CN105303190A - 一种基于对比度增强法的降质文档图像二值化方法 - Google Patents

Abstract

一种基于对比度增强法的降质文档图像二值化方法，本发明涉及基于对比度增强法的降质文档图像二值化方法。本发明是要解决现有方法无法从降质文档图像中提取出清晰字符的问题。读取降质文档图像，对降质文档图像进行灰度变换；利用四叉树原理，根据灰度对比度信息，区分强灰度对比度区域与弱灰度对比度区域；根据强灰度对比度区域与弱灰度对比度区域像素点灰度值出现的频率确定局部阈值；令强灰度对比度区域与弱灰度对比度区域像素点灰度值大于局部阈值的像素点的灰度值为255；令强灰度对比度区域与弱灰度对比度区域像素点灰度值小于局部阈值的像素点的灰度值为0，输出二值图像。属于图像处理技术领域。

Description

一种基于对比度增强法的降质文档图像二值化方法

技术领域

本发明涉及基于对比度增强法的降质文档图像二值化方法。属于图像处理技术领域，涉及对降质文档图像的二值化方法，可用于OCR系统对降质文档图像字符识别的预处理，具体是一种基于对比度增强法的降质文档图像二值化方法。

背景技术

OCR技术(OpticalCharacterRecognition，光学字符识别)是将纸质文字信息录入到计算机中最高效的方法。而OCR系统的识别效率则取决于文档图像的质量。对于降质文档图像的识别，目前的OCR技术存在的不足主要表现为二值化后的文档图像丢失了大量的有效信息，无法得到连续、完整的笔画结构，严重影响后续的识别结果。虽然大量学者已经对文档图像二值化研究多年，但对于从降质文档图像(如图像中存在阴影、非均匀光照、墨迹透背、模糊等)中提取出清晰字符仍是图像处理领域的一个难点。

发明内容

本发明是要解决现有方法无法从降质文档图像中提取出清晰字符的问题，而提供了一种基于对比度增强法的降质文档图像二值化方法。

一种基于对比度增强法的降质文档图像二值化方法，按以下步骤实现：

步骤1：读取降质文档图像，对降质文档图像进行灰度变换，输出灰度级为256的灰度图像；

步骤2：利用四叉树原理，根据灰度对比度信息，区分强灰度对比度区域与弱灰度对比度区域；

步骤3：对于强灰度对比度区域，采用弱灰度对比度增强法调整区域像素点灰度值；对于弱灰度对比度区域，采用强灰度对比度增强法调整区域像素点灰度值；

步骤4：根据强灰度对比度区域与弱灰度对比度区域像素点灰度值出现的频率确定局部阈值；

步骤5：令强灰度对比度区域与弱灰度对比度区域像素点灰度值大于局部阈值的像素点的灰度值为255；令强灰度对比度区域与弱灰度对比度区域像素点灰度值小于局部阈值的像素点的灰度值为0，输出二值图像。

发明效果：

因此本发明提出一种新的二值化算法，针对不同的降质原因，在不同的区域选择恰当的区域对比度增强法，从而达到理想的分割效果。

应用本实施方式算法处理的二值图像，具有最高的F-measure值(高于次高OTSU算法4％)、最高的PSNR值(高于次高Sauvola算法5％)及较低的NRM值。说明本实施方式算法可以最好的还原目标像素点，同时说明应用本实施方式算法输出的二值图像最接近实际未降质文档的二值图像，且本实施方式算法的误分割率较小。说明应用本实施方式算法处理的降质文档图像具有最优的分割质量。

附图说明

图1为本发明流程图；

图2(a)是第一次区域划分原理示意图；

图2(b)是第二次区域划分原理示意图；其中，所述□背景区域；灰度对比度显著区域；灰度对比度较显著区域；

图3(a)为待测试图像；

图3(b)为用OTSU方法的二值化图像；

图3(c)为用Niblack方法的二值化图像；

图3(d)为用Sauvola方法的二值化图像；

图3(e)为用Singh方法的二值化图像；

图3(f)为用本发明方法的二值化图像；

图4(a)为待测试图像；

图4(b)为用OTSU方法的二值化图像；

图4(c)为用Niblack方法的二值化图像；

图4(d)为用Sauvola方法的二值化图像；

图4(e)为用Singh方法的二值化图像；

图4(f)为用本发明方法的二值化图像；

图5(a)为待测试图像；

图5(b)为用OTSU方法的二值化图像；

图5(c)为用Niblack方法的二值化图像；

图5(d)为用Sauvola方法的二值化图像；

图5(e)为用Singh方法的二值化图像；

图5(f)为用本发明方法的二值化图像；

图6(a)为待测试图像；

图6(b)为用OTSU方法的二值化图像；

图6(c)为用Niblack方法的二值化图像；

图6(d)为用Sauvola方法的二值化图像；

图6(e)为用Singh方法的二值化图像；

图6(f)为用本发明方法的二值化图像。

具体实施方式

具体实施方式一：本实施方式的一种基于对比度增强法的降质文档图像二值化方法，按以下步骤实现：

步骤1：读取降质文档图像，对降质文档图像进行灰度变换，输出灰度级为256的灰度图像；

步骤2：利用四叉树原理，根据灰度对比度信息，区分强灰度对比度区域与弱灰度对比度区域；

步骤3：对于强灰度对比度区域，采用弱灰度对比度增强法调整区域像素点灰度值；对于弱灰度对比度区域，采用强灰度对比度增强法调整区域像素点灰度值；

步骤4：根据强灰度对比度区域与弱灰度对比度区域像素点灰度值出现的频率确定局部阈值；

步骤5：令强灰度对比度区域与弱灰度对比度区域像素点灰度值大于局部阈值的像素点的灰度值为255；令强灰度对比度区域与弱灰度对比度区域像素点灰度值小于局部阈值的像素点的灰度值为0，输出二值图像。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤2具体为：

(2a)计算降质文档图像像素点坐标为(x,y)处灰度值为f(x,y)的灰度对比度D(x,y)，其计算公式为：

D(x,y)＝max[D_h(x,y),D_v(x,y)](1)

D_h(x,y)＝|f(x,y)-f(x-1,y)|(2)

D_v(x,y)＝|f(x,y)-f(x,y-1)|(3)

其中，D_h(x,y)和D_v(x,y)分别是像素点f(x,y)水平方向和竖直方向的灰度对比度，f(x-1,y)是f(x,y)水平方向左侧像素点的灰度值，f(x,y-1)是f(x,y)竖直方向下侧像素点的灰度值；

(2b)利用四叉树原理，根据灰度对比度对降质文档图像进行区域划分：

第一次四分后，若任一区域内的最大灰度对比度小于等于a倍整体区域的最大灰度对比度，即公式4，说明该区域的灰度变化不显著，则认为该区域均为背景区域，直接输出该区域，对剩余区域继续进行细分；

D_Dmax(x,y)≤a·D_entiremax(x,y)(4)

其中，所述D_Dmax(x,y)为第一次四分后任一区域内的最大灰度对比度，D_entiremax(x,y)为整体区域的最大灰度对比度；

(2c)第二次四分后，若任一第二次四分后形成的DD区域内的最大灰度对比度小于等于a倍的第一次四分后任一区域内的最大灰度对比度，即公式5，说明该区域的灰度变化不显著，则认为该区域均为背景区域，直接输出该区域；

若任一第二次四分后形成的AC区域内的最大灰度对比度大于等于b倍的第一次四分后形成的A区域内的最大灰度对比度，即公式6，说明该区域为灰度变化非常显著区域，则对该区域进行弱灰度对比度增强法处理；

若任一第二次四分后形成的BA区域内的最大灰度对比度介于a和b倍的第一次四分后形成的B区域内的最大灰度对比度之间即公式7，说明该区域为灰度变化较显著区域，则对该区域进行强灰度对比度增强法处理；

D_DDmax(x,y)≤a·D_Dmax(x,y)(5)

D_ACmax(x,y)≥b·D_Amax(x,y)(6)

a·D_Bmax(x,y)≤D_BAmax(x,y)≤b·D_Bmax(x,y)(7)

其中，所述D_DDmax(x,y)第二次四分后形成的DD区域内的最大灰度对比度，D_ACmax(x,y)第二次四分后形成的AC区域内的最大灰度对比度，D_BAmax(x,y)第二次四分后形成的BA区域内的最大灰度对比度，D_Amax(x,y)第一次四分后形成的A区域内的最大灰度对比度，D_Bmax(x,y)第一次四分后形成的B区域内的最大灰度对比度。

实验证明a∈[0,0.4]，b∈[0.7,1]。且对图像进行两次四分来确定区域的灰度变化属性是最佳四分次数，过多的四分会导致计算量过大，且容易将噪声点误分成目标，不能很好的将噪点处理掉。过少的四分虽然会减小计算量，但同时也将丢失过多的细节，达不到理想的分割效果。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤3具体为：

(3a)对于灰度变化非常显著区域，采用弱灰度对比度增强法，将区域内各像素点灰度值调整为：

$f^{\′}(x,y)=(n-1)\×\frac{f(x,y)-f_{min}(x,y)}{f_{\max }(x,y)-f_{\min }(x,y)}---\left(8\right)$

其中，所述f'(x,y)为调整后区域图像像素点灰度值，f_max(x,y)和f_min(x,y)为调整前区域图像像素点最大灰度值和最小灰度值，n为调整后区域图像的灰度级；

(3b)对于灰度变化较显著区域，采用强灰度对比度增强法，将区域内各像素点灰度值调整为：

$f^{\′}(x,y)=(nn-1)\×{\left(\frac{f(x,y)-f_{min}(x,y)}{f_{\max }(x,y)-f_{min}(x,y)}\right)}^2---\left(9\right)$

其中，所述nn为调整后区域图像的灰度级。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤4中区域阈值选取方法按如下步骤进行：

(4a)按区域内像素点的多少将降质文档图像划分为两部分，对区域划分后长为s个像素点，宽为t个像素点，大小为s×t个像素点的子区域，在个像素点内寻找代表目标像素点的灰度值f'_foreground；其中，所述区域为强对比度区域或弱对比度区域；

(4b)在个像素点内寻找代表背景像素点的灰度值f'_background，均以出现频率最高的灰度值作为目标灰度值及背景灰度值；

(4c)局部阈值T为f'_foreground和f'_background的均值，即：

其它步骤及参数与具体实施方式一至三之一相同。

仿真结果分析

(a)从视觉效果上对图3(a)～图3(f)，图4(a)～图4(f)，图5(a)～图5(f)，图6(a)～图5(f)中各方法的二值化结果进行主观评价。

由图3(a)～图3(f)可以看出，原图像受不均匀光照影响，右下角区域的字符很浅，经OTSU算法处理后，右下角区域字符多数会出现笔画断裂现象；经Niblack算法处理后，虽然文本字符完整，但空白区域出现了大块黑色非目标区域；经Sauvola算法处理后，虽然左侧区域字符保存较完整，但右侧区域出现大量笔画断裂、模糊不清无法识别的字符；经Singh算法处理后，字符保留较完整，但出现了少量字符笔画断裂的现象，同时存在笔画浓度严重不一致的现象；经本实施方式算法处理后，字符保留完整，笔画清晰无断裂现象，且笔画浓度一致。且从图4(a)～图4(f)，图5(a)～图5(f)可以看出，对于受墨迹透背影响的图像，应用传统的二值化算法处理会引入大量的噪声。由于本实施方式算法可以智能的筛选目标区域及非目标背景区域，因此，应用本实施方式算法处理的透背图像可以避免噪声的干扰。由图6(a)～图5(f)可以看出，对于字迹模糊的降质文档图像，应用传统的二值化算法处理的文档图像，其二值图像字迹仍然模糊，无法为后续计算机识别提供有效信息。而由于本实施方式算法是针对区域内每个像素点调整的灰度值，对各像素点的细微变化尤为敏感。因此，应用本实施方式算法处理的字迹模糊图像，其二值图像可以分离出清晰的字符，大大地方便了后续计算机的识别。

(b)从客观评价指标上对本发明方法进行评价。

表1给出了应用五种算法处理DIBCO图像集50幅降质图像的平均F-measure值、PSNR值及NRM值。

表1

由表1可以看出，在五种算法处理降质文档图像的测试结果中，应用本实施方式算法处理的二值图像，具有最高的F-measure值(高于次高OTSU算法4％)、最高的PSNR值(高于次高Sauvola算法5％)及较低的NRM值。说明本实施方式算法可以最好的还原目标像素点，同时说明应用本实施方式算法输出的二值图像最接近实际未降质文档的二值图像，且本实施方式算法的误分割率较小。说明应用本实施方式算法处理的降质文档图像具有最优的分割质量。

Claims (4)

1.一种基于对比度增强法的降质文档图像二值化方法，其特征在于按以下步骤实现：

步骤1：读取降质文档图像，对降质文档图像进行灰度变换，输出灰度级为256的灰度图像；

步骤2：利用四叉树原理，根据灰度对比度信息，区分强灰度对比度区域与弱灰度对比度区域；

步骤3：对于强灰度对比度区域，采用弱灰度对比度增强法调整区域像素点灰度值；对于弱灰度对比度区域，采用强灰度对比度增强法调整区域像素点灰度值；

步骤4：根据强灰度对比度区域与弱灰度对比度区域像素点灰度值出现的频率确定局部阈值；

步骤5：令强灰度对比度区域与弱灰度对比度区域像素点灰度值大于局部阈值的像素点的灰度值为255；令强灰度对比度区域与弱灰度对比度区域像素点灰度值小于局部阈值的像素点的灰度值为0，输出二值图像。

2.根据权利要求1所述的一种基于对比度增强法的降质文档图像二值化方法，其特征在于所述步骤2具体为：

(2a)计算降质文档图像像素点坐标为(x,y)处灰度值为f(x,y)的灰度对比度D(x,y)，其计算公式为：

D(x,y)＝max[D_h(x,y),D_v(x,y)](1)

D_h(x,y)＝|f(x,y)-f(x-1,y)|(2)

D_v(x,y)＝|f(x,y)-f(x,y-1)|(3)

其中，D_h(x,y)和D_v(x,y)分别是像素点f(x,y)水平方向和竖直方向的灰度对比度，f(x-1,y)是f(x,y)水平方向左侧像素点的灰度值，f(x,y-1)是f(x,y)竖直方向下侧像素点的灰度值；

(2b)利用四叉树原理，根据灰度对比度对降质文档图像进行区域划分：

第一次四分后，若任一区域内的最大灰度对比度小于等于a倍整体区域的最大灰度对比度，即公式4，说明该区域的灰度变化不显著，则认为该区域均为背景区域，直接输出该区域，对剩余区域继续进行细分；

D_Dmax(x,y)≤a·D_entiremax(x,y)(4)

其中，所述D_Dmax(x,y)为第一次四分后任一区域内的最大灰度对比度，D_entiremax(x,y)为整体区域的最大灰度对比度；

(2c)第二次四分后，若任一第二次四分后形成的DD区域内的最大灰度对比度小于等于a倍的第一次四分后任一区域内的最大灰度对比度，即公式5，说明该区域的灰度变化不显著，则认为该区域均为背景区域，直接输出该区域；

若任一第二次四分后形成的AC区域内的最大灰度对比度大于等于b倍的第一次四分后形成的A区域内的最大灰度对比度，即公式6，说明该区域为灰度变化非常显著区域，则对该区域进行弱灰度对比度增强法处理；

若任一第二次四分后形成的BA区域内的最大灰度对比度介于a和b倍的第一次四分后形成的B区域内的最大灰度对比度之间即公式7，说明该区域为灰度变化较显著区域，则对该区域进行强灰度对比度增强法处理；

D_DDmax(x,y)≤a·D_Dmax(x,y)(5)

D_ACmax(x,y)≥b·D_Amax(x,y)(6)

a·D_Bmax(x,y)≤D_BAmax(x,y)≤b·D_Bmax(x,y)(7)

其中，所述D_DDmax(x,y)第二次四分后形成的DD区域内的最大灰度对比度，D_ACmax(x,y)第二次四分后形成的AC区域内的最大灰度对比度，D_BAmax(x,y)第二次四分后形成的BA区域内的最大灰度对比度，D_Amax(x,y)第一次四分后形成的A区域内的最大灰度对比度，D_Bmax(x,y)第一次四分后形成的B区域内的最大灰度对比度。

a∈[0,0.4]，b∈[0.7,1]。

3.根据权利要求1或2所述的一种基于对比度增强法的降质文档图像二值化方法，其特征在于所述步骤3具体为：

(3a)对于灰度变化非常显著区域，采用弱灰度对比度增强法，将区域内各像素点灰度值调整为：

$f^{\′}(x,y)=(n-1)\×\frac{f(x,y)-f_{min}(x,y)}{f_{\max }(x,y)-f_{\min }(x,y)}---\left(8\right)$

其中，所述f'(x,y)为调整后区域图像像素点灰度值，f_max(x,y)和f_min(x,y)为调整前区域图像像素点最大灰度值和最小灰度值，n为调整后区域图像的灰度级；

(3b)对于灰度变化较显著区域，采用强灰度对比度增强法，将区域内各像素点灰度值调整为：

$f^{\′}(x,y)=(nn-1)\×{\left(\frac{f(x,y)-f_{\min }(x,y)}{f_{\max }(x,y)-f_{\min }(x,y)}\right)}^2---\left(9\right)$

其中，所述nn为调整后区域图像的灰度级。

4.根据权利要求3所述的一种基于对比度增强法的降质文档图像二值化方法，其特征在于所述步骤4中区域阈值选取方法按如下步骤进行：

(4a)按区域内像素点的多少将降质文档图像划分为两部分，对区域划分后长为s个像素点，宽为t个像素点，大小为s×t个像素点的子区域，在个像素点内寻找代表目标像素点的灰度值f'foreground；其中，所述区域为强对比度区域或弱对比度区域；

(4b)在个像素点内寻找代表背景像素点的灰度值f'_background，均以出现频率最高的灰度值作为目标灰度值及背景灰度值；

(4c)局部阈值T为f'_foreground和f'_background的均值，即：