【正文】 r （int i = 0。 i 。 i++ ） { 記錄當(dāng)前點(diǎn)的顏色Color。 if （ == 0） //黑色 { 求出當(dāng)前行，并記錄當(dāng)前行的基準(zhǔn)點(diǎn)lowestL，用于平移參照； while （ != 0） {求出當(dāng)前漢字，并記錄最低點(diǎn)lowestW，用以下公式求差值distance； distance = 。 while （ != 0） 對(duì)漢字中的每個(gè)點(diǎn)按照該差值進(jìn)行平移，至同一水平位置； } } } }} 實(shí)驗(yàn)結(jié)果與分析以圖 39（c）和圖 37（b）為處理對(duì)象，平移后的結(jié)果分別如圖 47（a ）和 47（b）：（a）蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）25（b）圖 47 扭曲恢復(fù)后的圖像文本行標(biāo)識(shí)的結(jié)果不同，導(dǎo)致圖 47（b）中的一行被分解為多行，因此扭曲恢復(fù)后仍然沒(méi)能在同一水平線上，這可以通過(guò)文本行標(biāo)識(shí)參數(shù)調(diào)整改進(jìn)。由此可見(jiàn)字符和文本行標(biāo)識(shí)在整個(gè)扭曲恢復(fù)中所起的關(guān)鍵作用。 本章小結(jié)本章詳細(xì)介紹了我們研究工作中的創(chuàng)新點(diǎn)，包括文檔圖像的標(biāo)識(shí)方法、極限思想的運(yùn)用、字符平移等。在每一步處理后，我們同時(shí)給出比較結(jié)果與分析。經(jīng)過(guò)本章處理，基本上實(shí)現(xiàn)了從輸入的扭曲文檔圖像到扭曲恢復(fù)后圖像的轉(zhuǎn)變。同時(shí)，在處理過(guò)程中有大量信息的丟失，因此需要對(duì)扭曲恢復(fù)后的圖像進(jìn)行最后處理。后處理與最終結(jié)果的測(cè)試與分析將在下一章中作詳細(xì)說(shuō)明。蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）26第五章 文檔圖像的后處理預(yù)處理過(guò)程中，原始圖像失去了顏色等信息；扭曲恢復(fù)過(guò)程中，由于技術(shù)的不成熟，也導(dǎo)致文字失真，這些信息的丟失都是不可逆的。這需要我們?cè)诤筇幚碇谐俗畲蠡Ａ籼幚淼慕Y(jié)果之外，還要盡可能彌補(bǔ)丟失的信息。這里后處理具體指對(duì)恢復(fù)圖像中的文字失真進(jìn)行斷筆修復(fù)，以及背景信息載入。 斷筆修復(fù)扭曲恢復(fù)技術(shù)的不成熟，會(huì)導(dǎo)致在處理過(guò)程中丟失文字的筆畫(huà)信息，因此我們需要對(duì)應(yīng)地彌補(bǔ)其丟失的信息。具體做法是對(duì)當(dāng)前恢復(fù)的圖像進(jìn)行文字標(biāo)識(shí)，通過(guò)對(duì)該文字的合理膨脹，達(dá)到彌補(bǔ)信息的目的。這里采用的膨脹算法是對(duì)當(dāng)前點(diǎn)的 8 個(gè)相鄰像素的處理，因較為簡(jiǎn)單，這里不再贅述其算法偽代碼。以圖 47（a）為處理對(duì)象，進(jìn)行斷筆修復(fù)后的效果較為明顯，如圖 51。圖 51 斷筆修復(fù) 背景恢復(fù)二值化處理導(dǎo)致當(dāng)前圖像的背景全部丟失，因此我們需要將二值化過(guò)程中保留下的背景載入到斷筆修復(fù)后的結(jié)果中去。由于中文特征的復(fù)雜性，二值化過(guò)程保留下的背景并不是理想的純背景信息（如圖 52），如若直接加載扭曲恢復(fù)后的圖像，就會(huì)有陰影，效果不理想如圖 53（a）和圖 53（b）。本文的做法是對(duì)該背景進(jìn)行均值處理，從而代替直接載入，背景恢復(fù)后的效果，如圖 53（c）。圖 52 二值化保留的背景蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）27（a）（b）（c）圖 53 背景恢復(fù)：（a）（b）直接背景載入 （c）本文的方法 實(shí)驗(yàn)結(jié)果與分析本課題最終的實(shí)驗(yàn)結(jié)果主要是進(jìn)行 OCR 測(cè)試，通過(guò)比較 OCR 識(shí)別率，說(shuō)明處理的有效性。所謂 Optical Character Recognition（OCR ），就是光學(xué)字符識(shí)別，是文字自動(dòng)輸入的一種方法。它通過(guò)掃描和攝像等光學(xué)輸入方式獲取紙張上的文字圖像信息，利用各種模式識(shí)別算法分析文字形態(tài)特征，判斷出漢字的標(biāo)準(zhǔn)編碼，并按通用格式存儲(chǔ)在文本文件中。 OCR 測(cè)試這里利用 OCR 對(duì)既定圖片中的字符進(jìn)行識(shí)別，通過(guò)對(duì)比處理前后的 OCR 識(shí)別率，說(shuō)明處理后的有效性。常用的 OCR 識(shí)別軟件有很多，如漢王 OCR，清華紫光 OCR 等。本文以漢王 的識(shí)別結(jié)果為參考進(jìn)行比較與分析。為了更好地進(jìn)行對(duì)比，我們首先以圖 39（a）為對(duì)象（扭曲恢復(fù)后為圖 53（c ）），將測(cè)試的過(guò)程作詳細(xì)描述（如表 1），然后再將不同組別的測(cè)試結(jié)果進(jìn)行對(duì)比。蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）28表 1 測(cè)試結(jié)果對(duì)比比較對(duì)象 處理前 處理后標(biāo)準(zhǔn)文字 幾年后，劉永好注意到房地產(chǎn)進(jìn)入了“微利”時(shí)代。就在許都認(rèn)為房地產(chǎn)這碗飯?jiān)絹?lái)越難吃的時(shí)候，劉永好卻認(rèn)為機(jī)會(huì)，他經(jīng)過(guò)仔細(xì)分析、判斷、最終選擇了組建自己的房地產(chǎn)公漢字總數(shù) 70 70正確識(shí)別出的文字（粗體）j 年后，劉永好注意剄房地產(chǎn)進(jìn)入了“微利”時(shí)代。就在許雙為房地產(chǎn)這琉飯?jiān)絹?lái)越難吃的時(shí)候，劉永好卻認(rèn)為機(jī)會(huì)．傅經(jīng)過(guò)仔細(xì)分析、判斷，最終選擇了組建自己的房地產(chǎn)公n 年后’劑永好注意到房地產(chǎn)進(jìn)人了“微利”時(shí)代。就在 1 午袱為房地產(chǎn)這碗飯?jiān)絹?lái)越難吃的時(shí)候’剎永好卻認(rèn)為機(jī)會(huì)’＆經(jīng)過(guò)仔細(xì)分析、判斷’最終選擇了組建自己的房地產(chǎn)矗識(shí)別字?jǐn)?shù) 64 62識(shí)別率 % %（a）（b）圖 54 第一組圖像：（a）處理前，（b）處理后（a）（b）圖 55 第二組圖像：（a）處理前，（b）處理后（a）蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）29（b）圖 56 第三組圖像：（a）處理前，（b）處理后（a）（b）圖 57 第四組圖像：（a）處理前，（b）處理后分析：由于圖 37 扭曲程度較低，且圖像質(zhì)量較高，因此原圖本身的 OCR 識(shí)別率較蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）30高，再提高其效果不會(huì)明顯。下面對(duì)扭曲程度較高，且質(zhì)量不高的四組（圖 54 至圖 57）扭曲文檔圖像的處理前后進(jìn)行對(duì)比，再作詳細(xì)分析。針對(duì)四組數(shù)據(jù)，進(jìn)行測(cè)試，OCR 識(shí)別結(jié)果如下：第一組標(biāo)準(zhǔn)文字：“當(dāng)人們面臨無(wú)理要求的時(shí)候，理智的人總能巧妙拒絕，這種拒絕其實(shí)就是理性的外在表現(xiàn)?！碧幚砬埃骸靶鋽r簍羆篆統(tǒng)蚴叭螄。如。幫鮑蘸褰麟皋理性的外在表現(xiàn)。 。”!毪，遺*”。處理后：“詈人 F』面黼無(wú)理要艱的時(shí)候 ’掣智加人總能?？趬蚓芙^ ’遙評(píng)拒絕其實(shí)就是理性的外在表現(xiàn)”。第二組標(biāo)準(zhǔn)文字：“具備理智像個(gè)的人，性格穩(wěn)定，思想成熟，想法全面，做事周密，因此成功的概率很高?！碧幚砬埃骸棒铟嗦尽鄢懊摺腌?，1．爵密．因 lE 成功的概率很高。 “惦叁面，m。I”處理后：“具備理冒性格的人’性情穩(wěn)定’思想成熟’稿搔壘商『’自；周密’因此成功的概率很高?！钡谌M標(biāo)準(zhǔn)文字：“他們的談話，愈談?dòng)鷽](méi)趣。斯達(dá)爾夫人終于在拿破侖冷漠而理智的回話中，感悟到自己是在自討沒(méi)趣，只得作罷。當(dāng)人們面臨無(wú)理要求的時(shí)候，理智的人總能巧妙拒絕，這種拒絕其實(shí)就是理性的外在表現(xiàn)?！碧幚砬埃骸熬а嗦?t 狳‰。藤霹骨孽 l 廚訝中，感懵到自已是在自討沒(méi)趣，m㈨．?！?e 冷礁 k。摧薹全耋莖蘭：：：：：囂候，理智的人總能巧蠢垣絕。l 搖鞠翻蛹瞻是理性的外在表現(xiàn)。 ?！?毪遺 h”處理后：“他們』}{ 『淡話 ’臻談瑜沒(méi)趣”妒迭乍二 ∈A 硌 1 一曲：磚玻侖冷規(guī)Ⅻ理智舶肼話中’感悟到序。是砬‘自 t 了世趣’只得 fl=掣 c 當(dāng)人 FJ『面艋無(wú)理要球的時(shí)候’掣智的八總能。”妙拒絕’造譯拒絕其實(shí)就是理性的外在表現(xiàn)。”蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）31第四組標(biāo)準(zhǔn)文字：“2. 具體問(wèn)題具體分析為什么要具體問(wèn)題具體分析？因?yàn)槿魏问挛锒际敲艿钠毡樾院吞厥庑缘慕y(tǒng)一。認(rèn)識(shí)事物必須認(rèn)識(shí)事物的本質(zhì)。本質(zhì)體現(xiàn)個(gè)性，每一件事物的個(gè)性都蘊(yùn)涵在它的本質(zhì)中。因此，要徹底弄清一個(gè)問(wèn)題，一件事情的本質(zhì)，必須具體問(wèn)題具體分析。完全依靠經(jīng)驗(yàn)或泛泛的理論，則不會(huì)產(chǎn)生理想的效果。一國(guó)兩制的偉大構(gòu)想就是具體問(wèn)題具體分析的時(shí)代典范?！碧幚砬埃骸?．具體問(wèn)題具體分析性靜靜殊性的統(tǒng)一。認(rèn)識(shí)事物必須 t^識(shí)囊物^。．一“0 昀普日熊。每一件事物的個(gè)性都蘊(yùn)涵在它的本所 d…．．?！庇蝮w現(xiàn)十—個(gè)閩匿，—侔事情的本質(zhì)，必須具體 r 口]斯日。…j …圳《本镕麓 g 嫩懲的理論，則不會(huì)產(chǎn)生理想的抒搬 ～Ⅲ笙依 一釃蒯盼偉大扮想就是具體問(wèn)題具體分析的肘化典范”處理后：“2。具體問(wèn)題具體分析 為『1 幺要具體周題具體分析’因?yàn)槿魏问挛锒际敲艿凝W迪性和特殊性的統(tǒng)一。認(rèn)識(shí)事物必須認(rèn)識(shí)事物的本質(zhì)。本質(zhì)體現(xiàn)個(gè)’每一件事物的個(gè)性女隘涵在它的本質(zhì)中。因此，要徹底拜赭一個(gè)問(wèn)題’一燁事情的本質(zhì)’必須具體問(wèn)題具體分析。完壘依；經(jīng)驗(yàn)或泛泛的理論’剛不會(huì)產(chǎn)生理想的效果。 一國(guó)兩制盼渤℃構(gòu)想就是具體問(wèn)題具體分析的時(shí)代典群” 結(jié)果分析將上小節(jié)比較結(jié)果的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，如下表。表 2 四組數(shù)據(jù)識(shí)別結(jié)果比較數(shù)據(jù)組 第一組 第二組 第三組 第四組標(biāo)準(zhǔn)字?jǐn)?shù) 37 33 82 144處理前識(shí)別數(shù) 7 8 29 75處理前識(shí)別率 % % % %處理后識(shí)別數(shù) 27 26 50 129處理后識(shí)別率 % % % %同比提高 % % % %蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）32表 3 四組數(shù)據(jù)的 OCR 直方圖020406080100第 一 組 第 三 組恢 復(fù) 前 識(shí) 別 率恢 復(fù) 后 識(shí) 別 率上述兩表中的數(shù)據(jù)可以看出扭曲恢復(fù)后圖像的 OCR 識(shí)別率有明顯提高。 本章小結(jié)本章介紹了扭曲恢復(fù)圖像的后處理，經(jīng)過(guò)最終的后處理，扭曲的文檔圖像在一定程度上得到了恢復(fù)。同時(shí)本章的實(shí)驗(yàn)結(jié)果與分析，表明扭曲文檔圖像經(jīng)過(guò)恢復(fù)后的 OCR 識(shí)別率明顯要高于未經(jīng)過(guò)處理的原圖的識(shí)別率。同時(shí)證明，本課題提出的扭曲文檔圖像的恢復(fù)技術(shù)是可行的且有效的。蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）33第六章 總結(jié)與展望 課題總結(jié)這里對(duì)研究工作進(jìn)行總結(jié)，本課題的工作是對(duì)扭曲文檔圖像的恢復(fù)技術(shù)進(jìn)行研究，通過(guò)對(duì) 2D 文檔圖像的特征分析，尤其是扭曲狀態(tài)下的中文文檔圖像的特征，結(jié)合當(dāng)前適用于西文文檔圖像的扭曲恢復(fù)算法，提出了一種簡(jiǎn)單可行的，且適用于中文文檔圖像的扭曲恢復(fù)技術(shù)。該技術(shù)能對(duì)一般的扭曲文檔圖像進(jìn)行恢復(fù)，若再加以改進(jìn)即可應(yīng)用于生活實(shí)踐。 后續(xù)研究展望本課題采用的恢復(fù)技術(shù)，仍有較大的改進(jìn)余地。雖然從實(shí)驗(yàn)結(jié)果來(lái)看，該技術(shù)能夠初步實(shí)現(xiàn)對(duì)扭曲文檔圖像的恢復(fù)，明顯提高其 OCR 識(shí)別率。但該技術(shù)還不成熟，運(yùn)用在實(shí)際項(xiàng)目中，面對(duì)大宗的扭曲文檔圖像處理時(shí)，可能會(huì)顯露出很多問(wèn)題。首先，實(shí)際項(xiàng)目需要有較高的時(shí)間效率，該技術(shù)在二值化處理方面稍顯復(fù)雜，有很大簡(jiǎn)化的空間；同樣，在字符標(biāo)識(shí)和行標(biāo)識(shí)的處理中，采用堆棧技術(shù)明顯增加了時(shí)間的復(fù)雜度，若能找到其他途徑，便再可提高其時(shí)間效率。其次，標(biāo)識(shí)算法和文本行基線的曲線劃分仍需要通過(guò)大量實(shí)驗(yàn)得到合適的參數(shù)，以便改進(jìn)校正的效果。因此，整個(gè)處理過(guò)程還有許多需要商榷改進(jìn)的地方。今后的研究和改進(jìn)若能集中在以上分析的幾點(diǎn)，時(shí)間復(fù)雜度在實(shí)際可接受的范圍內(nèi)，則該技術(shù)即可廣泛運(yùn)用于實(shí)際項(xiàng)目中。蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）34參考文獻(xiàn)[1] . Tan, L. Zhang, Z. Zhang and T. Xia, Restoring Warped Document Images through 3D Shape Modeling[J], IEEE Trans. on Pattern Analysis and Machine Intelligence, 28（2）, 2022, pp. 195208.[2] N. Stamatopoulos, B. Gatos, I. Pratikakis and . Perantonis, A TwoStep Dewarping of Camera Document Images[C]. The Eighth IAPR International Workshop on Document Analysis Systems, 2022. DAS 39。08. [3] Lothar Mischke and Wolfram Luther, Document Image Dewarping Based on Detection of Distorted Text Lines[C], ICIAP 2022, LNCS 3617, pp. 1068–1075.[4] Changhua Wu and Gady Agam, Document Image Dewarping for Text/Graphics Recognition[C], SSPRamp。SPR 2022, LNCS 2396, pp. 348–357.[5] 劉婀娜 ,羅予頻,華成英 . 變形文檔圖像的矯正方法研究[J],微計(jì)算機(jī)信息, 23（1,3）,2022,.[6] Bin Fu, Minghui Wu, Rongfeng Li, Wenxin Li, Zhuoqun Xu, Chunxu Yang, A Modelbased Book Dewarping Method Using Text Line Detection[C], In 2nd Int. Workshop on CameraBased Document Analysis and Recognition, Curitiba, Brazil, 2022. [7] Wu,C., Agam,G.,