前言

從圖像中提取文字屬于信息智能化處理的前沿課題，是當前人工智能與模式識別領域中的研究熱點。由于文字具有高級語義特征，對圖片內容的理解、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際意義。又由于靜態圖像文字提取是動態圖像文字提取的基礎，故著重介紹了靜態圖像文字提取技術。

隨著計算機科學的飛速發展，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（如新聞標題等字幕） 包含了豐富的高層語義信息，提取出這些文字，對于圖像高層語義的理解、索引和檢索非常有幫助。

圖像文字提取又分為動態圖像文字提取和靜態圖像文字提取兩種，其中，靜態圖像文字提取是動態圖像文字提取的基礎，其應用范圍更為廣泛，對它的研究具有基礎性，所以本文主要討論靜態圖像的文字提取技術。靜態圖像中的文字可分成兩大類： 一種是圖像中場景本身包含的文字， 稱為場景文字； 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。場景文字由于其出現的位置、小、顏色和形態的隨機性， 一般難于檢測和提取；而人工文字則字體較規范、大小有一定的限度且易辨認，顏色為單色， 相對與前者更易被檢測和提取， 又因其對圖像內容起到說明總結的作用，故適合用來做圖像的索引和檢索關鍵字。對圖像中場景文字的研究難度大，目前這方面的研究成果與文獻也不是很豐富，本文主要討論圖像中人工文字提取技術。

靜態圖像中文字的特點

靜態圖像中文字（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說，圖像中文字的尺寸既不會過大也不會過小；

（4）文字的分布比較集中；

（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，以及單行內各個字之間存在不同于文字區域的空隙。在靜態圖片文字的檢測與提取過程中， 一般情況下都是依據上述特征進行處理的。

數字圖象處理

靜態圖像文字提取一般分為以下步驟：文字區域檢測與定位、文字分割與文字提取、文字后處理。其流程如圖所示。

文字提取、識別的詳細步驟

1. 在Matlab中調用i1=imread（‘字符.jpg’），可得到原始圖像，如圖所示：

?

2. 調用i2=rgb2gray（i1），則得到了灰度圖像，如圖所示：

?

調用a=size（i1）;b=size（i2）;可得到：a=3，b=2 即三維圖像變成了二維灰度圖像

3. 調用i3=（i2》=thresh）;其中thresh為門限，

圖之間這里，?

得到二值圖像，如圖所示：?

4. 把二值圖像放大觀察，可看到離散的黑點 對其采用腐蝕膨脹處理，得到處理后的圖像，如圖所示

?

可見，腐蝕膨脹處理后的圖像質量有了很大的改觀。 橫向、縱向分別的腐蝕膨脹運算比橫向、縱向同時的腐蝕膨脹運算好上很多，圖6可看出差別：

?

5、對腐蝕膨脹后的圖像進行Y方向上的區域選定，限定區域后的圖像如圖所示： 掃描方法：中間往兩邊掃

?

縱向掃描后的圖像與原圖像的對照，如圖8所示：

?

6、對腐蝕膨脹后的圖像進行X方向上的區域選定，限定區域后的圖像如圖9所示： 掃描方法：兩邊往中間掃

?

縱向掃描后的圖像與原圖像的對照，如圖所示：

?

7. 調用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：

8. 調用自定義函數（字符獲取函數）i9=getchar（i8），得到圖像如圖所示：

9、調用自定義的字符獲取函數對圖像進行字符切割，并把切割的字符裝入一維陣列，切割 過程如圖12所示：

10.調用以下代碼，可將陣列word中的字符顯示出來，如圖13所示：
?
? ? ? ? for j=1:cnum %cnum為統計的字符個數

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

? ? ? end

?可以看到，字符寬度不一致
?

11. 調用以下代碼，將字符規格化，便于識別： for j=1:cnum word{j}=imresize（word{j}，［40 40］）; %字符規格化成40×40的 end 得到規格化之后的字符如圖14所示：

12. 調用以下代碼創建字符集：

code=char（‘由于作者水平有限書中難免存在缺點和疏漏之處懇請讀批評指正，。’）;

將創建的字符集保存在一個文件夾里面，以供匹配時候調用，如圖15所示：

?

13. 字符匹配采用模板匹配算法：將現有字符逐個與模板字符相減，認為相減誤差最小的現 有字符與該模板字符匹配。

?

也就是說，字符A與模板字符T1更相似，我們可以認為字符集中的字符T2就是字符A。 經模板匹配，可得字符信息如下： 由于讀者書評有限書中難免存在缺點和紕漏之處，懇請讀者批評指正。 效果如圖16所示：

?

14、調用以下代碼，將字符放入newtxt.txt文本：

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

?

總結

1、算法具有局限性。對于左右結構的字符（如：川）容易造成誤識別，“川”字將會被識別成三部分。當圖片中文字有一定傾斜角度時，這將造成識別困難。

2、模板匹配效率低。對于處理大小為m×m的字符，假設有n個模板字符，則識別一個字符至

少需要m×m×n×2次運算，由于漢字有近萬個，這將使得運算量十分巨大！此次字符識 別一共花了2.838秒。

3、伸縮范圍比較小。對于受污染的圖片，轉換成二值圖像將使字符與污染源混合在一起。

對于具體的圖片，需反復選擇合適的thresh進行二值化處理，甚至在處理之前必須進行各種濾波。