付蘆靜，錢軍浩，鐘云飛

1 引言

文字具有較強(qiáng)的指示性同時(shí)也包含重要的語意信息，如書刊封面文字、報(bào)紙文字、產(chǎn)品包裝上的文字等等，這些文字對(duì)于包裝產(chǎn)品消費(fèi)者以及書刊、報(bào)紙閱讀者具有重要價(jià)值，如果存在文字印刷質(zhì)量缺陷，將對(duì)書刊、報(bào)紙以及包裝產(chǎn)品帶來不可估量的損失。然而，傳統(tǒng)印刷質(zhì)量檢測(cè)以色差作為最主要的檢測(cè)標(biāo)準(zhǔn)，并沒有單獨(dú)對(duì)文字印刷質(zhì)量進(jìn)行檢測(cè)。而在印刷生產(chǎn)過程中，文字經(jīng)常出現(xiàn)筆畫殘缺、白點(diǎn)、斷筆、邊緣不清等缺陷，而色差標(biāo)準(zhǔn)并不能檢測(cè)出這些缺陷。因此，通過版面分割提取印刷圖像中的文字并對(duì)文字進(jìn)行印刷缺陷檢測(cè)，對(duì)于提高和完善文字印刷質(zhì)量檢測(cè)以及實(shí)現(xiàn)印刷質(zhì)量在線檢測(cè)具有理論意義和實(shí)用價(jià)值。

文字定位方法可以分為基于紋理和基于區(qū)域兩大類。基于紋理[1-3]的方法將圖像中的文字視為一種特殊的紋理，利用Gabor濾波器、Adaboost分類器和小波等紋理分析工具實(shí)現(xiàn)文字定位，它受噪聲的干擾波動(dòng)小，具有較好的魯棒性。但是算法所需的定位時(shí)間長(zhǎng)，對(duì)于大字符和文本較少的區(qū)域定位精度不高?；趨^(qū)域的方法又可以分為基于連通域[4-6]和基于邊緣[7]兩種?；谶B通域的方法是假設(shè)文字在同一區(qū)域內(nèi)的顏色和亮度相似，且與背景顏色差較大，通過分析、提取文字的連通分量實(shí)現(xiàn)文本定位，算法的定位精度優(yōu)于紋理方法。但是連通域方法容易將單個(gè)字符分割成多個(gè)連通分量，尤其是中文字符需要根據(jù)連通分量的排列屬性合并文本區(qū)域，增加了算法的復(fù)雜度。同時(shí)基于邊緣的方法易受噪聲干擾，當(dāng)背景與文本之間的對(duì)比度較低時(shí)很難實(shí)現(xiàn)文本定位。Chen等[8-9]提出一個(gè)知識(shí)型文本行提取系統(tǒng)，實(shí)現(xiàn)了在文本/圖形的復(fù)合文檔圖像中提取文字。利用多層分割技術(shù)，將文檔圖像劃分成不同的層，使同類對(duì)象處于相同層中，再運(yùn)用以知識(shí)為基礎(chǔ)的文本行提取方法在各層中獲取文本行特性，根據(jù)文本行的幾何和統(tǒng)計(jì)特性編碼知識(shí)庫實(shí)現(xiàn)文本行提取。閔華清等[10]和孫巧榆等[11]根據(jù)文本在圖像中局部區(qū)域具有的顯著性特點(diǎn)，構(gòu)建一個(gè)視覺顯著性模型，并提出一個(gè)融合該模型與邊緣信息的文本檢測(cè)方法，但該方法只能對(duì)已確定候選文本區(qū)域的文本圖像進(jìn)行檢測(cè)。Jung等[12]針對(duì)邊緣、角點(diǎn)、紋理等方法不能魯棒的在視頻圖像中定位文本，提出利用筆畫算子濾波器對(duì)文本區(qū)域進(jìn)行定位。通過筆畫算子濾波器去除候選文本中具有較強(qiáng)邊緣的非文本區(qū)域，提高了文本定位算法的魯棒性。目前，所提出的大部分文字定位算法對(duì)文本的多樣性都具有一定的魯棒性，但都是在對(duì)文本大小、字體、顏色等特性在不同程度上進(jìn)行限定和假設(shè)取得的，仍沒有一個(gè)文本定位算法能夠不受文本的大小、排列方式、字體、顏色等變化影響。

根據(jù)漢字字符特征及其連通分量屬性，提出一種基于漢字連通分量的彩色印刷圖像版面分割方法。針對(duì)單個(gè)漢字存在多個(gè)連通分量特點(diǎn)，根據(jù)漢字結(jié)構(gòu)特征和連通分量屬性，合并和重建單個(gè)漢字連通分量，提高單個(gè)漢字連通分量的完整性，克服連通分量文字分割方法不能準(zhǔn)確分割和提取漢字缺點(diǎn)，提高了不同字體、字號(hào)、顏色漢字的分割準(zhǔn)確率。

2 漢字連通分量

2.1 連通分量屬性

在連通域文字分割方法中，主要根據(jù)文字連通分量特性篩選、去除非文字連通分量。因此，連通分量的相關(guān)特征屬性分析和判斷成為算法的關(guān)鍵。在各顏色層的圖像中，如果相鄰兩個(gè)像素的灰度值相同則它們便是連通的。根據(jù)八鄰域連通原則對(duì)連通分量進(jìn)行分析，利用連通分量所有邊緣點(diǎn)最小外接矩形作為其邊界，文字連通分量標(biāo)記圖如圖1所示。

圖1 連通分量矩形標(biāo)記圖

在每個(gè)連通分量中，它都具有一些基本特征和組合特征，連通分量的特征屬性[13]如表1所示。

表1 CCi特征屬性

在CCi特征屬性中，一些非字符CCi是不具備以上屬性的，可以依此對(duì)連通分量進(jìn)行篩選。在CCi基本特征中，CCi像素?cái)?shù)、面積屬性可以用來篩選太小或太大的非字符連通分量。而CCi占空比和長(zhǎng)寬比表明字符不可能占有整個(gè)連通分量外接矩形區(qū)域，依此判斷連通分量是否為字符。另外，如果輸入圖像出現(xiàn)傾斜偏移，由于傾斜會(huì)導(dǎo)致CCi屬性發(fā)生變化，因此需要對(duì)圖像進(jìn)行校正處理。

2.2 連通分量規(guī)則

根據(jù)文字連通分量的特性，單個(gè)漢字字符可能包含一個(gè)或多個(gè)連通分量，而英文字符（除i，j外）和數(shù)字則都是一個(gè)完整的連通分量，如圖1中所示。而在單個(gè)漢字包含的連通分量中，有些連通分量只是字符的一部分，其特性與非字符相似，容易將其作為非字符濾除，影響文字分割。同時(shí)，連通分量過多會(huì)造成文字提取不完整，且影響分割速度和精度。因此，根據(jù)漢字結(jié)構(gòu)特性及其使用頻率，對(duì)漢字連通分量進(jìn)行合并重建，重建規(guī)則如表2所示。

表2 漢字連通分量合并重建規(guī)則

漢字連通分量合并的基本思想是通過判斷相鄰兩個(gè)連通分量外接矩形是否發(fā)生重疊，再根據(jù)重疊面積的大小并結(jié)合外接矩形的長(zhǎng)寬比例和矩形中心距離合并連通分量。overlap，detax，detay，rateWi，rateHi意義如下：

根據(jù)以上漢字連通分量重建規(guī)則，漢字連通分量重建結(jié)果如圖2所示。

圖2 連通分量重建后標(biāo)記圖

3 版面分割

印刷圖像版面分割過程如圖3所示。利用金字塔變換逆半調(diào)算法對(duì)圖像進(jìn)行預(yù)處理，去除圖像噪聲和半色調(diào)網(wǎng)點(diǎn)噪聲干擾。通過顏色采樣得到初步顏色聚類中心，對(duì)顏色中心采用有限起始點(diǎn)均值偏移算法進(jìn)行顏色分割，然后按八鄰域連通原則標(biāo)記像素得到連通分量，根據(jù)漢字結(jié)構(gòu)特征和連通分量屬性，分析、篩選、重建漢字連通分量。最后分析連通分量連接關(guān)系，確定文字排列方向，實(shí)現(xiàn)文字分割和提取。

3.1 逆半調(diào)預(yù)處理

圖像在獲取、傳輸過程中，會(huì)受到各種干擾產(chǎn)生噪聲。同時(shí)由于印刷圖像是由網(wǎng)點(diǎn)組成的半色調(diào)圖像，不能對(duì)其直接處理，需要進(jìn)行逆半調(diào)預(yù)處理，將其恢復(fù)成連續(xù)調(diào)圖像。金字塔變換結(jié)合中值濾波的逆半調(diào)算法對(duì)半色調(diào)網(wǎng)點(diǎn)噪聲具有很強(qiáng)的魯棒性，利用金字塔變換實(shí)現(xiàn)細(xì)節(jié)圖像和近似圖像分離，能夠在去除網(wǎng)點(diǎn)噪聲的同時(shí)最大程度保留圖像邊緣細(xì)節(jié)信息。金字塔變換逆半調(diào)算法[14]如圖4所示。

圖3 文字分割方法示意圖

圖4 逆半調(diào)算法示意圖

算法不會(huì)使近似圖像受到同等程度濾波處理而使得圖像模糊和邊緣損失，能夠最大程度地還原圖像，同時(shí)去除網(wǎng)點(diǎn)噪聲。

3.2 均值偏移顏色分割

根據(jù)彩色印刷圖像在色彩空間的特征維數(shù)，利用均值偏移（mean shift）方法反復(fù)迭代搜索特征空間中樣本點(diǎn)最密集區(qū)域[15]，實(shí)現(xiàn)圖像顏色分割。為了減少圖像顏色數(shù)量和保證被選取顏色為物體內(nèi)部像素顏色，同時(shí)加快mean shift的收斂速度，對(duì)圖像實(shí)施局部梯度最小顏色采樣。利用水平方向和垂直方向Sobel算子檢測(cè)彩色圖像邊緣強(qiáng)度，根據(jù)局部邊緣強(qiáng)度值確定候選顏色，形成初步顏色聚類中心。以候選顏色中心作為mean shift起點(diǎn)，采用不同的帶寬核函數(shù)循環(huán)迭代，直到最終收斂[16]。

Mean shift的概率密度函數(shù)可以表示為：

其中，和表示色彩和空域窗口帶寬系數(shù)，C為歸一化常數(shù)。本文選擇高斯核函數(shù)作為mean shift的核函數(shù)，同時(shí)在帶寬矩陣計(jì)算中，選擇自適應(yīng)帶寬計(jì)算方法[17]確定均值偏移的帶寬。

3.3 漢字連通分量重建

顏色分割后，在各顏色層二值圖像中，根據(jù)八鄰域連通原則標(biāo)記像素點(diǎn)形成連通分量，以外接矩形作為連通分量的邊界。利用連通分量的屬性特征，對(duì)所有連通分量進(jìn)行分析、篩選，去除明顯的非字符連通分量。在保留下來的連通分量中，計(jì)算與其相鄰?fù)饨泳匦芜吙虻闹丿B值，根據(jù)表2漢字連通分量重建規(guī)則對(duì)連通分量進(jìn)行合并，進(jìn)一步減少連通分量數(shù)目和提升文字連通分量完整性，加快文字分割速度。

3.4 文字排列方向判定

漢字連通分量重建后，根據(jù)連通分量位置關(guān)系，判斷每個(gè)區(qū)域連通分量與相鄰其他連通分量的連接關(guān)系，計(jì)算連通分量在水平和垂直方向上的總疊加值，并依據(jù)疊加值確定連通分量的排列屬性。連通分量位置關(guān)系判斷式[13]如下：

如果HBD＜0|VBD＜0，則CCi在水平或垂直方向存在重疊。如果相鄰連通分量存在重疊，則連接相鄰兩個(gè)連通分量。而部分連通分量既在水平方向上有重疊，在垂直方向也有重疊。為了確定文字排列方向，根據(jù)式（11）對(duì)文字排列方向進(jìn)行分析判斷：

取T0=2.0，LinkLogcal=1表示文字為水平排列，LinkLogcal=2表示文字為垂直排列。

4 實(shí)驗(yàn)及結(jié)果分析

為了檢驗(yàn)本方法的性能，選擇彩色印刷圖像集和ICDAR2003數(shù)據(jù)集對(duì)算法進(jìn)行測(cè)試，彩色印刷圖像集為自選圖像，包含各種書刊封面和藥品包裝圖像。

4.1 均值偏移帶寬選擇

在均值偏移顏色分割中，需要確定兩個(gè)帶寬參數(shù)hs和hr。如果帶寬參數(shù)過小，則圖像分割效果不明顯，而如果參數(shù)過大，則會(huì)出現(xiàn)過分割現(xiàn)象，出現(xiàn)背景顏色覆蓋細(xì)小文字部分。不同帶寬參數(shù)的實(shí)驗(yàn)結(jié)果如表3所示。

表3 均值偏移實(shí)驗(yàn)結(jié)果

從實(shí)驗(yàn)結(jié)果可以知道，文字定位時(shí)間在很大程度上取決于帶寬的大小。因?yàn)椴噬∷D像的色彩十分豐富，如果選擇小帶寬，分割后顏色數(shù)量多，而文字定位需要在各顏色層中篩選、定位文字連通分量，導(dǎo)致算法時(shí)間消耗大。而如果帶寬過大，雖然加快了文字定位速度，但會(huì)出現(xiàn)過分割現(xiàn)象，導(dǎo)致細(xì)小文字區(qū)域丟失，文字定位不完整。因此，在綜合算法時(shí)間和定位精度后，取hs=32，hr=48。

4.2 判定文字區(qū)域

根據(jù)3.4節(jié)的文字連通分量連接判定規(guī)則，連接相鄰CCi確定文字排列方向，實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 文字CCi連接圖

根據(jù)判定規(guī)則，在CCi的連接中，任何一個(gè)有效的CCi連接必須是雙向的，即相鄰的兩個(gè)CCi必須出現(xiàn)在對(duì)方的CCi連接中，所有的單向CCi連接都是無效連接，依次得到CCi排列方向，實(shí)現(xiàn)文字定位分割。

4.3 算法性能評(píng)價(jià)

在本文算法性能評(píng)價(jià)中，選擇在文本塊級(jí)別上進(jìn)行，因?yàn)榉指詈蟮奈谋静⒉挥糜谧R(shí)別。采用這樣評(píng)價(jià)方法對(duì)算法具有更大的寬容度，它允許算法檢測(cè)到部分的文本行，這對(duì)于文本檢測(cè)而言是可以接受的。評(píng)價(jià)指標(biāo)[3，11]如下所示：

其中，R為召回率，P為精確度，f為整體性能指標(biāo)，MDR為漏檢率。ADB表示文檔真實(shí)文本塊，TDB表示檢測(cè)到文本塊，F(xiàn)DB表示檢測(cè)錯(cuò)誤文本塊，MDB表示不完整檢測(cè)文本塊。表4為彩色印刷圖像集對(duì)算法評(píng)價(jià)結(jié)果，表5為利用ICDAR2003數(shù)據(jù)集與文獻(xiàn)[3，11]對(duì)比評(píng)價(jià)結(jié)果。

表4 不同類型印刷圖像算法性能評(píng)價(jià)結(jié)果%

表5 ICDAR2003數(shù)據(jù)集性能對(duì)比%

從表4結(jié)果可以知道，經(jīng)過漢字連通分量重建后，文字定位效果得到明顯提升。同時(shí)對(duì)比中文和英文圖像的文字定位結(jié)果發(fā)現(xiàn)，算法盡管在一定程度上彌補(bǔ)了漢字存在多個(gè)連通分量情況，但定位準(zhǔn)確率仍然不及英文，需進(jìn)一步提升漢字連通分量的完整性。另外，在算法性能方面，根據(jù)ICDAR 2003數(shù)據(jù)集測(cè)試結(jié)果與近年典型算法對(duì)比可知，算法在文字定位上的基本性能都基本接近，只是算法所需定位時(shí)間較長(zhǎng)。部分文字定位效果實(shí)驗(yàn)圖像如圖6所示。

圖6 實(shí)驗(yàn)圖像

通過實(shí)驗(yàn)圖像可以看出，算法實(shí)現(xiàn)圖像中大部分文字定位分割，克服了圖像中文字在字號(hào)、排列方向、字體和顏色上差異，保證了文字定位準(zhǔn)確性。但是，算法依然存在一定的缺陷，如文字定位的速度很大程度上依賴于圖像色彩數(shù)量，如果圖像色彩豐富則所需時(shí)間較長(zhǎng)，實(shí)時(shí)性不強(qiáng)。同時(shí)，算法易造成單獨(dú)文字、字距較大以及細(xì)小文字丟失，因?yàn)榕卸–Ci連接時(shí)，字距較大和單獨(dú)文字作為無效連接去除，而細(xì)小文字容易在顏色分割時(shí)丟失，如圖6（a）、（b）中所示。

5 結(jié)論

本文提出一種基于漢字連通分量的彩色印刷圖像版面分割方法，通過對(duì)漢字連通分量進(jìn)行重建實(shí)現(xiàn)在復(fù)雜印刷圖像中準(zhǔn)確提取和分割文字，為印刷圖像質(zhì)量在線檢測(cè)中文字印刷質(zhì)量檢測(cè)奠定基礎(chǔ)，使印刷質(zhì)量評(píng)價(jià)更加接近人眼視覺特性。由于本文只選擇了使用頻率較高的漢字結(jié)構(gòu)進(jìn)行連通分量合并，因此算法對(duì)于一些特殊字體、藝術(shù)字等字體不能實(shí)現(xiàn)很好的文字定位，同時(shí)算法的時(shí)間復(fù)雜度較高，還難以用于實(shí)時(shí)檢測(cè)，下一步應(yīng)擴(kuò)大漢字連通分量重建范圍，優(yōu)化和完善算法性能。

[1]Yan J Q，Li J，Gao X B.Chinese text location under complex background using Gaborfilterand SVM[J].Neurocomputing，2011，74：2998-3008.

[2]Lee J J，Lee P H，Lee S W，et al.AdaBoost for text detection in natural scene[C]//Proceedings of the 11th International Conference on Document Analysis and Recognition，Beijing，China，2011：429-434.

[3]Shivakumara P，Phan T Q，Tan C L.A Laplacian approach to multi-oriented text detection in video[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33（2）：412-419.

[4]姚金良，翁璐斌，王小華.一種基于連通分量的文本區(qū)域定位方法[J].模式識(shí)別與人工智能，2012，25（2）：325-331.

[5]Yi C，Tian Y L.Text string detection from natural scenes by structure-based partition and grouping[J].IEEE Transactions on Image Processing，2011，20（9）：2594-2605.

[6]Papavassiliou V，Stafylakis T，Katsouros V，et al.Handwritten documentimage segmentation into textlines and words[J].Pattern Recognition，2010，43：369-377.

[7]Zhang X，Sun F C.Pulse coupled neural network edgebased algorithm for image text locating[J].Tsinghua Science and Technology，2011，16（1）：22-30.

[8]Chen Y L，Hong Z W，Chuang C H.A knowledge-based system for extracting text-lines from mixed and overlapping text/graphics compound document images[J].Expert Systems with Applications，2012，39：494-507.

[9]Chen Y L，Wu B F.A multi-plane approach for text segmentation of complex document images[J].Pattern Recognition，2009，42：1419-1444.

[10]閔華清，鄭華強(qiáng)，羅榮華.自然場(chǎng)景圖像中基于視覺顯著性的文本區(qū)域檢測(cè)[J].華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，40（8）：39-45.

[11]Sun Q Y，Lu Y.Text location in scene images using visual attention model[J].International Journal of Pattern Recognition and Artificial Intelligence，2012，26（4）：1-19.

[12]Jung C，Liu Q F，Kim J.A stroke filter and its application to text localization[J].Pattern Recognition Letters，2009，30：114-122.

[13]Nikolaou N，Badekas E，Papamarkos N，et al.Text localization in color documents[C]//International Conference on Computer Vision Theory and Applications，Setúbal，Portugal，2006：181-188.

[14]Kong Y P，Zeng P，Wu Z L，et al.Inverse halftoning viamedian interpolating pyramid[C]//8th International Conference on Signal Processing，Beijing，China，2006，2：16-20.

[15]周芳芳，樊曉平，葉榛.均值漂移算法的研究與應(yīng)用[J].控制與決策，2007，22（8）：841-847.

[16]湯楊，潘志庚，湯敏，等.基于分級(jí)mean shift的圖像分割算法[J].計(jì)算機(jī)研究與發(fā)展，2009，46（9）：1421-1431.

[17]Comaniciu D，Ramesh V，Meer P.The variable bandwidth mean shift and data-driven scale selection[C]//Proceedings of the 8th IEEE International Conference on Computer Vision，Vancouver，Canada，2001：438-445.