CN104463792A - 一种用于去除二值化图像中噪点的方法及其装置 - Google Patents

Abstract

本发明提供了一种用于去除二值化图像中噪点的方法及其装置，所述方法包括以下步骤：A.依次扫描二值化图像中的像素点；B.当扫描到黑色像素点时，以所述黑色像素点为中心点设定特定区域；C.在所述特定区域内，确定包含所述黑色像素点的图形是否是孤立的，I.当所述图形是孤立的时：删除该图形，并继续实施步骤A；II.当所述图形不是孤立的时：扩大所述特定区域，并确认所述特定区域的范围是否超过阈值：当未超过阈值时，则实施步骤C；当超过阈值时，则继续实施步骤A。本发明的方法和装置能够实现对二值化后的图像实施去噪，提高了对二值化图像识别的效率。

Description

一种用于去除二值化图像中噪点的方法及其装置

技术领域

本发明涉及图像去噪技术领域，具体地，本发明涉及一种用于去除二值化图像中噪点的方法及其装置。

背景技术

目前，纸钞序列号的识别过程通常为：钞币通过ATM机的扫描模块，扫描模块扫出钞币上的序列号并纪录成图像，处理模块将识别该图形并转换成ASCII码以进行分析。纸钞图像去噪技术就是将序列号图像中的噪点去除。如图1中所示的二值化后的序列号图像，其中存在着一些影响图像识别的噪点，因此通常需要对序列号图像进行去噪处理，以提高图像质量，从而提高序列号的识别率。

为了实现对图像数据量的压缩，通常需要对图像实时二值化处理，即：将图像上的像素点的灰度值设置为0或255，从而将整个图像呈现出明显的黑白效果。

在现有技术都是先进行去噪处理再进行二值化处理，基本上没有对于二值化后的图像的去噪方法。由于二值化后的序列号图像以及噪点颜色都是黑色的，因此我们无法直接适用一般的滤波算法来实施去噪(根据噪点和图像的颜色之间的差别来判别噪点以进行去噪)。

因此，需要一种能够对二值化后的图像实施去噪的方法，从而使得纸钞序列号的识别更加准确和有效。

发明内容

鉴于上述技术问题，为了实现本发明的目的，本发明的第一方面提供了一种去除二值化图像中噪点的方法，所述方法包括以下步骤：A.依次扫描二值化图像中的像素点；B.当扫描到黑色像素点时，以所述黑色像素点为中心点设定特定区域；C.在所述特定区域内，确定包含所述黑色像素点的图形是否是孤立的，I.当所述图形是孤立的时：删除该图形，并继续实施步骤A；II.当所述图形不是孤立的时：扩大所述特定区域，并确认所述特定区域的范围是否超过阈值：当未超过阈值时，则实施步骤C；当超过阈值时，则继续实施步骤A。

特别的，在所述步骤C中具体包括：确认所述特定区域中的边界区域上是否存在黑色像素点，如果不存在黑色像素点则表示所述图形是孤立的，如果存在黑色像素点则表示所述图形不是孤立的。

特别的，在步骤C中具体包括：通过公式H_边界区域＝H_特定区域-H_{非边界区域}，来确认所述边界区域上的黑色像素点的个数；其中H_特定区域是所述特定区域中的所有像素点之和，H_{非边界区域}是所述特定区域中不包括所述边界区域的所有像素点之和。

特别的，在步骤C之前还包括步骤：获得所述二值化图像的像素统计表；其中，所述像素统计表中的各个值表示对应的各个像素点与原点所围成的矩形区域中黑色像素点的个数，其中所述原点是扫描的起始点。

特别的，所述像素统计表根据以下步骤获得：a.扫描所述二值化图像中的像素点，并获得相应的扫描值；b.根据以下公式计算获得所述像素统计表：其中，f(k，l)表示第k行，第l列像素点所扫描出的扫描值，黑色像素点的值为1，白色像素点的值为0；G(i，j)对应于第i行，第j列像素点，并表示小于第i行且小于第j列的所有像素点的值之和。

特别的，在步骤C中还包括：根据以下公式来确定特定区域中所有像素点之和；H＝G(i₂，j₂)-G(i₂，j₁-1)-G(i₁-1，j₂)+G(i₁-1，j₁-1)，其中，G(i₁，j₁)表示是所述特定区域的左上顶点像素与原点所围成的矩形区域中黑色像素点的个数；G(i₂，j₂)表示是所述特定区域的右下顶点像素与原点所围成的矩形区域中黑色像素点的个数。

特别的，根据所述二值化图像中的最小有效字符的大小来确定所述阈值。

特别的，所述阈值为12乘以12的像素所组成的字符的范围。

本发明的第二方面提供了一种去除二值化图像中噪点的装置，其包括以下模块：扫描模块，其被设置为：依次扫描二值化图像中的像素点，并确认扫描出的各个所述像素点是否是黑色像素点；区域设定模块，其被设置为：当扫描到黑色像素点时，设定一个以所述黑色像素点为中心点的特定区域；确定模块，其被设置为：在所述特定区域内，确定包含所述黑色像素点的图形是否是孤立的，删除模块，其被设置为：当所述图形是孤立的时，删除该图形；其中，所述区域设定模块还被设置为当所述图形不是孤立的时：扩大所述特定区域，并确认所述特定区域的范围是否超过阈值。

特别的，所述确定模块被进一步设置为：确认所述特定区域中的边界区域上是否存在黑色像素点，如果不存在黑色像素点则表示所述图形是孤立的，如果存在黑色像素点则表示所述图形不是孤立的。

特别的，像素统计模块，其被设置为统计所述边界区域上的黑色像素点的个数。

特别的，所述像素统计模块还包括：统计表生成单元，其被设置为根据以下公式计算获得像素统计表：其中，f(k，l)表示第k行，第l列像素点所扫描出的扫描值，黑色像素点的值为1，白色像素点的值为0；G(i，j)对应于第i行，第j列像素点，并表示小于第i行且小于第j列的所有像素点的值之和；其中，所述像素统计表中的各个值表示对应的各个像素点与原点所围成的矩形区域中黑色像素点的个数，其中所述原点是扫描的起始点。

特别的，所述像素统计模块参照所述像素统计表，并根据以下公式来确定特定区域中所有像素点之和；

H(i，j)＝G(i₂，j₂)-G(i₂，j₁-1)-G(i₁-1，j₂)+G(i₁-1，j₁-1)，其中，G(i₁，j₁)表示是所述特定区域的左上顶点像素与原点所围成的矩形区域中黑色像素点的个数；G(i₂，j₂)表示是所述特定区域的右下顶点像素与原点所围成的矩形区域中黑色像素点的个数。

特别的，还包括：阈值设定单元，其被设置为根据所述二值化图像中的最小有效字符的大小来确定所述阈值。

特别的，所述阈值为12乘以12的像素所组成的字符的范围。

本发明的第三方面提供了一种纸钞识别设备，其特征在于，包括权利要求9至15中任一所述的去除二值化图像中噪点的装置。

综上所述，本发明的方法和装置能够实现对二值化后的图像实施去噪，提高了对二值化图像识别的效率，并且使得纸钞序列号的识别更加准确和有效。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更加明显：

图1示出了带有噪点的二值化序列号图像；

图2示出了根据本发明所公开的去除二值化图像中噪点的方法流程图；

图3示出了根据本发明所公开的去除二值化图像中噪点的装置模块图；

图4示出了根据本发明所公开的计算特定区域内黑色像素点的示意图；以及

图5示出了根据本发明方法去除噪点后的二值化序列号图像。

具体实施方式

在以下优选的实施例的具体描述中，将参考构成本发明一部分的所附的附图。所附的附图通过示例的方式示出了能够实现本发明的特定的实施例。示例的实施例并不旨在穷尽根据本发明的所有实施例。可以理解，在不偏离本发明的范围的前提下，可以利用其他实施例，也可以进行结构性或者逻辑性的修改。因此，以下的具体描述并非限制性的，且本发明的范围由所附的权利要求所限定。

图2示出了根据本发明所公开的去除二值化图像中噪点的方法流程图；图3示出了根据本发明所公开的去除二值化图像中噪点的装置模块图；以下将结合图2和图3，说明一种去除二值化图像中噪点的方法。需要说明的是，尽管附图中以特定顺序描述了方法的步骤，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果，相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

通常，图像中的每个有效字符是大于一定尺寸的连续的图形，而小于该尺寸的图形，即使是连续的，也不会是有效字符。因此，当图形在最小有效字符尺寸内是非孤立的或连续的时候，则该图形具有很高的可能是有效字符；当图形在最小有效字符尺寸内是孤立的或不连续的时候，则该图形可以被视为是噪点。本发明通过确认图形在特定区域内是否是孤立的，从而判断包含某个特定点的图形是否是噪点。

本发明所公开的方法通过一种去除二值化图像中噪点的装置300来实现，其包括扫描模块302、区域设定模块304、确定模块306、删除模块308和像素统计模块310。如图3所示，扫描模块302分别与区域设定模块304、删除模块308、像素统计模块310通信连接，并且区域设定模块304与确定模块306通信连接，确定模块306与删除模块308、像素统计模块310通信连接。

在步骤202中，扫描模块302对所需去除噪点的二值化图像上的像素点依次进行扫描，在本实施例中，扫描是以从该二值化图像的左上角顶点开始，从左至右，从上至下的顺序实施的。需要指出的是，本发明并不限于以该顺序进行扫描，还可以以其他顺序和扫描起始点实施对像素点的扫描。

在步骤204中，扫描模块302确认每个点的扫描结果，当扫描的到点是白色点时则继续扫描下一个点，当扫描的到点是黑色点时则区域设定模块304设定一个特定区域并把该点作为特定区域的中心点，并实施步骤206。其中，该特定区域用于确定包含该黑点(中心点)的图形是否是孤立的。在本文中，孤立是指：特定区域中由黑色像素点组成的图形无法与该特定区域外的黑色像素点相连接，即：特定区域中的边界区域上的像素点都是白色像素点。

在一个具体的实施例中，该特定区域是3*3的矩形，即：把围绕该中心点径向地扩大一个像素单位的区域设为特定区域。此时，所述包含该中心点的图形就是该黑点(中心点)本身。所述边界区域就是围绕该中心点的像素点。

在步骤206中，确定模块306在所述特定区域内确定包含所述黑色的像素点(中心点)的图形是否是孤立的。当所述图形是孤立的时，该孤立的图形被视为是噪点(或噪块)，在步骤208中通过删除模块308删除该噪点(或噪块)，并继续实施步骤202，以确认下一个像素点。

在本发明中，确定一个图形是否孤立的基本方式是：确认该特定区域的边界区域上是否存在黑色像素点，如果不存在黑色像素点则表示所述图形在该特定区域中是孤立的，如果存在黑色像素点则表示所述图形在该特定区域中不是孤立的。

当所述图形不是孤立的时候，我们需要进一步确认该图形在更大的特定区域内是否是孤立的，直至该特定区域的大小超过最小有效字符的尺寸。因为小于最小有效字符的特定区域内的非孤立图形都有可能是噪点(或噪块)。如果在最小有效字符大小的特定区域内，该图形仍然是连续的，那么该图形才可能是有效字符。

因此，在步骤210中，区域设定模块304扩大该特定区域的尺寸。在一个优选的实施例中，该特定区域被围绕中心点径向地扩大一个像素单位。例如，原有特定区域为3*3的矩形，则扩大后的特定区域为5*5的矩形。

并且，在步骤212中，区域设定模块304确认所述扩大后的特定区域的范围是否超过阈值。其中，所述阈值可以由区域设定模块304中的阈值设定单元根据所述二值化图像中的最小有效字符的大小来确定，也可以根据其他因素(例如，最大噪点的尺寸等)来确定。在一个优选的实施例中，阈值等于二值化图像中的最小有效字符的尺寸。例如，当二值化图像中的最小有效字符的尺寸为12*12的矩形时，则该阈值也被设为12*12大小的矩形。如果该特定区域未超过阈值，则需要进一步排除该图形是噪点的可能性，即返回至步骤206，确认该图形在扩大后的特定区域中是否还是连续的或非孤立的图形。如果该特定区域已超过阈值，则说明该包含黑色像素点(中心点)的图形有可能是有效字符，因此继续实施步骤202，扫描下一个像素点。

当扫描模块302扫描并处理完二值化图像中的最后一个像素点后，该去除二值化图像中噪点的方法结束。

为了确认包含该黑色像素点(中心点)的图形是否是孤立的，本发明具体公开了确认图形是否孤立的方法，其中：

在步骤206之前还包括以下步骤：

扫描模块302扫描所述二值化图像中的各个像素点并输入至像素统计模块310中，以生成像素对应表，其中，黑色像素对应的值为1，以表示该点上存在一个黑色像素点；白色像素对应的值为0，以表示该点上不存在黑色像素点。表-1中示出了一个二值化图像经扫描后生成的像素对应表。

表-1

1	0	1	0	1
					1	1	1	1	1
1	0	0	0	0
					0	1	1	1	1
0	1	1	1	0

像素统计模块310中的统计表生成单元根据公式(1)对像素对应表实施计算，以获得像素统计表，该像素统计表中的各个值表示对应的各个像素点与原点所围成的矩形区域中黑色像素点的个数，其中所述原点是扫描的起始点(在本实施例中是左上角顶点)。

$G(i,j)=\underset{k=0,l=0}{\overset{i,j}{\mathrm{\Σ}}}f(k,l)---\left(1\right)$

其中，f(k，l)表示第k行，第l列像素点所扫描出的值，黑色像素点的值为1，白色像素点的值为0；G(i，j)对应于第i行，第j列像素点，并表示小于第i行且小于第j列的所有像素点的值之和。

表-2中示出了基于表-1所生成的像素统计表。其中共有5行5列，例如，G(2，3)表示第2行第3列上的像素所对应的值，该值等于所有小于第2行且小于第3列的像素点的值之和，即：G(2，3)＝f(1，1)+f(1，2)+f(1，3)+f(2，1)+f(2，2)+f(2，3)＝1+0+1+1+1+1＝5。

表-2

1	1	2	2	3
					2	3	5	6	8
3	4	6	7	9
					3	5	8	10	13
3	6	10	13	16

然后像素统计模块310基于像素统计表，统计边界区域上的黑色像素点的个数。在本发明中，我们通过公式H_边界区域＝H_特定区域-H_{非边界区域}，来确认所述边界区域上的黑色像素点的个数；其中H_特定区域是所述特定区域中的所有像素点之和，H_{非边界区域}是所述特定区域中不包括所述边界区域的所有像素点之和。H_特定区域或H_{非边界区域}中像素点之和可以根据公式(2)来计算获得：

H＝G(i₂，j₂)-G(i₂，j₁-1)-G(i₁-1，j₂)+G(i₁-1，j₁-1)   (2)

其中，(i₁，j₁)表示是特定区域/非边界区域的左上顶点像素；(i₂，j₂)表示是特定区域/非边界区域的右下顶点像素；G(i₁，j₁)表示是特定区域/非边界区域的左上顶点像素与原点所围成的矩形区域中黑色像素点的个数；G(i₂，j₂)表示是特定区域/非边界区域的右下顶点像素与原点所围成的矩形区域中黑色像素点的个数。

如图4所示，例如，当需要要取得D区域的黑色象素点的个数，可以通过公式(A+B+C+D)-(A+C)-(A+B)+A来计算获得，其中，A+B+C+D区域中的黑点总数为G(i₂，j₂)，A+C区域中的黑点总数为为G(i₂，j₁-1)，A+B区域中的黑点总数为G(i₁-1，j₂)，A区域中的黑点总数为G(i₁-1，j₁-1)。

然后确认模块306根据像素统计模块310所提供的边界区域上是否有黑色像素点的信息来确认图形是否孤立。当H_边界＞0时，所述特定区域的边界上有黑色像素点。此时包含该黑色像素点(中心点)的图形不是孤立的；当H_边界＝0时，所述特定区域的边界上有黑色像素点。此时包含该黑色像素点(中心点)的图形是孤立的。

以下通过一个示例说明本发明所公开的去噪方法，例如在图1所示的二值化序列号图像中存在若干噪点，扫描模块先对该图像实施扫描并发送至像素统计模块以获得对应的像素对应表，并计算获得像素统计表。然后扫描模块从第1行，第1列扫描图像，当遇到黑色像素点时，以该黑色象素点为中心设定3*3的矩形特定区域，并确认该黑色像素点是否是该3*3矩形特定区域中唯一的黑色点(通过公式(2)可以及其方便的得到任意矩形中，黑色象素点的个数)。如果是，则认为该黑色像素点为孤立的噪点；若不是，则扩大该特定区域至5*5，并在以该黑色像素点为中心的5*5的矩形内进行确认该3*3矩形内的黑色图形是否该5*5矩形中唯一的图形。若是，则该3*3矩形内的图形为噪块，需要被删除；如果不是，则扩大该特定区域至7*7，并在以该黑色像素点为中心的7*7的矩形内进行确认...以此类推，直到确认12*12(根据序列号图像中最小单个字符的大小得出)的矩形特定区域，最后把认为是噪块的图形清除，完成去噪功能。

图5示出了根据本发明方法去除噪点后的二值化序列号图像，从中可以发现本发明有效地去除了图像中的噪点。

本发明所公开的方法和装置可以用于纸钞识别设备中，以消除从纸钞中扫描出的二值化序列号图像中存在的噪点。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论如何来看，均应将实施例看作是示范性的，而且是非限制性的。此外，明显的，“包括”一词不排除其他元素和步骤，并且措辞“一个”不排除复数。装置权利要求中陈述的多个元件也可以由一个元件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (16)

1.一种去除二值化图像中噪点的方法，所述方法包括以下步骤：

A.依次扫描二值化图像中的像素点；

B.当扫描到黑色像素点时，以所述黑色像素点为中心点设定特定区域；

C.在所述特定区域内，确定包含所述黑色像素点的图形是否是孤立的，

I.当所述图形是孤立的时：删除该图形，并继续实施步骤A；

II.当所述图形不是孤立的时：扩大所述特定区域，并确认所述特定区域的范围是否超过阈值：

当未超过阈值时，则实施步骤C；

当超过阈值时，则继续实施步骤A。

2.根据权利要求1所述的方法，其中，在所述步骤C中具体包括：确认所述特定区域中的边界区域上是否存在黑色像素点，如果不存在黑色像素点则表示所述图形是孤立的，如果存在黑色像素点则表示所述图形不是孤立的。

3.根据权利要求2所述的方法，其中，在步骤C中具体包括：

通过公式H_边界区域＝H_特定区域-H_{非边界区域}，来确认所述边界区域上的黑色像素点的个数；其中H_特定区域是所述特定区域中的所有像素点之和，H_{非边界区域}是所述特定区域中不包括所述边界区域的所有像素点之和。

4.根据权利要求3所述的方法，其中，在步骤C之前还包括步骤：

获得所述二值化图像的像素统计表；其中，所述像素统计表中的各个值表示对应的各个像素点与原点所围成的矩形区域中黑色像素点的个数，其中所述原点是扫描的起始点。

5.根据权利要求4所述的方法，其中，所述像素统计表根据以下步骤获得：

a.扫描所述二值化图像中的像素点，并获得相应的扫描值；

b.根据以下公式计算获得所述像素统计表：

$G(i,j)=\underset{k=0,l=0}{\overset{i,j}{\mathrm{\Σ}}}f(k,l)$

其中，f(k，l)表示第k行，第l列像素点所扫描出的扫描值，黑色像素点的值为1，白色像素点的值为0；G(i，j)对应于第i行，第j列像素点，并表示小于第i行且小于第j列的所有像素点的值之和。

6.根据权利要求5所述的方法，其中，在步骤C中还包括：根据以下公式来确定特定区域中所有像素点之和；

H＝G(i₂，j₂)-G(i₂，j₁-1)-G(i₁-1，j₂)+G(i₁-1，j₁-1)

其中，G(i₁，j₁)表示是所述特定区域的左上顶点像素与原点所围成的矩形区域中黑色像素点的个数；G(i₂，j₂)表示是所述特定区域的右下顶点像素与原点所围成的矩形区域中黑色像素点的个数。

7.根据权利要求1至6所述的任一方法，其中，根据所述二值化图像中的最小有效字符的大小来确定所述阈值。

8.根据权利要求1至6所述的任一方法，其中，所述阈值为12乘以12的像素所组成的字符的范围。

9.一种去除二值化图像中噪点的装置，其包括以下模块：

扫描模块，其被设置为：依次扫描二值化图像中的像素点，并确认扫描出的各个所述像素点是否是黑色像素点；

区域设定模块，其被设置为：当扫描到黑色像素点时，设定一个以所述黑色像素点为中心点的特定区域；

确定模块，其被设置为：在所述特定区域内，确定包含所述黑色像素点的图形是否是孤立的；

删除模块，其被设置为：当所述图形是孤立的时，删除该图形；

其中，所述区域设定模块还被设置为当所述图形不是孤立的时：扩大所述特定区域，并确认所述特定区域的范围是否超过阈值。

10.根据权利要求9所述的装置，其特征在于，所述确定模块被进一步设置为：确认所述特定区域中的边界区域上是否存在黑色像素点，如果不存在黑色像素点则表示所述图形是孤立的，如果存在黑色像素点则表示所述图形不是孤立的。

11.根据权利要求10所述的装置，其特征在于，还包括：

像素统计模块，其被设置为统计所述边界区域上的黑色像素点的个数。

12.根据权利要求11所述的装置，其特征在于，所述像素统计模块还包括：

统计表生成单元，其被设置为根据以下公式计算获得像素统计表：

$G(i,j)=\underset{k=0,l=0}{\overset{i,j}{\mathrm{\Σ}}}f(k,l)$

其中，f(k，l)表示第k行，第l列像素点所扫描出的扫描值，黑色像素点的值为1，白色像素点的值为0；G(i，j)对应于第i行，第j列像素点，并表示小于第i行且小于第j列的所有像素点的值之和；

其中，所述像素统计表中的各个值表示对应的各个像素点与原点所围成的矩形区域中黑色像素点的个数，其中所述原点是扫描的起始点。

13.根据权利要求12所述的装置，其特征在于，所述像素统计模块参照所述像素统计表，并根据以下公式来确定特定区域中所有像素点之和；

H(i，j)＝G(i₂，j₂)-G(i₂，j₁-1)-G(i₁-1，j₂)+G(i₁-1，j₁-1)

其中，G(i₁，j₁)表示是所述特定区域的左上顶点像素与原点所围成的矩形区域中黑色像素点的个数；G(i₂，j₂)表示是所述特定区域的右下顶点像素与原点所围成的矩形区域中黑色像素点的个数。

14.根据权利要求9至13所述的任一装置，其特征在于，还包括：

阈值设定单元，其被设置为根据所述二值化图像中的最小有效字符的大小来确定所述阈值。

15.根据权利要求14所述的任一装置，其特征在于，所述阈值为12乘以12的像素所组成的字符的范围。

16.一种纸钞识别设备，其特征在于，包括权利要求9至15中任一所述的去除二值化图像中噪点的装置。