CN104636744A - 一种数字切分方法及系统 - Google Patents

Abstract

本发明公开了一种数字切分方法及系统，首先，对待切分图像进行连通域分析，并根据位置关系进行连通域合并，然后计算待切分图像中的字符高度，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域，最后再根据粘连连通域的背景特征点构建切分路径，根据切分路径进行粘连连通域的初步切分。如果初步切分后的图像中仍存在粘连连通域，则根据字符宽度进行二次切分，之后再判断切分结果中是否存在异常切分区域，如果是则对异常切分区域进行组合再重新切分。通过本发明所述的方法及系统，能够得到较好的切分效果，且需要切分的粘连字符的数目不受限制。

Description

一种数字切分方法及系统

技术领域

本发明涉及图像中字符处理技术领域，具体涉及一种图像中的数字切分方法及系统。

背景技术

在识别图像中待识别区域的文字时，由于受到图像获取设备质量、文字油墨浓淡、二值化效果等诸多因素的影响，最终得到的待识别区域的二值图像会出现粘连、断裂等现象。这会大大影响OCR的识别准确率。为了获得更加准确的识别结果，在将字符送入OCR之前，需要对字符进行切分。字符之间的连接情况十分复杂，首先字符粘连的情况千差万别，其次字符还可能存在断裂情况，另外字符粘连的个数是不固定的。

为了解决上述问题，传统方法大多将粘连、断裂作为2个独立的问题进行处理。最常用的去粘连方法是投影法。投影法将投影最小值的地方作为切分点，这种方法在粘连点粘连比较厚重的情况下会导致切分错误，例如0与0粘连的时候。针对数字去粘连还有人提出了滴水算法。滴水算法模拟水滴下落的过程，根据水滴下落的原则得到切分路径。但是这种方法的局限于起始点的选择和水滴下落的规则，并且只能解决2个数字粘连的问题。另外，还有人提出了一种基于粘连区域细化图像中特征点的数字去粘连方法。该方法先利用细化图像找到若干特征点，然后利用这些特征点根据一定规则构建所有可能的切分路径，最后根据最优化方法找到最可能的切分路径。该方法的缺点是只能解决2个数字字符粘连的问题。

针对断裂问题一般采用连通域分析法，利用字形及排布特征对断裂区域进行合并，或者设置一个能量函数，利用最优化的方法找到最好的切分路径。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种数字切分方法及系统，解决粘连个数未知的情况下数字粘连的问题，提高数字去粘连的准确性。

为实现上述目的，本发明采用的技术方案如下：

一种数字切分方法，包括以下步骤：

（1）对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

（2）计算待切分图像中的字符高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

（3）对所述粘连连通域进行切分点定位，根据切分点构建切分路径，，根据切分路径进行粘连连通域的切分。

进一步，如上所述的一种数字切分方法，该方法还包括：（4）判断切分后的连通域是否仍为粘连连通域，若是则根据字符宽度W_est进行二次切分。

进一步，如上所述的一种数字切分方法，该方法还包括：（5）判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。

进一步，如上所述的一种数字切分方法，步骤（1）中，所述的根据位置关系进行连通域合并包括将相交关系的连通域合并、将上下位置关系的连通域合并、以及将包含关系的连通域合并。

进一步，如上所述的一种数字切分方法，步骤（2）中，所述的字符高度H为合并后的所有连通域的高度的均值。

进一步，如上所述的一种数字切分方法，步骤（2）中，根据字符高度确定粘连连通域的具体方式为：

查看合并后的连通域的宽度R_width是否满足R_width>T×H_est，若是则确定该连通域为粘连连通域；其中，T为阈值，T>0.8。

进一步，如上所述的一种数字切分方法，步骤（3）中，对所述粘连连通域进行切分点定位，根据切分点构建切分路径的具体方式为：

a.获取粘连连通域中的粘连字符图像；

b.填充粘连字符图像的内部空洞；

c.对填充后的字符图像进行背景细化，得到背景细化图像；

d.标记背景细化图像中的上下分割线，并在上下分割线上查找交叉点作为特征点，上下分割线上成对出现的特征点作为一个特征点点对，上下分隔线上单独出现的特征点作为一个单独特征点；

e.将所述的特征点点对和单独特征点作为切分点，构建切分路径。

再进一步，如上所述的一种数字切分方法，步骤（4）中，根据字符宽度进行二次切分的具体方式为：

①根据字符宽度确定粘连字符数目；

②根据字符宽度和粘连字符数目进行强行切分。

更进一步，如上所述的一种数字切分方法，判断切分后的连通域是否异常切分区域的具体方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域与其左侧相邻连通域之间的中心距，R_rdcenter为切分后的连通域与其右侧相邻连通域之间的中心距，diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。

一种数字切分系统，包括：

连通域合并模块，用于对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

粘连连通域确定模块，用于计算待切分图像中的字符高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

连通域切分模块，用于对所述粘连连通域进行切分点定位，根据切分点构建切分路径，根据切分路径进行粘连连通域的切分。

进一步，如上所述的一种数字切分系统，该系统还包括：

二次切分模块，用于判断切分后的连通域是否仍为粘连连通域，若是则根据字符宽度W_est进行二次切分。

再进一步，如上所述的一种数字切分系统，该系统还包括：

重切模块，用于判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。

更进一步，如上所述的一种数字切分系统，重切模块判断切分后的连通域是否存在异常切分区域的方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域与其左侧相邻连通域之间的中心距，R_rdcenter为切分后的连通域与其右侧相邻连通域之间的中心距，diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。

本发明的有益效果在于：本发明所述的数字切分方法能够同时解决数字粘连和断裂的问题，并且实现了粘连个数未知情况下字符的去粘连，提高了字符去粘连的准确性，取得了较好的切分效果。

附图说明

图1为本发明具体实施方式中一种数字切分系统的结构框图；

图2为本发明具体实施方式中一种数字切分方法的流程图；

图3为实施例中待切分图像；

图4为对图3进行连通域分析后的初始连通域；

图5为对图4进行连通域合并后的连通域；

图6为图5中一个粘连连通域的字符图像；

图7为对图6进行内部填充后的图像；

图8为图6的背景细化图像；

图9为图8的上下分割线示意图；

图10为标记的图8中特征点的示意图；

图11为根据特征点点对构建切分路径的示意图；

图12为根据单个特征点构建切分路径的示意图；

图13为对待切分图像进行初次切分后的结果示意图；

图14为根据字符宽度进行二次切分的结果示意图；

图15为合并后的异常连通域示意图；

图16为实施例中最终的切分结果示意图。

具体实施方式

下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。

图1示出了本发明具体实施方式中一种数字切分系统的结构框图，该系统主要包括11、粘连连通域确定模块12、连通域切分模块13、二次切分模块14和重切模块15，其中：

连通域合并模块11用于对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

粘连连通域确定模块12用于计算待切分图像中的字符高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

连通域切分模块13用于对所述粘连连通域进行切分点定位，根据切分点构建切分路径，根据切分路径进行粘连连通域的切分；

二次切分模块14用于判断切分后的连通域是否仍为粘连连通域，若是则根据字符宽度W_est进行二次切分。

重切模块15用于判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。重切模块15判断切分后的连通域是否存在异常切分区域的方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域的左侧中心距（切分后的连通域与其左侧相邻连通域之间的中心距），R_rdcenter为切分后的连通域的右侧中心距（切分后的连通域与其右侧相邻连通域之间的中心距），diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。

图2示出了基于图1中所示系统的一种数字切分方法的流程图，该方法包括以下步骤：

步骤S21：对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

对于待切分图像，首先查看该图像是否为二值图像，如果是直接对待切分图像进行连通域分析，如果不是二值图像，首先对待切分图像进行二值化处理，然后再对二值化图像进行连通域分析。本实施方式中的待切分图像为数字图像，因此，本实施方式中的字符是指数字。

完成连通域初始化分析后，对分析后的初始连通域，根据连通域的位置关系进行初始连通域的合并，本实施方式中的根据位置关系进行连通域合并包括将具有相交关系的连通域合并、将具有上下位置关系的连通域合并、以及将具有包含关系的连通域进行合并。

步骤S22：根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

完成连通域的合并后，估算待切分图像中的字符高度H，并根据字符高度确定合并后的连通域中需要进行切分的粘连连通域。估算字符高度的方法有多种，如投影法或者连通域统计法等，本实施方式中采用连通域统计法估算字符高度，即字符高度H为合并后的所有连通域的高度的均值。

根据字符高度H确定粘连连通域的具体方式为：

查看合并后的连通域的宽度R_width是否满足R_width>T×H_est，若是则确定该连通域为粘连连通域；其中，T为阈值，其大小可以由用户根据图片中文字的先验信息进行设定，本实施方式中T>0.8。所述先验信息是指事先确定的待切分图像中字符的属性信息，如字符的最大宽高比及字符特性（字符间的高度和宽度关系）等。

步骤S23：构建粘连连通域的切分路径，进行连通域的切分；

确定出粘连连通域后，对于每一个粘连连通域，定位其切分点，并根据切分点构建切分路径，根据切分路径进行粘连连通域的切分。

本实施方式中定位粘连连通域切分点，根据切分点构建切分路径的具体方式如下：

a.获取粘连连通域中的粘连字符图像；

b.填充粘连字符图像的内部空洞；

c.对填充后的字符图像进行背景细化，得到背景细化图像；

d.标记背景细化图像中的上下分割线，并在上下分割线上查找交叉点作为特征点，上下分割线上成对出现的特征点作为一个特征点点对，上下分隔线上单独出现的特征点作为一个单独特征点；

e.将所述的特征点点对和单独特征点作为切分点，构建切分路径。

完成切分路径的构建后，根据构建的切分路径进行粘连连通域进行切分，完成待切分图像的初步切分。

步骤S24：根据字符宽度对切分后仍为粘连连通域的连通域进行二次切分；

为了获得更好的切分结果，在完成待切分图像的初步切分后，还需要判断切分后的连通域是否仍为粘连连通域，若是则需要根据字符宽度W_est对其进行二次切分。其中，判断切分后的连通域是否为粘连连通域的方法与步骤S22中判断粘连连通域的方式相同。

本实施方式中根据步骤S23中切分后连通域组数估算字符宽度W_est，宽度估算的方法有多种，其中一种宽度的估算方式如下：

1)利用OCR筛选掉字符1；

2)建立字符宽度直方图；

3)进行直方图平滑；

4)选取直方图中最高的柱对应的宽度作为字符的统计宽度。

之后，根据字符宽度信息进行二次切分的具体方式为：

①根据字符宽度确定粘连字符数目；

②根据字符宽度和粘连字符数目进行强行切分。

步骤S25：对切分后的异常切分区域进行重新切分。

在完成待切分图像的切分后，判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。判断切分后的连通域是否异常切分区域的具体方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域的左侧中心距，R_rdcenter为切分后的连通域的右侧中心距，diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。

通过上述步骤S21～步骤S25，同时完成了待切分图像中的粘连和断裂的问题，且该方法的使用并不限定粘连字符的个数，有效提高了切分的效果和效率。

下面结合具体实施例对本发明进行进一步说明。

实施例

图3为本实施例中待切分数字图像，该图像为二值图像。对该图像进行切分的具体步骤如下：

步骤一、对图3中的二值图像进行连通域分析，得到初始连通域，如图4所示，并根据位置关系对图4中所示的初始连通域进行合并，合并后的连通域示意图如图5所示。

该步骤中，由图4中所示的初始连通域可以看出，这些初始连通域中存在包含关系（左边的第一个“882”初始连通域与“2”下半部分的连通域）和相交关系（中部相邻的“8”连通域与“9”连通域），通过连通域合并，去除了存在相交和包含关系的连通域。

步骤二、估算字符的高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域。

根据公式R_width>T×H_est判断出本实施例中需要进行切分的粘连连通域为：“882”连通域、“000”连通域、“89”连通域和“90000”连通域。

步骤三、构建粘连连通域的切分路径，进行切分。

该步骤以“90000”粘连连通域进行说明：该粘连连通域中的粘连字符图像如图6所示，填充该图像的内部空洞，填充后的图像如图7所示，之后进行填充后图像的背景细化，得到图8中所示的背景细化图像，并标记图8的上下分割线，如图9中所示，上半部分的灰色标记为上分割线，下半部分的白色标记为下分割线。然后查找上下分割线上的特征点，如图10中所示，该实施例中上下分割线上对称出现的特征点点对为特征点对A与a、特征点对C与c、以及特征点对D与d，单独特征点为上分割线上的特征点B。根据特征点对构建的切分路径如图11所示，根据单独特征点B构建的切分路径如图12所示，根据图11和图12所示的切分路径对该粘连连通域进行切分。

采用上述同样的方式对其它粘连连通域进行切分，切分后的图像如图13所示。

步骤四、对切分后的图像进行二次切分。

图13中所示的切分图像中“89”仍然为粘连连通域，需要根据字符宽度再次进行切分。根据字符宽度可以确定出该粘连连通域的字符数目为两个，然后根据字符宽度对两个字符进行强切，再次切分后的图像如图14所示。

步骤五、对异常切分区域进行合并、重切。

图14中所示的再次切分后的图像，该切分后的图像的左侧三个连通域存在切分异常，对该异常区域进行组合后，组合后的图像如图15所示，再根据步骤四中的方式根据字符宽度进行重切，最终切分后的图像如图16所示。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (13)

1.一种数字切分方法，包括以下步骤：

（1）对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

（2）计算待切分图像中的字符高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

（3）对所述粘连连通域进行切分点定位，根据切分点构建切分路径，，根据切分路径进行粘连连通域的切分。

2.如权利要求1所述的一种数字切分方法，其特征在于，该方法还包括：

（4）判断切分后的连通域是否仍为粘连连通域，若是则根据字符宽度W_est进行二次切分。

3.如权利要求1或2所述的一种数字切分方法，其特征在于，该方法还包括：

（5）判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。

4.如权利要求1所述的一种数字切分方法，其特征在于，步骤（1）中，所述的根据位置关系进行连通域合并包括将相交关系的连通域合并、将上下位置关系的连通域合并、以及将包含关系的连通域合并。

5.如权利要求1所述的一种数字切分方法，其特征在于，步骤（2）中，所述的字符高度H为合并后的所有连通域的高度的均值。

6.如权利要求1或5所述的一种数字切分方法，其特征在于，步骤（2）中，根据字符高度确定粘连连通域的具体方式为：

查看合并后的连通域的宽度R_width是否满足R_width>T×H_est，若是则确定该连通域为粘连连通域；其中，T为阈值，T>0.8。

7.如权利要求6所述的一种数字切分方法，其特征在于，步骤（3）中，对所述粘连连通域进行切分点定位，根据切分点构建切分路径的具体方式为：

a.获取粘连连通域中的粘连字符图像；

b.填充粘连字符图像的内部空洞；

c.对填充后的字符图像进行背景细化，得到背景细化图像；

d.标记背景细化图像中的上下分割线，并在上下分割线上查找交叉点作为特征点，上下分割线上成对出现的特征点作为一个特征点点对，上下分隔线上单独出现的特征点作为一个单独特征点；

e.将所述的特征点点对和单独特征点作为切分点，构建切分路径。

8.如权利要求2所述的一种数字切分方法，其特征在于，步骤（4）中，根据字符宽度进行二次切分的具体方式为：

①根据字符宽度确定粘连字符数目；

②根据字符宽度和粘连字符数目进行强行切分。

9.如权利要求3所述的一种数字切分方法，其特征在于，判断切分后的连通域是否异常切分区域的具体方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域与其左侧相邻连通域之间的中心距，R_rdcenter为切分后的连通域与其右侧相邻连通域之间的中心距，diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。

10.一种数字切分系统，包括：

连通域合并模块，用于对待切分图像进行连通域分析，并根据位置关系进行连通域合并；

粘连连通域确定模块，用于计算待切分图像中的字符高度H，根据字符高度确定合并后的连通域中需要进行切分的粘连连通域；

连通域切分模块，用于对所述粘连连通域进行切分点定位，根据切分点构建切分路径，根据切分路径进行粘连连通域的切分。

11.如权利要求10所述的一种数字切分系统，其特征在于，该系统还包括：

二次切分模块，用于判断切分后的连通域是否仍为粘连连通域，若是则根据字符宽度W_est进行二次切分。

12.如权利要求10或11所述的一种数字切分系统，其特征在于，该系统还包括：

重切模块，用于判断切分后的连通域是否存在异常切分区域，若是则对异常切分区域进行合并，并对合并后的异常连通域按照字符宽度W_est重新进行切分。

13.如权利要求12所述的一种数字切分系统，其特征在于，重切模块判断切分后的连通域是否存在异常切分区域的方式为：

查看切分后的连通域是否同时满足以下公式，若是则判断该连通域存在异常切分区域：

max((R_rdcenter-W_est),(R_ldcenter-W_est))<diff1

abs((R_rdcenter-W_est)-(R_ldcenter-W_est))<diff2

其中，R_ldcenter为切分后的连通域与其左侧相邻连通域之间的中心距，R_rdcenter为切分后的连通域与其右侧相邻连通域之间的中心距，diff1、diff2为阈值，diff1=m×W_est，diff2=n×W_est，0.05<m<0.5，0.05<n<0.5。