一種基于圖像特征的整體閾值二值化方法

一種基于圖像特征的整體閾值二值化方法

1閾值選取原則圖像的二值化是研究灰度圖像的一般方法。也就是說，設(shè)置一個閾值threal。將灰色圖像數(shù)據(jù)分為兩部分：大閾值成像組和小閾值成像組。例如輸入灰度圖像函數(shù)為f(x,y),輸出二值圖像函數(shù)為g(x,y),則通過求解閾值Threshold,從而把灰度圖像f(x,y)分成特征物和背景兩個區(qū)域。閾值是把圖像和背景區(qū)分開的標(biāo)尺,選取適當(dāng)?shù)拈撝稻褪羌纫M可能保存圖像信息,又要盡可能減少背景和噪聲的干擾,這是選擇閾值的原則。按照這樣一種思想,可以將現(xiàn)有的二值化方法大致分成3大類。1.1圖像整體閾值的確定整體閾值法是指根據(jù)經(jīng)驗(yàn)或灰度圖像的直方圖分布為整幅圖像確定一個閾值。閾值的確定一般分為兩種:(1)人工設(shè)定閾值:這種方案中,先根據(jù)經(jīng)驗(yàn)或?qū)嶒?yàn)設(shè)置一個固定的閾值。然后對每個像素按上述式子進(jìn)行二值化處理。(2)由灰度直方圖確定整體閾值:利用原始圖像灰度分布的直方圖能給出圖像灰度值的概貌描述。設(shè)灰度值f取值是0～255之間的整數(shù),f=0為黑色,f=255為白色。p(f通常稱以p(f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之處,所以其二值化在總體執(zhí)行速度上較快,且算法簡單,易于理解,但因?yàn)槠鋵斎雸D像量化噪音或不均勻光照等情況抵抗能力差,在一些有干擾的像素上會發(fā)生錯誤判斷,使整幅圖像的二值化效果達(dá)不到后續(xù)作業(yè)的要求,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局部閾值二值化方法對于目標(biāo)和背景比較清楚的圖像,全局閾值化方法可以取得較好結(jié)果。但是如果圖像的背景不均勻,或是目標(biāo)灰度變化率比較大,全局方法一般就不再適用了。由像素(x,y)的灰度值f(x,y)和周圍點(diǎn)局部灰度特性來確定像素(x,y)的閾值叫局部閾值二值化。局部閾值選取一般將圖像劃分為若干子圖像,根據(jù)每個子圖像確定相應(yīng)的閾值,具體的閾值確定方法同全局閾值的確定類似。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,較整體閾值方法有更廣泛的應(yīng)用,但也存在缺點(diǎn)和問題,如實(shí)現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽影現(xiàn)象(即在背景域受噪音干擾得到筆畫結(jié)果)等。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、最大方差法等。1.3動態(tài)閾值選擇應(yīng)用局部閾值法后,從圖像局部看來,目標(biāo)特征物與背景是可分的,但是無法得到一個適用于整幅圖像的全局閾值。因此提出了動態(tài)的局部閾值化算法,也稱自適應(yīng)閾值化算法。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)是指根據(jù)每個像素及其鄰域像素的灰度值情況動態(tài)地計(jì)算分割所需的閾值。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?yàn)閯討B(tài)閾值化方法常常需要對圖像中每個像素點(diǎn)都計(jì)算閾值,即對整幅圖像求出一個閾值面(通常是曲面),計(jì)算量很大,運(yùn)算速度一般比較慢,由于具有比較費(fèi)時和某些失真的缺點(diǎn),這在一定程度上阻礙其發(fā)展。比較典型的動態(tài)閾值二值化方法有迭代法等。表1對以上算法比較了其優(yōu)缺點(diǎn)和適用情況。2圖像的濾波去噪在上面分析的基礎(chǔ)上,我們以身份證為例對多閾值動態(tài)二值化算法做了一下改進(jìn)。對同一幅圖像采用3種不同的閾值進(jìn)行處理以及修正處理,即通過3步二值化處理和1步二值化修正,步驟如下:(1)第1個閾值的運(yùn)算將目標(biāo)區(qū)域與背景區(qū)域進(jìn)行大致的分離,使圖像中只呈現(xiàn)出兩種不同的顏色,即黑和白。(2)用第2個閾值對已經(jīng)分離出來的目標(biāo)區(qū)域進(jìn)行再處理,由于第一個閾值在對圖像處理的過程中,會將部分背景區(qū)域誤認(rèn)為是目標(biāo)區(qū)域,導(dǎo)致分割的不準(zhǔn)確。因此,第二個閾值的目的是將已知的目標(biāo)區(qū)域中的背景區(qū)域分割出來,使目標(biāo)區(qū)域進(jìn)一步被分割。(3)在第(2)步的基礎(chǔ)上使用第3個閾值對已經(jīng)經(jīng)過再處理的目標(biāo)區(qū)域進(jìn)行第3次分割。(4)使用二值化修正算法對得到的圖像進(jìn)行修正,使其此時達(dá)到身份證二值化所要求的水平?；诨叶鹊臄?shù)學(xué)期望的二值化方法是一種十分有價值的方法,在其基礎(chǔ)上進(jìn)行進(jìn)一步的處理是非常有效和便利的。因此取整幅圖像的灰度期望值,即作為第一步處理所需的閾值,對圖像整體上進(jìn)行全局性的分割,圖像中考察點(diǎn)(x,y)的灰度值f(x,y)>μθ時,置f(x,y)=255,其他的點(diǎn)則要進(jìn)一步處理。由于身份證的背景噪聲很大,經(jīng)第一個閾值處理后仍難以滿足要求,需要濾波方法濾除噪聲?？紤]到身份證上的網(wǎng)格線絕大部分是傾斜的,很少是水平或垂直的,即使網(wǎng)格線上的點(diǎn)很暗,該點(diǎn)垂直方向和水平方向的領(lǐng)域點(diǎn)也會很亮。利用這個特點(diǎn),我們提出了一種基于“+”型區(qū)域的近似于濾波的去噪音方法,即像素點(diǎn)的4領(lǐng)域法。設(shè)(x,y)是圖像中的一個像素點(diǎn),以像素點(diǎn)(x,y)為中心的“+”領(lǐng)域如圖1所示。設(shè)f(x,y)是像素點(diǎn)(x,y)的灰度值,mean這時對整幅圖像內(nèi)部的點(diǎn)已經(jīng)作了“+”型領(lǐng)域的處理,但最外圍的點(diǎn)并不滿足具有4領(lǐng)域的條件,“+”算法已經(jīng)不起作用。此時需要對最外圍的像素點(diǎn)采用新的算法。由圖像可知最外圍點(diǎn)所缺的是其“+”型領(lǐng)域中除中心點(diǎn)外的任意一點(diǎn),這正符合運(yùn)用“T”型領(lǐng)域算法及其變形算法的要求。如圖2。同樣在圖2(b),(c),(d)中采用類似形式可計(jì)算得各自的mean然而左上角、右上角、左下角、右下角的計(jì)算方式又與上面的兩種點(diǎn)不同,由于其的特殊位置用“?！毙皖I(lǐng)域算法來簡化計(jì)算的復(fù)雜度,是十分可行的,如圖3所示。在圖3(a),(b),(c)中采用類似的方式便可計(jì)算出其它3個各自的mean這時的圖像經(jīng)過兩個閾值的處理,將明顯的目標(biāo)區(qū)域和背景區(qū)域分離開來,且在此基礎(chǔ)上進(jìn)行一次類似濾波除噪聲,使圖像中的大部分干擾被消除,但是殘留的噪聲仍能對后面的識別造成嚴(yán)重的影響,因此務(wù)必將其除去。通過第2個閾值的處理,目標(biāo)區(qū)域已經(jīng)縮小許多,可以對目標(biāo)區(qū)域的每個像點(diǎn)進(jìn)行更為復(fù)雜的處理。由于激光防偽陰影網(wǎng)格線及各種版面噪聲的影響使背景的灰度深淺不一,要想把字符筆畫清晰地從背景中提出,就要擴(kuò)大范圍,考慮周圍點(diǎn)的特征。這里選用以考察點(diǎn)(x,y)為中心的7×7區(qū)域計(jì)算第3個閾值mean即mean此時的mean由于從外界傳入的圖像無論是彩色,還是黑白、偏暗的、偏亮的,在經(jīng)過3步二值化處理后只有兩種點(diǎn)生成:黑點(diǎn)(0)和白點(diǎn)(255)。如果不考慮黑點(diǎn)與白點(diǎn)的比例,直接采用一種修正方法進(jìn)行修正是盲目的,它只可能對部分比例產(chǎn)生良好的效果,但對其它的部分可能失去或減弱了修正能力。通過對3步二值化后的圖像的統(tǒng)計(jì)發(fā)現(xiàn),正常情況下黑點(diǎn)與白點(diǎn)的比例近似是1:3,由此可將二值化的修正算法分成兩部分,即當(dāng)黑點(diǎn)與全部點(diǎn)的比例小于1:4時(無論采用什么樣的二值化算法和修正算法都不可能保證不產(chǎn)生干擾點(diǎn)),采用修正算法1(情況1);大于1:4時則采用修正算法2(情況2)。通過運(yùn)用不同的修正算法,避免了單一的修正方法對一類圖像效果好,對另一類差的弊端,可以使不同比例的圖像在總體上產(chǎn)生令人滿意的效果。(1)情況1,當(dāng)黑點(diǎn)與全部點(diǎn)的比例小于1:4時,圖像中黑點(diǎn)居少數(shù),干擾點(diǎn)周圍形成其他干擾點(diǎn)的幾率比較小,因此采用像素點(diǎn)(x,y)的8領(lǐng)域修正算法。即判斷1)如果其中有任意3個或更多點(diǎn)的灰度值為0時,該點(diǎn)(x,y)的灰度值為0;2)如果其中有任意4個或更多點(diǎn)的灰度值為255時,該點(diǎn)(x,y)的灰度值為255;(2)情況2,當(dāng)黑點(diǎn)與全部點(diǎn)的比例大于或等于1:4時,圖中黑點(diǎn)數(shù)占相對多數(shù)(與情況1相比較),但白點(diǎn)數(shù)還是居于絕對多數(shù)。在一個干擾點(diǎn)周圍形成一個或多個其他干擾點(diǎn)的幾率高于情況1,在修正時要考慮的情況就比情況1更為復(fù)雜。仍然采用像素點(diǎn)(x,y)的8領(lǐng)域修正算法,在考慮到1個干擾點(diǎn)周圍極有可能存在其它干擾點(diǎn)的情況下:1)如果其中有任意4點(diǎn)或更多點(diǎn)的灰度值為0時,該點(diǎn)(x,y)的灰度值為0;2)如果其中有任意3點(diǎn)或更多點(diǎn)的灰度值為255時,該點(diǎn)(x,y)的灰度值為255。綜上所述,改進(jìn)的圖像二值化的具體方法如下:(1)求出身份證圖像灰度的數(shù)學(xué)期望mean;(2)逐點(diǎn)二值化。如果考察點(diǎn)(x,y)的灰度值f(x,y)>mean,則置f(x,y)=255;否則求出以該點(diǎn)為中心的“+”型領(lǐng)域的平均灰度值mean(3)二值化的修正。如果黑點(diǎn)與全部點(diǎn)的比例小于1:4,則屬于情況1,運(yùn)用其中的方法進(jìn)行修正,否則(即黑點(diǎn)與全部點(diǎn)的比例大于或等于1:4),則屬于情況2,運(yùn)用其中的方法進(jìn)行修正。通過該算法二值化處理前后的效果如圖7、圖8所示。3值化對于文本圖像的二值化要盡量與一般圖像的二值化配合使用,以達(dá)到低時長和高精度工作要求的效果本文提出了改進(jìn)的動態(tài)二值化算法,兼顧了圖像總體灰度水平和像素領(lǐng)域的特征,能夠適應(yīng)灰度變化范圍比較大的圖像,不僅適合于小