王劉奎 史偉民 楊亮亮,2*

1(浙江理工大學(xué)機(jī)械與自動(dòng)控制學(xué)院 浙江 杭州 310018)2(杭州匯萃智能科技有限公司 浙江 杭州 311121)

0 引 言

近年來(lái)隨著科學(xué)技術(shù)的不斷發(fā)展，工業(yè)自動(dòng)化水平的逐步提高，機(jī)器視覺(jué)圖像處理領(lǐng)域受到了人們的廣泛關(guān)注，成為了大量學(xué)者研究的焦點(diǎn)。文字字符識(shí)別在信件郵寄識(shí)別、歷史文獻(xiàn)修復(fù)、汽車車牌識(shí)別等有關(guān)文字的應(yīng)用領(lǐng)域占據(jù)著至關(guān)重要的地位，而較好地把文本信息從實(shí)際情況較復(fù)雜的背景中分割出來(lái)則是視覺(jué)檢測(cè)預(yù)處理中最重要的部分，其中文本二值化是必不可少且極其關(guān)鍵的。而在實(shí)際拍攝過(guò)程中，由于光源方向、拍攝角度、物體表面反射等因素，往往使得采集的圖像出現(xiàn)局部過(guò)亮、局部過(guò)暗、明暗交錯(cuò)等光照不均勻現(xiàn)象，嚴(yán)重影響后續(xù)處理，完整有效地提取出高質(zhì)量的文本信息無(wú)疑對(duì)整個(gè)項(xiàng)目的成敗起著關(guān)鍵作用。

為了把文字從光照不均勻的背景中提取出來(lái)，閾值分割是最常用的方法，按照參與運(yùn)算的像素點(diǎn)的空間范圍可分為全局閾值分割法和局部閾值分割法[1]。

全局閾值分割法根據(jù)整幅圖的直方圖或灰度值的空間分布來(lái)計(jì)算出一個(gè)閾值[2]，依此來(lái)區(qū)分目標(biāo)和背景，經(jīng)典的全局閾值算法有Ostu法、迭代法、最小誤差法、簡(jiǎn)單統(tǒng)計(jì)、基于熵的閾值法等[3]。由于全局閾值分割法未考慮圖像的局部灰度信息，對(duì)背景和目標(biāo)灰度值多樣性單一，存在明顯差異、直方圖呈現(xiàn)雙峰分布的圖像處理效果良好，而對(duì)灰度分布不均勻、峰值多樣無(wú)規(guī)律的圖像處理效果非常差[4]。

局部閾值分割法按處理思想不同又可細(xì)分為局部分塊閾值法和局部鄰域自適應(yīng)閾值法[5]。局部分塊閾值法根據(jù)圖像光照情況進(jìn)行分塊，再對(duì)每塊進(jìn)行全局閾值分割法進(jìn)行分割。該方法需要圖像存在較明顯的灰度邊界區(qū)域，對(duì)于灰度差別不明顯的圖像處理效果欠佳[6]，而且處理后存在明顯分塊邊界，整體效果差，在文檔二值化處理中應(yīng)用不廣泛。

局部鄰域自適應(yīng)閾值法通過(guò)定義合適的模板，并通過(guò)模板鄰域點(diǎn)與考察點(diǎn)的數(shù)學(xué)關(guān)系進(jìn)行運(yùn)算，來(lái)確定當(dāng)前考察點(diǎn)的灰度值，該方法很好地利用了考察點(diǎn)的鄰近區(qū)域的灰度特性，實(shí)現(xiàn)了自適應(yīng)閾值檢測(cè)。經(jīng)典的局部閾值分割法有Niblack法[7]、Bernsen法[8]、Sauvola法[9]等，以上方法雖然考慮了局部鄰域灰度信息，但參與運(yùn)算的不具有代表性的像素點(diǎn)過(guò)多，當(dāng)目標(biāo)和背景區(qū)分界線不明顯時(shí)，分割效果不佳，而且容易出現(xiàn)筆畫斷裂和偽影現(xiàn)象。Wellner[10]提出了一種根據(jù)每點(diǎn)距離像素中心位置不同加權(quán)不同，最后求均值乘以比例系數(shù)確定閾值的思想。針對(duì)該算法邊緣和處理速度慢的問(wèn)題，Bradley等[11]提出了一種面積像素表求和的思想，極大簡(jiǎn)化了運(yùn)算，提高了速度，處理效果極佳。Valizadeh等[12]通過(guò)把圖像灰度值類比三維地形提出了Water Flow模型理論，山峰對(duì)應(yīng)灰度值較高區(qū)域，山谷對(duì)應(yīng)灰度值較低區(qū)域，地形的差異使得光照在不同地形情況呈現(xiàn)了光照不均勻現(xiàn)象。

本文仔細(xì)研究了以上方法，并在觀察不均勻文本圖像灰度值曲線的變化規(guī)律后，發(fā)現(xiàn)光線非常均勻的部分鄰近灰度值不變，基本上都是背景或者文字比劃部分，在運(yùn)算時(shí)已經(jīng)大量重復(fù)。而灰度跳躍明顯的區(qū)域多是文字和背景的交界區(qū)域，包含了大量的文字邊緣輪廓信息。對(duì)于所需的灰度值跳躍的點(diǎn)，本文在一個(gè)鄰域里比較篩選出所有波峰點(diǎn)和波谷點(diǎn)求均值后，再通過(guò)一定差值比例加權(quán)運(yùn)算選出最佳的閾值分割點(diǎn)，結(jié)果表明處理效果優(yōu)于傳統(tǒng)局部閾值分割算法。

1 經(jīng)典局部鄰域自適應(yīng)閾值法分析

1.1 Niblack算法

Niblack算法是通過(guò)當(dāng)前目標(biāo)考察點(diǎn)及其模板算子鄰域內(nèi)像素點(diǎn)灰度值的平均值及標(biāo)準(zhǔn)差數(shù)學(xué)運(yùn)算后得到二值化閾值。在確定圖像的二值化時(shí)，先計(jì)算以(x,y)為中心的n×n大小的鄰域內(nèi)像素點(diǎn)的灰度平均值m和標(biāo)準(zhǔn)差s：

(1)

(2)

二值化閾值T(x,y)的計(jì)算公式如下：

T(x,y)=k·s(x,y)+m(x,y)

(3)

式中：k是根據(jù)經(jīng)驗(yàn)預(yù)定的修正系數(shù)，一般k取0.1～0.5。

當(dāng)前觀察點(diǎn)的最終閾值由以下公式?jīng)Q定：

(4)

該算法考慮了觀察點(diǎn)的模板鄰域均值和標(biāo)準(zhǔn)差信息，但存在以下缺點(diǎn)：

1)偽影現(xiàn)象。該算法雖然考慮了均值和標(biāo)準(zhǔn)差，但個(gè)別的椒鹽噪聲點(diǎn)將引起閾值的突變，本是背景的點(diǎn)被二值化成目標(biāo)點(diǎn)，導(dǎo)致偽噪聲的引入。

2)筆畫斷裂現(xiàn)象。當(dāng)模板窗口內(nèi)都為目標(biāo)點(diǎn)時(shí)，局部閾值拉伸，本是目標(biāo)的點(diǎn)卻被二值化成背景，使得信息丟失，從而出現(xiàn)筆畫斷裂現(xiàn)象。

Sauvola算法在Niblack算法基礎(chǔ)上，引入了標(biāo)準(zhǔn)方差的動(dòng)態(tài)范圍R，雖然有效地抑制了偽影現(xiàn)象和筆畫斷裂現(xiàn)象，但仍有不少噪聲點(diǎn)無(wú)法去除。

1.2 Wellner算法

設(shè)模板鄰域?yàn)閟×s的方陣，圖像中點(diǎn)Ps×s(x,y)周圍鄰域的像素值的總和為：

(5)

設(shè)t為修正系數(shù)，T(x,y)為點(diǎn)考察點(diǎn)Ps×s(x,y)最終的像素值，則：

(6)

在實(shí)際測(cè)試中s=image.width/8，而t=15時(shí)效果最好，在確定T(x,y)的值時(shí)，用的是平均值，但由于當(dāng)前點(diǎn)的灰度值跟其附近鄰域點(diǎn)有關(guān)，改成距離考察點(diǎn)Ps×s(x,y)越近的像素點(diǎn)對(duì)其的影響越大，越遠(yuǎn)則越小，則更加具有說(shuō)服力，為了便于理解將式(6)簡(jiǎn)化為：

(7)

(8)

這里需給定初始迭代值，取T(n)=127×s，Wellner算法無(wú)法處理邊緣圖像，Bradley等[11]改進(jìn)了Wellner算法：以圖像當(dāng)前考察點(diǎn)為基準(zhǔn)，把該點(diǎn)左上方所有的像素值累加重新賦值給該點(diǎn)，邊界點(diǎn)按水平或者豎直方向處理，處理過(guò)程如圖1所示，其中33即為所有像素總和。

(a) (b)

像素總值面積表如圖2所示。要判定區(qū)域D時(shí)，就可以利用圖1(b)，設(shè)P(x,y)為點(diǎn)(x,y)的像素值(已轉(zhuǎn)換為圖1(b)的值)，對(duì)于區(qū)域D的總閾值為：

圖2 像素總值面積表

P(D)=P(x2,y2)-P(x2,y1)-

P(x1,y2)+P(x1,y1)

(9)

得到區(qū)域D的總閾值，再除以區(qū)域D的像素點(diǎn)個(gè)數(shù)得到平均閾值Pjun=P(D)/N,對(duì)于區(qū)域中心點(diǎn)(i,j)若P(i,j)>P，則重寫點(diǎn)(i,j)的像素為255，反之為0。

改進(jìn)后的Wellner算法很好地解決了邊緣處理問(wèn)題，而且創(chuàng)新地提出了面積制表的思想，極大地提高了處理速度。

2 投影方向灰度曲線波動(dòng)閾值分割

2.1 不均勻光照?qǐng)D像特性分析

實(shí)際的圖像采集過(guò)程中，現(xiàn)場(chǎng)環(huán)境復(fù)雜多變，受拍攝角度、物體表面反射率、光源照射方向、光源與物體距離、相機(jī)成像系統(tǒng)等影響，最終的圖像往往呈現(xiàn)出離散、無(wú)規(guī)律、明暗相間等不均勻光照現(xiàn)象，嚴(yán)重影響了圖片的質(zhì)量，為后續(xù)的處理帶來(lái)了極大的困難。

圖3是大小為773×443的文本圖像，為左側(cè)光源打光，左側(cè)有物體遮擋，光線較暗，背景灰度值較低，中間局部區(qū)域光源斜角度直射，灰度值較大，右側(cè)區(qū)域隨著距光源的距離逐步拉遠(yuǎn)，灰度值逐漸降低，整幅圖的背景灰度值大小不一。圖4為其灰度直方圖?？梢钥闯觯ǚ搴筒ü冉徊娉霈F(xiàn)，且沒(méi)有規(guī)律，若采用單一的全局閾值來(lái)分割，左部區(qū)域灰度值會(huì)被置0，中部的部分區(qū)域灰度值將會(huì)置255，最終無(wú)法均衡整個(gè)區(qū)域，導(dǎo)致分割失敗。但在不同的局部小范圍區(qū)域，存在明顯的灰度值差異，肉眼仍可分辨出背景和目標(biāo)，采用“局部范圍相對(duì)閾值分割”，仍可得到很好的閾值分割效果。把圖3局部區(qū)域放大如圖5所示，該區(qū)域每個(gè)點(diǎn)的灰度值大小不一，高低起伏，每個(gè)點(diǎn)的灰度值，不僅與自身的二維平面位置、該點(diǎn)物的表面光線反射率等有關(guān)，還與其自身相鄰域的點(diǎn)的灰度特性有關(guān)，灰度值較低的點(diǎn)，附近點(diǎn)的灰度值也會(huì)受其影響相應(yīng)較低。該目標(biāo)考察點(diǎn)顯示出的灰度值是多種因素共同造成的結(jié)果，實(shí)際分割時(shí)，應(yīng)把鄰域的像素點(diǎn)考慮進(jìn)去。為了更直觀地分析圖像灰度曲線波動(dòng)情況，繪制原始圖的局部區(qū)域三維灰度特性如圖6所示。

圖3 文本原始圖

圖4 原始圖的灰度直方圖

圖5 原始圖的局部放大圖

圖6 原始圖的三維灰度波動(dòng)圖

把圖像的三維圖和連綿不斷的波峰波谷地形進(jìn)行類比[13]，圖3中跳躍突變的亮點(diǎn)對(duì)應(yīng)著三維圖中的波峰點(diǎn)，對(duì)應(yīng)著地形上的覆蓋白雪的山頂；跳躍突變的暗點(diǎn)對(duì)應(yīng)著三維圖中的波谷點(diǎn)，對(duì)應(yīng)著地形上的黑暗深淵的山谷。圖像的三維灰度特性圖之所以呈現(xiàn)空間三維地形，是受物體表面不同區(qū)域的光線反射率影響，不同的光線反射率相當(dāng)于不同的地形，表現(xiàn)在圖像上就是灰度值不同。

2.2 投影方向灰度曲線波動(dòng)思想

實(shí)際圖3中的突變亮點(diǎn)一般是夾雜在黑色字體之間的白色背景，突變黑點(diǎn)一般是夾雜在白色紙張背景之間的黑色文字邊緣，且突變較大。白色背景和黑色字體是有寬度的，中間的部分較亮或較暗，因而內(nèi)部也會(huì)產(chǎn)生小尺度的灰度波動(dòng)，但突變較小。選取圖3文本圖像的中間行即第222行，統(tǒng)計(jì)前433個(gè)像素，以像素點(diǎn)在當(dāng)前行數(shù)的位置為橫軸，以灰度值為縱軸繪制曲線如圖7所示。

圖7 第222行的前433像素點(diǎn)灰度變化曲線圖

可以看出，灰度值曲線上下起伏，變化頻繁劇烈，整體灰度值越來(lái)越高，與實(shí)際的光照情況相吻合。另外灰度值均勻降低的點(diǎn)對(duì)應(yīng)曲線的斜率為負(fù)的直線部分；灰度值均勻上升的點(diǎn)對(duì)應(yīng)曲線的斜率為正的直線部分；灰度值不變的點(diǎn)，反映在曲線上是一條直線。產(chǎn)生均勻斜線的原因是背景變化較均勻(白色紙張或黑色文字鄰近邊緣，如果斜線部分斜率為正整體灰度值逐漸增大即是白色背景紙；斜線部分斜率為負(fù)整體灰度值減小且變化劇烈即是黑色文字鄰近邊緣)，這些較均勻斜線直線部分絕大多是背景，基本不包含文字的輪廓和位置信息，對(duì)附近像素點(diǎn)的灰度值影響較小，不考慮加入算法。而圖中曲線峰值點(diǎn)為圖像文字與文字之間或文字內(nèi)部的白色背景，灰度值較大，曲線峰谷點(diǎn)為文字筆劃中心，灰度值較小。

波峰波谷包含了詳細(xì)的文字邊緣信息，不同的波峰點(diǎn)和波谷點(diǎn)，反映了不同文字的不同邊緣變化趨勢(shì)，灰度值與其在曲線上的波動(dòng)坐標(biāo)相互對(duì)應(yīng)，而且上述分析得出波峰和波谷點(diǎn)對(duì)當(dāng)前點(diǎn)的最終表現(xiàn)的灰度值影響更大。那么若已知當(dāng)前目標(biāo)考察點(diǎn)的某一方向的灰度變化曲線，提取了所有的波峰點(diǎn)和波谷點(diǎn)，所選的判定閾值應(yīng)該在波峰波谷之間動(dòng)態(tài)浮動(dòng)，滿足一定的關(guān)系。

本文在水平方向上某一行選擇長(zhǎng)度為L(zhǎng)的一段條形區(qū)域，考慮到圖像邊界問(wèn)題，可先將圖像左右寬度擴(kuò)展L/2，該區(qū)域在當(dāng)前行水平移動(dòng)，L的中心點(diǎn)則從選取的當(dāng)前行的第一個(gè)點(diǎn)移動(dòng)到最后一個(gè)點(diǎn)，每次平移選取L區(qū)域覆蓋的圖像部分，以被覆蓋的圖像像素點(diǎn)在條形區(qū)域的位置為橫坐標(biāo)，以灰度值為縱坐標(biāo)，繪制灰度波動(dòng)曲線f(x)，x=1,2,…，L，L為條形區(qū)域長(zhǎng)度。圖8所示為圖3第38行的以(38,38)為中心、L為75的條形區(qū)域灰度波動(dòng)曲線，所有的波峰點(diǎn)和波谷點(diǎn)已全部標(biāo)記出來(lái)，判定閾值T1的選取與這些點(diǎn)有關(guān)。本文選擇水平方向遍歷，實(shí)際不均勻光照影響中，豎直方向同樣需要考慮進(jìn)去，同樣如上述步驟處理。根據(jù)目標(biāo)點(diǎn)豎直方向灰度波動(dòng)曲線求出判定閾值T2，最終判定閾值為T=ξ×(T1+T2)，將T與當(dāng)前目標(biāo)考察點(diǎn)進(jìn)行比較，依次確定該點(diǎn)灰度值，最后依次完成全圖遍歷，閾值分割完成。

圖8 第38行的前75像素點(diǎn)灰度變化圖

確定閾值T1和T2的關(guān)鍵在于找到灰度波動(dòng)曲線上的波峰點(diǎn)及波谷點(diǎn)，在實(shí)際中，曲線不僅僅像圖8那樣上下起伏變化明顯，還會(huì)出現(xiàn)短暫或者連續(xù)的水平直線，即灰度值階段性重復(fù)，此時(shí)這些點(diǎn)的灰度值已經(jīng)重復(fù)，不需要把該直線上波峰點(diǎn)或者波谷點(diǎn)都提取出來(lái)，所以需要根據(jù)實(shí)際情況，重新定義波峰點(diǎn)和波谷點(diǎn)。

2.3 波峰點(diǎn)和波谷點(diǎn)的定義

在數(shù)學(xué)表達(dá)式定義中，連續(xù)曲線的波峰和波谷就是曲線的極值點(diǎn)，滿足一階倒數(shù)為0，并且二階倒數(shù)為負(fù)的點(diǎn)為峰值點(diǎn)；滿足一階倒數(shù)為0，并且二階倒數(shù)正數(shù)的點(diǎn)為峰谷點(diǎn)。但圖像的曲線是離散的，應(yīng)使用求差分函數(shù)來(lái)求解，確定峰值點(diǎn)和峰谷點(diǎn)，繪制灰度離散圖如圖9所示。

圖9 離散點(diǎn)波峰和波谷

依次得到灰度離散圖像上每個(gè)點(diǎn)所對(duì)應(yīng)的灰度值，對(duì)其進(jìn)行前后差分操作，當(dāng)前的遍歷點(diǎn)前后差分出現(xiàn)相異符號(hào)時(shí)，便可初步判定其為峰值點(diǎn)或峰谷點(diǎn)，判定依據(jù)如下：

(10)

式(10)可以處理平滑的灰度波動(dòng)曲線，但實(shí)際圖形曲線會(huì)出現(xiàn)如圖10所示的情況，式(10)顯然是不全面的。

圖10 重復(fù)的波峰點(diǎn)和波谷點(diǎn)

仔細(xì)分析可知，若出現(xiàn)平行的直線且灰度值較大，則為白色背景，灰度值很小，則為黑色文字區(qū)域，這種情況，只取第一個(gè)點(diǎn)加入即可，避免不必要的重復(fù)，這樣即可找到所有滿足條件的點(diǎn)。

因此當(dāng)投影曲線是圖10所示的曲線類型時(shí)，判定依據(jù)改為：

(11)

2.4 局部分割閾值判定

通過(guò)上述方法最大限度地提取了目標(biāo)考察點(diǎn)水平和豎直范圍內(nèi)的所有有價(jià)值的波峰點(diǎn)和波谷點(diǎn)，它們包含了圖像重要的邊緣信息，這些突變的點(diǎn)是光照不均勻的直接反映，在考察點(diǎn)長(zhǎng)為L(zhǎng)的水平鄰域內(nèi)，我們把滿足式(11)的水平方向上的點(diǎn)分別存放在一維矩陣A和B中。

A=[a1,a2,…，ai，…，am-1,am]m

B=[b1,b2,…，bj，…，bn-1,bn]n

式中：ai為第i個(gè)波峰點(diǎn)的灰度值；bj為第j個(gè)波谷點(diǎn)的灰度值。再求波峰點(diǎn)、波谷點(diǎn)的平均值如下：

Aaverage=Asum/m

(12)

Baverage=Bsum/n

(13)

式中：Asum為波峰點(diǎn)的灰度值總和；m為波峰的總數(shù)；Bsum為波谷點(diǎn)的灰度值總和；n為波谷的總數(shù)。則水平方向的閾值判定T1的計(jì)算方法為：

T1=K(Aaverage-Baverage)+Baverage

(14)

同理計(jì)算出豎直方向上的局部閾值判定T2，最終閾值如下：

T=ξ×(T1+T2)ξ∈[0,1]

(15)

若該考察點(diǎn)的灰度值大于T，則灰度值置為255，若灰度值小于等于T，則灰度值置為0，依此可判定改點(diǎn)是屬于目標(biāo)區(qū)域還是背景區(qū)域，依次對(duì)全圖循環(huán)遍歷，得到自適應(yīng)的二值化圖像。

2.5 灰度波動(dòng)曲線閾值分割實(shí)現(xiàn)

灰度波動(dòng)曲線閾值分割實(shí)現(xiàn)過(guò)程如下：

1)首先通過(guò)相機(jī)拍攝在光源不均勻照射下的圖像，再設(shè)置十字形模板的長(zhǎng)寬L，L過(guò)大則運(yùn)算速度過(guò)大，L過(guò)小則分割效果不佳。通過(guò)大量實(shí)驗(yàn)，當(dāng)L=75左右時(shí)，分割效果最好。

2)繪制當(dāng)前目標(biāo)考察點(diǎn)為中心的模板內(nèi)，水平和豎直方向的灰度波動(dòng)曲線，通過(guò)對(duì)灰度曲線上的坐標(biāo)位置對(duì)應(yīng)的圖像像素點(diǎn)進(jìn)行前后差分工作，獲取水平和豎直方向上的所有波峰點(diǎn)和波谷點(diǎn)，并把坐標(biāo)和灰度值存在信息相應(yīng)的一維矩陣中。

3)計(jì)算水平方向的所有波峰平均值和波谷平均值。根據(jù)公式得到平均波峰值和平均波谷值之間動(dòng)態(tài)分割閾值T1，同理得到豎直方向動(dòng)態(tài)分割閾值T2，通過(guò)加權(quán)平均得到最終閾值T。

4)把當(dāng)前考察點(diǎn)的灰度值和最終閾值T比較，分割為目標(biāo)或背景，十字模板從圖像的左上角依次從左到右、從上到下，循環(huán)到右下角，完成全圖分割。經(jīng)過(guò)大量不同光照情況的文本實(shí)驗(yàn)分析得，K取0.2、ξ取0.4時(shí)效果最佳。

2.6 核心編程的實(shí)現(xiàn)

實(shí)驗(yàn)環(huán)境：CPU為Inte酷睿i5 337U,2.7 GHz，內(nèi)存4 GB，程序編平臺(tái)為MATLAB 2014b,對(duì)光照不均勻的文檔圖像的二值化閾值分割的編程核心M語(yǔ)言代碼如下：

for i=H:(height-H+1)

%(i,j)程序遍歷起點(diǎn)

for j=H:(width-H+1)

…

for q=(j-(H-2)):(j+H-2)

Cpoint(cpoint)=in(i,q)

%提取豎直方向H個(gè)點(diǎn)的灰度值

if(in(i,q)>in(i,q-1)&& in(i,q)>=in(i,q+1))

A(ii)=in(i,q);

end

%波峰點(diǎn)數(shù)組

if(in(i,q)

B(jj)=in(i,q);

end

%波谷點(diǎn)數(shù)組

ii=ii+1;

jj=jj+1;

cpoint=cpoint+1;

end

T1=0.2*((sum(A))/averageA-(sum(B))/

averageB)+(sum(B))/averageB;

%豎直方向閾值T1

…

%同理求出T2

T=(T1+T2)*0.4

%最終閾值T

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法的有效性，選取了具有經(jīng)典代表性的方法作為對(duì)比參照，全局閾值分割法以O(shè)stu法為代表，局部閾值分割法有Niblack算法、Bernsen算法，各算法處理結(jié)果對(duì)比如圖11所示。圖11(a)所示為左側(cè)平行光斜角度照射所得的文本圖像，尺寸為1 040×780。在對(duì)比參照實(shí)驗(yàn)中，各算法的相關(guān)參數(shù)設(shè)置如下：Niblack算法中K值取0.2，Sauvola算法中K值取0.36，Niblack和Sauvola算法的模板窗口大小為20×20，本文算法中K的取值為0.2，ξ的取值為0.4。

(a)原圖 (b)Ostu算法 (c)Niblack算法

1)算法二值化分割效果及性能對(duì)比。由圖11(a)可見，左側(cè)區(qū)域灰度值較高，右側(cè)區(qū)域出現(xiàn)陰影，灰度值較低，全圖光照不均勻。從處理效果及算法性能來(lái)看，Ostu算法在光照較好的區(qū)域效果較好，對(duì)于較暗的區(qū)域和較亮的區(qū)域產(chǎn)生了兩極化的處理結(jié)果；Niblack算法雖然能分割出文字的輪廓但整個(gè)背景區(qū)域出現(xiàn)了大量的黑色紋理噪聲；Bernsen算法在較亮的區(qū)域處理效果還好，在較暗的區(qū)域依然會(huì)出現(xiàn)大量偽影和噪聲；Sauvola算法在Niblack算法上做了改進(jìn)，考慮了像素點(diǎn)鄰域內(nèi)標(biāo)準(zhǔn)差，處理效果得到了改善，但仍有不少椒鹽噪聲，尤其是灰度值較低的區(qū)域中噪聲更加明顯；本文算法準(zhǔn)確分割出了文字和背景，而且紋理清晰，零噪聲，細(xì)節(jié)保留良好。經(jīng)過(guò)大量不同文本不同光照情況實(shí)驗(yàn)，本文算法與最有效的Wellner算法在處理結(jié)果上幾乎沒(méi)有差別。結(jié)果表明：在不同的光照不均勻情況下，選取同樣的閾值，本文算法處理效果和適應(yīng)性依然較好。

2)參數(shù)L、K和ξ的對(duì)分割結(jié)果的影響。模板鄰域區(qū)域的長(zhǎng)度L的大小直接影響整個(gè)算法的處理速度，L選取得越大，運(yùn)算速度越慢，L選取得過(guò)小，文字墨跡發(fā)白變淺，像蒙了一層霧。隨著L的增大，墨跡逐步加深，所以L的選取既要考慮速度又要考慮效果，經(jīng)過(guò)不同文本光照情況的測(cè)試得出L取75效果最佳，字跡最清晰。

ξ的改變不影響運(yùn)算速度，ξ過(guò)小，字跡會(huì)淡化，筆畫斷裂，類似于被腐蝕；ξ越大，字跡輪廓越清晰，但文字會(huì)逐漸出現(xiàn)黑色斑點(diǎn)，與Niblack法處理結(jié)果很像。當(dāng)ξ取0.4時(shí)，效果最佳。

K的取值與處理后文字輪廓的粗細(xì)度有關(guān)，K值越大，文字輪廓越明顯，過(guò)大會(huì)出現(xiàn)重影，經(jīng)過(guò)實(shí)驗(yàn)K取0.2最佳。

3)處理時(shí)間對(duì)比。表1是對(duì)圖11處理結(jié)果繪制的表格，給出了Ostu法、Niblack法、Bernsen法、Sauvola法以及本文算法的處理時(shí)間?？梢钥闯觯琌stu法運(yùn)算時(shí)間是最短的；Niblack法、Bernsen法、Sauvola法三種基于局部鄰域像素的算法需要計(jì)算均值和標(biāo)準(zhǔn)差，耗時(shí)較久，實(shí)時(shí)性較差；本文算法主要在搜索波峰點(diǎn)和波谷點(diǎn)部分耗時(shí)，由于不需要計(jì)算標(biāo)準(zhǔn)差，速度有了明顯的提升，但由于是MATLAB編程，所以速度和程序優(yōu)化上有待提高。

表1 五種算法運(yùn)行性能對(duì)比

4 結(jié) 語(yǔ)

本文提出了一種針對(duì)光照不均勻的文本圖像的局部灰度波動(dòng)的自適應(yīng)閾值分割算法。根據(jù)圖像每個(gè)像素及其鄰域點(diǎn)的灰度值跳動(dòng)，把圖像和三維地形聯(lián)系起來(lái)，圖像每一行每一列的灰度波動(dòng)變化曲線，可看作與之對(duì)應(yīng)的三維地形剖面輪廓圖?？紤]到陽(yáng)光造成三維地形朝陽(yáng)和背陰的現(xiàn)象、光線反射、物體表面反射率等因素，當(dāng)前點(diǎn)的灰度值受其鄰域范圍內(nèi)波峰點(diǎn)和波谷點(diǎn)影響更大。所以本文算法把當(dāng)前目標(biāo)考察點(diǎn)的一定范圍內(nèi)水平和豎直方向的所有的波峰點(diǎn)和波谷點(diǎn)提取出來(lái)，通過(guò)一定的均值加權(quán)處理，確定當(dāng)前點(diǎn)的閾值，完成當(dāng)前點(diǎn)的閾值分割。實(shí)驗(yàn)證明本文方法可以處理不同光照情況的文本圖像，自適應(yīng)強(qiáng)，分割效果較好，充分考慮了光照不均勻的敏感變化點(diǎn)。該算法的不足之處在于：模板尺寸L對(duì)處理結(jié)果有影響，L過(guò)大速度變慢，L過(guò)小處理效果不佳；考慮到是全圖遍歷，提取波峰點(diǎn)和波谷點(diǎn)求平均過(guò)程執(zhí)行速度相對(duì)較慢。