CN107610132B - 一种古籍文档图像污渍去除方法 - Google Patents

Abstract

本发明公开了一种古籍文档图像污渍去除方法，该方法将待处理图像由RGB颜色空间转换到Lab颜色空间，利用Lab颜色空间的三个通道图像对其进行分离，利用分离后不同通道图像的自身信息，选择L通道和b通道进行融合从而减弱或消除污渍的影响；根据消除污渍后图像里文字的数量及大小自动确定图像文本分块的大小，判断分块后的图像是否需要延扩；对图像分块进行全局和局部相结合的二值化处理，得到二值图像。本发明将Lab颜色空间的三个通道图像分离后进行两种通道的融合，解决了古籍文本图像中的污渍去除问题；二值化处理的过程中，采用图像自动分块的方法，将全局和局部相结合，能有效去除古籍文档图像中的污渍，且二值化效果好。

Description

一种古籍文档图像污渍去除方法

技术领域

本发明属于文档分析与识别技术领域，尤其涉及一种古籍文档图像污渍去除方法。

背景技术

文档图像修复中常会用到图像二值化，图像二值化可以分为灰度图像二值化和彩色图像二值化，灰度图像的二值化都是基于阈值的方法，进而得到图像二值化的结果，因此阈值的选取对图像二值化结果有着决定性的作用。由于年代久远，很多古籍页面存在污渍，如何去除污渍、获得有效的藏文古籍二值图像，进而进行文档的行字切分和字符识别是一个重要的环节。

目前基于阈值的二值化方法又可以分为全局阈值法和局部阈值法，全局阈值法对整幅图像采用单一阈值，以所有像素值与其相比的结果判断目标与背景，其中广泛应用的一种算法为N.Otsu提出的Otsu算法(参见N.Otsu.A threshold selection method fromgray-level histogram[J].IEEE Trans.SMC,1979,(1):62-66)，此种算法具有较强的自适应性，不过对于一些背景灰度变化较大、光照不均匀、存在污渍的复杂背景图像，应用Otsu算法只能获得单一的阈值，并不能对图像的各个区域实际情况进行兼顾，所以无法实现图像的有效分割(参见张一凡，康雁，林英.局部动态阈值图像分割算法研究[J].软件导刊，2013，(12)：46-48)。

为了解决全局阈值法存在的问题，一些学者提出了局部阈值法。局部阈值法不再使用单一的全局阈值，而是将每个点与其局部邻域的其他像素点进行对比，根据局部特性确定每个像素点的阈值，然后进行二值化处理。典型的局部二值化算法有Bernsen法(参见AMA Talab，Z Huang，J Wang.An enhanced Bernsen algorithm approaches for vehiclelogo detection[J].International Journal of Signal Processing,Image Processingand Pattern Recognition，2014，(7)：203-210)、Niblack法(参见王序哲.局部自适应二值化方法研究[J].软件导刊，2011，(10)：13-14)、Sauvola法(参见J.Sauvola,M.PietikaKainen.Adaptive document image binarization[J].Pattern Recognition，1999，(1)：225-236)等，其中Sauvola算法通过增加标准偏差的动态范围、局部像素值的均值及局部方差相乘而非相加来增大局部方差的影响；Niblack算法对经验参数敏感，二值化结果带有椒盐噪声的缺点进行了改进，但采用Niblack方法对有污渍的文档图像处理时，二值化后的图像噪声严重，文字更加模糊不清，污渍不能去除；采用Sauvola方法对有污渍的文档图像处理时，虽能得到清晰的文字图像，但污渍仍不能彻底清除。故而对于光照不均、低对比度的图像，使用局部阈值法能够得到更好的二值化效果，但是对于存在污渍的图像该方法不可避免的会导致虚假目标的存在。

彩色图像的二值化近年来得到了更多的关注，吕艳娜等(参见吕艳娜，朱晓.计算机数字图像处理常用颜色空间及其转换[J].计算机与数字工程，2006，(34)：54-56)阐述了数字图像处理过程中涉及到的和显示领域经常使用到的几个颜色空间,重点讨论了实际使用中RGB和HIS颜色空间的转换关系。如通过分析RGB颜色空间的特点，提出基于RGB颜色空间的阈值分割算法，直接对彩色图像进行分割的方法(参见杨璟，朱雷.基于RGB颜色空间的彩色图像分割方法[J].计算机与现代化，2010，(8)：147-149)；另外，一种基于HSI和LAB颜色空间的彩色图像分割方法，该方法在HSI颜色空间用最优阈值方法进行阈值分割，在LAB颜色空间采用基于K均值聚类图像分割，然后将两次分割结果进行区域合并，最后进行加窗滤波消除噪声(参见杨飚,杨芩.Lab颜色空间和形态学处理相结合的双行车牌定位方法[J].科学技术与工程，2014，(14)：108-110)；姜继春等(参见姜继春，王晓红，许秦蓉.基于Lab颜色空间的手写文字提取算法研究[J].包装工程，2014，(7)：139-143)还有提出基于Lab颜色空间聚类的快递单手写体文字的提取算法，但是只选取了一种快递单算法具有很大的局限性。图像处理的方法都是面向对象的，目前还没有针对存在污渍的古籍文档图像的二值化处理方法的相关报道。

发明内容

为解决现有技术存在的采用Otsu、Niblack、Sauvola等方法无法去除图像中的污渍、二值化效果较差的问题，本发明提供一种古籍文档图像污渍去除方法，该方法利用Lab颜色空间的三通道，获取污渍的位置信息进而削弱、消除污渍的影响，并采用自动分块方法将图像分块二值化，得到整幅图像的二值图像，为进一步的行字切分和识别奠定基础。

本发明是这样实现的，一种古籍文档图像污渍去除方法，该方法包括以下步骤：

步骤一：污渍处理：将待处理图像由RGB颜色空间转换到Lab颜色空间，利用Lab颜色空间的三个通道图像对其进行分离，利用分离后不同通道图像的自身信息，选择L通道和b通道进行融合从而减弱或消除污渍的影响，得到消除污渍后的图像；

步骤二：图像自动分块：根据消除污渍后的图像里文字的数量及大小自动确定图像文本分块的大小，判断图像是否需要延扩，如果不需要延扩，则直接对图像分块，如果需要延扩，则进行图像延扩，再对图像分块；

步骤三：遍历整个图像：对图像块内进行二值化处理，通过全局和局部相结合的二值化处理，得到整幅图像的二值图像。

进一步地，所述步骤一中，利用分离后不同通道图像的自身信息减弱、消除污渍的影响中，由于在图像二值化过程中，彩色图像中污渍区域的颜色与文字颜色相似或相近，或者在灰度图像、L通道图像中污渍与文字的灰度值范围存在交集，这就造成在进行图像二值化时污渍也会被误判断为文字，进而得到的二值化图像存在大片的黑色区域和许多小的噪声点，因此采用将分离后L通道图像和b通道图像进行融合消除图像中污渍影响的方法。所述分离后L通道图像和b通道图像进行融合消除图像中污渍影响的具体方法包括：利用b通道图像中污渍的位置信息将L通道图像中污渍的像素值进行处理，将污渍区域的像素值提升，使得文字和污渍像素值范围的交集减小甚至消失，从而降低污渍对二值化的效果的影响；具体计算方法如式(1)：

NI＝α×L+β×b，0≤α≤1；0≤β≤1 (1)

其中，NI为处理后的图像，L和b分别为Lab颜色空间L和b通道图像，α和β分别为系数。

进一步地，通道下的图像将污渍区域突显出来并模糊了文字与背景区域，且污渍区域的像素值要大于文字与背景区域，由于L通道下的图像包含了文字与污渍的所有信息，但是二者的像素值比较接近，所以在选取系数时加大β的权重使得污渍区域像素值有较大提升，而α的权重应偏小，这是因为m的权重也偏大时虽然污渍的像素值会进一步加大但是会终止于255，文字的像素值随之加大会缩小与污渍像素值之间的差距，与预期的效果不符。

进一步地，系数α取值为0.4，β取值为0.9时，污渍处理效果最佳。

进一步地，所述步骤二中，对文本图像分块时，图像文本分块的大小是根据文字所占矩形框的面积大小而自动确定，具体方法包括：

首先，对经过污渍处理的图像进行行投影，根据式(2)对每行所有的像素值求和：

其中，Sum(i)表示第i行像素值求和的结果，f(i,j)表示第i行j列像素值的大小，N表示图像列数；

根据式(2)计算后的结果，统计波谷即文本行的数量，并得到文本行所在位置的信息，根据位置信息计算一行文字的宽度X并截取图像中的一行文字；与行投影原理相似，对随机截取的一行文字做垂直投影，再统计波谷的数量即一行文字数量的估计值Num_Y，并得到文字位置分布信息；

最后，根据图像的面积以及图像中文字数量的估计值估算一个文字所占矩形框的面积大小，估算时根据式(3)、(4)、(5)和(6)进行：

S＝M×N (3)

Num＝X×Num_Y (4)

Per_S＝S/Num (5)

Y＝Per_S/X (6)

其中，S表示图像的面积，M和N表示图像的行数和列数，Num表示文字数量的估计值，Per_S表示每一个文字的面积估计值，X、Y表示分块的大小。

进一步地，所述图像文本分块的大小应与一个文字所占矩形框的面积大小相似或者略大一些。

进一步地，所述图像进行分块时，如果图像大小与块的数量无法匹配，则按照所需要的图像大小进行镜像处理，使得图像大小刚好满足分块的要求。

进一步地，所述步骤三中，在每一个块内采用Sauvola算法进行二值化处理，Sauvola算法根据式(7)计算：

其中，m为局部像素值的均值，s为局部方差，k是经验参数，R是标准偏差的动态范围。

本发明提供的古籍文档图像污渍去除方法中，通过对Lab颜色空间的三个通道图像进行分离，选择分离后不同通道图像进行融合，根据分离后不同通道图像的自身信息得到污渍的位置信息减弱、消除污渍的影响，克服了后续进行图像二值化时污渍也会被误判为文字的问题，另外，对消除污渍后的图像进行二值化处理的过程中，采用图像分块全局和局部相结合的二值化处理方法，在每一个块内采用了Sauvola算法进行二值化处理，最终去除古籍文档图像中的污渍，且二值化效果好。

附图说明

图1是本发明实施例提供的古籍文档图像污渍去除方法的流程图。

图2是本发明实施例提供的三种存在污渍的古籍文档图像。

图3是图2古籍文档图像分离后的L通道图像。

图4是图2古籍文档图像分离后的a通道图像。

图5是图2古籍文档图像分离后的b通道图像。

图6是图2古籍文档图像污渍处理后的图像。

图7是本发明实施例提供的古籍文档图像污渍处理后的行投影图。

图8是本发明实施例提供的截取的污渍处理后图像的一行文字。

图9是本发明实施例提供的古籍文档图像污渍处理后的列投影图。

图10是图2古籍文档图像的二值图像。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细描述。

如图1所示，一种古籍文档图像污渍去除方法，具体按照以下步骤进行：

S101：污渍处理：

将待处理图像(如图2所述)由RGB颜色空间转换到Lab颜色空间，Lab颜色空间的三个通道图像L、a、b的数值根据式(1)、(2)、(3)、(4)计算得到：

其中，Y/Y₀＞0.01，X/X₀＞0.01，Z/Z₀＞0.01，(X₀,Y₀,Z₀)是标准白色的X,Y,Z值，L代表亮度通道，其数值从0到100表示颜色从纯黑到纯白变化；a，b分别表示不同的颜色通道，a的数值从-128到127表示颜色从绿色到灰色再到红色变化；b的数值从-128到127表示颜色从蓝色到灰色再到黄色变化。

对得到的Lab颜色空间的三个通道图像进行分离，得到如图3、图4、图5所示通道图像，其中L通道的图像是亮度图像，在[0,100]的亮度范围内将彩色图像内容进行显示，由图3可知在输入图像没有明显大块污渍的情况时，L通道下的图像能够较好的显示原图像的内容，在有明显块状污渍的情况时L通道下的图像内容质量不佳，甚至污渍较深的地方文字显示也受到了影响而难以辨认；a通道和b通道的图像是在[-128,127]的范围内根据输入图像中颜色的不同将颜色之间的差异性显示出来；在彩色图像中污渍的颜色与文字和背景的颜色存在明显的区别，由图5可知，b通道的图像将这种颜色的差异性直观的展示了出来，明显将块状污渍区域和较小的污渍点的位置显现出来。

由于在图像二值化过程中，彩色图像中污渍区域的颜色与文字颜色相似或相近，或者在灰度图像、L通道图像中污渍与文字的灰度值范围存在交集，这就造成在进行图像二值化时污渍也会被误判断为文字，进而得到的二值化图像存在大片的黑色区域和许多小的噪声点，因此采用将分离后L通道图像和b通道图像进行融合消除图像中污渍影响的方法。

所述分离后L通道图像和b通道图像进行融合消除图像中污渍影响的具体方法包括：利用b通道图像中污渍的位置信息将L通道图像中污渍的像素值进行处理，将污渍区域的像素值提升，使得文字和污渍像素值范围的交集减小甚至消失，从而降低污渍对二值化的效果的影响；具体计算方法如式(5)：

NI＝α×L+β×b，0≤α≤1；0≤β≤1 (5)

其中，NI为处理后的图像，L和b分别为Lab颜色空间L和b通道图像，α和β分别为系数。

通道下的图像将污渍区域突显出来并模糊了文字与背景区域，且污渍区域的像素值要大于文字与背景区域，由于L通道下的图像包含了文字与污渍的所有信息，但是二者的像素值比较接近，所以在选取系数时加大β的权重使得污渍区域像素值有较大提升，而α的权重应偏小，这是因为α的权重也偏大时虽然污渍的像素值会进一步加大但是会终止于255，文字的像素值随之加大会缩小与污渍像素值之间的差距，与预期的效果不符，根据图3和图5的图像信息，系数α和β取值分别为0.4和0.9时，污渍处理效果最佳，图像污渍处理的结果如图6所示。

S102：图像自动分块：

根据消除污渍后的图像中文字的数量及大小自动确定图像文本分块的大小，图像文本分块的大小是根据文字所占矩形框的面积大小而自动分块，图像文本分块的大小应与一个文字所占矩形框的面积大小相似或者略大一些，具体方法包括：

首先，对经过污渍处理的图像进行行投影，根据式(6)对每行所有的像素值求和：

其中，Sum(i)表示第i行像素值求和的结果，f(i,j)表示第i行j列像素值的大小，N表示图像列数；所得结果用图形表示如图7所示，与背景相比文字的像素值较小，故图7中波峰表示图像中的背景，波谷表示图像中的文字行，左右两端的两个波谷代表图像中上下两端的两条横线。

根据式(6)计算后的结果，统计波谷即文本行的数量，并得到文本行所在位置的信息，根据位置信息计算一行文字的宽度X并截取图像中的一行文字，结果如图8所示；与行投影原理相似，对随机截取的一行文字做垂直投影得到图9，再统计波谷的数量即一行文字数量的估计值Num_Y，并得到文字位置分布信息；

最后，根据图像的面积以及图像中文字数量的估计值估算一个文字所占矩形框的面积大小，估算时根据式(7)、(8)、(9)和(10)进行：

S＝M×N (7)

Num＝X×Num_Y (8)

Per_S＝S/Num (9)

Y＝Per_S/X (10)

其中，S表示图像的面积，M和N表示图像的行数和列数，Num表示文字数量的估计值，Per_S表示每一个文字的面积估计值，X、Y表示分块的大小。

图像进行分块时，如果图像大小与块的数量无法匹配，则按照所需要的图像大小进行镜像处理，使得图像大小刚好满足分块的要求。

判断分块后的图像是否需要延扩，如果不需要延扩，则直接得到图像分块，如果需要延扩，则进行图像延扩，再得到图像分块。

S103：遍历整个图像：

对图像分块进行全局和局部相结合的二值化处理，在每一个块内采用Sauvola算法进行二值化处理，Sauvola算法根据式(11)计算：

其中，m为局部像素值的均值，s为局部方差，k是经验参数，R是标准偏差的动态范围，最终得到整幅图像的二值化图像，如图10所示，图10中(a)、(b)、(c)分别为含有污渍的图2中的(a)、(b)、(c)经过处理后所对应的二值图像，由图10可清楚的看出，不仅去除了图像中的污渍，且二值化效果好。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种古籍文档图像污渍去除方法，其特征在于，该方法包括以下步骤：

步骤一：污渍处理：将待处理图像由RGB颜色空间转换到Lab颜色空间，利用Lab颜色空间的三个通道图像对其进行分离，利用分离后不同通道图像的自身信息，选择L通道和b通道进行融合从而减弱或消除污渍的影响，得到消除污渍后的图像；

步骤二：图像自动分块：根据消除污渍后的图像里文字的数量及大小自动确定图像文本分块的大小，判断图像是否需要延扩，如果不需要延扩，则直接对图像分块，如果需要延扩，则进行图像延扩，再对图像分块；

步骤三：遍历整个图像：对图像块内进行二值化处理，通过全局和局部相结合的二值化处理，得到整幅图像的二值图像；

所述步骤二中，对文本图像分块时，图像文本分块的大小是根据文字所占矩形框的面积大小而自动确定，具体方法包括：

首先，对经过污渍处理的图像进行行投影，根据式(2)对每行所有的像素值求和：

Sum(i)＝∑f(i,j) (2)

其中，Sum(i)表示第i行像素值求和的结果，f(i,j)表示第i行j列像素值的大小，N表示图像列数；

根据式(2)计算后的结果，统计波谷即文本行的数量，并得到文本行所在位置的信息，根据位置信息计算一行文字的宽度X并截取图像中的一行文字；与行投影原理相似，对随机截取的一行文字做垂直投影，再统计波谷的数量即一行文字数量的估计值Num_Y，并得到文字位置分布信息；

最后，根据图像的面积以及图像中文字数量的估计值估算一个文字所占矩形框的面积大小，估算时根据式(3)、(4)、(5)和(6)进行：

S＝M×N (3)

Num＝X×Num_Y (4)

Per_S＝S/Num (5)

Y＝Per_S/X (6)

其中，S表示图像的面积，M和N表示图像的行数和列数，Num表示文字数量的估计值，Per_S表示每一个文字的面积估计值，X、Y表示分块的大小。

2.根据权利要求1所述古籍文档图像污渍去除方法，其特征在于，所述分离后L通道图像和b通道图像进行融合消除图像中污渍影响的具体方法包括：利用b通道图像中污渍的位置信息将L通道图像中污渍的像素值进行处理，将污渍区域的像素值提升，使得文字和污渍像素值范围的交集减小甚至消失，从而降低污渍对二值化的效果的影响；具体计算方法如式(1)：

NI＝α×L+β×b，0≤α≤1；0≤β≤1(1)

其中，NI为处理后的图像，L和b分别为Lab颜色空间L和b通道图像，α和β分别为系数。

3.根据权利要求2所述古籍文档图像污渍去除方法，其特征在于，所述系数β选取时应加大其权重，使得污渍区域像素值有较大提升，而系数α的权重应偏小。

4.根据权利要求3所述古籍文档图像污渍去除方法，其特征在于，所述系数α取值为0.4，系数β取值为0.9。

5.根据权利要求1所述古籍文档图像污渍去除方法，其特征在于，所述图像文本分块的大小应与一个文字所占矩形框的面积大小相似或者略大一些。

6.根据权利要求1所述古籍文档图像污渍去除方法，其特征在于，所述图像进行分块时，如果图像大小与块的数量无法匹配，则按照所需要的图像大小进行镜像处理，使得图像大小刚好满足分块的要求。

7.根据权利要求1所述古籍文档图像污渍去除方法，其特征在于，所述步骤三中，在每一个块内采用Sauvola算法进行二值化处理，Sauvola算法根据式(7)计算：

其中，m为局部像素值的均值，s为局部方差，k是经验参数，R是标准偏差的动态范围。

Images