CN104636747A - 一种字符去粘连的方法及系统 - Google Patents

Abstract

本发明涉及一种字符去粘连的方法及系统，首先设定待处理字符图像的先验知识集，对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；之后对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案，再采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到图像的字符识别结果，最后根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果。采用本发明所述的方法不但能够解决粘连个数未知的情况下多个字符粘连的问题，而且可以取得较好的去粘连效果。

Description

一种字符去粘连的方法及系统

技术领域

本发明属于图像中字符处理技术领域，具体涉及一种字符去粘连的方法及系统。

背景技术

在识别图像中待识别区域的文字时会遇到字符间存在粘连的情况，为了获得更加准确的识别结果，在将字符送入OCR之前，需要对粘连字符进行去粘连。字符之间的粘连情况是十分复杂的，一方面字符粘连的情况千差万别，另一方面字符粘连的个数是不固定的。

现有的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字符去粘连方法。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个字符粘连的问题。

因此，现有的字符去粘连方法大多只能处理2个字符粘连的情况，且去粘连的效果也不是很高。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种字符去粘连的方法及系统，实现多个字符的去粘连，提高去粘连的效果。

为达到以上目的，本发明采用的技术方案是：

一种字符去粘连的方法，包括以下步骤：

（1）设定待处理字符图像的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合；

（2）对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；

（3）对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案；

（4）采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到图像的字符识别结果；

（5）根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果；所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数。

进一步，如上所述的一种字符去粘连的方法，在步骤（3）和步骤（4）之间，在采用所有的拆分方案对需要进行拆分的连通域进行拆分之前，还包括：

根据所述的先验知识集排除所有拆分方案中不可行的拆分方案。

进一步，如上所述的一种字符去粘连的方法，步骤（1）中，所述的先验知识集中包括字符的最大宽高比Ratio_max、最小宽高比Ratio_min、字符特性和字符的版面排布准则。

进一步，如上所述的一种字符去粘连的方法，所述的字符特性包括字符间的高度和宽度关系；所述的版面排布准则包括字符间的字符间距关系、以及字符间距与字符高度或者宽度的关系。

进一步，如上所述的一种字符去粘连的方法，步骤（2）中，计算字符高度H和字符宽度W的具体方式如下：

字符高度H为进行连通域分析后得到的所有连通域的高度的均值，字符宽度W=Ratio_max×H。

进一步，如上所述的一种字符去粘连的方法，步骤（2）中，确定连通域分析结果中需要进行拆分的连通域的具体方式为：

查看当前连通域的宽度W_cur是否满足W_cur>n×W，1<n<1.5，若是则确定该连通域需要进行拆分。

再进一步，如上所述的一种字符去粘连的方法，步骤（3）中，通过细化图的方式对需要进行拆分的连通域进行拆分点定位，具体方式包括：

1）将需要进行拆分的连通域的粘连图像进行背景细化，得到背景细化图；

2）在所述背景细化图的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拆分点，上下分隔线上单独出现的特征点作为一个拆分点。

更进一步，如上所述的一种字符去粘连的方法，步骤（3）中，根据先验知识集对需要进行拆分的连通域进行拆分点定位，具体方式包括：

a.根据字符间距与字符高度或者宽度的关系计算字符间距；

b.根据当前连通域的宽度W_cur与字符间距D_center确定粘连字符的个数m，计算公式为：

m=W_cur/D_center；

c.根据粘连字符的个数和字符间距将当前连通域等字符间距拆分，得到拆分点。

一种字符去粘连的系统，包括：

先验知识集设定模块，用于设定待处理字符图像中字符的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合；

待拆分区域确定模块，用于对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；

拆分方案排除模块，用于对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案；

字符识别模块，用于采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到拆分后的字符识别结果；

识别结果确定模块，用于根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果；所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数。

进一步，如上所述的一种字符去粘连的系统，该系统还包括：

拆分方案排除模块，用于根据所述的先验知识集排除所有拆分方案中不可行的拆分方案。

本发明的效果在于：本发明所述的方法及系统，通过设置先验知识函数集和构造先验评价函数，对需要进行去粘连字符的所有拆分去粘连方案进行评价，得到获得最匹配的字符识别结果。通过本发明所述的方法不但能够解决粘连个数未知的情况下多个字符粘连的问题，而且可以取得较好的去粘连效果。

附图说明

图1是具体实施方式中一种字符去粘连的系统的结构框图；

图2是具体实施方式中一种字符去粘连的方法的流程图；

图3是实施例中的待去粘连的字符图像；

图4是对图3进行连通域分析后的图像；

图5是图4中第四个连通域的粘连图像；

图6是对图5进行细化后的图像；

图7是图6中上下分割线的图像；

图8是图7中特征点的图像；

图9是图5的拆分路径图像；

图10是图5中第一个连通域的粘连图像；

图11是图10的拆分路径图像。

具体实施方式

下面结合说明书附图和具体实施方式对本发明作进一步描述。

图1示出了本发明具体实施方式中一种字符去粘连的系统的结构框图，该系统包括先验知识集设定模块11、待拆分区域确定模块12、拆分方案排除模块13、字符识别模块14和识别结果确定模块15，具体的：

先验知识集设定模块11用于设定待处理字符图像中字符的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合；所述的先验知识集中包括字符的最大宽高比Ratio_max、最小宽高比Ratio_min、字符特性和字符的版面排布准则。

待拆分区域确定模块12用于对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；

拆分方案排除模块13用于对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案；

拆分方案排除模块14用于根据所述的先验知识集排除所有拆分方案中不可行的拆分方案；

字符识别模块15用于采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到拆分后的字符识别结果；

识别结果确定模块16用于根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果；所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数。

图2示出了本发明具体实施送方式中基于图1中所示的字符去粘连的系统的一种字符去粘连的方法的流程图，该方法具体包括以下步骤：

步骤S21：设定待处理字符图像的先验知识集；

设定待处理字符图像的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合，先验知识集中包括字符的最大宽高比Ratio_max、最小宽高比Ratio_min、字符特性和字符的版面排布准则等。所述的字符特性包括字符间的高度和宽度关系；所述的版面排布准则包括字符间的字符间距关系、以及字符间距与字符高度或者宽度的关系。

本实施方式中的先验知识集是由用户根据需要，对于特定的应用进行事先设定的一组参数集合，对于不同的应用，先验知识集也是不同的，先验知识集的具体内容可以包括但不限于上述列举的内容。例如，对于需要进行去粘连处理的待处理字符图像为数字图像，先验知识集中的字符特性可以是字符图像中数字等高、除1之外的其它数字等宽；版面排布准则可以是除1之外的其它数字均等间距排列、字符间距为字符高度的d倍，其中，d为正数，d的大小由待处理字符图像的字符间距与字符高度的关系确定。

本实施方式中的待处理字符图像为二值图像，如果需要处理的图像不是二值图像，则对待处理图像首先进行二值化处理。

步骤S22：对待处理字符图像进行连通域分析，确定连通域分析结果中需要进行拆分的连通域；

对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域。

对图像进行连通域分析是图像处理时的惯用技术手段，不再详细描述。在完成连通域的划分后，需要估计图像中字符的高度和宽度信息，具体估算字符高度H和字符宽度W的方式如下：

1)估计字符的高度H：估计字符高度的方法有多种，例如求进行连通域分析后得到的所有连通域的高度的均值，也可以采用二值图像在垂直方向的投影方法；

2)估计字符的宽度W：W=Ratio_max×H。

估计出字符的高度和宽度信息后，确定连通域分析结果中需要进行拆分的连通域的方式如下：

查看当前连通域的宽度W_cur是否满足W_cur>n×W，1<n<1.5，若是则确定该连通域需要进行拆分。

步骤S23：确定需要进行拆分的连通域的拆分方案；

对步骤S22中确定的需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案。在进行连通域的拆分点定位时，可以采用不同的多种方法。本具体实施方式中可以采用基于细化图的拆分点定位，也可以采用基于先验知识集的拆分点定位。

通过细化图的方式对需要进行拆分的连通域进行拆分点定位的具体方式包括以下步骤：

1）将需要进行拆分的连通域的粘连图像进行背景细化，得到背景细化图；本实施方式中的背景细化图为粘连图像外侧背景（粘连字符外部轮廓外的背景区域）的细化图。

2）在所述细化图的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拆分点，上下分隔线上单独出现的特征点作为一个拆分点。

根据先验知识集对需要进行拆分的连通域进行拆分点定位的具体方式包括以下步骤：

a.根据字符间距与字符高度或者宽度的关系计算字符间距；

b.根据当前连通域的宽度W_cur与字符间距D_center确定粘连字符的个数m，计算公式为：

m=W_cur/D_center；

c.根据粘连字符的个数和字符间距将当前连通域等字符间距拆分，得到拆分点。

步骤S24：排除不可行的拆分方案；

根据所述的先验知识集排除所有拆分方案中不可行的拆分方案。当通过步骤S23处理完所有的连通域时，就获得了所有的切分路径。假设步骤S23中得到的拆分点数目为m，则可能的拆分方案共有2^M种。根据步骤S21中所述的先验知识集（例如宽高比范围），可以排除大部分的拆分方案，剩余的拆分方案共2^N(2^N<<2^M)种。

本步骤中，可以利用先验知识集中的先验知识对显然不可行的拆分方案进行排除，即利用拆分方案得到的这些字符必须符合先验知识集中设定的规则。具体的排除方法根据先验知识集的不同有所不同。例如：对于一种拆分方案，拆分后的字符的宽高比必须大于Ratio_min，小于Ratio_max、其版面排布要符合字符的版面排布准则等，如果拆分后的结果不符合该准则，则该拆分方案即可排除。

步骤S25：采用所有拆分方案对需要进行拆分的连通域进行拆分，对拆分结果进行OCR识别，得到拆分后的字符识别结果；

排除不可行的拆分方案后，采用所有的可行拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到每种方案对应的连通域拆分后的字符识别结果，最后得到图像的字符识别结果，每种拆分方案对应于一个识别后的字符串。

步骤S26：对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果。

根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果。所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数，评价函数的构造方法根据不同的应用场景及设置的不同先验知识集而有所不同，可以视具体的应用进行改变。

在本具体实施方式中，如果待处理字符图像为步骤S21中列举的数字图像，那么根据事先设定的先验知识集，我们可以定义评价函数为：对于最匹配的方案，其拆分结果与识别结果必须满足如下准则：

所有识别结果为非1的字符等宽、且宽度大于识别结果为1的字符；

2个识别结果为非1的相邻字符中心距相等；

任意两个相邻字符的中心距与字符间距D_center的差在一定范围内。

其中，相邻字符的中心距指的是两个字符的连通域之间的距离，2个识别结果为非1的相邻字符中心距相等指的是识别结果为非1的字符与其左侧非1字符的中心距等于该字符与其右侧非1字符的中心距。

下面结合具体实施例对本发明进行进一步说明。

实施例

本实施例中的待处理字符图像为如图3中所示的待去粘连的数字图像，该数字图像为二值图像，如果待处理的字符图像不是二值图像，需要先进行二值化处理。

第一步，首先设置数字图像的数字字符串的先验知识集。先验知识集具体包括：字符最大的宽高比Ratio_max，最小宽高比Ratio_min；字符特性：数字等高，除1外其他数字等宽；版面排布准则：除1外其他数字均等间距排列，字符间距为字符高度的d倍。

第二步，对待处理字符图像进行连通域分析，确定连通域分析结果中需要进行拆分的连通域，具体如下：

对所述的二值图像进行连通域分析，得到4个连通域，如图4所示；

估算字符的字符高度H和字符宽度W；

对4个连通域逐个进行分析，判断连通域宽度W_cur>n×W是否成立，n=1.3，若是则采用拆分点定位方法定位该连通域的拆分点，若否则不作任何操作。

从图4可以看出，由图像左侧开始第1个和第4个连通域需要进行拆分点定位。

第三步，对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案，具体如下：

本实施例以第4个连通域为例介绍基于细化图的拆分点定位方法，以第1个连通域为例介绍基于先验知识集的拆分点定位方法。

基于细化图的拆分点定位方法的具体算法如下：

a）对粘连图像（如图5所示）背景进行细化；细化后的图像如图6所示；

b）如图7所示，可以看到上下分割线；在细化图中的上下分割线上寻找交叉点作为特征点，如图8所示，上下分割线上成对出现的特征点作为一个候选拆分点，单独出现的特征点也作为一个候选的拆分点；

c）根据候选拆分点构建拆分路径。从图8可以看出，上、下分割线上的特征点都是成对出现的，即特征点a与c成对，特征点b与d成对，因此最后选取的拆分路径如图9中直线所示。

基于先验知识集的拆分点定位方法的具体算法如下：

i）对粘连图像（如图10所示）根据第一步中的先验知识集和第二步中估计的字符高度计算字符间距D_center=d*H，确定字符粘连个数m=W_cur/D_center，通过计算可知上图中字符粘连个数为3；

ii）将粘连图像进行等字符间距拆分，得到的拆分点作为候选的拆分点。拆分路径如图11所示。

第四步，排除不可行的拆分方案，本实施例中第四个连通域的的拆分点为2个，同样的方法，第一个连通域的拆分点个数为3个，则可能的拆分方案共有32种，排除不可行的拆分方案，剩余的拆分方案共2种。

第五步，对每种合理的拆分路径得到的字符串进行光学字符识别OCR识别，得到字符识别结果。

第六步，根据先验知识集设定先验知识评价函数，对每个合理的拆分方案对应的拆分结果进行识别后，利用该评价函数对得到的识别结果进行评价和比较，获得最匹配的识别结果。本实施例中的先验知识评价函数为：对于最匹配的方案，其拆分结果与识别结果必须满足如下准则：

所有识别结果为非1的字符等宽、且宽度大于识别结果为1的字符；

2个识别结果为非1的相邻字符中心距相等；

任意两个相邻字符的中心距与字符间距D_center的差在一定范围内。

通过本实施例可以看出，采用本发明所述的方法及系统，通过对字符进行拆分点定位，构建所有可能的拆分路径；利用事先设定的先验知识集得到合理的拆分方案并设定评价函数，获得最匹配的识别结果，这样不但能够解决粘连个数未知的情况下多个字符粘连的问题，而且可以取得较好的去粘连效果。

本领域技术人员应该明白，本发明所述的方法并不限于具体实施方式中所述的实施例，上面的具体描述只是为了解释本发明的目的，并非用于限制本发明。本领域技术人员根据本发明的技术方案得出其他的实施方式，同样属于本发明的技术创新范围。

Claims (10)

1.一种字符去粘连的方法，包括以下步骤：

（1）设定待处理字符图像的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合；

（2）对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；

（3）对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案；

（4）采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到图像的字符识别结果；

（5）根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果；所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数。

2.如权利要求1所述的一种字符去粘连的方法，其特征在于，在步骤（3）和步骤（4）之间，在采用所有的拆分方案对需要进行拆分的连通域进行拆分之前，还包括：

根据所述的先验知识集排除所有拆分方案中不可行的拆分方案。

3.如权利要求1或2所述的一种字符去粘连的方法，其特征在于，步骤（1）中，所述的先验知识集中包括字符的最大宽高比Ratio_max、最小宽高比Ratio_min、字符特性和字符的版面排布准则。

4.如权利要求3所述的一种字符去粘连的方法，其特征在于，所述的字符特性包括字符间的高度和宽度关系；所述的版面排布准则包括字符间的字符间距关系、以及字符间距与字符高度或者宽度的关系。

5.如权利要求4所述的一种字符去粘连的方法，其特征在于，步骤（2）中，计算字符高度H和字符宽度W的具体方式如下：

字符高度H为进行连通域分析后得到的所有连通域的高度的均值，字符宽度W=Ratio_max×H。

6.如权利要求1所述的一种字符去粘连的方法，其特征在于，步骤（2）中，确定连通域分析结果中需要进行拆分的连通域的具体方式为：

查看当前连通域的宽度W_cur是否满足W_cur>n×W，1<n<1.5，若是则确定该连通域需要进行拆分。

7.如权利要求6所述的一种字符去粘连的方法，其特征在于，步骤（3）中，通过细化图的方式对需要进行拆分的连通域进行拆分点定位，具体方式包括：

1）将需要进行拆分的连通域的粘连图像进行背景细化，得到背景细化图；

2）在所述背景细化图的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拆分点，上下分隔线上单独出现的特征点作为一个拆分点。

8.如权利要求6所述的一种字符去粘连的方法，其特征在于，步骤（3）中，根据先验知识集对需要进行拆分的连通域进行拆分点定位，具体方式包括：

a.根据字符间距与字符高度或者宽度的关系计算字符间距；

b.根据当前连通域的宽度W_cur与字符间距D_center确定粘连字符的个数m，计算公式为：

m=W_cur/D_center；

c.根据粘连字符的个数和字符间距将当前连通域等字符间距拆分，得到拆分点。

9.一种字符去粘连的系统，包括：

先验知识集设定模块，用于设定待处理字符图像中字符的先验知识集；所述的先验知识集是指待处理图像中字符的属性特征的集合；

待拆分区域确定模块，用于对待处理字符图像进行连通域分析，并计算字符高度H和字符宽度W，确定连通域分析结果中需要进行拆分的连通域；

拆分方案排除模块，用于对需要进行拆分的连通域进行拆分点定位，得到所有的拆分方案；

字符识别模块，用于采用所有的拆分方案分别对需要进行拆分的连通域进行拆分，对每种拆分方案对应的字符拆分结果进行OCR识别，得到拆分后的字符识别结果；

识别结果确定模块，用于根据先验知识评价函数对每种拆分方案对应的字符识别结果进行评价，将评价最匹配的字符识别结果作为去粘连后的识别结果；所述的先验知识评价函数是根据先验知识集构造的用于评价字符识别结果是否符合先验知识集中字符属性特征的函数。

10.如权利要求9所述的一种字符去粘连的系统，其特征在于，该系统还包括：

拆分方案排除模块，用于根据所述的先验知识集排除所有拆分方案中不可行的拆分方案。