CN107578039A - 基于数字图像处理技术的字迹轮廓比对方法 - Google Patents
基于数字图像处理技术的字迹轮廓比对方法 Download PDFInfo
- Publication number
- CN107578039A CN107578039A CN201710926595.7A CN201710926595A CN107578039A CN 107578039 A CN107578039 A CN 107578039A CN 201710926595 A CN201710926595 A CN 201710926595A CN 107578039 A CN107578039 A CN 107578039A
- Authority
- CN
- China
- Prior art keywords
- digital
- image
- digital picture
- writing
- digital image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
一种基于数字图像处理技术的字迹比对方法，为快速、精确地比较并总结两种字迹的异同而发明。所述的方法依次按以下步骤实现的：1）通过扫描、拍摄等方式获取所有字迹样本的数字图像；2）对图像进行预处理，包括图像二值化、图像去噪；3）对图像进行分割以得到单字，并对得到的单字进行边缘提取；4）对不同图像中的同一单字的边缘特征点进行算法分析以得到多个单字的最佳拟合位置，并将单字按该位置叠加，得到不同单字的比对结果；5）对图像进行复原，将所有单字的对比结果重新整合成一幅图像，并对比较结果进行总结、分析与显示。使字迹比较技术更加智能化、系统化。
Description
技术领域
本发明涉及一种图形处理方法，具体说是一种基于数字图像处理技术的字迹轮廓比对方法，其主要适用于文字研究、笔迹鉴定和字迹比对。
背景技术
中国书法是一种重要的文字艺术表现手段，目前国内外的书法爱好者数量超过百万。临摹在中国书法的学习与练习中占据着最为重要的地位，临摹作品的好坏能够反映书法练习者的基本功是否扎实，而评价临摹作品最直接的方法就是将其与原作进行比对，分析其相似度，找出不同，归纳缺点并总结特征，因此书法初学者力求前期作品与原帖高度相似。
传统的作品比对方法包括使用硫酸纸摹贴进行比对、在塑料薄片上用马克笔描画原作轮廓进行比对以及利用打向纸面的投影进行比对。然而，这些方法有着共性缺点，即效率低、成本高、字体大小受字帖限制、无法摆脱“描摹”贴的方式、对比不系统、需要主观判断等。
在其他领域，同样需要字迹比对技术，比如在考古领域，当含有古文字的文物出土时，需要依据文字的形态与内容进行朝代判断、历史事件分析等研究。现有的古文字提取方法包括石碑拓字、拍照等，并将其以电子形式或纸质形式储存起来，供考古学家查阅、参考和研究。如果利用数字图像处理的方法对古文字的字迹进行鉴别、比对，利用机器学习等手段自动生成全国乃至全球的古文字库，自动将新发现的古文字归类存档，将大大方便考古学者对古文字的研究分析。
在笔迹鉴定领域，同样可以利用数字图像处理的方法进行鉴定。现有的鉴定方法为人工鉴定，由专业的鉴定人员分析笔迹的形态，笔画轻重等等，涉及多种鉴定标准，如果利用数字图像处理的字迹比对方法来评判这些标准，将大幅提高鉴定的精确性与效率。
发明内容
本发明的目的是提供一种基于数字图像处理技术的字迹轮廓比对方法，从根本上解决了上述问题。通过将多幅字迹样本进行比对，处理生成的笔迹图像并标出笔画异同，归纳各个字迹样本的书写特征。
为实现上述目的，本发明提供了如下技术方案：该基于数字图像处理的文字比对方法，其技术要点是，包括以下步骤：
步骤1）从原始字迹中获取数字图像Ⅰ1和数字图像Ⅰ2；
步骤2）预处理数字图像Ⅰ1和数字图像Ⅰ2，得到数字图像Ⅱ1和数字图像Ⅱ2；
步骤3）分割数字图像Ⅱ1和数字图像Ⅱ2，得到若干数字图像Ⅱ1n和数字图像Ⅱ2n，对各数字图像Ⅱ1n和数字图像Ⅱ2n进行边缘检测，得到各数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像；
步骤4）比对数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像，选取拟合度最高的位置，以该位置为中心将各数字图像Ⅱ1n与Ⅱ2n重叠后得到若干比对图像Ⅲn；
步骤5）将各数字图像比对后的结果Ⅲn重新拼接为数字图像Ⅲ，并显示。
进一步的，所述步骤2）包括以下步骤：
步骤2.1）作出数字图像的灰度直方图；
步骤2.2）根据灰度直方图得到二值化阈值；
步骤2.3）根据二值化阈值对数字图像进行二值化；
步骤2.4）对二值化后的数字图像去噪；
步骤2.5）对去噪的数字图像边缘平滑后，即得到数字图像II1和数字图像II2。
进一步的，所述步骤3）具体包括以下步骤：
步骤3.1）对数字图像Ⅱ1和数字图像Ⅱ2进行水平和竖直两个方向的灰度投影分析；
步骤3.2）根据灰度谷值进行竖直分割或水平分割，即得到若干数字图像Ⅱ1n和数字图像Ⅱ2n；
步骤3.3）分别提取若干数字图像Ⅱ1n和数字图像Ⅱ2n的边缘特征点，基于EMD距离设计推土机算法评定两幅单字数字图像的合成效果；
步骤3.4）分析匹配效果后，即得到若干比对图像IIIn。
进一步的，所述步骤3.4）在数字图像Ⅱ1n和数字图像Ⅱ2n的相对旋转、平移或/和缩放后进行。
本发明还提供了一种基于数字图像处理技术的字迹轮廓比较的装置，包括预处理模块、边缘提取模块、距离计算模块、存储模块以及分析匹配模块，其技术要点是：所述预处理模块的输出端与边缘提取模块的输入端相连，边缘提取模块的输出端分别与距离计算模块和存储模块的输入端相连，距离计算模块的输出端与分析匹配模块的输入端相连，存储模块与分析匹配模块之间交互连接；述预处理模块包括依次连接的扫描单元、灰分析单元、二值化单元、去噪单元、边缘平滑单元以及边缘提取单元。
本发明的有益效果：对两幅图提取相同数量的特征点后，视原帖的特征点为“土堆”，视临帖的特征点为“土坑”，则推土机算法即为求取把所有“土堆”填入所有“土坑”的最短距离，EMD距离值越小和数字图像Ⅱ1n和数字图像Ⅱ2n所表示的两个字迹字形匹配程度越好。
通过对查询笔迹样本和多个参考笔迹样本分别进行预处理，提取网格微结构特征，比较查询笔迹样本网格微结构特征与每个参考笔迹样本网格微结构特征的特征间距离大小，获取查询笔迹样本的书写人候选列表，提高了笔迹鉴别的正确率和鉴别性能，同时提高了笔迹鉴别方法的通用性。
附图说明
图1为本发明的原理框图；
图2为字迹图像的灰度直方图；
图3为基于迭代算法二值化处理的被临摹图像；
图4为经过孔洞填充处理的被临摹图像；
图5为经过开操作边缘平滑的临摹图像；
图6为经投影分割得到的质量较好临摹图像；
图7为字迹图像的水平与竖直投影灰度直方图；
图8为对单字的边缘检测结果；
图9为临摹图像与被临摹图像中一对相同单字的对比结果；
图10为本发明比对装置的结构图。
具体实施方式
下面结合附图1~10，通过具体实施例对本发明作进一步说明。该基于数字图像处理的文字比对方法，包括以下步骤：
步骤1）得到笔迹样本后，可通过对各样本进行扫描或拍照以得到笔迹的原始数字图像Ⅰ1和数字图像Ⅰ2。
步骤2）预处理数字图像Ⅰ1和数字图像Ⅰ2，利用二值化对原图像进行处理以便后续操作。为了精确地利用图像二值化操作对笔迹进行拷贝，需利用直方图分析来确定合适的算法从而得到适当的二值化阈值。得到数字图像Ⅱ1和数字图像Ⅱ2。
*灰度直方图，是反映图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。
可根据灰度直方图的峰数来确定二值化算法，对于双峰灰度直方图可采取双峰二值化算法，对于如图2所示的单峰灰度直方图，可采取迭代算法确定二值化阈值，根据该二值化阈值进行二值化处理的图像如图3所示。
*灰度（二值化）阈值分割法，是指先将RGB或者CYMK等模式的图像转化为灰度图像，并确定该图像的灰度取值范围内的灰度阈值，然后将该灰度图像中的各像素的灰度值与该阈值比较。以阈值为基准将灰皮级划分为前景和背景两类，并二值化为笔迹样本对象和笔迹样本背景，其中前景包括笔迹、格线、图像等，背景包括纸张等。
步骤2）具体包括：
步骤2.1）作出数字图像的灰度直方图；
步骤2.2）根据灰度直方图得到二值化阈值；
步骤2.3）根据二值化阈值对数字图像进行二值化；
另外，还可通过以下步骤确定二值化阈值：
步骤A1）在灰度处理后的数字图像上随机取灰度值最小的点，并以该点为中心，在其中一个方向上，如↖方向移动，并记录由灰度最小值到灰度最大值所经过的像素数量。具体而言：
当随机取灰度值最小的点位时，计数器N=0；
若点位移动后，灰度值不变，则计数器N=N；
若点位移动后，灰度值减小，则重新取其他灰度值最小的点，并重新开始计数，重置计数器N=0；
若点位移动后灰度值增加，则计数器N=N+1；
若点位移动后，灰度值连续三次（为提高精确度也可增加次数）的灰度值相同，则取点终止，将计数器N=N-2，并记录。
反之，在灰度处理后的数字图像上随机取灰度值最大的点，并以该点为中心，在↖位置移动，并记录由灰度最大值到灰度最小值所经过的像素数量。
当随机取灰度值最大的点位时，计数器N=0；
若点位移动后，灰度值不变，则计数器N= N；
若点位移动后，灰度值减小，则重新取其他灰度值最大的点，并重新开始计数，重置计数器N=0；
若点位移动后灰度值减小，则计数器N=N+1；
若点位移动后，灰度值连续三次（为提高精确度也可增加次数）的灰度值相同，则取点终止，将计数器N=N-2，并记录。
步骤A2）当↖位置记录完成后，依次记录↑↗→↘↓↙←方向上由最小到最大（或由最大到最小）灰度的像素数量，并取各N值总和的平均值M1，去除偏差与M1最大的两个方向N值后，重新计算平均值M2，则M2/2即为二值化阈值。
上述方法中，为简化阈值确定步骤，简化算法计算量，提高运算速度，也可将步骤2）省略或选取其中几个方向而不是选取全部八个方向。但由于缺少多方向数值相互校准验证的步骤，其精度可能会较低。
该方法基于以下原理：由于扫描后获得的字迹样本的边缘像素点由字迹中心向两侧的灰度值呈梯度分布，无论精度如何均会呈此形态分布。如白底黑字时，由字迹向两侧的分布由灰度255逐渐降低，最终与背景（通常为灰度0）一致，但由于扫描质量问题（通常是由被扫描物的不平整导致），背景的灰度值不一定为全部为0。该情况下，则可通过提高最低色阶0~10的方式将背景的灰度值全部调整为0，但该处理方式会使部分字迹部分的数字图像失真。
因此通过在字迹的数字图像上随机取点，并向各方向上逐渐延伸，当灰度值为0，且不变时，说明该位置处于背景中；当灰度值逐渐增加时，说明已经到达字迹边缘，并向字迹中心逐渐靠近，当灰度值达到最大值（通常是指255）且持续多个像素点（本方法为至少三次）不发生变化时，即说明已经脱离字迹边缘。通过计算由边缘最外侧至边缘最内侧所跨越的像素点总数的中间值，即可确定二值化阈值。通过该二值化阈值，在二值化时并不会对字迹本身的轮廓产生过多影响。而选取多个方向的目的为：字迹实际书写时，在书写始端、书写转向、书写末端等笔触力道不同位置上灰度值的梯度差不同，而通过选取多方向综合后的N值的平均值则可基本消除梯度差不同对二值化阈值确定过程的影响。
通过观察得到的二值化的字迹数字图像，其噪声的主要形态为孔洞，通过绘制内外轮廓可得到孔洞的面积，选择合适的孔洞大小阈值与其比较进行孔洞填充可以有效地处理此类笔迹图像中的噪声。要注意传统意义上的孔洞为白色背景下的黑点，而书法拓片的孔洞为黑色背景下的白点，可以通过二次取反得到正确处理结果。
*二值化，是指将数字图像的灰度图像转换为仅包含黑、白二值图像的过程，二值化的关键是找到合适的阈值来区分不同笔迹样本的对象和背景，而阈值通常由最大化对象和背景的类内方差确定。
*二值图像，是指仅包含书写时笔迹像素信息的黑、白二值图像，所有黑像素点即构成书写时的笔迹；边缘不仅仅是指表示物体边界的线，还包括能够描绘特征的线要素。边缘是一幅图像的基本特性之一，是图像中两个具有不同灰度级的均匀区域的边界，且较少随图像的变换而改变，边缘检测结果的好坏直接影响着后续的图像识别、图像理解的结果。
步骤2.4）对二值化后的数字图像去噪；
当笔迹样本中存在噪声信息时，二值化很难完全去除非笔迹像素信息，需要对二值图像去嗓处理，可采用连通域算法，对于图片、花纹等可以采用人工去除。经过孔洞填充处理后的图像如图4所示，经过孔洞填充处理后，方框中的汉字基本已经不受噪声干扰，但其余部分由于噪声间相互连通甚至噪声与字迹也有连通，因此难以通过这种方式去除，以图像左部和中下部尤为明显。由于图像内大部分噪声已经消除，我们可视其已完成去噪，选取方框内优质图像进行后续处理。
*噪声信息，是指除笔迹像素信息外的其他非笔迹像素信息，包括格线、图片或花纹等。
*去噪，是指将文字图像背景中的白点（若以白色底色的图像，则噪点为黑色）或黑点去除（转化成100%黑色或100%白色）。图3去噪后（填充孔洞后）的图像如图4所示，此时数字图像中的字迹边缘还存在大量毛刺和空穴，因此需要用开操作对字的边缘平滑以便于后续的边缘提取操作。由图4经过开操作边缘平滑后的图像如图5所示。
还可通过下述方法去除背景中的噪声：当字数较少或字间隔较大时，通过二值化字迹的前景和背景差异，即可针对各字迹边缘建立矩形轮廓，选择所有字迹的矩形轮廓后，选择反向，并以背景色填充（背景部分），即可将背景中的噪点完全去除，同时获得各字的矩形轮廓图像。虽然采用该方法并不能完全去除背景中的噪点，例如噪点离字迹轮廓较近时，由于扫描精度等因素的影响，会将噪点判定为矩形轮廓内，即作为字迹的一部分，从而导致矩形轮廓区域增大。即去噪效果取决于噪点离字迹的距离以及扫描精度，因此存在一定局限性。但经过该方法仍可高效地清除绝大部分的噪点。
此外，当字数较多时或字间隔较小或单字之间存在交叉时（如楷书、篆体等），无法将单个字进行高效的分割，则可将一定高度或宽度范围内的若干单字的字迹轮廓作为去噪单元处理，然后按照上述方法进行去噪。即设定去噪尺寸的高度或宽度上下限值，对下限值内的字迹以及方向上存在连续像素的情况下不进行矩形轮廓扫描。
步骤2.5）对去噪的数字图像边缘平滑后，即得到数字图像II1和数字图像II2。
步骤3）分割数字图像Ⅱ1和数字图像Ⅱ2，得到若干数字图像Ⅱ1n和数字图像Ⅱ2n，对各数字图像Ⅱ1n和数字图像Ⅱ2n进行边缘检测，得到各数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像。
分析经过边缘平滑的图像，一部分汉字图像经过开运算操作后边缘得到加强，如“不”、“臣”、“州”；而一部分汉字在经过平滑后质量反而变差，如“困”的顶端。具体平滑效果由之前的笔画粗细和去噪效果决定，对具体的细节具体分析，选择效果较好的笔迹进行处理分析。
*开运算，在数学上是先腐蚀后膨胀的结果，删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分。即，能除去孤立的小点、毛刺和小桥，但总的位置和形状不变。
步骤3）具体包括：
步骤3.1）对数字图像Ⅱ1和数字图像Ⅱ2进行水平和竖直两个方向的灰度投影分析；文字类的图像在水平和竖直方向上的灰度变化具有明显的间断性，因此可对图像进行水平和竖直两个方向的灰度投影分析。
步骤3.2）根据灰度谷值先进行竖直分割，再进行水平分割（分割顺序由前步骤中的分析决定，竖排文字是先竖直分割后水平分割，而横排文字应先水平分割后竖直分割），即得到若干数字图像Ⅱ1n和数字图像Ⅱ2n。得到如图6所示质量较好的两个字迹样本的单字图像，左侧为真迹，右侧为临摹。左侧字迹样本的水平与竖直投影的灰度直方图如图7所示。
*两单字图像应一个为白底黑字，另一个为黑底白字，若两单字图像均为白底黑字或黑底白字，取一幅图像作取反处理即可。
*现代汉语的书写为从左至右，再从上至下；而古汉语的书写为从上至下，再从右至左。以古汉语书写为例，
步骤3.3）利用推土机算法评定拟合效果，如果效果不佳，则根据算法给出的最佳匹配位置进行旋转、平移和缩放。因此，先对两幅图像分别作如图8所示的边缘提取处理，并提取边缘特征点，再确定合适的算法，如基于EMD距离设计推土机算法评定两幅单字图像的合成效果。
对两幅图提取相同数量的特征点后，视原帖的特征点为“土堆”，视临摹帖的特征点为“土坑”，则推土机算法即为求取把所有“土堆”填入所有“土坑”的最短距离。显然，EMD距离值越小，两个字形匹配程度越好。经过检验，由之前步骤得到的单字图像匹配程度较好，可以进行后续的合成分析操作。
*EMD算法由Gaspard Monge提出，用来衡量同一空间中两种分布之间的差异度，一种分布是空间中的土堆立方量，另一种分布则是空间中需要土方填补的坑洞，利用EMD算法求运送所有的泥土来填充坑洞所需的最小工作量。
另外，对于字迹轮廓的确定，还可采用下述方法：
方法1，以二值化的数字图像确定的字迹轮廓为基准，进行缩放，以获得最终字迹轮廓。缩放距离可采用二值化阈值的一半，即M2/4。
方法2，以二值化的数字图像确定背景区域，在灰度数字图像上将背景区域填充去噪。获得去噪后的灰度数字图像，以二值化阈值一半（M2/4）为轮廓灰度值，以该灰度值为基准进行轮廓区域选定，然后在该区域上填充黑色（灰度255）。
步骤3.4）在得到单字图像后，在图像合成分析之前判断两幅图的合成效果，如合成效果较差，则对图像适当旋转、缩放等操作。得到分割的单字图像后，重叠图像即可实现字迹比较。分别对两幅图进行归一化处理使两者大小相等。然后根据以下公式合成图像：g（x）=（1-α）f0（x）+f1（x）。
取α=0.5，则对于黑底白字的图像来说，目标灰度为0，背景灰度为255/2；而对于白底黑字的图像，目标灰度为255/2，背景灰度为0。于是将两幅处理后的图像叠加，契合笔画的灰度为255/2，多余笔画灰度为255，缺陷笔画灰度为0，效果如图9所示。临摹字填充在被临摹字轮廓内的部分为灰色(灰度255/2)，临摹字超出被临摹字轮廓外的部分为黑色（灰度255），临摹字未填充的被临摹字轮廓内的部分为白色（灰度0）。最后，通过获得的相关数值结果综合评价临摹相似度，以完成对单字的对比分析。
步骤4）比对数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像，选取拟合度最高的位置，以该位置为中心将各数字图像Ⅱ1n与Ⅱ2n重叠后得到若干比对图像Ⅲn；
步骤5）将所有对比分析后的各数字图像Ⅲn重新拼接为数字图像Ⅲ，即可得到一幅完整的笔迹分析。
*上述方法中的数字图像处理借助由美国微软公司和美国MathWork公司提供的Visual Studio+OpenCV或Matlab等软件开发工具完成。其中，OpenCV为开源的计算机视觉库。在本发明基础上，可以继续发展，结合更复杂的算法以及深度学习完成缺失笔画复原、建立全球考古文字数据库、古文字朝代判断等项目，具有很高的研究及实际应用价值。
Claims (5)
1.一种基于数字图像处理技术的字迹轮廓比较方法，其特征在于，包括以下步骤：
步骤1）从原始字迹中获取数字图像Ⅰ1和数字图像Ⅰ2；
步骤2）预处理数字图像Ⅰ1和数字图像Ⅰ2，得到数字图像Ⅱ1和数字图像Ⅱ2；
步骤3）分割数字图像Ⅱ1和数字图像Ⅱ2，得到若干数字图像Ⅱ1n和数字图像Ⅱ2n，对各数字图像Ⅱ1n和数字图像Ⅱ2n进行边缘检测，得到各数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像；
步骤4）比对数字图像Ⅱ1n和数字图像Ⅱ2n的轮廓数字图像，选取拟合度最高的位置，以该位置为中心将各数字图像Ⅱ1n与Ⅱ2n重叠后得到若干比对图像Ⅲn；
步骤5）将各数字图像比对后的结果Ⅲn重新拼接为数字图像Ⅲ，并显示。
2.根据权利要求1所述的方法，其特征在于，所述步骤2）包括以下步骤：
步骤2.1）作出数字图像的灰度直方图；
步骤2.2）根据灰度直方图得到二值化阈值；
步骤2.3）根据二值化阈值对数字图像进行二值化；
步骤2.4）对二值化后的数字图像去噪；
步骤2.5）对去噪的数字图像边缘平滑后，即得到数字图像II1和数字图像II2。
3.根据权利要求1或2所述的方法，其特征在于，所述步骤3）包括以下步骤：
步骤3.1）对数字图像Ⅱ1和数字图像Ⅱ2进行水平和竖直两个方向的灰度投影分析；
步骤3.2）根据灰度谷值进行竖直分割或水平分割，即得到若干数字图像Ⅱ1n和数字图像Ⅱ2n；
步骤3.3）分别提取若干数字图像Ⅱ1n和数字图像Ⅱ2n的边缘特征点，基于EMD距离设计推土机算法评定两幅单字数字图像的合成效果；
步骤3.4）分析匹配效果后，即得到若干比对图像IIIn。
4.根据权利要求3所述的方法，其特征在于：所述步骤3.4）在数字图像Ⅱ1n和数字图像Ⅱ2n的相对旋转、平移或/和缩放后进行。
5.一种基于数字图像处理技术的字迹轮廓比较的装置，包括预处理模块、边缘提取模块、距离计算模块、存储模块以及分析匹配模块，其特征在于：所述预处理模块的输出端与边缘提取模块的输入端相连，边缘提取模块的输出端分别与距离计算模块和存储模块的输入端相连，距离计算模块的输出端与分析匹配模块的输入端相连，存储模块与分析匹配模块之间交互连接；述预处理模块包括依次连接的扫描单元、灰分析单元、二值化单元、去噪单元、边缘平滑单元以及边缘提取单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710926595.7A CN107578039A (zh) | 2017-10-08 | 2017-10-08 | 基于数字图像处理技术的字迹轮廓比对方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710926595.7A CN107578039A (zh) | 2017-10-08 | 2017-10-08 | 基于数字图像处理技术的字迹轮廓比对方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107578039A true CN107578039A (zh) | 2018-01-12 |
Family
ID=61038986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710926595.7A Pending CN107578039A (zh) | 2017-10-08 | 2017-10-08 | 基于数字图像处理技术的字迹轮廓比对方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578039A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875745A (zh) * | 2018-08-09 | 2018-11-23 | 同程网络科技股份有限公司 | 组合验证码的分割识别方法及其系统 |
| CN110120117A (zh) * | 2019-03-21 | 2019-08-13 | 江苏国光信息产业股份有限公司 | 一种纸质基材的撕痕式防伪方法 |
| CN111862125A (zh) * | 2019-04-28 | 2020-10-30 | 株式会社理光 | 一种轮廓分割方法、装置及计算机可读存储介质 |
| CN112784825A (zh) * | 2019-11-01 | 2021-05-11 | 株式会社理光 | 图片中文字的识别方法、关键字检索方法、装置及设备 |
| CN112800936A (zh) * | 2021-01-25 | 2021-05-14 | 中南大学 | 基于计算机视觉的书法临帖智能评价与指导方法 |
| CN113344878A (zh) * | 2021-06-09 | 2021-09-03 | 北京容联易通信息技术有限公司 | 一种图像处理方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101232571A (zh) * | 2008-01-25 | 2008-07-30 | 北京中星微电子有限公司 | 一种人体图像匹配方法及视频分析检索系统 |
| CN101452532A (zh) * | 2008-12-18 | 2009-06-10 | 清华大学 | 一种文本无关笔迹鉴别的方法和装置 |
| CN101996399A (zh) * | 2009-08-18 | 2011-03-30 | 三星电子株式会社 | 在左图像与右图像之间估计视差的设备和方法 |
| CN102324048A (zh) * | 2011-09-07 | 2012-01-18 | 中国刑事警察学院 | 笔痕特征计算机量化比对辅助分析系统 |
| CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
| CN103093240A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 书法字识别方法 |
| CN103824072A (zh) * | 2014-03-05 | 2014-05-28 | 广东小天才科技有限公司 | 对手写字符的字体结构进行检测的方法及装置 |
| CN103955914A (zh) * | 2014-02-27 | 2014-07-30 | 西安电子科技大学 | 基于随机投影和Signature/EMD框架的SAR图像分割方法 |
| CN104715256A (zh) * | 2015-03-04 | 2015-06-17 | 南昌大学 | 一种基于图像方法的书法练习辅助系统及评价方法 |
| CN105069742A (zh) * | 2015-07-24 | 2015-11-18 | 北京航空航天大学 | 一种基于书写特征编辑的软笔汉字变换方法 |
| CN107103289A (zh) * | 2017-04-06 | 2017-08-29 | 武汉理工大学 | 利用笔迹轮廓特征来进行笔迹鉴别的方法及系统 |
-
2017
- 2017-10-08 CN CN201710926595.7A patent/CN107578039A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101232571A (zh) * | 2008-01-25 | 2008-07-30 | 北京中星微电子有限公司 | 一种人体图像匹配方法及视频分析检索系统 |
| CN101452532A (zh) * | 2008-12-18 | 2009-06-10 | 清华大学 | 一种文本无关笔迹鉴别的方法和装置 |
| CN101996399A (zh) * | 2009-08-18 | 2011-03-30 | 三星电子株式会社 | 在左图像与右图像之间估计视差的设备和方法 |
| CN102324048A (zh) * | 2011-09-07 | 2012-01-18 | 中国刑事警察学院 | 笔痕特征计算机量化比对辅助分析系统 |
| CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
| CN103093240A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 书法字识别方法 |
| CN103955914A (zh) * | 2014-02-27 | 2014-07-30 | 西安电子科技大学 | 基于随机投影和Signature/EMD框架的SAR图像分割方法 |
| CN103824072A (zh) * | 2014-03-05 | 2014-05-28 | 广东小天才科技有限公司 | 对手写字符的字体结构进行检测的方法及装置 |
| CN104715256A (zh) * | 2015-03-04 | 2015-06-17 | 南昌大学 | 一种基于图像方法的书法练习辅助系统及评价方法 |
| CN105069742A (zh) * | 2015-07-24 | 2015-11-18 | 北京航空航天大学 | 一种基于书写特征编辑的软笔汉字变换方法 |
| CN107103289A (zh) * | 2017-04-06 | 2017-08-29 | 武汉理工大学 | 利用笔迹轮廓特征来进行笔迹鉴别的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 易克初 等, 哈尔滨：东北林业大学出版社 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875745A (zh) * | 2018-08-09 | 2018-11-23 | 同程网络科技股份有限公司 | 组合验证码的分割识别方法及其系统 |
| CN108875745B (zh) * | 2018-08-09 | 2021-11-19 | 同程网络科技股份有限公司 | 组合验证码的分割识别方法及其系统 |
| CN110120117A (zh) * | 2019-03-21 | 2019-08-13 | 江苏国光信息产业股份有限公司 | 一种纸质基材的撕痕式防伪方法 |
| CN111862125A (zh) * | 2019-04-28 | 2020-10-30 | 株式会社理光 | 一种轮廓分割方法、装置及计算机可读存储介质 |
| CN112784825A (zh) * | 2019-11-01 | 2021-05-11 | 株式会社理光 | 图片中文字的识别方法、关键字检索方法、装置及设备 |
| CN112784825B (zh) * | 2019-11-01 | 2024-04-30 | 株式会社理光 | 图片中文字的识别方法、关键字检索方法、装置及设备 |
| CN112800936A (zh) * | 2021-01-25 | 2021-05-14 | 中南大学 | 基于计算机视觉的书法临帖智能评价与指导方法 |
| CN113344878A (zh) * | 2021-06-09 | 2021-09-03 | 北京容联易通信息技术有限公司 | 一种图像处理方法及系统 |
| CN113344878B (zh) * | 2021-06-09 | 2022-03-18 | 北京容联易通信息技术有限公司 | 一种图像处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107578039A (zh) | 基于数字图像处理技术的字迹轮廓比对方法 | |
| CN111723585B (zh) | 一种风格可控的图像文本实时翻译与转换方法 | |
| CN107273896A (zh) | 一种基于图像识别的车牌检测识别方法 | |
| US9449253B2 (en) | Learning painting styles for painterly rendering | |
| CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
| CN113158977B (zh) | 改进FANnet生成网络的图像字符编辑方法 | |
| CN113128442A (zh) | 基于卷积神经网络的汉字书法风格识别方法和评分方法 | |
| CN107944451B (zh) | 一种藏文古籍文档的行切分方法及系统 | |
| CN109544694A (zh) | 一种基于深度学习的增强现实系统虚实混合建模方法 | |
| CN109241973A (zh) | 一种纹理背景下的字符全自动软分割方法 | |
| CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
| CN110309830A (zh) | 基于数学形态学和区域连通性的甲骨文字自动分割方法 | |
| CN114494306B (zh) | 边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法 | |
| CN117746429A (zh) | 一种基于笔画特征和检测点阈值的汉字硬笔书写评测方法及系统 | |
| Sober et al. | Computer aided restoration of handwritten character strokes | |
| CN105069742A (zh) | 一种基于书写特征编辑的软笔汉字变换方法 | |
| CN112070684B (zh) | 基于形态先验特征的甲骨刻辞文字修复方法 | |
| Sun et al. | Spot segmentation and verification based on improve marker controlled watershed transform | |
| CN110633666A (zh) | 一种基于手指颜色贴片的手势轨迹识别方法 | |
| Bloomberg et al. | Document image applications | |
| CN110298236A (zh) | 一种基于深度学习的盲文图像自动识别方法和系统 | |
| CN111860173B (zh) | 一种基于弱监督的遥感图像地物要素提取方法及系统 | |
| CN114241486A (zh) | 一种提高识别试卷学生信息准确率的方法 | |
| Milevskiy et al. | A fast algorithm for korean text extraction and segmentation from subway signboard images utilizing smartphone sensors | |
| KR101957925B1 (ko) | 점자 학습 장치 및 이를 이용한 문자 변환 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180112 |
|
| WD01 | Invention patent application deemed withdrawn after publication |