王秀友 任方針 劉華明 時(shí)如夢(mèng) 王勝波

摘 要：古籍文檔圖像版面分割是古籍?dāng)?shù)字化流程中至關(guān)重要的一步，藏文古籍文檔版面分割是后續(xù)藏文版面分析等工作的基礎(chǔ)。針對(duì)藏文古籍文檔版面分割問題，提出了基于分段投影法的藏文古籍文檔圖像版面分割方法，該方法采用分段投影法，利用古籍版面結(jié)構(gòu)與各分段投影值之間的聯(lián)系，通過兩次分段多次投影得出古籍文檔圖像版面分割結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法取得了較好的古籍文檔版面分割結(jié)果，為藏文古籍圖像的版面分割提供了一種可以借鑒的思路。

關(guān)鍵詞：版面分割;分段投影;藏文古籍;版面分析;投影法

中圖分類號(hào)：TP391.4? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2021）08-0038-05

0 引言

藏族作為我國(guó)56個(gè)民族之一，其文化是我國(guó)文化的重要組成部分，而藏文古籍作為承載藏族文化的載體，對(duì)于藏族文化的傳承至關(guān)重要，因此對(duì)藏文古籍保護(hù)的研究較有意義，當(dāng)前古籍?dāng)?shù)字化保護(hù)已經(jīng)成為了主要的古籍保護(hù)方式，古籍圖像示例如圖1所示。古籍?dāng)?shù)字化通常包括古籍拍照或掃描、古籍圖像版面分割、古籍圖像版面描述、古籍圖像內(nèi)容識(shí)別等步驟，古籍版面分割作為古籍?dāng)?shù)字化中的重要步驟，對(duì)古籍版面分割的研究是很有必要的。

版面分割是古籍?dāng)?shù)字化中關(guān)鍵的一步，是后續(xù)操作的基礎(chǔ)，在版面分割方面也有不少研究。在過去的幾十年中，國(guó)內(nèi)外的研究者針對(duì)印刷或手寫的古籍文獻(xiàn)提出了許多不同的版面分析方法。張利[1]等利用游程平滑算法（RLSA）對(duì)英文文檔進(jìn)行版面分割，提出了基于游程平滑算法（RLSA）的方法對(duì)英文文檔進(jìn)行版面分割，該方法首先使用游程平滑算法將版面分成一些小區(qū)域，然后對(duì)這些區(qū)域進(jìn)行連通元素分類與合并，最終達(dá)到版面分割的目標(biāo)。于明[2]等改進(jìn)了傳統(tǒng)基于連通域的版面分析方法，對(duì)文本圖像進(jìn)行單個(gè)字體的區(qū)域擴(kuò)充，使后續(xù)的連通間距統(tǒng)計(jì)更為準(zhǔn)確和方便，再通過連通間距的統(tǒng)計(jì)對(duì)圖像進(jìn)行模糊整合，進(jìn)行文本圖像的連通區(qū)域分割，效果更好。Chen Kai等[3-5]于2014至2017年間分別提出了基于顏色和紋理特征的歷史手寫文檔圖像頁(yè)面分割方法、基于卷積自編碼的歷史文檔圖像頁(yè)面分割方法、基于無(wú)監(jiān)督特征學(xué)習(xí)超像素分類的歷史文檔圖像頁(yè)面分割方法，在歷史文檔頁(yè)面分割上取得了不錯(cuò)的效果，降低了復(fù)雜度且提升了分析效果。Strouthopoulos[6]提出了一種基于神經(jīng)網(wǎng)絡(luò)的文獻(xiàn)圖像文本區(qū)域識(shí)別與分析方法，該方法首先使用掩膜進(jìn)行運(yùn)算，提取各個(gè)區(qū)域的紋理信息，再使用神經(jīng)網(wǎng)絡(luò)結(jié)合這些降維后的特征對(duì)這些區(qū)域進(jìn)行分類。魏傳義[7]提出一種分列投影的版面分割算法。該方法繼承了投影法本身計(jì)算速度快的特點(diǎn)，同時(shí)還可以避免圖像弧度對(duì)版面分割的影響。

在藏文古籍版面分割方面的研究相對(duì)其他文檔的少一些，Huaming Liu[8]等提出一種基于邊界信息的藏文歷史文獻(xiàn)的版面分析方法，該方法在藏文古籍版面分析方面取得了較好的結(jié)果。張西群等[9，10]介紹了一種基于卷積降噪自編碼器的藏文歷史古籍版面分析方法。該方法能夠?qū)Σ匚臍v史文獻(xiàn)的不同版面元素進(jìn)行有效的分離，但其結(jié)果比較依賴聚類結(jié)果。

但當(dāng)前的處理思路都較復(fù)雜，而投影法是一種較易實(shí)現(xiàn)且算法簡(jiǎn)單的方法，對(duì)于本文所研究的如圖1所示的藏文古籍文檔圖像，古籍圖像的投影值與版面結(jié)構(gòu)之間的聯(lián)系非常容易提取，由此本文提出了基于分段投影法的藏文古籍文檔圖像版面分割方法。

1 基于分段投影法的藏文古籍版面分割

本文采用分段投影的方式，利用各分段投影值與圖像版面之間的聯(lián)系達(dá)到圖像版面分割的目標(biāo)，本質(zhì)上還是投影的方法，因此對(duì)投影法做一個(gè)基本的介紹。

1.1 投影法

投影法是根據(jù)圖像在一些方向上的投影分布特征來進(jìn)行檢測(cè)，這種方法在本質(zhì)上是一種統(tǒng)計(jì)方法，投影法的基本思想是對(duì)文本圖像水平方向和垂直方向分別進(jìn)行掃描，根據(jù)投影圖的特征來找出所需信息。標(biāo)準(zhǔn)的投影法是從全局出發(fā)，將整個(gè)文本圖像進(jìn)行水平和豎直投影，通過投影輪廓圖來劃分區(qū)域，而本章經(jīng)過對(duì)古籍圖像及其二值化后的圖像的分析，標(biāo)準(zhǔn)的投影法所得到的投影值與版面結(jié)構(gòu)之間聯(lián)系不易提取，若直接投影，無(wú)法根據(jù)投影圖直接獲取文本區(qū)坐標(biāo)，而分段后其投影值與版面結(jié)構(gòu)便容易對(duì)應(yīng)起來，利用這個(gè)特點(diǎn)，本章提出了基于分段投影法的藏文古籍版面分割方法。

1.2 基于分段投影法的藏文古籍版面分割

基于分段投影法的版面分割方法步驟如下：將整張圖像從垂直方向和水平方向進(jìn)行分段，分段后根據(jù)文本區(qū)邊框所在分段投影值結(jié)合圖像先驗(yàn)知識(shí)來確定版面結(jié)構(gòu)，基于分段投影法的版面分割流程圖如圖2所示。首先進(jìn)行圖像預(yù)處理，得到圖像二值化圖，然后進(jìn)行垂直分段，根據(jù)垂直分段內(nèi)與版面結(jié)構(gòu)對(duì)應(yīng)的投影值得到文本區(qū)及圖像區(qū)左右坐標(biāo)，再進(jìn)行水平分段，根據(jù)水平投影值結(jié)合圖像版面特點(diǎn)得到文本區(qū)及圖像區(qū)下坐標(biāo)，最后，根據(jù)圖像區(qū)在對(duì)應(yīng)分段內(nèi)的投影值得到文本區(qū)上坐標(biāo)，從而得到古籍圖像版面分割結(jié)果。

1.2.1 圖像預(yù)處理

由于本文是采用的是投影法，因此首先要對(duì)圖像進(jìn)行灰度化及二值化，我們知道圖像是由很多個(gè)像素點(diǎn)組成的，而每個(gè)像素點(diǎn)的顏色都可以由RGB三個(gè)值來表達(dá)，圖像的灰度化處理就是通過計(jì)算使R=G=B，經(jīng)過灰度化處理后，圖像的顏色信息就被消除了，本文采取公式1對(duì)圖像進(jìn)行灰度化，得到的灰度圖如圖3所示：

Gray=R0.3+G0.59+B0.11? （1）

得到灰度圖后便可以進(jìn)行二值化，二值化的過程為：設(shè)定一個(gè)二值化閾值，將大于該閾值的像素點(diǎn)置為白像素并將小于該閾值的像素點(diǎn)置為黑像素，進(jìn)而得到只有黑和白兩種顏色的二值化圖像。本文選擇

Niblack算法[11]對(duì)圖像進(jìn)行二值化，二值化圖示例如圖4所示：

1.2.2 圖像垂直分段并投影

得到圖像二值化圖后，對(duì)圖像二值化圖及古籍版面結(jié)構(gòu)進(jìn)行分析，從如圖4所示的二值化示例圖中可以看出，在文本區(qū)及圖像區(qū)都有較為明顯的邊框，而這些邊框均為黑像素，基于這種情況，若首先將圖像分段，再找出這些邊框位置所在分段進(jìn)行投影，投影值最大的位置即為這些區(qū)域邊框位置，從而得到圖像版面結(jié)構(gòu)。

首先進(jìn)行垂直分段并投影：通過對(duì)圖像的分析，圖像文本區(qū)垂直方向上有左右邊框，通過對(duì)圖像文本區(qū)邊框位置的分析，將圖像垂直方向平均分為5段，則文本區(qū)左右邊框在第二段與第四段內(nèi)，因此本文在垂直方向上將圖像分為5段并分別進(jìn)行垂直投影，以垂直分段第二段與第四段投影值最大的坐標(biāo)作為左右坐標(biāo)。

示例圖像垂直投影如圖5所示，可以看到幾個(gè)明顯的波峰，根據(jù)對(duì)古籍圖像的分析，位于中間的兩個(gè)波峰是文本區(qū)邊框的位置，這兩個(gè)波峰可以大致將圖像的文本區(qū)左右范圍表示出來。根據(jù)上面分析可知將圖像垂直平均分為5段后文本區(qū)左邊框?qū)⒃诘诙沃?，此時(shí)第二段垂直投影值最大的坐標(biāo)便可以作為文本區(qū)左坐標(biāo)，同樣，文本區(qū)右邊框?qū)⒃诘谒亩沃校谒亩瓮队爸底畲蟮淖鴺?biāo)便可以作為文本區(qū)右坐標(biāo)。

垂直投影獲取文本區(qū)左右坐標(biāo)步驟為：

（1）圖像預(yù)處理;

（2）將圖像從垂直方向平均分為5段，對(duì)每一段進(jìn)行垂直投影;

（3）將垂直分段第二段投影值最大的坐標(biāo)記錄下來，將該坐標(biāo)記為文本區(qū)左坐標(biāo);

（4）將垂直分段第四段投影值最大的坐標(biāo)記錄下來，將該坐標(biāo)記為文本區(qū)右坐標(biāo)。

1.2.3 圖像水平分段并投影

水平投影獲取文本區(qū)上下坐標(biāo)的思路與垂直投影獲取文本區(qū)左右坐標(biāo)的思路類似，目標(biāo)是找出文本區(qū)的上下坐標(biāo)，將圖像從水平方向平均分為3段，根據(jù)圖像特點(diǎn)文本區(qū)上邊框位于水平方向第1段，下邊框位于水平方向第3段，示例圖像水平投影如圖6所示，將圖像從水平方向分為3段后，文本區(qū)上坐標(biāo)將位于第1段，文本區(qū)下坐標(biāo)將位于第3段，而此時(shí)若延續(xù)分段內(nèi)將投影值最大坐標(biāo)作為文本區(qū)坐標(biāo)的思路，得出的上邊框坐標(biāo)將會(huì)出現(xiàn)較多錯(cuò)誤的情況，從而導(dǎo)致版面分割結(jié)果不準(zhǔn)確，這是因?yàn)橐徊糠謭D像的文本區(qū)上邊框并不平整，因此在該分段內(nèi)投影值最大的并不是文本區(qū)上邊框位置，因此對(duì)于文本區(qū)上下坐標(biāo)的獲取需要轉(zhuǎn)變方式。通過對(duì)圖像特點(diǎn)的分析，在文本區(qū)上邊框與文字之間有一段空隙，圖像分段后，在水平第一段中，這個(gè)空隙的水平投影值通常是最小的，將該位置作為文本區(qū)上坐標(biāo)，同理，將水平第三段投影值最小的位置作為文本區(qū)下坐標(biāo)，因此將水平投影第一段最小值位置作為文本區(qū)上坐標(biāo)，將水平投影第三段最小值位置作為下坐標(biāo)，此時(shí)獲取的文本區(qū)坐標(biāo)通常與實(shí)際文本區(qū)相近。

水平分段投影獲取文本區(qū)上下坐標(biāo)步驟為：

（1）圖像預(yù)處理;

（2）將圖像從水平方向平均分為3段，對(duì)每一段進(jìn)行水平投影;

（3）將水平分段第一段即圖中上三分之一段中投影值最小的坐標(biāo)記錄下來，將該坐標(biāo)記為文本區(qū)上坐標(biāo);

（4）將水平分段第三段即圖中下三分之一段中投影值最小的坐標(biāo)記錄下來，將該坐標(biāo)記為文本區(qū)下坐標(biāo)。

經(jīng)過上述兩次分段多次投影根據(jù)投影值獲得文本區(qū)坐標(biāo)的操作后便可以得到古籍版面分割結(jié)果。分段投影法版面分割結(jié)果如圖7所示：

2 改進(jìn)的分段投影法

在使用上述分段投影法進(jìn)行藏文古籍版面分割的過程中，發(fā)現(xiàn)文本區(qū)左右坐標(biāo)的獲取通常比較準(zhǔn)確，而有一部分上下坐標(biāo)不準(zhǔn)確，針對(duì)這種情況，通過對(duì)錯(cuò)誤案例的分析，對(duì)上文中的分段投影法進(jìn)行了兩次改進(jìn)。

2.1 調(diào)整水平投影范圍的分段投影法

在使用分段投影法進(jìn)行版面分割的過程中，出現(xiàn)了如圖8所示的錯(cuò)誤案例，通過這種錯(cuò)誤案例的二值化圖的分析，本文認(rèn)為是由于古籍圖像區(qū)的投影值對(duì)最終的版面分割結(jié)果造成了影響，那么若將圖像區(qū)在投影時(shí)排除在外，便可以避免這種情況，即不再受圖像區(qū)投影值的影響。由此，本文提出了第一個(gè)改進(jìn)措施——調(diào)整水平投影的范圍。

改進(jìn)的措施是針對(duì)1.3節(jié)中水平分段并投影步驟中的第3步和第4步，原本方案中是將圖像水平分為3段后從左至右全部投影，因此圖像區(qū)投影值會(huì)對(duì)最終版面分割結(jié)果造成影響。由于在1.2節(jié)中已經(jīng)獲取了文本區(qū)的左右坐標(biāo)，因此，現(xiàn)在將水平投影第三段的左右投影范圍調(diào)整為從文本區(qū)左坐標(biāo)到文本區(qū)右坐標(biāo)，這樣便排除了圖像區(qū)投影值對(duì)最終版面分割結(jié)果的影響。改變投影范圍后的投影圖如圖9所示，經(jīng)過第一次改進(jìn)后如圖8所示的錯(cuò)誤示例版面分割結(jié)果圖如圖10所示。

2.2 圖像區(qū)上坐標(biāo)替代文本區(qū)上坐標(biāo)的分段投影法

在第一次改進(jìn)后仍有如圖11所示版面分割錯(cuò)誤的情況，發(fā)現(xiàn)錯(cuò)誤都是由于上坐標(biāo)不準(zhǔn)確導(dǎo)致的，對(duì)圖像二值化圖及其投影圖進(jìn)行分析，發(fā)現(xiàn)出現(xiàn)這種情況的原因是本文獲取文本區(qū)上坐標(biāo)的方式是將水平分段第一段內(nèi)的投影值最小的位置作為文本區(qū)上坐標(biāo)，利用的是在文本區(qū)邊框與藏文文字之間通常由間隙，但從圖11中可以看出，由于藏文文字的特點(diǎn)，有一部分藏文文字兩部分是分離的，一個(gè)字的上下兩部分之間有間隙，而恰好這部分文字又在第一段中，此時(shí)水平第一段內(nèi)的投影值最小的位置便不是文本區(qū)上邊框的位置，便會(huì)出現(xiàn)版面分割不準(zhǔn)確的情況，如圖11的上邊框位置的藏文文字便是這種情況。如圖11所示版面分割錯(cuò)誤原因是藏文文字本身特點(diǎn)造成的，且通常只有上邊框坐標(biāo)不準(zhǔn)確。針對(duì)這種情況，本章對(duì)分段投影法提出了第二次改進(jìn)，既然是文字本身特點(diǎn)造成，圖像區(qū)上坐標(biāo)與文本區(qū)上坐標(biāo)通常是一致的，并且圖像區(qū)上坐標(biāo)的獲取更容易。因此本文針對(duì)分段投影法的第二次改進(jìn)便是通過圖像區(qū)上坐標(biāo)來替代文本區(qū)上坐標(biāo)。

兩次調(diào)整后投影圖如圖12所示，兩次改進(jìn)具體步驟如下：

（1）在1.2.2節(jié)，已經(jīng)進(jìn)行了垂直投影，而圖像區(qū)左坐標(biāo)在垂直分段第一段內(nèi)，將垂直分段第一段內(nèi)投影值最大的坐標(biāo)記錄下來，作為圖像區(qū)左坐標(biāo);

（2）將垂直分段第五段內(nèi)投影值最大的坐標(biāo)記錄下來，作為圖像區(qū)右坐標(biāo);

（3）將水平第一段投影范圍調(diào)整為從圖像區(qū)左坐標(biāo)到文本區(qū)左坐標(biāo)，將該投影范圍內(nèi)投影值最小的作為文本區(qū)上坐標(biāo)，選擇投影值最小的位置作為上坐標(biāo)的原因是通過對(duì)二值化圖像的分析，發(fā)現(xiàn)圖像區(qū)邊框位置通常會(huì)有一段空白區(qū)域;

（4）將水平第三段投影范圍調(diào)整為文本區(qū)左坐標(biāo)到文本區(qū)右坐標(biāo)，將投影范圍內(nèi)投影值最小的作為文本區(qū)下坐標(biāo)。

本章改進(jìn)均是針對(duì)1.2.3節(jié)的第3和第4兩個(gè)步驟所做的改進(jìn)，其他的分割步驟不需做改動(dòng)。

3 實(shí)驗(yàn)結(jié)果與分析

本文對(duì)34幅古籍藏文圖片進(jìn)行了測(cè)試，改進(jìn)分段投影法后正確率結(jié)果如表1所示。

本文采用了分列投影法[12]進(jìn)行版面分割的方式對(duì)同樣的34幅做了測(cè)試，由于該方法提出是解決中文文檔圖像的版面分割問題，而中文文檔與本文古籍圖像特點(diǎn)不同，因此對(duì)其作了一些改動(dòng)來使其更適用于本文藏文古籍圖像的版面分割，使用該方法對(duì)同樣的34幅圖像進(jìn)行版面分割，準(zhǔn)確分割出文本區(qū)的共有26幅，因此分割準(zhǔn)確率為78.82%，該方法對(duì)圖像本身特點(diǎn)依賴較強(qiáng)，且閾值選取直接影響到整個(gè)分割結(jié)果，且不同的圖像閾值也不同。兩種方法分割率比較結(jié)果如表2所示，可以看出本文對(duì)該類別古籍版面分割效果比文獻(xiàn)[12]有更高的分割正確率。

本文提出的分段投影法取得了較高的版面分割正確率，由于分段投影法是采用投影的方法，因此對(duì)二值化的結(jié)果比較依賴，二值化結(jié)果直接影響版面分割的結(jié)果，但仍具有算法簡(jiǎn)單等優(yōu)點(diǎn)。除此之外，這種方法是利用圖像本身的特點(diǎn)針對(duì)性的找出文本區(qū)坐標(biāo)，極度依賴先驗(yàn)知識(shí)，存在局限性。應(yīng)用場(chǎng)景較少，但該思路可以借鑒，可以根據(jù)不同圖像本身的特征去設(shè)計(jì)分段及投影方式，且分段可以自己把控，可以不平均分段，將先驗(yàn)知識(shí)結(jié)合設(shè)計(jì)分段，最終達(dá)到獲取所需信息的目標(biāo)，利用投影值特點(diǎn)得到結(jié)果。且分段投影法可以與其他方法結(jié)合。

4 結(jié)束語(yǔ)

本文提出了一種基于分段投影法的藏文古籍版面分割方法，首先將圖像分段，對(duì)每一個(gè)分段進(jìn)行投影，根據(jù)投影值與古籍圖像版面結(jié)構(gòu)之間的聯(lián)系來得出版面分割結(jié)果。該方法利用圖像先驗(yàn)知識(shí)結(jié)合投影法得出古籍版面分割結(jié)果，對(duì)其他類型古籍文檔的版面分割具有借鑒意義。實(shí)驗(yàn)結(jié)果表明該方法對(duì)該類別藏文古籍圖像能夠很好的分割藏文區(qū)域，但該方法極度依賴先驗(yàn)知識(shí)，通用性較弱，且對(duì)二值化結(jié)果比較依賴。

參考文獻(xiàn)：

〔1〕張利，朱穎，吳國(guó)威.基于游程平滑算法的英文版面分割[J].電子學(xué)報(bào)，1999，11（07）：3-5.

〔2〕于明，郭僉，王棟壯，于洋.改進(jìn)的基于連通域的版面分割方法[J].計(jì)算機(jī)工程與應(yīng)用，2013，49（17）：195-198.

〔3〕Chen Kai， Wei Hao， Hennebert Jean， et al. Page Segmentation for Historical Handwritten Document Images Using Color and Texture Features[C]//14th International Conference on Frontiers in Handwriting Recognition， 2014.

〔4〕Chen Kai， Seuret Mathias， Liwicki Marcus. Page Segmentation of Historical Document Images with Convolutional Autoencoders[C]//13th IAPR International Conference on Document Analysis and Recognition， 2015.

〔5〕Chen Kai， Liu Chenglin， Seuret Mathias， et al. Page Segmentation for Historical D ocument Images Based on Superpixel Classification with Unsupervised Feature Learning[C]//12th IAPR International Workshop on Document Analysis Systems， 2016.

〔6〕Strouthopoulos C， Papamarkos N. Text identification for document image analysis using a neural network[J]. Image & Vision Computing， 1998， 16（12–13）：879-896.

〔7〕魏傳義.文本圖像版面分析關(guān)鍵技術(shù)研究[D].杭州電子科技大學(xué)，2016.

〔8〕Huaming Liu， Xuehui Bi， Weilan Wang. Layout Analysis of Historical Tibetan Documents[C]//2nd International Conference on Artificial Intelligence and Big Data， 2019.

〔9〕張西群，馬龍龍，段立娟，劉澤宇，吳健.基于卷積降噪自編碼器的藏文歷史古籍版面分析方法[J].中文信息學(xué)報(bào)，2018，32（07）：67-73+81.

〔10〕張西群.面向藏文歷史古籍的版面分割方法研究[D].北京工業(yè)大學(xué)，2018.

〔11〕Sang Nong， Li Heng. Koneledge-based adaptive thresholding segmentation of digital? subtraction angiography amages[J]. Image and Vision Computing， 2007， 25： 1263-1270.

〔12〕魏傳義，陳勤，張旻.基于投影的文本圖像版面分割算法研究[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2016，51（10）：33-38.