基于MATLAB的图片中文字的提取及识别
摘要
随着现代社会的发展，信息的形式和数量正在迅猛增长。其中很大一部分是图像，图像可以把事物生动地呈现在我们面前，让我们更直观地接受信息。同时，计算机已经作为一种人们普遍使用的工具为人们的生产生活服务。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。
关键词：MATLAB 图像处理 文字提取 文字识别
一．引言
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。
二．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。
三．文字提取、识别的一般流程
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1所示。
（图1）
四．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2所示：
（图2）
2. 调用i2=rgb2gray(i1)，则得到了灰度图像，如图3所示：
（图3）
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，在[0，255]之间
这里，i2_max=double(max(max(i2))); %获取亮度最大值
i2_min=double(min(min(i2))); %获取亮度最小值
thresh=round(i2_max-((i2_max-i2_min)/3));
得到二值图像，如图4所示：
（图4）
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5所示
（图5）
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：
（图6）
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7所示：
扫描方法：中间往两边扫
（图7）
纵向扫描后的图像与原图像的对照，如图8所示：
（图8）
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
（图9）
纵向扫描后的图像与原图像的对照，如图10所示：
（图10）
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：
（图11）
8. 调用自定义函数（字符获取函数）i9=getchar(i8)，得到图像如图12所示：
（图9）
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：
(图12）
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
（图13）
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：
（图14）
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：
（图15）
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。
假设:字符
，模板字符
，模板字符
也就是说，字符A与模板字符
更相似，我们可以认为字符集中的字符
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：
（图16）
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\n',Code(1:cnum));
fclose(c);
newtxt.txt文本内容如图17所示：
（图17）
- 反思与体会
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。
4.通过这次数字图象处理的学习和报告的撰写，我们小组发挥了团结友爱的协作精神，大 量的资料查阅丰富了我们的视野，同时使我们对这么课更加感兴趣。
参考文献
[1] 樊昀， 王润生.从图像中提取文字[J] .国防科技大学学报,2002,24 (1) :59-62.
[2] 王健,王晨.基于静态图片的文本提取技术的研究[J] .延边大学学报(自然科学版) , 2007,33 (2) :124-128.
[3] 夏莹,马少平,孙茂松等.计算机语言学方法在中文文字识别后处理中的应用[J] .中文信息,1996, (2) :50-51.
[4] 郑阿奇，曹戈，赵阳.MATLAB实用教程[M].北京：电子工业出版社
[5] 程卫国，冯峰，姚东，徐听.MATLAB5.3应用指南[M].北京：人民邮电出版社
[6] 陈杨.MATLAB 6.X图像编程与图像处理[M].西安：西安电子科技大学出版社
[7] 阮秋琦.数字图像处理[M].电子工业出版社，2001年.
[8] 徐建华.图像处理与分析[M].科学出版社，1999年.
附录
主程序源代码：
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%% 数字图象处理大作业 %%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%————————图片中文字的提取及识别————————%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
tic
I=imread('字符.jpg'); %打开图片
%figure(1);imshow(I);title('原始图像','color','b');
I=rgb2gray(I); %RGB图片转化成灰度图像
%figure(2);imshow(I);title('灰度图像','color','b');
i_max=double(max(max(I))); %获取亮度最大值
i_min=double(min(min(I))); %获取亮度最小值
thresh=round(i_max-((i_max-i_min)/3)); %计算灰度图像转化成二值图像的门限thresh
I=(I>=thresh); %I为二值图像
%figure(3);imshow(I);title('二值图像','color','b');
seY=[1;1;1]; %构造结构元素
I=imdilate(I,seY); %腐蚀图像
I=imerode(I,seY); %膨胀图像
seX=[1 1 1];
I=imdilate(I,seX);
I=imerode(I,seX);
%figure(4);imshow(I);title('腐蚀膨胀后的图像','color','b');
ii=double(I);
[m,n]=size(ii); %获取图像大小信息
%确定文字区域
%纵向扫描
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
end
end
[maxY indexY]=max(countY);
tempY1=indexY;
while (countY(tempY1,1)>3) && (tempY1>1)
tempY1=tempY1-1;
end
tempY2=indexY;
while (countY(tempY2,1)>3) && (tempY2<m)
tempY2=tempY2+1;
end
tempY1=tempY1-1;
tempY2=tempY2+1;
iiY=I(tempY1:tempY2,:); %确定了Y方向上的文字区域
%figure(5);imshow(iiY);title('Y方向区域大致确定后的图像','color','b');
%横向扫描
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
end
end
tempX1=1;
while (countX(1,tempX1)<3) && (tempX1<n)
tempX1=tempX1+1;
end
tempX2=n;
while (countX(1,tempX2)<3) && (tempX2>1)
tempX2=tempX2-1;
end
tempX1=tempX1-1;
tempX2=tempX2+1;
iiXY=iiY(:,tempX1:tempX2); %确定了整体的文字区域
%figure(6);imshow(iiXY);title('X、Y方向区域都大致确定后的图像','color','b');
ii=(iiXY~=1);%黑色背景，白色字体
%figure(7);imshow(ii);title('背景和文字交换颜色的图像','color','b');
ii=bwareaopen(ii,200); %删除面积小于200的杂质图像
%figure(8);imshow(ii);title('删除杂质干扰的图像','color','b');
myI=charslice(ii); %限定文字区域
%figure(9);imshow(ii);title('限定文字区域的图像','color','b');
y1=10;y2=0.25;flag=0;
maxnum=40;k=1; %maxnum为字符个数限定值，k用于统计实际字符个数
word=cell(1,maxnum); %建立单元阵列，用于储存字符
figure(10)
while size(myI,2)>10 %当myI的长度小等于10，可确定没有字符了
[word{k},myI]=getword(myI); %获取字符
k=k+1;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
if k==2
subplot(5,1,1);imshow(myI);title('第一次切割后的图像','color','b');
end
if k==3
subplot(5,1,2);imshow(myI);title('第二次切割后的图像','color','b');
end
if k==5
subplot(5,1,3);imshow(myI);title('第四次切割后的图像','color','b');
end
if k==16
subplot(5,1,4);imshow(myI);title('第十五次切割后的图像','color','b');
end
end
subplot(5,1,5);imshow(myI);title('最后一次切割后的图像','color','b');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
cnum=k-1; %实际字符总个数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure(11);
for j=1:cnum
subplot(5,8,j),imshow(word{j}),title(int2str(j)); %显示字符
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for j=1:cnum
word{j}=imresize(word{j},[40 40]); %字符规格化成40×40的
end
figure(12);
for j=1:cnum
subplot(5,8,j),imshow(word{j}),title(int2str(j)); %显示字符
end
for j=1:cnum
imwrite(word{j},[int2str(j),'.jpg']); %保存字符
end
defx=40;defy=40;
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，。');%创建字符集
codenum=size(code,2); %获取字符集中字符个数
for i=1:cnum
ch=int2str(i); %数字转化为字符
tempbw=imread([ch '.jpg']); %打开预匹配字符
for k=1:codenum
fname=strcat('C:\Users\Administrator\Desktop\数字图像处理大作业\字符匹配库\',code(k),'.jpg'); %字符匹配库中的字符
sample=imread(fname);
subsam=abs(tempbw-sample); %作比较
count=sum(sum(subsam)); %匹配误差统计
err(k)=count;
end
erro=err(1:codenum);
minerror=min(erro); %找出误差最小的模板字符
findc=find(erro==minerror); %获取模板字符序号
Code(i)=code(findc); %将字符装入Code
end
figure(13);
imshow(ii);
tt=title(['文字信息: ', Code(1:cnum)],'Color','b'); %显示字符信息
set(tt,'fontsize',24); %设置字体
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%将图片文字写入newtxt文本
new=['newtxt','.txt'];
c=fopen(new,'a+');
fprintf(c,'%s\n',Code(1:cnum));
fclose(c);
t=toc
charslice（字符分割）函数源代码：
%字符分割
function y=charslice(ii)
[m,n]=size(ii);
top=1;bottom=m;left=1;right=n;
while sum(ii(top,:))==0 && top<m
top=top+1;
end
while sum(ii(bottom,:))==0 && bottom>=1
bottom=bottom-1;
end
while sum(ii(:,left))==0 && left<n
left=left+1;
end
while sum(ii(:,right))==0 && right>=1
right=right-1;
end
ydiff=bottom-top;
xdiff=right-left;
y=imcrop(ii,[left top xdiff ydiff]);
getword（字符获取）函数源代码：
%字符获取
function [word,result]=getword(ii)
word=[];flag=0;y1=8;y2=0.5;
while flag==0
[m,n]=size(ii);
wide=0;
while sum(ii(:,wide+1))~=0 && wide<=n-2
wide=wide+1;
end
temp=charslice(imcrop(ii,[1 1 wide m]));
[m1,n1]=size(temp);
if wide<y1 && n1/m1>y2
ii(:,1:wide)=0;
if sum(sum(ii))~=0
ii=charslice(ii); % 切割出最小范围
else word=[];flag=1;
end
else
word=charslice(imcrop(ii,[1 1 wide m]));
ii(:,1:wide)=0;
if sum(sum(ii))~=0;
ii=charslice(ii);
flag=1;
else ii=[];
end
end
end
result=ii;
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
