一種筆跡圖像的二值化算法

1、 一種筆跡圖像的二值化算法關(guān)云虎，張學(xué)東 摘 要:在模式識別中，二值化效果的好壞直接影響識別率。本文在研究現(xiàn)有二值化算法的基礎(chǔ)上，對離線筆跡圖像二值化進(jìn)行了改進(jìn)。實驗結(jié)果證明，該方法能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，提高處理速度。關(guān)鍵詞:二值化；整體閾值；局部閾值；動態(tài)閾值；進(jìn)化規(guī)劃； 中圖法分類號:tp183 文獻(xiàn)標(biāo)識碼: a a binarization algorithm for signature image guan yun-hu, zhang xue-dong (1.dept. of computer,school of elctronic ang i

2、nformation engineering ,university of science and technology liaoning, anshan liaoninge zip 114000, china)abstract: in pattern recognition, the effect of binarization directly affects the recognition rate .in the foundation of binarization algorithms research, the paper improves the binarization alg

3、orithm for image of signature. experiments prove that this method is able to eliminate the effects of unequal illumination and artifacts, retain target imagesdetails and raise the processing speed. key words: binarization; global threshold; local threshold; dynamic threshold; elvolution programming1

4、 二值化算法分析比較圖像二值化就是將整幅圖像畫面處理成僅有黑和白二值圖像，不呈現(xiàn)出灰度變化，以便于數(shù)據(jù)壓縮、特征突出及后續(xù)圖像處理工作1。目前，從所查閱的文獻(xiàn)資料來看，幾乎所有圖像二值化處理都是基于灰度圖像進(jìn)行的。二值圖像基本原理為:設(shè)表示像素在位置的灰度值，二值化是按1.1式進(jìn)行: 1.1 其中，稱為二值化閾值（threshold)。具有“0”值的像素集合作為目標(biāo)，把所有具有“1”值的象素集合作為背景。當(dāng)值過小時，會丟失信息；當(dāng)值太大時，會增加許多虛假信息。根據(jù)閾值的選取情況，二值化方法可分為整體二值化，局部二值化和動態(tài)二值化2。 1.1 整體閾值二值化僅由象素點的灰度值確定閾值的方法稱為整

5、體閾值選擇法閾值表示為：。整體閾值方法一般只考慮到整體像素的平均灰度值，并未顧及到每個像素的不同，所以當(dāng)文字清晰，輪廓明顯，干擾很小時其二值化速度較快，但對輸入圖像有不均勻光照，字跡不清楚等情況，在有干擾的像素上會發(fā)生錯誤判斷，所以在應(yīng)用上受到極大限制。比較典型的整體二值化算法有梯度均值法、微分直方圖法等。1.2 局部閾值二值化由象素的灰度值和象素周圍點局部灰度特性確定閾值的方法稱為局部鬧值選擇法。閾值表示為：。需要指出的是，局部閾值一般用于識別干擾比較嚴(yán)重、品質(zhì)較差的圖像，同時也存在缺點和問題，一則時間開銷大，實現(xiàn)速度慢。比較典型的局部二值化算法有多閾值的梯度強(qiáng)度法、基于紋理圖像的方法、最大

6、方差法等。1.3 動態(tài)閾值二值化動態(tài)閾值選擇不僅取決于像素閾值以及其領(lǐng)域像素的灰度值，并且與該像素坐標(biāo)位置有關(guān)，動態(tài)地計算分割所需的閾值3。動態(tài)閾值二值化能夠處理品質(zhì)較差的圖像，甚至單峰直方圖，但因為動態(tài)閾值化方法常常需要對圖像中每個像素點都計算閾值，即對整幅圖像求出一個閾值面(通常為曲面)，計算量很大，運(yùn)算速度比較慢，由于比較費(fèi)時和某些失真的缺點，這在一定程度上阻礙其發(fā)展4。比較典型的動態(tài)閾值二值化方法有迭代法等。2 綜合進(jìn)化閾值算法2.1 oust 算法方差反映了一個變量對應(yīng)的一組數(shù)值的均衡性的大小，方差大的其均衡性就低，反之，均衡性就高。對于一幅圖像，可以分為背景和目標(biāo)兩類，其中背景和目

7、標(biāo)各自內(nèi)部像素的灰度值均衡性高，對應(yīng)的方差小，而背景和目標(biāo)之間的均衡性小，對應(yīng)的方差最大?；谶@個原理，1978年ostu提出了一種基于閾值的圖像分割方法。在灰度圖像中，原始灰度級為，所有像素數(shù)量為，其中像素灰度值為的像素個數(shù)為，則有。假設(shè)此時的分割閾值為，則將灰度分為和兩類。表示小于等于分割閾值的部分，表示大于分割閾值的部分。則每一類出現(xiàn)的概率為：和。每一類的平均灰度為：和。則類間方差可以定義為：在1到之間改變灰度值，使得它的類間方差最大時的作為閾值，這樣就得到最佳的分割效果5。要得到最佳閾值就必須對所有的個灰度值進(jìn)行遍歷計算其類間方差，最后通過比較得到最大方差，其運(yùn)算量大。2.2 局部閾值

8、法局部閾值算法的過程描述如為：計算出每一點的的鄰域范圍內(nèi)的的最大值max，最小值min，如圖2.1。計算出鄰域內(nèi)的。當(dāng)前點的灰度值小于時，將當(dāng)前點設(shè)成背景點。 圖2.1 鄰域2.3 綜合進(jìn)化閾值算法一、進(jìn)化規(guī)劃的最大類間方差法最大類間方差的求解過程，就是在搜索空間查找一個整體最優(yōu)解，使得其方差最大。進(jìn)化規(guī)劃的整體尋優(yōu)以及計算快速的特點，使得可以將其應(yīng)用于最大類間方差的求解6。操作步驟如下：1、個體范圍由于圖像灰度值為0-255，因此隨機(jī)生成的個體也在0-255之間，本文選擇。2、適應(yīng)度函數(shù)設(shè)計用圖像灰度的類間方差表達(dá)式作為適應(yīng)度函數(shù)。適應(yīng)度函數(shù)為：，其中為灰度小于等于閾值的像素數(shù)，為灰度大于閾

9、值的像素數(shù)，為灰度小于等于閾值像素的平均值，為灰度大于閾值像素的平均值。3、變異操作采用了元進(jìn)化規(guī)劃的變異操作：4、選擇操作采用隨機(jī)型的-競爭選擇法。多次取不同的m進(jìn)行計算得出一條與進(jìn)化規(guī)劃迭代次數(shù)的關(guān)系曲線，從而選擇最優(yōu)的。通常當(dāng)較小的時候根據(jù)經(jīng)驗值選擇較為合適，所以。5、結(jié)束條件采用最優(yōu)適應(yīng)度與最差適應(yīng)度之比作為停止條件，滿足停止條件時停止運(yùn)行，此時具有最高適應(yīng)度值的個體即為分割閾值。按照前面介紹的進(jìn)化規(guī)劃進(jìn)行計算，每代10個個體，又變異出10個個體，實驗表明，最多繁殖到第6代，最優(yōu)適應(yīng)度與最差適應(yīng)度之比已在之間，達(dá)到最佳閾值。本算法運(yùn)算時間只有傳統(tǒng)算法的三分之一，十分適合于圖像的實時處理

10、。二、綜合進(jìn)化閾值算法整體閾值法對噪聲較大和陰影明顯的圖像二值化效果不佳。局部閾值法可以克服上述不足，但由于需要比較圖像中所有點，所以速度較慢。綜合進(jìn)化閾值算法可以克服上述缺點，既能夠有效地消除光照不均勻，較好地保留圖像的細(xì)節(jié)，又能夠有效地消除偽影，提高處理速度。綜合進(jìn)化閾值算法具體為： (1)使用進(jìn)化規(guī)劃的最大類間方差法計算出整體閾值。 (2)當(dāng)前點在圖像內(nèi)，不在圖像則結(jié)束。(3)當(dāng)前點的灰度值在范圍內(nèi)，不在內(nèi)轉(zhuǎn)9。(4)計算出以當(dāng)前點為中心的范圍內(nèi)的灰度最大值max，灰度最小值min和平均值avg。(5)。(6)當(dāng)滿足當(dāng)前點的灰度值大于平均值并且小于時，不滿足轉(zhuǎn)(8)。(7)將當(dāng)前點設(shè)成背

11、景點（=1）。(8)取下一點，轉(zhuǎn)(2)。(9) 將當(dāng)前點的灰度值大于，轉(zhuǎn)(7)。用整體閾值法處理當(dāng)前點灰度值不在范圍內(nèi)的點，因為整體閾值法適合處理目標(biāo)和背景比較清楚的圖像，所以這些點以整體閾值為參照很明顯是屬于筆跡或背景。用局部閾值法二值化那些在范圍內(nèi)的點，因為局部閾值法處理干擾比較嚴(yán)重、品質(zhì)較差的圖像好于整體閾值。其中(4)中和的引入可以盡量避免偽影和筆畫斷裂的現(xiàn)象，可以改善二值化的效果。為該點灰度與整體閾值t的差值，經(jīng)過大量試驗本文。3 實驗結(jié)果分析圖3.1至圖3.2是分別對“合”、“曾”的二值化圖進(jìn)行分析比較 ，其中(a) 原圖 (b)局部閾值二值化(c)整體閾值二值化 (d) 本文閾值

12、算法二值化。 (a) (b) (c) (d) 圖3.1 “合”二值化圖 (a) (b) (c) (d) 圖3.1 “曾”二值化圖從實驗結(jié)果可以看出，圖3.1“合”二值化圖中(b)局部閾值算法和(c)整體閾值算法方法對原圖像中“合”字，有偽影生成，部分產(chǎn)生斷點，相比較而言，本文所用的綜合進(jìn)化閾值算法不產(chǎn)生偽影。圖3.2“曾”二值化圖中(b)局部閾值算法對“曾”字中的“日”的橫折有斷點產(chǎn)生和(c)整體閾值算法方法對“曾”字中的“日”的橫折有不流暢的現(xiàn)象產(chǎn)生，相比較而言，本文所用的綜合進(jìn)化閾值算法能夠較好的保留圖像細(xì)節(jié)。綜上，本文所用的綜合進(jìn)化閾值算法好于用整體閾值二值化方法和局部二值化方法，本文采

13、用的方法能夠較好的保留圖像細(xì)節(jié)且不產(chǎn)何偽影。4 結(jié)論本文在分析了常用的整體和局部二值化算法的優(yōu)缺點后，提出了一種綜合進(jìn)化閾值算法二值化算法。試驗結(jié)果表明：該方法既能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，又能夠有效地消除偽影，提高處理速度。5 參考文獻(xiàn)1 miguel a. ferrer, jesus b. alonso and carlos m. travisco. offline geometric parameters for automatic signature verification using fixed point arithmetic, june 20

14、05, ieee transactions on pattern analyisis and machine intelligence, vol. 27, no. 6, pp. 993-997輔助設(shè)計與圖形學(xué)學(xué)報，2000，12(10)：746一750.2 王強(qiáng)，馬利莊.圖像二值化時圖像特征的保留j.計算機(jī)3 larkins,r.; mayo, m. adaptive feature thresholding for off-line signature verification. image and vision computing new zealand, 2008. ivcnz 2008. 23rd