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(shí)別領(lǐng)域中的研究熱點(diǎn)。由于文字具有高級(jí)語(yǔ)義特征，對(duì)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(dòng)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(yǔ)義信息，提取出這些文字，對(duì)于圖像高層語(yǔ)義的理解、索引和檢索非常有幫助。

圖像文字提取又分為動(dòng)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(dòng)態(tài)圖像文字提取的基礎(chǔ)，其應(yīng)用范圍更為廣泛，對(duì)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(chǎng)景本身包含的文字， 稱為場(chǎng)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(chǎng)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(cè)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(duì)與前者更易被檢測(cè)和提取， 又因其對(duì)圖像內(nèi)容起到說(shuō)明總結(jié)的作用，故適合用來(lái)做圖像的索引和檢索關(guān)鍵字。對(duì)圖像中場(chǎng)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(huì)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(jué)感受的角度來(lái)說(shuō)，圖像中文字的尺寸既不會(huì)過(guò)大也不會(huì)過(guò)??；

（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(gè)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(cè)與提取過(guò)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(cè)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(shí)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(duì)其采用腐蝕膨脹處理，得到處理后的圖像，如圖所示

?

可見(jiàn)，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(shí)的腐蝕膨脹運(yùn)算好上很多，圖6可看出差別：

?

5、對(duì)腐蝕膨脹后的圖像進(jìn)行Y方向上的區(qū)域選定，限定區(qū)域后的圖像如圖所示： 掃描方法：中間往兩邊掃

?

縱向掃描后的圖像與原圖像的對(duì)照，如圖8所示：

?

6、對(duì)腐蝕膨脹后的圖像進(jìn)行X方向上的區(qū)域選定，限定區(qū)域后的圖像如圖9所示： 掃描方法：兩邊往中間掃

?

縱向掃描后的圖像與原圖像的對(duì)照，如圖所示：

?

7. 調(diào)用i8=（iiXY~=1），使背景為黑色（0），字符為白色（1），便于后期處理。 背景交換后的圖像如圖11所示：

8. 調(diào)用自定義函數(shù)（字符獲取函數(shù)）i9=getchar（i8），得到圖像如圖所示：

9、調(diào)用自定義的字符獲取函數(shù)對(duì)圖像進(jìn)行字符切割，并把切割的字符裝入一維陣列，切割 過(guò)程如圖12所示：

10.調(diào)用以下代碼，可將陣列word中的字符顯示出來(lái)，如圖13所示：
?
? ? ? ? for j=1:cnum %cnum為統(tǒng)計(jì)的字符個(gè)數(shù)

? ? ? ? subplot（5，8，j），imshow（word{j}），title（int2str（j））; %顯示字符?

? ? ? end

?可以看到，字符寬度不一致
?

11. 調(diào)用以下代碼，將字符規(guī)格化，便于識(shí)別： for j=1:cnum word{j}=imresize（word{j}，［40 40］）; %字符規(guī)格化成40×40的 end 得到規(guī)格化之后的字符如圖14所示：

12. 調(diào)用以下代碼創(chuàng)建字符集：

code=char（‘由于作者水平有限書中難免存在缺點(diǎn)和疏漏之處懇請(qǐng)讀批評(píng)指正，?！?

將創(chuàng)建的字符集保存在一個(gè)文件夾里面，以供匹配時(shí)候調(diào)用，如圖15所示：

?

13. 字符匹配采用模板匹配算法：將現(xiàn)有字符逐個(gè)與模板字符相減，認(rèn)為相減誤差最小的現(xiàn) 有字符與該模板字符匹配。

?

也就是說(shuō)，字符A與模板字符T1更相似，我們可以認(rèn)為字符集中的字符T2就是字符A。 經(jīng)模板匹配，可得字符信息如下： 由于讀者書評(píng)有限書中難免存在缺點(diǎn)和紕漏之處，懇請(qǐng)讀者批評(píng)指正。 效果如圖16所示：

?

14、調(diào)用以下代碼，將字符放入newtxt.txt文本：

new=［‘newtxt’，‘.txt’］; c=fopen（new，‘a(chǎn)+’）; fprintf（c，‘%s ’，Code（1:cnum））; fclose（c）; newtxt.txt文本內(nèi)容如圖17所示：

?

總結(jié)

1、算法具有局限性。對(duì)于左右結(jié)構(gòu)的字符（如：川）容易造成誤識(shí)別，“川”字將會(huì)被識(shí)別成三部分。當(dāng)圖片中文字有一定傾斜角度時(shí)，這將造成識(shí)別困難。

2、模板匹配效率低。對(duì)于處理大小為m×m的字符，假設(shè)有n個(gè)模板字符，則識(shí)別一個(gè)字符至

少需要m×m×n×2次運(yùn)算，由于漢字有近萬(wàn)個(gè)，這將使得運(yùn)算量十分巨大！此次字符識(shí) 別一共花了2.838秒。

3、伸縮范圍比較小。對(duì)于受污染的圖片，轉(zhuǎn)換成二值圖像將使字符與污染源混合在一起。

對(duì)于具體的圖片，需反復(fù)選擇合適的thresh進(jìn)行二值化處理，甚至在處理之前必須進(jìn)行各種濾波。