(qū)域。模板匹配法給出刪除條件對(duì)應(yīng)的模板，只要檢測(cè)的像素點(diǎn)滿足被刪除的條件，則被刪除，刪除的條件在模板中給出[6]。

現(xiàn)有一幅要處理的數(shù)字字符0的二值圖像，按照以上算法對(duì)該二值圖像進(jìn)行一次循環(huán)，得到的圖像如圖1（a）所示。由圖可知，該細(xì)化出現(xiàn)了斷裂現(xiàn)象，原因在于原二值圖像中存在雙邊緣目標(biāo)像素，對(duì)于雙邊緣中每一列目標(biāo)像素，其U=5，按照該算法，雙邊緣的每一列都可以被刪除，最終導(dǎo)致細(xì)化后的圖像出現(xiàn)斷裂現(xiàn)象。而對(duì)于沒有雙邊緣的二值化圖像，采用該算法后細(xì)化結(jié)果良好，未出現(xiàn)斷裂現(xiàn)象，如圖1（b）所示。

2 八鄰域分析法在細(xì)化預(yù)處理中的應(yīng)用

將八鄰域分析法應(yīng)用于數(shù)字識(shí)別的細(xì)化預(yù)處理中，如圖3（a）所示是一幅要處理的數(shù)字字符0的二值圖像，按照以上算法對(duì)其進(jìn)行細(xì)化處理，得到圖3（b）所示的細(xì)化結(jié)果。

3 模板匹配法和八鄰域分析法在細(xì)化預(yù)處理中的比較

由圖1的細(xì)化結(jié)果可以看出，將模板匹配法應(yīng)用于存在雙邊緣像素二值圖像的細(xì)化算法時(shí)，細(xì)化結(jié)果存在斷裂現(xiàn)象，且細(xì)化結(jié)果不是單像素連通，這對(duì)于要求得到單邊緣像素細(xì)化結(jié)果的數(shù)字識(shí)別，模板匹配法的細(xì)化預(yù)處理不符合條件。因此，很多學(xué)者對(duì)模板匹配法進(jìn)行了改進(jìn)，以消除雙邊緣造成的影響，但是改進(jìn)后的算法使得整體復(fù)雜度增加，且效果不是很理想。

與模板匹配法相比，八鄰域分析法得到的細(xì)化結(jié)果良好，對(duì)于存在雙邊緣像素的原二值圖像，細(xì)化結(jié)果不存在斷裂現(xiàn)象，如圖3所示，且細(xì)化后的骨架連通性與原圖像保持一致，同時(shí)骨架在原圖像集合位置中間。

然而，八鄰域分析法在數(shù)字識(shí)別細(xì)化預(yù)處理中也存在一定缺點(diǎn)。將八鄰域分析法應(yīng)用于復(fù)雜圖像的細(xì)化時(shí)，存在無(wú)法達(dá)到單像素連通細(xì)化結(jié)果的問(wèn)題，這將降低后續(xù)數(shù)字識(shí)別的速度和效率。非單像素連通的細(xì)化結(jié)果如圖4所示。

4 改進(jìn)的八鄰域分析法在細(xì)化預(yù)處理中的應(yīng)用

采用八鄰域分析法對(duì)于復(fù)雜圖像無(wú)法達(dá)到單像素連通的細(xì)化結(jié)果，而對(duì)于數(shù)字識(shí)別，單像素的細(xì)化骨架能夠提高數(shù)字識(shí)別的速度和準(zhǔn)確率，因此本文提出改進(jìn)的八鄰域分析法來(lái)消除細(xì)化后多余的像素點(diǎn)。

4.1 直角連通情況

經(jīng)分析可知，由以上算法細(xì)化后多余的像素點(diǎn)都是屬于直角連通的情況。直角連通情況可歸納為以下兩個(gè)條件：①當(dāng)前像素點(diǎn)符合4種直角連通情況之一；②V（i，j）=2。符合以上兩個(gè)條件則說(shuō)明當(dāng)前像素點(diǎn)是直角連通的情況，可將當(dāng)前點(diǎn)刪除。

4.2 直線相交情況

經(jīng)分析可知，直線相交也是造成細(xì)化后圖像冗余的另一個(gè)原因，直線相交情況則可將當(dāng)前像素點(diǎn)刪除。

將改進(jìn)的八鄰域分析法應(yīng)用于數(shù)字識(shí)別細(xì)化預(yù)處理中，得到的圖像骨架連通性與原圖像保持一致，且為單像素連通，同時(shí)骨架在原圖像集合位置中間，這為后續(xù)的數(shù)字識(shí)別提供了最為理想的細(xì)化預(yù)處理結(jié)果。

5 結(jié)語(yǔ)

將模板匹配法與八鄰域分析法應(yīng)用于數(shù)字識(shí)別的細(xì)化預(yù)處理中，可以看出，模板匹配法對(duì)于數(shù)字的細(xì)化，當(dāng)出現(xiàn)雙邊緣像素時(shí)則必須結(jié)束算法，否則會(huì)出現(xiàn)連通區(qū)域的斷裂現(xiàn)象，將算法改進(jìn)會(huì)消耗更多時(shí)間且增加復(fù)雜度。而八鄰域分析法可以直接獲得良好的符合條件的細(xì)化結(jié)果，有利于后面的數(shù)字識(shí)別部分，但采用八鄰域分析法對(duì)復(fù)雜圖像進(jìn)行細(xì)化時(shí)，得到的細(xì)化結(jié)果并非單像素連通。因此，對(duì)八鄰域分析法作出改進(jìn)，將直角連通和直線相交情況造成的冗余點(diǎn)刪除，改進(jìn)的八鄰域分析法可以得到數(shù)字字符的單像素連通細(xì)化骨架，從而提高后續(xù)數(shù)字識(shí)別的速度及準(zhǔn)確率。

參考文獻(xiàn)：

[1]陳軍，楊存建.一種基于分區(qū)標(biāo)記的快速細(xì)化方法[J].計(jì)算機(jī)應(yīng)用與軟件，2008，25（3）：12-14.

[2]任金昌，趙容椿.一種基于標(biāo)記的并行細(xì)化算法[J].電子學(xué)報(bào)，2009，28（11）：9-12.

[3]野媛.普通Sobel邊緣細(xì)化算法的改進(jìn)[J].科技信息，2009（29）：312-313.

[4]畢厚杰，于錫建.一種基于邊緣點(diǎn)特征的細(xì)化算法[J].數(shù)據(jù)采集與處理，1990，5（1）：7-11.

[5]吳丹.一種快速準(zhǔn)確的細(xì)化算法[J].計(jì)算機(jī)與現(xiàn)代化，2003，1（1）：6-10.

[6]楊興煒，劉文予，白翔.一種有效的快速細(xì)化算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2006， 27（7）：1343-1346.

[7]喻擎蒼，蘇斌.改進(jìn)的符號(hào)圖像并行細(xì)化算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（3）：723-725.

（責(zé)任編輯：黃 ?。?/p>