基于MATLAB的圖片中文字的提取及識(shí)別

1、精選優(yōu)質(zhì)文檔-傾情為你奉上基于MATLAB的圖片中文字的提取及識(shí)別鄒浩，余龍，鄒勇博，劉宇童，和振喬，李少梅（西安電子科技大學(xué) 電子工程學(xué)院，西安，）摘要 隨著現(xiàn)代社會(huì)的發(fā)展，信息的形式和數(shù)量正在迅猛增長(zhǎng)。其中很大一部分是圖像，圖像可以把事物生動(dòng)地呈現(xiàn)在我們面前，讓我們更直觀地接受信息。同時(shí)，計(jì)算機(jī)已經(jīng)作為一種人們普遍使用的工具為人們的生產(chǎn)生活服務(wù)。從圖像中提取文字屬于信息智能化處理的前沿課題，是當(dāng)前人工智能與模式識(shí)別領(lǐng)域中的研究熱點(diǎn)。由于文字具有高級(jí)語(yǔ)義特征，對(duì)圖片內(nèi)容的理解、索引、檢索具有重要作用，因此，研究圖片文字提取具有重要的實(shí)際意義。又由于靜態(tài)圖像文字提取是動(dòng)態(tài)圖像文字提取的基礎(chǔ)，故

2、著重介紹了靜態(tài)圖像文字提取技術(shù)。關(guān)鍵詞：MATLAB 圖像處理 文字提取 文字識(shí)別Text Extraction and Recognition in Images Based on MATLABZOU Hao, YU long, ZOU Yongbo, LIU Yutong, HE Zhenqiao, LI Shaomei(Xidian University Electronic Engineering College,Xian,)Abstract With the development of society,the form and quantity of imformation are

3、 increasing quickly.A large part of them are images,which can make things vividly presented in front of us,let us more intuitive to accept information.At the same time, the computer has been as a widely used tool for peoples production and living services.Extracting text from image belongs to the fr

4、ontier of intelligent information processing, and it is the current hot research topic in the field of artificial intelligence and pattern recognition.As the text with high-level semantic feature and plays an important role on understanding,indexing and retrieval image content.Therefore,the study on

5、 extracting texts from images have important actual meanings. And because extracting texts from still images is the basis for extracting texts from dynamic images, the article emphatically introduces the technology of extracting texts from still images.Key Words: MATLAB image processing word extract

6、ion word recognition一引言隨著計(jì)算機(jī)科學(xué)的飛速發(fā)展，以圖像為主的多媒體信息迅速成為重要的信息傳遞媒介，在圖像中，文字信息(如新聞標(biāo)題等字幕) 包含了豐富的高層語(yǔ)義信息，提取出這些文字，對(duì)于圖像高層語(yǔ)義的理解、索引和檢索非常有幫助。圖像文字提取又分為動(dòng)態(tài)圖像文字提取和靜態(tài)圖像文字提取兩種，其中，靜態(tài)圖像文字提取是動(dòng)態(tài)圖像文字提取的基礎(chǔ)，其應(yīng)用范圍更為廣泛，對(duì)它的研究具有基礎(chǔ)性，所以本文主要討論靜態(tài)圖像的文字提取技術(shù)。靜態(tài)圖像中的文字可分成兩大類: 一種是圖像中場(chǎng)景本身包含的文字, 稱為場(chǎng)景文字； 另一種是圖像后期制作中加入的文字, 稱為人工文字，如右圖所示。場(chǎng)景文字由于其出現(xiàn)

7、的位置、小、顏色和形態(tài)的隨機(jī)性, 一般難于檢測(cè)和提??；而人工文字則字體較規(guī)范、大小有一定的限度且易辨認(rèn)，顏色為單色, 相對(duì)與前者更易被檢測(cè)和提取，又因其對(duì)圖像內(nèi)容起到說(shuō)明總結(jié)的作用,故適合用來(lái)做圖像的索引和檢索關(guān)鍵字。對(duì)圖像中場(chǎng)景文字的研究難度大，目前這方面的研究成果與文獻(xiàn)也不是很豐富，本文主要討論圖像中人工文字提取技術(shù)。二靜態(tài)圖像中文字的特點(diǎn)靜態(tài)圖像中文字（本文特指人工文字，下同）具有以下主要特征:（1）文字位于前端,且不會(huì)被遮擋；（2）文字一般是單色的；（3）文字大小在一幅圖片中固定，并且寬度和高度大體相同，從滿足人眼視覺感受的角度來(lái)說(shuō)，圖像中文字的尺寸既不會(huì)過(guò)大也不會(huì)過(guò)??；（4）文字的分

8、布比較集中；（5）文字的排列一般為水平方向或垂直方向；（6）多行文字之間，以及單行內(nèi)各個(gè)字之間存在不同于文字區(qū)域的空隙。在靜態(tài)圖片文字的檢測(cè)與提取過(guò)程中, 一般情況下都是依據(jù)上述特征進(jìn)行處理的。三文字提取、識(shí)別的一般流程 靜態(tài)圖像文字提取一般分為以下步驟：文字區(qū)域檢測(cè)與定位、文字分割與文字提取、文字后處理。其流程如圖1所示。（圖1）四文字提取、識(shí)別的詳細(xì)步驟1. 在Matlab中調(diào)用i1=imread(字符.jpg)，可得到原始圖像，如圖2所示：（圖2）2. 調(diào)用i2=rgb2gray(i1)，則得到了灰度圖像，如圖3所示：（圖3） 調(diào)用a=size(i1);b=size(i2);可得到：a=

9、3,b=2 即三維圖像變成了二維灰度圖像3. 調(diào)用i3=(i2=thresh);其中thresh為門限，在0，255之間 這里，i2_max=double(max(max(i2); %獲取亮度最大值 i2_min=double(min(min(i2); %獲取亮度最小值 thresh=round(i2_max-(i2_max-i2_min)/3); 得到二值圖像，如圖4所示：（圖4）4. 把二值圖像放大觀察，可看到離散的黑點(diǎn) 對(duì)其采用腐蝕膨脹處理，得到處理后的圖像，如圖5所示（圖5） 可見，腐蝕膨脹處理后的圖像質(zhì)量有了很大的改觀。 橫向、縱向分別的腐蝕膨脹運(yùn)算比橫向、縱向同時(shí)的腐蝕膨脹運(yùn)算好上

10、很多，圖6可看出差別：（圖6）5. 對(duì)腐蝕膨脹后的圖像進(jìn)行Y方向上的區(qū)域選定，限定區(qū)域后的圖像如圖7所示： 掃描方法：中間往兩邊掃（圖7） 縱向掃描后的圖像與原圖像的對(duì)照，如圖8所示：（圖8）6.對(duì)腐蝕膨脹后的圖像進(jìn)行X方向上的區(qū)域選定，限定區(qū)域后的圖像如圖9所示： 掃描方法：兩邊往中間掃（圖9） 縱向掃描后的圖像與原圖像的對(duì)照，如圖10所示：（圖10）7. 調(diào)用i8=(iiXY=1)，使背景為黑色（0），字符為白色（1），便于后期處理。 背景交換后的圖像如圖11所示：（圖11）8. 調(diào)用自定義函數(shù)（字符獲取函數(shù)）i9=getchar(i8)，得到圖像如圖12所示：（圖9）9.調(diào)用自定義的字符

11、獲取函數(shù)對(duì)圖像進(jìn)行字符切割，并把切割的字符裝入一維陣列，切割 過(guò)程如圖12所示：(圖12）10.調(diào)用以下代碼，可將陣列word中的字符顯示出來(lái)，如圖13所示： for j=1:cnum %cnum為統(tǒng)計(jì)的字符個(gè)數(shù) subplot(5,8,j),imshow(wordj),title(int2str(j); %顯示字符 end（圖13） 可以看到，字符寬度不一致11.調(diào)用以下代碼，將字符規(guī)格化，便于識(shí)別： for j=1:cnum wordj=imresize(wordj,40 40); %字符規(guī)格化成4040的 end 得到規(guī)格化之后的字符如圖14所示：（圖14）12.調(diào)用以下代碼創(chuàng)建字符集：

12、 code=char(由于作者水平有限書中難免存在缺點(diǎn)和疏漏之處懇請(qǐng)讀批評(píng)指正，。); 將創(chuàng)建的字符集保存在一個(gè)文件夾里面，以供匹配時(shí)候調(diào)用，如圖15所示：（圖15）13.字符匹配采用模板匹配算法：將現(xiàn)有字符逐個(gè)與模板字符相減，認(rèn)為相減誤差最小的現(xiàn) 有字符與該模板字符匹配。 假設(shè):字符，模板字符，模板字符 也就是說(shuō)，字符A與模板字符更相似，我們可以認(rèn)為字符集中的字符就是字符A。 經(jīng)模板匹配，可得字符信息如下： 由于讀者書評(píng)有限書中難免存在缺點(diǎn)和紕漏之處，懇請(qǐng)讀者批評(píng)指正。 效果如圖16所示：（圖16）14.調(diào)用以下代碼，將字符放入newtxt.txt文本： new=newtxt,.txt; c

13、=fopen(new,a+); fprintf(c,%sn,Code(1:cnum); fclose(c); newtxt.txt文本內(nèi)容如圖17所示：（圖17）5 反思與體會(huì)1.算法具有局限性。對(duì)于左右結(jié)構(gòu)的字符（如：川）容易造成誤識(shí)別，“川”字將會(huì)被識(shí)別 成三部分。當(dāng)圖片中文字有一定傾斜角度時(shí)，這將造成識(shí)別困難。2.模板匹配效率低。對(duì)于處理大小為mm的字符，假設(shè)有n個(gè)模板字符，則識(shí)別一個(gè)字符至 少需要mmn2次運(yùn)算，由于漢字有近萬(wàn)個(gè)，這將使得運(yùn)算量十分巨大！此次字符識(shí) 別一共花了2.838秒。3.伸縮范圍比較小。對(duì)于受污染的圖片，轉(zhuǎn)換成二值圖像將使字符與污染源混合在一起。 對(duì)于具體的圖片，

14、需反復(fù)選擇合適的thresh進(jìn)行二值化處理，甚至在處理之前必須進(jìn)行 各種濾波。4.通過(guò)這次數(shù)字圖象處理的學(xué)習(xí)和報(bào)告的撰寫，我們小組發(fā)揮了團(tuán)結(jié)友愛的協(xié)作精神，大 量的資料查閱豐富了我們的視野，同時(shí)使我們對(duì)這么課更加感興趣。參考文獻(xiàn)1 樊昀， 王潤(rùn)生.從圖像中提取文字J .國(guó)防科技大學(xué)學(xué)報(bào),2002,24 (1) :59-62.2 王健,王晨.基于靜態(tài)圖片的文本提取技術(shù)的研究J .延邊大學(xué)學(xué)報(bào)(自然科學(xué)版) , 2007,33 (2) :124-128.3 夏瑩,馬少平,孫茂松等.計(jì)算機(jī)語(yǔ)言學(xué)方法在中文文字識(shí)別后處理中的應(yīng)用J .中文信息,1996, (2) :50-51.4 鄭阿奇，曹戈，趙陽(yáng).

15、MATLAB實(shí)用教程M.北京：電子工業(yè)出版社5 程衛(wèi)國(guó)，馮峰，姚東，徐聽.MATLAB5.3應(yīng)用指南M.北京：人民郵電出版社6 陳楊.MATLAB 6.X圖像編程與圖像處理M.西安：西安電子科技大學(xué)出版社7 阮秋琦.數(shù)字圖像處理M.電子工業(yè)出版社，2001年.8 徐建華.圖像處理與分析M.科學(xué)出版社，1999年.附錄主程序源代碼：% 數(shù)字圖象處理大作業(yè) %圖片中文字的提取及識(shí)別%ticI=imread(字符.jpg); %打開圖片%figure(1);imshow(I);title(原始圖像,color,b); I=rgb2gray(I); %RGB圖片轉(zhuǎn)化成灰度圖像%figure(2);im

16、show(I);title(灰度圖像,color,b); i_max=double(max(max(I); %獲取亮度最大值i_min=double(min(min(I); %獲取亮度最小值thresh=round(i_max-(i_max-i_min)/3); %計(jì)算灰度圖像轉(zhuǎn)化成二值圖像的門限threshI=(I=thresh); %I為二值圖像%figure(3);imshow(I);title(二值圖像,color,b); seY=1;1;1; %構(gòu)造結(jié)構(gòu)元素I=imdilate(I,seY); %腐蝕圖像I=imerode(I,seY); %膨脹圖像seX=1 1 1;I=imdil

17、ate(I,seX);I=imerode(I,seX);%figure(4);imshow(I);title(腐蝕膨脹后的圖像,color,b); ii=double(I);m,n=size(ii); %獲取圖像大小信息%確定文字區(qū)域%縱向掃描countY=zeros(m,1);for i=1:m for j=1:n if ii(i,j)=0 countY(i,1)=countY(i,1)+1; end endendmaxY indexY=max(countY);tempY1=indexY;while (countY(tempY1,1)3) & (tempY11) tempY1=tempY1-

18、1;endtempY2=indexY;while (countY(tempY2,1)3) & (tempY2m) tempY2=tempY2+1;endtempY1=tempY1-1;tempY2=tempY2+1;iiY=I(tempY1:tempY2,:); %確定了Y方向上的文字區(qū)域%figure(5);imshow(iiY);title(Y方向區(qū)域大致確定后的圖像,color,b); %橫向掃描countX=zeros(1,n);for j=1:n for i=tempY1:tempY2 if ii(i,j)=0 countX(1,j)=countX(1,j)+1; end enden

19、dtempX1=1;while (countX(1,tempX1)3) & (tempX1n) tempX1=tempX1+1;endtempX2=n;while (countX(1,tempX2)1) tempX2=tempX2-1;endtempX1=tempX1-1;tempX2=tempX2+1;iiXY=iiY(:,tempX1:tempX2); %確定了整體的文字區(qū)域%figure(6);imshow(iiXY);title(X、Y方向區(qū)域都大致確定后的圖像,color,b); ii=(iiXY=1);%黑色背景，白色字體%figure(7);imshow(ii);title(背景

20、和文字交換顏色的圖像,color,b); ii=bwareaopen(ii,200); %刪除面積小于200的雜質(zhì)圖像%figure(8);imshow(ii);title(刪除雜質(zhì)干擾的圖像,color,b); myI=charslice(ii); %限定文字區(qū)域%figure(9);imshow(ii);title(限定文字區(qū)域的圖像,color,b); y1=10;y2=0.25;flag=0;maxnum=40;k=1; %maxnum為字符個(gè)數(shù)限定值，k用于統(tǒng)計(jì)實(shí)際字符個(gè)數(shù)word=cell(1,maxnum); %建立單元陣列，用于儲(chǔ)存字符 figure(10)while size

21、(myI,2)10 %當(dāng)myI的長(zhǎng)度小等于10，可確定沒(méi)有字符了 wordk,myI=getword(myI); %獲取字符 k=k+1; % if k=2 subplot(5,1,1);imshow(myI);title(第一次切割后的圖像,color,b); end if k=3 subplot(5,1,2);imshow(myI);title(第二次切割后的圖像,color,b); end if k=5 subplot(5,1,3);imshow(myI);title(第四次切割后的圖像,color,b); end if k=16 subplot(5,1,4);imshow(myI);t

22、itle(第十五次切割后的圖像,color,b); endendsubplot(5,1,5);imshow(myI);title(最后一次切割后的圖像,color,b);% cnum=k-1; %實(shí)際字符總個(gè)數(shù) %figure(11);for j=1:cnumsubplot(5,8,j),imshow(wordj),title(int2str(j); %顯示字符end% for j=1:cnum wordj=imresize(wordj,40 40); %字符規(guī)格化成4040的endfigure(12);for j=1:cnumsubplot(5,8,j),imshow(wordj),titl

23、e(int2str(j); %顯示字符end for j=1:cnumimwrite(wordj,int2str(j),.jpg); %保存字符end defx=40;defy=40;code=char(由于作者水平有限書中難免存在缺點(diǎn)和疏漏之處懇請(qǐng)讀批評(píng)指正，。);%創(chuàng)建字符集codenum=size(code,2); %獲取字符集中字符個(gè)數(shù)for i=1:cnum ch=int2str(i); %數(shù)字轉(zhuǎn)化為字符 tempbw=imread(ch .jpg); %打開預(yù)匹配字符 for k=1:codenum fname=strcat(C:UsersAdministratorDesktop數(shù)

24、字圖像處理大作業(yè)字符匹配庫(kù),code(k),.jpg); %字符匹配庫(kù)中的字符 sample=imread(fname); subsam=abs(tempbw-sample); %作比較 count=sum(sum(subsam); %匹配誤差統(tǒng)計(jì) err(k)=count; end erro=err(1:codenum); minerror=min(erro); %找出誤差最小的模板字符 findc=find(erro=minerror); %獲取模板字符序號(hào) Code(i)=code(findc); %將字符裝入Codeend figure(13);imshow(ii);tt=title(文字信息: , Code(1:cnum),Color,b); %顯示字符信息set(tt,fontsize,24); %設(shè)置字體%將圖