張盼盼 張穎穎

摘要：討論了模式識別的基本問題之一——圖像的細化處理，將模板匹配法和八鄰域分析法應用于數(shù)字識別的細化預處理中。著重比較了兩種算法在數(shù)字識別中的細化結(jié)果，指出兩種算法在數(shù)字識別細化預處理中存在的缺點，認為八鄰域分析法適用于數(shù)字識別的預處理。對八鄰域分析法作進一步改進，消除細化后冗余的像素點，保證了細化結(jié)果為單像素連接，確保數(shù)字識別的骨架提取預處理，從而提高數(shù)字識別速度及準確率。

關(guān)鍵詞：數(shù)字識別；細化算法；模板匹配法；八鄰域分析法

DOIDOI：10.11907/rjdk.161008

中圖分類號：TP317.4

文獻標識碼：A 文章編號：1672-7800（2016）005-0210-02

0 引言

數(shù)字識別在車牌號識別、電表讀數(shù)識別、票據(jù)識別等應用中運用廣泛，隨著計算機技術(shù)的高速發(fā)展，已有眾多學者投入到數(shù)字識別的研究中。細化算法是數(shù)字識別預處理中的重要環(huán)節(jié)之一。在進行數(shù)字識別之前，為了提取和描述數(shù)字特征，往往要先對字符作細化處理，得到數(shù)字的細化結(jié)構(gòu)。提取出的“骨架”能很好地突出字符形狀的特點，減少冗余信息量，從而減小識別的運算量，提高數(shù)字識別的準確率。一個好的細化算法是以細化的質(zhì)量和速度進行評價的，細化后的骨架應滿足以下條件：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撲結(jié)構(gòu)；③骨架的線條寬度應盡量為單像素；④骨架在原圖像幾何上處于合適位置，如在中間。

細化算法無論是在圖像分析還是圖像識別方面都可起到重要作用，近年來許多學者相繼提出了各種細化算法，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)實應用中大多采用邊緣剝離法。邊緣剝離法是重復地刪除邊緣上的點，直到得到由單層點構(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]，將兩種算法應用于數(shù)字識別的細化處理中。通過對實驗結(jié)果的分析，指出兩種算法在數(shù)字識別細化處理中存在的缺點，并對八鄰域分析法作進一步改進，以用于數(shù)字識別的細化。

1 模板匹配法在細化預處理中的應用

將模板匹配法應用于數(shù)字識別的細化預處理中，對包含數(shù)字的圖片進行一系列預處理操作：分割—去噪—二值化。經(jīng)過預處理，待細化的圖像是0，1二值圖像。像素值為1的是需要細化的部分，像素值為0的是背景區(qū)域。模板匹配法給出刪除條件對應的模板，只要檢測的像素點滿足被刪除的條件，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，按照以上算法對該二值圖像進行一次循環(huán)，得到的圖像如圖1（a）所示。由圖可知，該細化出現(xiàn)了斷裂現(xiàn)象，原因在于原二值圖像中存在雙邊緣目標像素，對于雙邊緣中每一列目標像素，其U=5，按照該算法，雙邊緣的每一列都可以被刪除，最終導致細化后的圖像出現(xiàn)斷裂現(xiàn)象。而對于沒有雙邊緣的二值化圖像，采用該算法后細化結(jié)果良好，未出現(xiàn)斷裂現(xiàn)象，如圖1（b）所示。

2 八鄰域分析法在細化預處理中的應用

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

3 模板匹配法和八鄰域分析法在細化預處理中的比較

由圖1的細化結(jié)果可以看出，將模板匹配法應用于存在雙邊緣像素二值圖像的細化算法時，細化結(jié)果存在斷裂現(xiàn)象，且細化結(jié)果不是單像素連通，這對于要求得到單邊緣像素細化結(jié)果的數(shù)字識別，模板匹配法的細化預處理不符合條件。因此，很多學者對模板匹配法進行了改進，以消除雙邊緣造成的影響，但是改進后的算法使得整體復雜度增加，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化結(jié)果良好，對于存在雙邊緣像素的原二值圖像，細化結(jié)果不存在斷裂現(xiàn)象，如圖3所示，且細化后的骨架連通性與原圖像保持一致，同時骨架在原圖像集合位置中間。

然而，八鄰域分析法在數(shù)字識別細化預處理中也存在一定缺點。將八鄰域分析法應用于復雜圖像的細化時，存在無法達到單像素連通細化結(jié)果的問題，這將降低后續(xù)數(shù)字識別的速度和效率。非單像素連通的細化結(jié)果如圖4所示。

4 改進的八鄰域分析法在細化預處理中的應用

采用八鄰域分析法對于復雜圖像無法達到單像素連通的細化結(jié)果，而對于數(shù)字識別，單像素的細化骨架能夠提高數(shù)字識別的速度和準確率，因此本文提出改進的八鄰域分析法來消除細化后多余的像素點。

4.1 直角連通情況

經(jīng)分析可知，由以上算法細化后多余的像素點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條件：①當前像素點符合4種直角連通情況之一；②V（i，j）=2。符合以上兩個條件則說明當前像素點是直角連通的情況，可將當前點刪除。

4.2 直線相交情況

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

將改進的八鄰域分析法應用于數(shù)字識別細化預處理中，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，同時骨架在原圖像集合位置中間，這為后續(xù)的數(shù)字識別提供了最為理想的細化預處理結(jié)果。

5 結(jié)語

將模板匹配法與八鄰域分析法應用于數(shù)字識別的細化預處理中，可以看出，模板匹配法對于數(shù)字的細化，當出現(xiàn)雙邊緣像素時則必須結(jié)束算法，否則會出現(xiàn)連通區(qū)域的斷裂現(xiàn)象，將算法改進會消耗更多時間且增加復雜度。而八鄰域分析法可以直接獲得良好的符合條件的細化結(jié)果，有利于后面的數(shù)字識別部分，但采用八鄰域分析法對復雜圖像進行細化時，得到的細化結(jié)果并非單像素連通。因此，對八鄰域分析法作出改進，將直角連通和直線相交情況造成的冗余點刪除，改進的八鄰域分析法可以得到數(shù)字字符的單像素連通細化骨架，從而提高后續(xù)數(shù)字識別的速度及準確率。

參考文獻：

[1]陳軍，楊存建.一種基于分區(qū)標記的快速細化方法[J].計算機應用與軟件，2008，25（3）：12-14.

[2]任金昌，趙容椿.一種基于標記的并行細化算法[J].電子學報，2009，28（11）：9-12.

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

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

[5]吳丹.一種快速準確的細化算法[J].計算機與現(xiàn)代化，2003，1（1）：6-10.

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

[7]喻擎蒼，蘇斌.改進的符號圖像并行細化算法[J].計算機工程與設(shè)計，2009，30（3）：723-725.

（責任編輯：黃 ?。?/p>