王雪迎

(撫順職業(yè)技術(shù)學(xué)院 初等教育系，遼寧撫順113122)

一幅需要被檢測的圖像中包含了很多區(qū)域，有需要被檢測的目標(biāo)區(qū)域，有背景區(qū)域，還有包含許多信息的無用區(qū)域.處理圖像沒有必要考慮整幅圖像的所有部分，對于背景區(qū)域和無用區(qū)域我們可以將其去除，這就需要用到圖像分割技術(shù).圖像分割是一門很重要的技術(shù)，其目的就是減少后續(xù)部分(如圖像分析、識別等技術(shù))需要處理的數(shù)據(jù)量.比如手寫數(shù)字識別技術(shù)中，在識別字符之前需要將字符區(qū)域分割出來，而圖像中往往會含有多個字符，所以我們不僅需要將字符區(qū)域分割出來，還要將每個字符單獨(dú)分割[1].經(jīng)過對手寫字符進(jìn)行邊界特征提取的預(yù)處理之后，圖像的數(shù)字區(qū)域已經(jīng)十分明顯，每個數(shù)字都邊界清晰，內(nèi)部飽滿，充分滿足圖像分割的條件，所以本研究的目的是要將圖像中的每個字符分割出來.本文研究基于數(shù)字的邊界特征分割法，首先沿著Y方向統(tǒng)計(jì)每行的像素點(diǎn)累計(jì)和，設(shè)定合理的閾值，確定數(shù)字區(qū)域的高度，然后在已經(jīng)確定的高度內(nèi)，統(tǒng)計(jì)X方向每列的像素點(diǎn)累計(jì)和，再次設(shè)定閾值，至此就可以實(shí)現(xiàn)數(shù)字區(qū)域定位與分割.

1 數(shù)字區(qū)域定位

數(shù)字定位算法是指在實(shí)際圖像中確定數(shù)字區(qū)域的位置以便提取分割出數(shù)字區(qū)域圖像的方法.定位算法應(yīng)用廣泛，手寫數(shù)字識別技術(shù)中關(guān)鍵的步驟之一就是定位出數(shù)字區(qū)域，這一步屬于經(jīng)典的圖像分割問題.

數(shù)字定位算法多種多樣，但是目前仍然沒有一種數(shù)字定位算法能夠無視復(fù)雜環(huán)境的干擾，通用于各種環(huán)境[2].常用的定位算法有以下3種：(1)基于直線檢測的方法；(2)基于閾值化方法；(3)基于灰度邊緣檢測方法.通常，一幅圖像的目標(biāo)圖形與背景區(qū)域存在很大的對比度，且目標(biāo)邊緣的灰度變化也存在一定的變化規(guī)律.基于灰度邊緣檢測方法就是利用這一特點(diǎn)對圖像進(jìn)行邊緣檢測的，梯度最大的地方就是圖像灰度值變化比較大的地方，Roberts算子、Prewitt算子和Sobel算子是這種方法比較常用的算子.本文研究運(yùn)用基于灰度的邊緣檢測方法進(jìn)行字符區(qū)域定位.

經(jīng)過手寫字符的邊界特征提取的圖像預(yù)處理后，圖像的邊界特征被很好地展現(xiàn)出來，圖像邊緣清晰平滑.二值化處理后的圖片可以看成一個像素矩陣，里面的數(shù)字不是1就是0，需要利用灰度邊緣檢測方法對這個矩陣進(jìn)行行掃描和列掃描.對于行掃描和列掃描統(tǒng)計(jì)一行或者一列中“1”的個數(shù)分別有如下公式:

(1)

(2)

由公式(1)和(2)可以統(tǒng)計(jì)出每一行或者每一列的中“1”的個數(shù).具體步驟如下:

(1)確定圖像中數(shù)字區(qū)域的高度范圍.首先對圖像進(jìn)行自上而下地逐行掃描，由于圖像為二值圖像，黑色為0，白色為1，而形態(tài)濾波后的圖像背景為黑色，數(shù)字為白色，因此統(tǒng)計(jì)每行中“1”的個數(shù)便可以得到數(shù)字區(qū)域的高度范圍[3].

如圖1所示，從該圖像中可以清晰地看到每行中“1”的個數(shù)，而曲線兩端累計(jì)為0，說明兩端之外的部分不存在“1”，也就是非數(shù)字區(qū)域，由此可以得到數(shù)字區(qū)域上下兩端的行值，進(jìn)而得到數(shù)字區(qū)域的高度范圍.

(2)確定圖像中數(shù)字區(qū)域的寬度范圍.確定數(shù)字區(qū)域的寬度范圍的方法與確定高度的方法相同，首先對圖像從左至右逐列掃描，并計(jì)算出列方向像素點(diǎn)灰度值累計(jì)和，如圖2所示.雖然圖像中的曲線被分為3個部分，但是依然存在數(shù)字區(qū)域的左右邊界，左右邊界就是整個曲線的左端點(diǎn)和右端點(diǎn)，依據(jù)左右端點(diǎn)所在的列值即可以確定數(shù)字區(qū)域的寬度范圍.

(3)通過以上兩個步驟得到了數(shù)字區(qū)域的高度范圍和寬度范圍，由這兩個范圍便可以定位出手寫數(shù)字的位置，并且可以根據(jù)此位置信息切割出數(shù)字區(qū)域[4].圖3便是定位并切割后的圖片.

2 字符分割

一幅手寫數(shù)字圖像通常由多個數(shù)字組成，簡單的數(shù)字識別算法并不能將聚在一起的多個數(shù)字識別出來，所以就必須將每一個字符單獨(dú)分割出來.

字符分割是在數(shù)字分割的基礎(chǔ)上進(jìn)行，二者原理相似.字符的高度與分割后的數(shù)字區(qū)域的高度相同，所以不再對分割后的圖像進(jìn)行行分割.每個字符之間具有一定的間距，這個間距是分割的關(guān)鍵.在已經(jīng)被分割出來的數(shù)字區(qū)域內(nèi)按照從左到右的順序進(jìn)行逐列掃描，當(dāng)檢測到第一個列像素累計(jì)之和不為0時，這個像素點(diǎn)就是第一個字符的左邊界，并以此為起點(diǎn)分割第一個字符；

再繼續(xù)掃描，當(dāng)檢測出某一列的像素累計(jì)之和為0時，這個像素點(diǎn)就是第一個字符的右邊界，此時第一個字符分割結(jié)束；然后繼續(xù)掃描，不斷地檢測像素和為0和不為0的列，并記錄列值，掃描到圖像的最右端則字符分割結(jié)束.這樣就得到了每個字符比較精確的范圍.在圖2中可以看到整個曲線被分為3個部分，每個部分都存在兩個端點(diǎn)，這兩個端點(diǎn)所在的列值就是每個字符的左右邊界，這樣就可以成功地把字符分割出來，分割后的字符如圖4所示.

3 歸一化處理

歸一化處理是指將圖像劃分為統(tǒng)一大小的算法，其目的就是保證圖像大小一致，方便觀察，利于計(jì)算.本文的識別算法為BP神經(jīng)網(wǎng)絡(luò)算法，它要求所有輸入的圖像必須具有相同的尺寸，因此，對于本文而言，歸一化更是不可或缺的一個步驟.該算法在字符分割和識別過程中起到一個承接的作用.

歸一化方法主要有線性歸一化和非線性歸一化兩種.前者廣泛應(yīng)用于字符識別中，具體的操作方法是：首先通過比較歸一化前后的尺寸得到變換系數(shù)，然后把圖像中的點(diǎn)映射到原圖像中，再通過變換系數(shù)把圖像變?yōu)橐?guī)定的大小.這種方法操作簡單，但歸一化過程中如果不考慮字符的形變比例，可能會引起圖像的形變，影響識別效果.非線性歸一化方法則可以很好地規(guī)避圖像形變問題，但計(jì)算復(fù)雜，耗費(fèi)時間多.

本文運(yùn)用歸一化處理將圖片尺寸統(tǒng)一為128×128像素，歸一化結(jié)果見圖5.

4 結(jié)語

本文研究手寫數(shù)字識別技術(shù)中的字符分割技術(shù)，屬于手寫數(shù)字識別的中間模塊，起到承上啟下的作用，分割結(jié)果的好壞對數(shù)字的識別效果有很大的影響.本文兩次運(yùn)用基于灰度邊緣檢測方法成功地將每個字符分割出來，分割后的圖像效果良好，最后運(yùn)用歸一化算法將圖像像素統(tǒng)一為128×128像素.歸一化后的圖片輸入到BP神經(jīng)網(wǎng)絡(luò)中，即可實(shí)現(xiàn)高效、快速識別.