基于matlab的文字识别算法 - 全文

前言

从图像中提取文字属于信息智能化处理的前沿课题，是当前人工智能与模式识别领域中的研究热点。由于文字具有高级语义特征，对图片内容的理解、索引、检索具有重要作用，因此，研究图片文字提取具有重要的实际意义。又由于静态图像文字提取是动态图像文字提取的基础，故着重介绍了静态图像文字提取技术。

随着计算机科学的飞速发展，以图像为主的多媒体信息迅速成为重要的信息传递媒介，在图像中，文字信息（如新闻标题等字幕） 包含了丰富的高层语义信息，提取出这些文字，对于图像高层语义的理解、索引和检索非常有帮助。

图像文字提取又分为动态图像文字提取和静态图像文字提取两种，其中，静态图像文字提取是动态图像文字提取的基础，其应用范围更为广泛，对它的研究具有基础性，所以本文主要讨论静态图像的文字提取技术。静态图像中的文字可分成两大类： 一种是图像中场景本身包含的文字， 称为场景文字； 另一种是图像后期制作中加入的文字， 称为人工文字，如右图所示。场景文字由于其出现的位置、小、颜色和形态的随机性， 一般难于检测和提取；而人工文字则字体较规范、大小有一定的限度且易辨认，颜色为单色， 相对与前者更易被检测和提取， 又因其对图像内容起到说明总结的作用，故适合用来做图像的索引和检索关键字。对图像中场景文字的研究难度大，目前这方面的研究成果与文献也不是很丰富，本文主要讨论图像中人工文字提取技术。

静态图像中文字的特点

静态图像中文字（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，且不会被遮挡；

（2）文字一般是单色的；

（3）文字大小在一幅图片中固定，并且宽度和高度大体相同，从满足人眼视觉感受的角度来说，图像中文字的尺寸既不会过大也不会过小；

（4）文字的分布比较集中；

（5）文字的排列一般为水平方向或垂直方向；

（6）多行文字之间，以及单行内各个字之间存在不同于文字区域的空隙。在静态图片文字的检测与提取过程中， 一般情况下都是依据上述特征进行处理的。

数字图象处理

静态图像文字提取一般分为以下步骤：文字区域检测与定位、文字分割与文字提取、文字后处理。其流程如图所示。

文字提取、识别的详细步骤

1. 在Matlab中调用i1=imread（‘字符.jpg’），可得到原始图像，如图所示：

 

2. 调用i2=rgb2gray（i1），则得到了灰度图像，如图所示：

 

调用a=size（i1）;b=size（i2）;可得到：a=3，b=2 即三维图像变成了二维灰度图像

3. 调用i3=（i2》=thresh）;其中thresh为门限，

图之间这里， 

得到二值图像，如图所示： 

4. 把二值图像放大观察，可看到离散的黑点 对其采用腐蚀膨胀处理，得到处理后的图像，如图所示

 

可见，腐蚀膨胀处理后的图像质量有了很大的改观。 横向、纵向分别的腐蚀膨胀运算比横向、纵向同时的腐蚀膨胀运算好上很多，图6可看出差别：

 

5、对腐蚀膨胀后的图像进行Y方向上的区域选定，限定区域后的图像如图所示： 扫描方法：中间往两边扫

 

纵向扫描后的图像与原图像的对照，如图8所示：

 

6、对腐蚀膨胀后的图像进行X方向上的区域选定，限定区域后的图像如图9所示： 扫描方法：两边往中间扫

 

纵向扫描后的图像与原图像的对照，如图所示：

 

7. 调用i8=（iiXY~=1），使背景为黑色（0），字符为白色（1），便于后期处理。 背景交换后的图像如图11所示：

8. 调用自定义函数（字符获取函数）i9=getchar（i8），得到图像如图所示：

9、调用自定义的字符获取函数对图像进行字符切割，并把切割的字符装入一维阵列，切割 过程如图12所示：

10.调用以下代码，可将阵列word中的字符显示出来，如图13所示：
 
        for j=1:cnum %cnum为统计的字符个数

        subplot（5，8，j），imshow（word{j}），title（int2str（j））; %显示字符 

      end

 可以看到，字符宽度不一致
 

11. 调用以下代码，将字符规格化，便于识别： for j=1:cnum word{j}=imresize（word{j}，［40 40］）; %字符规格化成40×40的 end 得到规格化之后的字符如图14所示：

12. 调用以下代码创建字符集：

code=char（‘由于作者水平有限书中难免存在缺点和疏漏之处恳请读批评指正，。’）;

将创建的字符集保存在一个文件夹里面，以供匹配时候调用，如图15所示：

 

13. 字符匹配采用模板匹配算法：将现有字符逐个与模板字符相减，认为相减误差最小的现 有字符与该模板字符匹配。

 

也就是说，字符A与模板字符T1更相似，我们可以认为字符集中的字符T2就是字符A。 经模板匹配，可得字符信息如下： 由于读者书评有限书中难免存在缺点和纰漏之处，恳请读者批评指正。 效果如图16所示：

 

14、调用以下代码，将字符放入newtxt.txt文本：

new=［‘newtxt’，‘.txt’］; c=fopen（new，‘a+’）; fprintf（c，‘%s ’，Code（1:cnum））; fclose（c）; newtxt.txt文本内容如图17所示：

 

总结

1、算法具有局限性。对于左右结构的字符（如：川）容易造成误识别，“川”字将会被识别成三部分。当图片中文字有一定倾斜角度时，这将造成识别困难。

2、模板匹配效率低。对于处理大小为m×m的字符，假设有n个模板字符，则识别一个字符至

少需要m×m×n×2次运算，由于汉字有近万个，这将使得运算量十分巨大！此次字符识 别一共花了2.838秒。

3、伸缩范围比较小。对于受污染的图片，转换成二值图像将使字符与污染源混合在一起。

对于具体的图片，需反复选择合适的thresh进行二值化处理，甚至在处理之前必须进行各种滤波。