一種改進的退化文本圖像二值化方法

劉晟橋 牛連強 馮庸

摘要：文本圖像二值化是文本圖像識別的重要步驟，由于光照不均或文檔水漬等原因?qū)е挛谋緢D像退化，增加了文本圖像識別的難度。本文對一種局部閾值算法進行了改進，首先對圖像進行水平投影，根據(jù)直方圖的極小點對版面進行簡單劃分，再利用全局閾值法估算出更為準確的各區(qū)域字符筆畫寬度，從而自適應地得到適當?shù)拇翱诔叽纾倮脤Ρ葓D和局部閾值進行圖像二值化，并結合OTSU圖像消除原算法產(chǎn)生的偽輪廓。實驗與分析表明，改進后的方法能夠明顯消除因筆畫粗細不均、字符大小不同而產(chǎn)生的前景像素誤識問題。

關鍵詞：文本圖像；二值化；局部閾值；退化圖像

[中圖分類號]TP391 [文獻標志碼]A [文章編號]

Abstract： Document image binarization is an important procedure for the document image recognition. Degraded document images with uneven illumination or stains often make document recognition hard. In this paper， a local thresholding binarization technique is improved： the image is firstly horizontally projected to segment the image primarily according to the minimum points of histogram. Then more precise text stroke width of different sections is estimated by using global thresholding method， and this makes proper window sizes to be gained adaptively. Finally， the false contour is eliminated by combining with the optimized OTSU image. Experiments and analyses show that the misclassification rate of the foreground pixels caused by uneven text stroke width and different-sized characters is able to be reduced significantly by our approach.

Key Words： document image； binarization； local threshold； degraded images

文本圖像二值化是光學字符識別（OCR）等任務中的一個重要而基本的處理過程，目的是準確地分割出圖像中的前景和背景。盡管此問題已經(jīng)過了長期研究，也提出了許多實用算法，但由于文本圖像的多樣性，尤其是存在著筆畫不均、光照不均、污染以及因采集自古籍而使對比度變差等多種原因，迄今尚未找到一種普適的算法。鑒于問題的重要性，自2007年始，國際上連續(xù)舉辦了多屆專門的文本圖像二值化競賽，以推動高質(zhì)量的二值化算法研究[1-2]。

根據(jù)閾值的選擇不同，二值化方法主要分為全局閾值法和局部閾值法兩類，甚至還存在個別混合方法。其中，全局閾值僅用一個閾值將圖像的前景與背景分割開，典型代表是OTSU（大津）法[3]。通常，在低對比度和光照不均的條件下，全局閾值法的抗噪能力表現(xiàn)較差。而對于退化的、質(zhì)量較低的圖像，局部閾值法則更為適用，根本原因在于可以通過當前像素點的局部鄰域窗口動態(tài)計算合適的局部閾值。時下，存在諸多頗具實用性的局部閾值法，如Bernsen法[4]、Niblack法和Sauvola法等[5]，這些算法分別采用鄰域像素的最大值和最小值、鄰域局部均值和局部標準差來計算閾值，尤其是Sauvola法考慮了前景像素的灰度值接近0而背景像素的灰度值接近255的特點。在近期的幾次國際競賽中，更有研究者提出了一些卓具實效的處理退化圖像的局部閾值二值化方法[6-14]。諸如，Bolan Su、Shijian Lu等提出了基于背景估計和筆劃寬度估計的二值化方法[6-7]，Howe 提出了一種通過優(yōu)化兩個關鍵參數(shù)來改進二值化方法的技術[8]，而Mesquita 等人則有針對性地提出了對一些算法進行融合和自動調(diào)節(jié)上述參數(shù)的有效可行方法[9]。這些算法在國際競賽上提供的測試圖像集上取得了良好效果，呈現(xiàn)了顯著突出優(yōu)勢。通常，局部閾值法較全局閾值法要消耗更多的時間。

本文主要工作是對Bolan Su方法的改進，包括3個方面。其一是利用OTSU法的二值化圖像替代原文中利用原圖結合筆畫邊界圖估計最佳筆畫寬度，以降低算法復雜性及非筆畫邊界像素的影響，使筆畫寬度更準確。其次，對目標圖像進行簡單版面分割，對不同區(qū)域采取不同的寬度，以適應字符尺寸和筆畫粗細的變換。最后，利用大津法重新校正二值化圖像，以消除原方法中的偽輪廓。簡言之，改進后的算法能夠自適應地采取更為精當?shù)墓P畫寬度，有效地消除在筆畫粗細不均、文字尺寸變化較大時存在的筆畫中心像素不能被正確識別為前景，以及窗口寬度不當引起的噪聲等問題。

1 相關工作

與一般的局部閾值方法不同，Bolan Su算法[6]是一種基于對比圖和筆畫寬度估計的二值化算法。通常，退化圖像中常存在噪聲多、不均勻光線照射、透背等現(xiàn)象，致使圖像中的筆畫邊緣模糊。為此，算法首先使用圖像梯度來更加精確地確定邊緣：

其中，Emean和Estd分別是在一個鄰域窗口中筆畫邊緣像素點的灰度的平均值和標準差。

分析和實驗發(fā)現(xiàn)，此算法對筆畫寬度相當敏感，因為筆畫寬度關系著鄰域窗口的寬度，而鄰域窗口是否能包含邊緣像素則決定了算法的正確性。但是，算法對筆畫寬度的估計本身的準確性不夠，作者在文中建議要適當增加，更重要的是，即便筆畫寬度的估計值是準確的，當筆畫粗細不均、字符大小變化較多時，仍會存在鄰域窗口不能覆蓋邊緣像素的情況，致使筆畫中間的像素被誤識為背景。

2 利用OTSU法估計筆畫寬度

在Bolan Su算法中，為了保證能夠裝入筆畫邊緣像素點，鄰域窗口至少就要比區(qū)域筆畫寬度更大。所以鄰域窗口的尺寸要基于退化文本圖像的區(qū)域筆畫寬度來確定設置，但卻并不需要一個精確的筆畫寬度。不過，如果窗口寬度過大，即會造成二值化后的圖像噪聲增多，為后續(xù)處理帶來困難。

原文采用邊緣圖像計算筆畫寬度，但這種圖像是由像素梯度變換而來，在真實筆畫內(nèi)外均包含大量的離散點及噪聲，致使算法復雜且計算準確性差。為此，本文首先對原圖像使用OTSU法，獲得相應的二值圖像。其次，對二值圖像進行中值濾波，消除噪聲。最后，遍歷圖像，計算水平前景線段寬度并構造直方圖，取最大值為筆畫寬度。算法1描述了筆畫寬度估計方法。

算法1 筆畫寬度估計

實驗說明，對于P02和P03這類字符尺寸相差較大的文本圖像，改進后的算法能夠自動適應筆畫粗細的變化，基本不存在將前景點誤識為背景點的現(xiàn)象，而原算法關于此點卻有明顯不足。由于這種誤識的點一般都包含在筆畫內(nèi)，與真實的空洞難以區(qū)分，如圖11。因此，原算法很難經(jīng)過后處理來實現(xiàn)正確填充，而改進后的算法可以消除此過程。另外，由于此類圖像退化不嚴重，相比于局部閾值法，全局閾值法如OTSU有著較好的實驗效果。

對于H04和H05等退化較顯著的文本圖像，由于污漬面積較大、透背現(xiàn)象嚴重，導致圖像許多部分的背景顏色與筆畫顏色相近，對二值化工作帶來較大影響。此時，單一閾值已無法將前景與背景合理分開，相比之下，原方法與改進方法幾乎都可以將污漬去除，且噪聲較少，可以增加一個后處理過程進行簡單去除。

對于二值化算法表現(xiàn)的定量評估，一般采用的方法是將二值化處理結果圖像與官方給出的GT圖像進行比較，并按式（6）～（8）計算相應的FM（F-measure）指標：

其中，TP表示同時出現(xiàn)在結果圖像與GT圖像的像素點的數(shù)量，F(xiàn)P表示僅出現(xiàn)在結果圖像沒有出現(xiàn)在GT圖像的像素點的數(shù)量，F(xiàn)N表示僅出現(xiàn)在GT圖像沒有出現(xiàn)在結果圖像的像素點的數(shù)量。RC為召回率，PR是準確率。表1～表3給出了3種算法二值化P02、P03和H05圖像的FM值。

相比原算法，在處理文字、筆畫大小不均的圖像時，改進后方法的FM值有較大幅度提升，這說明算法可以保留原圖像前景文本的更多細節(jié)。而對文字大小和筆畫較均勻的圖像，基本上維持原算法的水平。

5結束語

基于筆畫寬度決定鄰域窗口進而實現(xiàn)局部閾值化是處理退化文本圖像的一種重要手段，也因此產(chǎn)生了一些客觀有效的關鍵算法。本文的改進研究保留了局部閾值方法的優(yōu)勢，且通過與OTSU算法結合、并對圖像進行區(qū)域劃分以得到不同區(qū)域、不同字符的筆畫寬度，從而實現(xiàn)了更準確的自適應窗口尺寸估計。同時對于原方法中出現(xiàn)的偽輪廓現(xiàn)象進行了對比消除，提升了對退化文本圖像的處理效果。

參考文獻

[1] PRATIKAKIS I， GATOS B， NTIROGIANNIS K. ICDAR 2013 document image binarization contest （DIBCO 2013）[C]//Document Analysis and Recognition （ICDAR）， 2013 12th International Conference on. Washington， DC， USA：IEEE， 2013： 1471-1476.

[2] GATOS B， NTIROGIANNIS K， PRATIKAKIS I. ICDAR 2009 document image binarization contest （DIBCO 2009）[C]//2009 10th International conference on document analysis and recognition. Barcelona：IEEE， 2009： 1375-1382.

[3] OTSU N. A threshold selection method from gray-level histograms[J]. Automatica， 1975， 11（285-296）： 23-27.

[4] BERNSEN J. Dynamic thresholding of grey-level images[C]//International conference on pattern recognition. Paris， France：dblp，1986： 1251-1255.

[5] SAUVOLA J， PIETIKINEN M. Adaptive document image binarization [J]. Pattern Recognition， 2000， 33（2）： 225-236.

[6] SU B， LU S， TAN C L. Robust document image binarization technique for degraded document images[J]. Image Processing， IEEE Transactions on， 2013， 22（4）： 1408-1417.

[7] LU S， TAN C L. Binarization of badly illuminated document images through shading estimation and compensation [J]. Internal Journal of Document Analyses Recognition， 2010， 13（4）： 303-314.

[8] HOWE N. Document Binarization with Automatic Parameter Tuning [J]. Internal Journal of Document Analyses Recognition， 2013， 16（3）： 247-258.

[9] MESQUITA R G， SILVA R M A， MELLO C A B， et al. Parameter tuning for document image binarization using a racing algorithm [J]. Expert System with Applications， 2015， 42（5）： 2593-2603

[10] 童立靖， 張艷， 舒巍，等. 幾種文本圖像二值化方法的對比分析[J]. 北方工業(yè)大學學報， 2011， 23（1）：25-33.

[11] 陳丹， 張峰， 賀貴明. 一種改進的文本圖像二值化算法[J]. 計算機工程， 2003， 29（13）：85-86.

[12] 潘梅森， 張奮. 一種新的圖像二值化方法[J]. 湖南文理學院學報（自然科學版）， 2007， 19（1）：72-74，80.

[13] 張偉， 劉志剛. 一種針對較厚書籍掃描圖像的二值化方法[J]. 計算機應用研究， 2011， 28（5）：1998-2000.

[14] 馮炎. 基于背景估計和對比度補償?shù)耐嘶偶畧D像二值化算法[J]. 科學技術與工程， 2015， 15（34）： 105-109.

[15] CANNY J. A computational approach to edge detection [J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on， 1986 （6）： 679-698.