【文章內(nèi)容簡介】 2， N4， N6 中至少有三個元素為黑，則，將 P 改為黑，否則不變。 (2)當 P 為黑時，如果： (a)N4， N3， N2 中至少有 1 個為黑，同時 N6， N7 和 N0 中也至少有一個為黑； (b)N2， N1， N0 中至少有一個為黑，同時 N4， N5 和 N6 中也至少有一個為黑，則 P 不變，否則改為白。 噪聲處理 噪聲處理是一個重要而復雜的工作，通過掃描得到的字符圖像有時含有噪聲，這些噪聲可能是因為紙張質(zhì)量，污點，掃描通道的碎物或其它干擾造成的。這些噪聲的存在，增加了數(shù)字識別的難度，較容易導致誤識，拒識。如能較好地濾除噪聲，無疑會為正確識別帶來方便。 由于阿拉伯數(shù)字 0~9 和英文大寫字母均為由連續(xù)筆劃組成的字符，因此若檢測到字 符掃描圖像中的筆劃數(shù)超過 1，則認為該字符圖像中肯定存在噪聲或者斷筆，需加以去噪聲或連斷筆處理。將多余的噪聲去掉，或?qū)喙P連在主體筆劃上。而噪聲和斷筆的區(qū)分則可通過設定閾值來實現(xiàn)。具體的方法如下： 設 F(i,j),0? i? m,0? j? n,，為二值圖象，令 A 為二值圖象平面上的一個 N? N 的窗口區(qū) 域，令 A? 為包含 A 的 (N+2)? (N+2)的窗口區(qū)域，若 AjijiF ?? ),(),(=???AjijiF ),(),(? 0 則我們認為窗口區(qū)域 A 中的筆劃為噪聲或斷筆。通過讓窗口 A 在圖像平面上浮動，可檢測到的筆劃判斷為噪聲；另 N=5，并將檢測到的筆劃判斷為斷筆。對于檢測到的噪聲，只需要對應的窗口 區(qū)域 A 中所有的黑點變?yōu)榘c，即可將噪聲去除。 BMP 圖像的存儲結構 設備無關位圖 (DeviceIndependent Bitmap)DIB 是標準的 Windows 位圖格式， DIB自帶顏色信息，因此調(diào)色板管理非常容易。任何運行 Windows 的計算機都可以處理DIB，它通常以 BMP 文件的形式被保存在磁盤中。 BMP 文件中包含了一個 DIB，一個 BPM 文件大體上分成如下 4 個部分。如 表 3— 1 所示： 文件信息頭 BITMAPFILEHEARDER 位圖信息頭結構 BITMAPINFOHEADER 調(diào)色板 Palette 位圖象素數(shù)據(jù) DIB Pixels 表 3— 1 Windows DIB 的組成 位圖文件頭：主要用于識別位圖文件，下面是位圖文件頭結構定義： Typedef struct tagBITMAPFILEHEADER { UNIT bfType。 DWORD bfSize。 UNIT bfReserved1。 UNIT bfReserved2。 合肥學院 計算機科學與技術系 07 屆畢業(yè)論文設計 15 DWORD bfOffbits。 } BITMAPFILEHEADER。 其中 ， bfType 表示文件類型，必須是 0X424D，即值 應該 是“ BM”，標志該文件是 BMP 位圖文件。 bfSize 的值是位圖文件的大小。 bfReserved1 和 bfReserved2 為保留字，不用考慮。 bfOffbits 為從文件頭 到實際的位圖的數(shù)據(jù)的偏移字節(jié)數(shù)。 位圖信息頭：包含了單個象素所用字節(jié)數(shù)以及描述顏色的格式，此外還包括位圖的寬度、高度、目標設備的位圖平面書、圖 像 的壓縮格式。以下是位圖信息頭結構的定義： Typedef struct tagBITMAPINFOHEADER { DWORS biSize。 LONG biWidth。 LONG biHeight。 WORD biplanes。 WORD biBicCount。 DWORD biCompression。 DWORD biSizeImage。 LONG biXPelPerMeter。 LONG biYPelsPerMeter。 DWORD biClrUsed。 DWORD biClrImportant。 } BITMAPINFOHEADER。 表 3— 2 是對上述結構體中各個成員的說明。 結構成員 說明 bitSize 結構 BITMAPINFOHEADER 的字節(jié)數(shù)，（ 40 字節(jié)） biWidth 以象素為單位的圖像寬度 biHeight 以象素為單位的圖像的高度 biplanes 目標設備的位平面數(shù)，必須是 1，不用考慮 biBitCount 每個象素的位數(shù) biCompression 圖像壓縮格式 biSizeImage 以字節(jié)為單位的圖像數(shù)據(jù)的大小 biXPelsPermeter 表示目標設備的水平分辨率 biYpelsPerMeter 表示目標設備的垂直分辨率 biClrused 調(diào)色板中實際使用的顏色數(shù) biClrImportant 實現(xiàn)位圖時必須的顏色數(shù) 表 3— 2 其中， biBitCount 分別有如下的意義： 0：用在 JPEG 格式中。 1：單色圖，調(diào)色板中含有兩種顏色，通常說的黑白二色圖。 4： 16 色圖。 8： 256 色圖，通常說的灰度圖。 16： 64K 圖，一般沒有調(diào)色板，圖像數(shù)據(jù)中每兩個字節(jié)表示一個象素。 24： 16M 真彩色圖，沒有調(diào)色板， 圖像數(shù)據(jù)中每 3 個字節(jié)表示一個象素。 合肥學院 計算機科學與技術系 07 屆畢業(yè)論文設計 16 32： 4G 真彩色，一般沒有調(diào)色板，每 4 個字表表示一個象素，相對 24 位 真彩色圖 而言，加入了一個透明度，即 RGBA 模式。 biClrused：這個值通常為 0，表示使用 biBitCount 確定的全部顏色。 biClrImportant:這個值通常為 0，表示所有顏色都是必須的。 調(diào)色板 (Palette)：有些位圖需要調(diào)色板，有些位圖，如真彩色圖，不需要 調(diào)色板，它 們的 BITMAPINFOHEADER 后面直接是位圖數(shù)據(jù)。調(diào)色板實際上 是一個數(shù)組，調(diào)色板是由顏色表項組成的，調(diào)色板結構如下： Typedef struct tagRGBQUAD { BYTE rgbBlue。 BYTE rgbGreen。 BYTE rgbRed。 BYTE rgbReserved。 } RGBQUAD。 需要注意的是， RGBQUARD 結構中的顏色順序是 BGR。 位圖數(shù)據(jù)： 在位圖頭文件、位圖信息頭、調(diào)色板之后，便是位圖的主體部分：位圖數(shù)據(jù)。根據(jù)不同的位圖，位圖數(shù)據(jù)所占據(jù)的字節(jié)數(shù)也是不同的，比如，對于 8 位位圖，每個字節(jié)代表了一個象素， 對于 16 位位圖，每兩個字節(jié)代表了一個象素，對于24 位位圖，每三個字節(jié)代表了 1 個象素，對于 32 位位圖，每 4 個字節(jié)代表了一個象素。 圖像的顏色處理 在真彩色系統(tǒng)中，圖像的顏色與真實世界中的顏色非常自然逼近，人眼難以區(qū)分他們的差別，通常使用 RGB 表示法來表現(xiàn)真彩色圖像，每一個象素的值用 24 位表示，紅、綠、藍三原色的濃度分別用一個字節(jié)來表示。但對于僅能同時顯示 16 色或者 256 色的系統(tǒng)，每一個象素僅能分別采用 4 位或者 8 位表示，象素值與真彩色的顏色值不能一一對應，這時就必須采用調(diào)色板技術 。所謂調(diào)色板就是在 16 色或者 256色 的 顯示系統(tǒng)中，由圖像出現(xiàn)的最頻繁的 16 中顏色或者 256 種顏色所組成的頻色表，顏色表中的值是某種顏色在顏色查找表中的索引值。 當 需要對顏色位數(shù)進行轉(zhuǎn)換 時，可用 八叉樹顏色量化算法進行轉(zhuǎn)換。這種方法首先掃描所有的象素，每遇到一種新的顏色就把它放到八叉樹中，并創(chuàng)建一個葉子節(jié)點，圖像掃描結束后，如果葉節(jié)點的數(shù)量大于調(diào)色板所需的顏色數(shù)，就將某些葉節(jié)點合并到其上一層節(jié)點中 (父節(jié)點 )去，并將 父節(jié)點變?yōu)槿~節(jié)點，這樣進行下去直到葉節(jié)點的數(shù)量等于或者小于調(diào)色板所需的顏色數(shù)，之后遍歷八叉樹，將葉節(jié)點的顏色填入調(diào)色板 的顏色表中。 圖像的二值化 實際上在使用的圖像處理系統(tǒng)中，處理的對象主要是二值圖像。這是因為在使用的系統(tǒng)中，要求處理的速度高、成本低，所以信息量大的灰階圖像的處理占用太大的部分不是好辦法。因此希望盡可能用二值圖像的形式進行處理。圖像信息和背景信息分別對應圖像灰度直方圖，因此可以通過灰度直方圖選擇一個閾值把整個圖像分成圖合肥學院 計算機科學與技術系 07 屆畢業(yè)論文設計 17 像信息和背景信息兩部分，從而把灰度圖像轉(zhuǎn)化為黑白二值圖像。圖像的灰度直方圖是將圖像中的象素按其灰度值大小進行組合，所構成的象素數(shù)量隨灰度級變化的函數(shù)的圖形形式。通常，灰度直方圖的橫軸表示灰度 值，縱軸用來表示頻度。頻度，是指具有某一灰度值的象素在圖像中出現(xiàn)的次數(shù)或者在圖像中占總象素的百分比。如圖 3— 2 所示。 圖 3— 2 具有二值傾向的灰度直方圖 圖 像 二值化可根據(jù)下面的 閾值處理來進行： 一般采用設定某一閾值，用閾值將圖像的數(shù)據(jù)分成大于閾值和小于閾值的象素群。例如，輸入的函數(shù)是 f(x,y)，輸出的圖像是 f\ (x,y)。如果用灰度變換的方法來研究 f(x,y)，其灰度變換函數(shù) 為： f\ (x,y)=??? ?? 時，當 時，當 ??),(0 ),(1 yxf yxf 其中： ? 為閾值。 輸出的圖像的灰度值大于閾值，其數(shù)據(jù)點值取 1；反之取 0。這種灰度變換的方法，成為圖像的二值化。二值化處理就是把圖像 f(x,y)分為對象物和背景兩個領域，然后求其閾值。在數(shù)字化的圖像數(shù)據(jù)中，無用的背景數(shù)據(jù)和對象物的數(shù)據(jù)常?；煸谝黄?。除次之外，在圖像中還含有其它的各種噪聲。所以閾值 選取必須根據(jù)實際情況進行調(diào)節(jié)。 這里的關鍵問題是閾值 ? 的確定方法。因為灰度圖像二值化后可能丟失掉原圖像中的一些信息，如果閾值選擇不當，二值化后的圖像有可能與原圖像相差很大，不能正確的反映原圖像，這樣，二值化就失去了意義 /因為圖像二值化的目的是要在盡可能多的保留原圖像特征的前提下舍棄冗余信息。所以閾值的正確選擇很重要。 系統(tǒng)中二值化的代碼實現(xiàn)如下： void CDigitClass::BinaryDigit(BYTE thre) { digitWidth = ()。 digitHeight = ()。 LONG x, y。 for(x=0。 xdigitWidth。 x++) { for(y=0。 ydigitHeight。 y++) ? 合肥學院 計算機科學與技術系 07 屆畢業(yè)論文設計 18 { if(digitarray[x][y] = thre) digitarray[x][y]=(BYTE)1。 else digitarray[x][y]=(BYTE)0。 } } } 圖像的細化 細化的定義 經(jīng)過預處理，待細化的圖像 是 0， 1 二值圖象。象素值為 1 的是需要細化的部分，象素值為 0 的是背景區(qū)域。一個圖像的“骨架”是指圖像的中央的骨骼部分，可以理解為圖像的中軸。例如一個長方形的骨架是它的長方向上的中軸線；正方形的骨架是他的中心點；圓的骨架是他的圓心；直線的骨架是它自身；孤立點的骨架也是它自身。骨架是描述圖像幾何及拓撲性質(zhì)的重要特征之一。求圖像骨架的過程通常稱為對圖像“細化”的過程。 細化的要求 在字符識別系統(tǒng)中，為減少數(shù)據(jù)量，準確提取特征，常常需要采用細化算法。不過字符經(jīng)過細化后，將不可避免地丟失部分信息。因此 是否細化應根據(jù)實際情況而定。但一旦決定對字符進行細化，則對細化結果的好壞，將直接影響著識別率。 一般來說，細化有以下的基本的要求： (1)細化要保持原有字符的連續(xù)性，不能使本來相連的筆劃斷開。 (2)要細化成 1 象素的骨架，骨架應接近原筆劃的中心線。 (3)不要產(chǎn)生嚴重的畸變， 對 噪聲不敏感。 (4)保留字符原有的拓撲，幾何特征，特別是一些明顯的拐角不應被光滑掉。 Hilditch 算法描述 Hilditch 細化算法描述 Hilditch 提出了一種串行細化算法，由于該算法是 Hilditch提出的， 就叫做 Hilditch算法。 Hilditch 詳細講述了該算法的思想，但沒有給出這種算法地一個簡潔的表達式。 Hilditch 細化算法是一種串行算法。這種方法需要對整幅圖像作多次掃描，在每一次掃描過程中。一些滿足給定條件的象素點將被標記，在本次掃描結束后，再將這些標記的象素點刪除，然后開始下一次掃描，直到在某一次掃描過程中，再沒有象素點被標記，整個細化過程結束。通常在二值圖象中，象素點的值為 1 或者 0，值為 1 的點，稱為黑點，也是前景點，即圖形象素；值為 0 的點，稱為白點，也是背景點。在細化算法中，每一次 掃描過程中，一個黑點，即圖形象素點必須滿足下面的條件才能被刪除： (1)該點是一個邊界點。 合肥學院 計算機科學與技術系 07 屆畢業(yè)論