前言

從圖像中提取文字屬于信息智能化處理的前沿課題，是當(dāng)前人工智能與模式識別領(lǐng)域中的研究熱點(diǎn)。由于文字具有高級語義特征，對圖片內(nèi)容的理解、索引、檢索具有重要作用，因此，研究圖片文字提取具有重要的實(shí)際意義。又由于靜態(tài)圖像文字提取是動態(tài)圖像文字提取的基礎(chǔ)，故著重介紹了靜態(tài)圖像文字提取技術(shù)。

隨著計(jì)算機(jī)科學(xué)的飛速發(fā)展，以圖像為主的多媒體信息迅速成為重要的信息傳遞媒介，在圖像中，文字信息（如新聞標(biāo)題等字幕） 包含了豐富的高層語義信息，提取出這些文字，對于圖像高層語義的理解、索引和檢索非常有幫助。

圖像文字提取又分為動態(tài)圖像文字提取和靜態(tài)圖像文字提取兩種，其中，靜態(tài)圖像文字提取是動態(tài)圖像文字提取的基礎(chǔ)，其應(yīng)用范圍更為廣泛，對它的研究具有基礎(chǔ)性，所以本文主要討論靜態(tài)圖像的文字提取技術(shù)。靜態(tài)圖像中的文字可分成兩大類： 一種是圖像中場景本身包含的文字， 稱為場景文字； 另一種是圖像后期制作中加入的文字， 稱為人工文字，如右圖所示。場景文字由于其出現(xiàn)的位置、小、顏色和形態(tài)的隨機(jī)性， 一般難于檢測和提??；而人工文字則字體較規(guī)范、大小有一定的限度且易辨認(rèn)，顏色為單色， 相對與前者更易被檢測和提取， 又因其對圖像內(nèi)容起到說明總結(jié)的作用，故適合用來做圖像的索引和檢索關(guān)鍵字。對圖像中場景文字的研究難度大，目前這方面的研究成果與文獻(xiàn)也不是很豐富，本文主要討論圖像中人工文字提取技術(shù)。

靜態(tài)圖像中文字的特點(diǎn)

靜態(tài)圖像中文字（本文特指人工文字，下同）具有以下主要特征：

（1）文字位于前端，且不會被遮擋；

（2）文字一般是單色的；

（3）文字大小在一幅圖片中固定，并且寬度和高度大體相同，從滿足人眼視覺感受的角度來說，圖像中文字的尺寸既不會過大也不會過??；

（4）文字的分布比較集中；

（5）文字的排列一般為水平方向或垂直方向；

（6）多行文字之間，以及單行內(nèi)各個字之間存在不同于文字區(qū)域的空隙。在靜態(tài)圖片文字的檢測與提取過程中， 一般情況下都是依據(jù)上述特征進(jìn)行處理的。

數(shù)字圖象處理

靜態(tài)圖像文字提取一般分為以下步驟：文字區(qū)域檢測與定位、文字分割與文字提取、文字后處理。其流程如圖所示。

文字提取、識別的詳細(xì)步驟

1. 在Matlab中調(diào)用i1=imread（‘字符.jpg’），可得到原始圖像，如圖所示：

?

2. 調(diào)用i2=rgb2gray（i1），則得到了灰度圖像，如圖所示：

?

調(diào)用a=size（i1）;b=size（i2）;可得到：a=3，b=2 即三維圖像變成了二維灰度圖像

3. 調(diào)用i3=（i2》=thresh）;其中thresh為門限，

圖之間這里，?

得到二值圖像，如圖所示：?

4. 把二值圖像放大觀察，可看到離散的黑點(diǎn) 對其采用腐蝕膨脹處理，得到處理后的圖像，如圖所示

?

可見，腐蝕膨脹處理后的圖像質(zhì)量有了很大的改觀。 橫向、縱向分別的腐蝕膨脹運(yùn)算比橫向、縱向同時的腐蝕膨脹運(yùn)算好上很多，圖6可看出差別：

?