基于MATLAB的图片中文字的提取及识别

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）