聶小力, 張 濤, 羅敏玄, 吳 豐, 戴亮亮, 李 新

(中國地質(zhì)調(diào)查局長沙自然資源綜合調(diào)查中心，湖南 長沙 410600)

0 引言

在物化探野外工作中，常需將手寫的記錄表轉(zhuǎn)化為電子文檔以便入庫管理，但現(xiàn)階段尚無此類專業(yè)軟件，因此開發(fā)能實(shí)現(xiàn)這一功能的程序很有必要。本文選用MATLAB來做圖像處理[1]，將圖片文件轉(zhuǎn)化為與之對(duì)應(yīng)的矩陣，通過對(duì)矩陣進(jìn)行處理運(yùn)算便可起到處理圖像的效果，這把字符識(shí)別問題轉(zhuǎn)化成了數(shù)學(xué)問題，極大程度簡化了研究內(nèi)容。

研究過程中首先對(duì)圖片進(jìn)行預(yù)處理，將需提取信息的部分識(shí)別出來并進(jìn)行剪裁，將彩色圖像灰度化轉(zhuǎn)為灰度圖像，再對(duì)圖像中的無用信息進(jìn)行去噪處理。然后將灰度圖轉(zhuǎn)為二值圖像，進(jìn)行切割后得到單個(gè)字符的特征矩陣。最后利用模板比對(duì)法，通過相關(guān)性大小最終確定字符信息。

1 字符識(shí)別原理及算法流程

本文采用光學(xué)字符識(shí)別(OCR)的方法來進(jìn)行字符識(shí)別，主要分為圖像預(yù)處理、圖像分割、文字識(shí)別三個(gè)步驟。圖像預(yù)處理即將原始圖像轉(zhuǎn)化為非黑即白的二值圖，并去除噪聲，然后分割剪裁得到單個(gè)字符特征矩陣，最后利用模板比對(duì)法確定字符信息。

具體算法流程圖如圖1所示。

圖1 算法流程圖

2 字符識(shí)別的MATLAB實(shí)現(xiàn)

考慮到字符識(shí)別的一些處理步驟可合并到一起，故從三個(gè)環(huán)節(jié)來說明字符識(shí)別的MATLAB實(shí)現(xiàn)方法，分別是圖像預(yù)處理、圖像切割和字符識(shí)別[2]。

2.1 圖像預(yù)處理

圖像預(yù)處理主要包括去噪和二值化，通過預(yù)處理后的圖像便可得到待識(shí)別字符的特征矩陣。對(duì)圖像而言，常見噪聲有兩種，一種是高斯噪聲，即概率密度函數(shù)服從高斯分布的噪聲；另一種是隨機(jī)出現(xiàn)的脈沖噪聲，在圖像上表現(xiàn)為無規(guī)律分布的白點(diǎn)或黑點(diǎn)。首先利用imnoise函數(shù)對(duì)示例圖像分別加入這兩種噪聲。imnoise(f,′gaussian′,m,v)為加入高斯噪聲的程序語句，其中f為輸入圖像，單引號(hào)內(nèi)部為所需添加噪聲的類型，m和v分別為所加高斯噪聲的均值和方差。imnoise(f,′salt&pepper′,d)為加入脈沖噪聲的程序語句，其中d為脈沖噪聲的噪聲密度。對(duì)每種噪聲都采用中值濾波和算術(shù)均值濾波兩種方法做去噪處理，并對(duì)比效果，如圖2所示。核心程序語句及去噪效果如下：

img=imread(′程序?qū)崿F(xiàn)方法舉例.jpg′)；

I_gray=rgb2gray(img);%轉(zhuǎn)換為灰度圖

I_GaussNoise=imnoise(I_gray,′gaussian′);%加入高斯噪聲

I_SaltPepperNoise=imnoise(I_gray,′salt & pepper′,0.02);%加入脈沖噪聲

g1=medfilt2(I_GaussNoise);%中值濾波

g2=medfilt2(I_SaltPepperNoise);%中值濾波

i=[111;111;111];

i=i/9;%定義9點(diǎn)模板

g3=conv2(I_GaussNoise,i);%算術(shù)均值濾波

g4=conv2(I_SaltPepperNoise,i);%算術(shù)均值濾波

圖2 高斯噪聲及脈沖噪聲處理效果對(duì)比圖

由圖2可知，對(duì)高斯噪聲而言，中值濾波處理能力不及算術(shù)均值濾波，但對(duì)脈沖噪聲處理而言，中值濾波比算術(shù)均值濾波的效果好很多，故對(duì)不同類型噪聲需選取不同去噪方法，多次濾波往往效果更好。

經(jīng)去噪的圖像即可轉(zhuǎn)為二值圖以作后續(xù)處理。首先利用graythresh函數(shù)，利用最大類間方差法找到二值化圖片的最佳閾值，再利用im2bw函數(shù)將原圖轉(zhuǎn)為二值圖。

img=imread(′已去噪圖像.jpg′);

I_gray=rgb2gray(img);%轉(zhuǎn)換為灰度圖

thresh=graythresh(I_gray);%最大類間方差計(jì)算閾值

I_bw=～im2bw(I_gray,thresh);%灰度圖轉(zhuǎn)二值圖

二值化后圖像如圖3(a,b)所示。

圖3 圖像預(yù)處理及圖像切割效果圖

2.2 圖像切割

圖像切割分字符切割和邊界拓展兩部分，橫縱兩方向進(jìn)行?？紤]到手寫習(xí)慣都是由左至右橫向書寫，因此首先按行對(duì)圖像進(jìn)行遍歷后可剪裁掉不包含字符信息的空白行，然后利用bwlabel函數(shù)，按8連通來識(shí)別連通區(qū)域，再分別對(duì)各連通區(qū)域進(jìn)行切割，以得到單字符圖像。

由于切割是沿字符邊緣進(jìn)行的，為提高后續(xù)模板比對(duì)的準(zhǔn)確率，我們對(duì)切割后的圖像做邊界拓展，使字符信息位于圖像正中并沿上下左右四個(gè)方向分別外延相同像素點(diǎn)，再用imresize函數(shù)對(duì)圖像尺寸做歸一化處理。具體程序語句如下：

[a,b]=size(I_bw);

k=1;

for i=1:a

temp=sum(I_bw(i,:));

if temp==0

backline(k)=i; k=k+1; %橫向切割去除上下白邊

end

end

I_bw2=I_bw;

I_bw2(backline,:)=[];

[L,Ne]=bwlabel(I_bw2);

for n=1:Ne%縱向切割分割單一字符

[r,c]=find(L==n);

n1=I_bw2(min(r):max(r),min(c):max(c));

[height,width]=size(n1);

h=fix(height/3);w=fix(width/3);

n2=zeros(2*h+height,2*w+width);

for i=1:height%邊界拓展及尺寸歸一化

for j=1:width

n2(h+i,w+j)=n1(i,j);

end

end

strname1=[′num′,num2str(n),′1′]; strname2=[′num′,num2str(n),′2′];

strname1=imresize(n1,[50 50]); strname2=imresize(n2,[50 50]);

end

程序運(yùn)行結(jié)果如圖3(c,d,e)所示。

2.3 字符識(shí)別

經(jīng)圖像預(yù)處理、切割及尺寸歸一化后便可得到單一字符的特征矩陣。特征矩陣中只有0和1兩種元素，再利用corr2函數(shù)逐一對(duì)特征矩陣及字庫模板做相關(guān)性分析，相關(guān)性最高的模板便為字符信息。

3 字符識(shí)別在物化探資料整理中的應(yīng)用

本文借助以上基于MATLAB編寫的字符識(shí)別程序，以大別山區(qū)某項(xiàng)目土地質(zhì)量地球化學(xué)調(diào)查中的野外采樣記錄卡為處理對(duì)象，從手寫區(qū)范圍標(biāo)記、識(shí)別區(qū)剪裁、文字識(shí)別以及電子表格自動(dòng)填寫四個(gè)步驟，系統(tǒng)編寫了由原始表格到電子表格的自動(dòng)轉(zhuǎn)化程序，大大提高了資料整理的工作效率。

3.1 手寫區(qū)范圍標(biāo)記、識(shí)別區(qū)剪裁及文字識(shí)別

由于野外記錄表格式固定，首先利用鼠標(biāo)交互方式，調(diào)用getPosition函數(shù)獲取手寫區(qū)的范圍及其坐標(biāo)位置，并保存至模板文件。具體語句如下：

Mat=imread(′表格模板.jpg′);

imshow(Mat);

for i=1:43

mouse=imrect;

pos(i,:)=getPosition(mouse);% x1 y1 w h

ROI.pos(i,:)=[pos(i,1) pos(i,2) pos(i,3) pos(i,4)];

CutPic=imcrop(Mat,ROI.pos(i,:));

imwrite(CutPic,[′./temp/num′,num2str(i),′.jpg′]);

end

獲得了手寫區(qū)范圍模板文件后便可利用CutPic函數(shù)對(duì)識(shí)別區(qū)進(jìn)行剪裁，圖4上方為手寫的野外記錄表，下方為通過程序自動(dòng)剪裁得到的單個(gè)單元格的圖像。保存單個(gè)單元格圖像，依次進(jìn)行識(shí)別即可得到表格中各記錄屬性的內(nèi)容。

圖4 識(shí)別區(qū)剪裁效果圖

以輸水方式屬性為例，切割后的圖片經(jīng)上述各過程后可得到單個(gè)字符的特征矩陣，其中紅色標(biāo)記的位置即為二值化處理后賦有文字信息的像素點(diǎn)，可看到單個(gè)字符的特征矩陣能很好地反應(yīng)字符信息，具體效果如圖5所示。在此基礎(chǔ)上進(jìn)行模板比對(duì)即可得到對(duì)應(yīng)字符內(nèi)容。

圖5 文字剪裁及特征矩陣獲取

3.2 電子表格填寫

通過以上字符識(shí)別已得到各屬性的內(nèi)容，將其寫入電子表格中即可完成手寫表格到電子表格的轉(zhuǎn)換。利用xlswrite函數(shù)即可完成這一過程，具體程序代碼如下：

samplename=[′化探表格模板.xls′];

pointNum=cellstr(ROI.text(7));

newfilename=[pointNum,′.xls′];

copyfile(samplename,newfilename);

for i=1:size(ROI,1)

a=floor(i/3);

b=mod(i/3);

c=[′A′,′B′,′C′,];

position=[c(b),num2str(a)];

xlswrite(newfilename,cellstr(ROI.text(i)),′Sheet1′,position);

end

4 結(jié)論及討論

MATLAB因其強(qiáng)大的數(shù)據(jù)處理功能在各行業(yè)得到了廣泛應(yīng)用。本文以MATLAB編程語言為基礎(chǔ)，利用光學(xué)字符識(shí)別(OCR)的方法實(shí)現(xiàn)了字符識(shí)別這一過程。以土地質(zhì)量地球化學(xué)調(diào)查的野外記錄表為例，證明通過MATLAB實(shí)現(xiàn)手寫表格到電子表格的快速轉(zhuǎn)化。但是由于不同作業(yè)人員字跡的多樣性，使得字符識(shí)別的準(zhǔn)確性受到了一定影響，可進(jìn)一步優(yōu)化字符識(shí)別算法以及擴(kuò)大模板字庫量兩個(gè)方面來解決識(shí)別準(zhǔn)確率不夠高的問題。