面向OSD選單文字分割算法的研究

陳伯豪，林志賢，姚劍敏，郭太良

(福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350001)

?

面向OSD選單文字分割算法的研究

陳伯豪，林志賢，姚劍敏，郭太良

(福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350001)

針對(duì)現(xiàn)有的自動(dòng)化OSD選單圖像文字分割存在亮度不均勻、圖形噪聲等問(wèn)題，提出了一種面向OSD選單的文字分割算法，首先結(jié)合頂帽變換和改進(jìn)的雙閾值Otsu法對(duì)圖像進(jìn)行光照校正和圖像二值化；通過(guò)垂直投影分析和Canny算子邊緣檢測(cè)法去除圖形噪聲，結(jié)合二分法和投影法解決文字黏合問(wèn)題，最終達(dá)到OSD選單文字分割的目的。實(shí)驗(yàn)結(jié)果表明，提出的算法能夠解決OSD選單亮度不均勻和圖形噪聲的問(wèn)題，文字分割正確率達(dá)到88%以上，比傳統(tǒng)投影法的正確率提高了67%。

OSD選單；OTSU算法；投影法；文字分割

近年來(lái)，隨著顯示器成為人們獲取信息的重要渠道，應(yīng)用也越來(lái)越廣泛。OSD選單(On-Screen Display)是用戶對(duì)顯示器進(jìn)行設(shè)置以獲得最優(yōu)視覺(jué)享受的重要設(shè)置。在生產(chǎn)中為避免OSD選單出現(xiàn)文字錯(cuò)誤，解決辦法是人工根據(jù)廠家提供的標(biāo)準(zhǔn)說(shuō)明書(shū)和出廠的顯示器上的OSD選單的文字進(jìn)行對(duì)比，以此得到出廠的顯示器的OSD選單文字是否有誤。人工檢測(cè)的工作量大，容易造成視覺(jué)疲勞，從而導(dǎo)致誤檢率升高。針對(duì)人工檢測(cè)出現(xiàn)的問(wèn)題，福建捷聯(lián)電子有限公司正在研究OSD選單文字識(shí)別的自動(dòng)化技術(shù)，而文字分割是文字識(shí)別的關(guān)鍵步驟，文字分割的質(zhì)量將會(huì)直接影響文字識(shí)別的準(zhǔn)確性。

目前，文字分割[1-2]的算法主要有：1)投影法。李靜[3]等采用水平投影確定字符所在行的區(qū)域后，利用垂直投影確定單個(gè)字符的位置，能有效分割出身份證的字符，該方法算法簡(jiǎn)單、易于實(shí)現(xiàn)，但對(duì)部分左右結(jié)構(gòu)和上下結(jié)構(gòu)的漢字無(wú)法有效地分割。2)聚類分析法。Jun[4]等提出了一種基于非線性聚類方法的手寫(xiě)字符分割方法，通過(guò)計(jì)算筆畫(huà)比重，形成聚類標(biāo)簽，最終分割出文字，該方法不能有效分割粘貼的字符。3)連通域法。Lei[5]等提出了一種利用非遞歸標(biāo)記算法得到二值圖像連通域的方法，通過(guò)連通域合并算法分割字符，該方法計(jì)算量較大，且對(duì)圖像噪聲敏感。4)模板匹配法。PEI[6]等提出了一種基于多尺度模板匹配和基于零件模型的分割方法，通過(guò)兩種方式提取字符，利用兩者之間的幾何約束得到字符的最終分割結(jié)果，該方法自適應(yīng)能力較差。

分析發(fā)現(xiàn)，OSD選單的文字分割難點(diǎn)主要有：1)由于顯示器自身亮度、對(duì)比度，周圍光照不均勻等因素導(dǎo)致圖像二值化過(guò)程中形成了不必要的噪聲或出現(xiàn)斷字、漏字現(xiàn)象；2)存在圖形噪聲，影響投影分割的正確率；3)存在文字黏合現(xiàn)象，導(dǎo)致文字分隔時(shí)出現(xiàn)誤檢。針對(duì)以上分析，本文提出了一種面向OSD選單的文字分割算法，該算法結(jié)合頂帽算法和改進(jìn)的雙閾值Otsu法對(duì)圖像進(jìn)行光照校正和圖像二值化；再通過(guò)垂直投影分析和Canny算子邊緣檢測(cè)法去除圖形噪聲，同時(shí)采用二分法解決文字黏合問(wèn)題，最終完成OSD選單文字分割。該算法能有效克服現(xiàn)有OSD選單文字分割的難點(diǎn)，大幅提升文字分割的正確率。

1　傳統(tǒng)算法分析

1.1數(shù)學(xué)形態(tài)學(xué)理論

數(shù)學(xué)形態(tài)學(xué)理論[7]是由法國(guó)的賽拉和馬瑟榮于1894年提出的，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素來(lái)處理圖像。數(shù)學(xué)形態(tài)學(xué)理論是基于腐蝕和膨脹這兩種基本運(yùn)算。假設(shè)圖像集合為F(x，y)，結(jié)構(gòu)元素為B(u,v)，DF和DB分別是F和B的定義域。

膨脹的表達(dá)式

F⊕B=max{F(x+u,y+v)+B(u,v)|(x+u),

(y+v)∈DF,(u,v)∈DB}

(1)

腐蝕的表達(dá)式

F?B=min{F(x+u,y+v)+B(u,v)|(x+u),

(y+v)∈DF,(u,v)∈DB}

(2)

用同一個(gè)結(jié)構(gòu)元素對(duì)輸入圖像進(jìn)行先腐蝕后膨脹，稱為開(kāi)運(yùn)算

F°B=(FΘB)⊕B

(3)

用同一個(gè)結(jié)構(gòu)元素對(duì)輸入圖像進(jìn)行先膨脹后腐蝕，稱為閉運(yùn)算

F·B=(F⊕B)ΘB

(4)

頂帽變換是從原圖中減去形態(tài)學(xué)開(kāi)運(yùn)算后所得的圖像，表示為

G=F-(F°B)

(5)

頂帽變換多被用于增強(qiáng)前景與背景的對(duì)比度，從較暗的背景中提取目標(biāo)，但是結(jié)構(gòu)元素的選擇需要根據(jù)圖像的具體情況而定，自適應(yīng)能力差。

1.2Otsu法分析

圖像二值化[8]是一種重要的圖像分割方法。目前，傳統(tǒng)圖像二值化的方法主要有Otsu,Bernsen,Sauvola等算法。Otsu算法簡(jiǎn)單、處理速度快以及自適應(yīng)能力強(qiáng)，可以將文字和背景很好的分離。傳統(tǒng)的Otsu[9]是通過(guò)遍歷法找到一個(gè)灰度值，使得圖像的前景和背景兩部分的類間方差最大，該灰度值即為二值化的最佳閾值。

假設(shè)圖像的總像素?cái)?shù)為N，灰度級(jí)分為H={0，1，…，L-1}，灰度為i的像素?cái)?shù)為ni，則

(6)

Pi表示灰度為i的像素的概率，于是有

(7)

圖像灰度總均值

(8)

設(shè)C0和C1分別為前景和背景的像素集合，則有

(9)

設(shè)μ0(k)和μ1(k)分別為C0和C1的均值，則有

(10)

其中

(11)

于是可得C0和C1的類間方差為

(12)

通過(guò)遍歷法，獲得最佳閾值k為

(13)

分析公式可知，傳統(tǒng)Otsu法是基于圖像的全局灰度值，對(duì)文字和背景的對(duì)比度要求比較高，當(dāng)圖像亮度不均勻、對(duì)比度不高或者文字部分光照不均勻時(shí)，二值化效果不佳。

1.2投影分割算法分析

投影法[10]是通過(guò)統(tǒng)計(jì)圖像在某方向上的投影信息，根據(jù)投影特點(diǎn)進(jìn)行文字分割。假設(shè)圖像矩陣大小為M×N，其中M表示圖像的高度，N表示圖像的寬度。將圖像f(x，y)分別做水平方向和垂直方向上的積分投影，得到兩個(gè)方向上的投影向量fy(x)和fx(y)。

(14)

(15)

式中：式(14)表示水平方向上的投影，式(15)表示垂直方向上的投影。x和y的取值范圍分別為x∈[1,N],y∈[1,M]。投影法主要有行分割和字符分割兩個(gè)步驟。行分割是通過(guò)水平投影分析，利用行與行之間的空白間距將每行文字分離出來(lái)。字符分割是在行分割的基礎(chǔ)上，通過(guò)垂直投影分析，利用相鄰字符之間的間隙將漢字分割出來(lái)。

圖1所示為文本圖像行分割結(jié)果及其水平投影圖。純文本圖像的文字行距較大，從其水平投影圖可以看出，文字行之間的空白區(qū)域表現(xiàn)為明顯的波谷，可以很好地完成行分割。但是，OSD選單圖像中包含圖形噪聲，水平投影受到干擾。OSD選單圖像及其水平投影圖如圖2所示。從水平投影圖中可以看出，文字行之間不再呈現(xiàn)簡(jiǎn)單而有規(guī)律的波峰或波谷，因此傳統(tǒng)的投影法無(wú)法簡(jiǎn)單地運(yùn)用于OSD選單圖像文字分割。

圖1　文本圖像行分割結(jié)果及其水平投影圖

圖2　OSD選單圖像及其水平投影

2　本文算法

針對(duì)以上分析可知，由于OSD選單圖像存在光照不均勻和圖形噪聲，采用傳統(tǒng)投影法進(jìn)行文字分割的效果不佳，正確率低。為此本文提出一種OSD選單的文字分割算法，先采用頂帽變換對(duì)采集的OSD選單圖像進(jìn)行光照校正后用改進(jìn)的雙閾值Otsu算法進(jìn)行二值化，再結(jié)合Canny算子邊緣檢測(cè)法，去除剩余的圖形噪聲，最后結(jié)合二分法和投影法對(duì)文字進(jìn)行分割。本文的算法流程如圖3所示。

圖3　本文算法流程圖

2.1圖像預(yù)處理

通過(guò)攝像頭獲取的OSD選單圖像，存在光照不均勻現(xiàn)象，導(dǎo)致無(wú)法得到理想的二值化效果。因此，在文字分割前需要先對(duì)采集的OSD選單圖像進(jìn)行光照校正。經(jīng)分析OSD選單文本圖像，其存在背景亮度不均勻、文字區(qū)域亮度不均勻兩大問(wèn)題。本文先采用全局光照校正后再用局部光照對(duì)圖片進(jìn)行預(yù)處理，以減少背景亮度不均和文字區(qū)域亮度不均的問(wèn)題。

2.1.1全局光照校正

本文尺寸為800×600的圖片進(jìn)行測(cè)試，針對(duì)背景亮度不均勻問(wèn)題，經(jīng)過(guò)多次實(shí)驗(yàn)，在全局光照校正中，選擇半徑為10的圓盤結(jié)構(gòu)元素B1，如式(16)所示，對(duì)圖像進(jìn)行頂帽變換[11]。

(16)

“1”代表結(jié)構(gòu)元素B的定義域DB的所在范圍，“0”代表DB的范圍之外。經(jīng)實(shí)驗(yàn)測(cè)試發(fā)現(xiàn)，結(jié)構(gòu)元素半徑如果太大，會(huì)使文字區(qū)域的邊緣粘合在一起，文字變得模糊；半徑太小，則會(huì)去除文字邊緣的部分像素，造成信息丟失。采集的選單圖像經(jīng)過(guò)頂帽變換后，消除了比結(jié)構(gòu)元素尺寸小的明亮特征，剩下的背景圖像較為均勻，同時(shí)也使文字在一定程度上得到了平滑。

2.1.2局部光照校正及二值化

經(jīng)過(guò)頂帽變換后，圖像整體亮度得到了校正。但是，文字區(qū)域的亮度不均勻現(xiàn)象仍未得到很好的改善。如果直接對(duì)圖像二值化，所得到的文字筆畫(huà)可能出現(xiàn)黏合現(xiàn)象。為此，還需對(duì)圖像進(jìn)行局部的光照校正。本文仍采用頂帽算法對(duì)其進(jìn)行局部亮度校正。

采用半徑為5的圓盤結(jié)構(gòu)元素B2，對(duì)選單圖像進(jìn)行開(kāi)運(yùn)算，細(xì)化圖像中的文字邊緣，避免文字筆畫(huà)黏合現(xiàn)象；再用結(jié)構(gòu)元素B2進(jìn)行閉運(yùn)算，避免部分文字因?yàn)殚_(kāi)運(yùn)算造成筆畫(huà)斷開(kāi)。

經(jīng)過(guò)全局和局部光照校正后，得到亮度較為均勻的圖像，開(kāi)始對(duì)圖像進(jìn)行二值化，將文字信息從背景中分割出來(lái)。Otsu可以快速對(duì)圖像進(jìn)行二值化，選取合適的閾值至關(guān)重要。通過(guò)實(shí)驗(yàn)，比較傳統(tǒng)Otsu、雙閾值Otsu[12]、二維Otsu[13]的二值化效果，本文選擇用改進(jìn)的雙閾值Otsu。傳統(tǒng)Otsu法的類間方差公式如式(12)所示，拓展到雙閾值時(shí)，過(guò)程如下

(17)

(18)

其中

(19)

改進(jìn)后的雙閾值公式如下

(20)

2.2改進(jìn)的投影分割法

投影法是利用水平投影和垂直投影進(jìn)行判斷文字區(qū)域，常規(guī)的方法——先行分割后字符分割已經(jīng)證明不適用于OSD選單。分析發(fā)現(xiàn)，二值化后的圖像中存在大面積的圖形噪聲和光照噪聲，投影分析后，如圖2所示，這類噪聲表現(xiàn)為一個(gè)波峰且峰值接近于最大值。因此，根據(jù)這個(gè)特征，本文對(duì)選單圖像進(jìn)行投影分析，將有此特征的區(qū)域判定為圖形，并將其全部濾除。

去除大面積噪聲后，進(jìn)行行分割，發(fā)現(xiàn)仍存在一些圖形噪聲，這些圖形的形狀較為簡(jiǎn)單，表現(xiàn)為矩形、三角形等。本文采用Canny算子[14]進(jìn)行邊緣檢測(cè)，選出這些圖形并去除。Canny邊緣檢測(cè)法有較好的信噪比和檢測(cè)精度，能迅速檢測(cè)出所需要的圖形。具體檢測(cè)流程如圖4所示。

圖4Canny算子邊緣檢測(cè)流程圖

為解決相鄰文字間距小造成的難題，分析圖像中文字的垂直投影，發(fā)現(xiàn)漢字的水平投影寬度占總投影的3.1%～4.2%之間，個(gè)別文字如“伽”投影達(dá)到5.1%，英文字母及數(shù)字“j”和“0”等會(huì)小于3.1%。如圖5a所示，為去除噪聲后的OSD選單圖像，圖5b分別針對(duì)第一行和第五行文字進(jìn)行垂直投影分析，圖中表明投影所代表的文字及其投影寬度所占總投影的比例。

圖5　OSD選單

假設(shè)一個(gè)波的投影寬度為L(zhǎng)，一行字的總投影寬度為W，設(shè)置如下規(guī)定：

1)L/W<3.1%時(shí)，通過(guò)模板匹配法，確定該區(qū)域文字是否為英文字母或者數(shù)字。若是，則單獨(dú)分割出來(lái)，否則判定為漢字偏旁，與下一個(gè)相鄰?fù)队跋嘟Y(jié)合為一個(gè)字。

2)3.1%

3)L/W>5.2%，該投影對(duì)應(yīng)的區(qū)域出現(xiàn)了文字黏合現(xiàn)象。采用二分法思想進(jìn)行判定。首先，先根據(jù)投影寬度判定黏合的字?jǐn)?shù)，L/W∈(5.2%,10.2%)為雙字黏合，L/W∈(10.2%,15.2%)為三字黏合，實(shí)驗(yàn)證明，在OSD選單圖像中最多出現(xiàn)三個(gè)字的黏合情況。本文采用洗允廷[15]等提出的基于二分法的投影分割算法，假設(shè)出現(xiàn)黏合的區(qū)域圖像為I，根據(jù)L/W所在的區(qū)間選擇使用二分法的次數(shù)。雙字黏合情況下，采用一次二分法，找到投影最小值作為分割點(diǎn)；三字黏合情況下，則使用兩次二分法，得到兩個(gè)投影I1和I2，選擇兩者中寬度較大的投影，再使用一次二分法，具體流程如圖6所示，i為二分法的使用次數(shù)。

圖6　二分法投影分割流程圖

3　實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文方法的效果，本文收集了300張光照不均勻的OSD選單圖像，將其裁剪為800×600，建立了文本圖像庫(kù)進(jìn)行實(shí)驗(yàn)。選單圖像庫(kù)包括冠捷旗下的ENVISION(易美遜)和AOC、飯山(Iiyama)、戴爾(Dell)等10種顯示器OSD選單。在實(shí)驗(yàn)中，本文采用的硬件平臺(tái)為CPU 2.2 GHz，內(nèi)存為4 Gbyte，軟件算法使用VC編寫(xiě)實(shí)現(xiàn)，操作系統(tǒng)為Window7。

3.1圖像預(yù)處理結(jié)果分析

為了驗(yàn)證本文光照處理后二值化的效果，實(shí)驗(yàn)中分別對(duì)傳統(tǒng)的Otsu、直方圖均衡化以及本文的方法進(jìn)行對(duì)比，如圖7所示。對(duì)3種方法二值化后每張圖的文字?jǐn)?shù)進(jìn)行統(tǒng)計(jì)，根據(jù)剩余可見(jiàn)且清晰的文字?jǐn)?shù)占原圖像總字?jǐn)?shù)的比例按(0，60%]，(60%，70%]，(70%，80%]，(80%，90%]，(90%，100%)5個(gè)區(qū)間記錄，結(jié)果如表1所示。

圖7　傳統(tǒng)二值化算法與本文方法效果圖

區(qū)間傳統(tǒng)Otsu法直方圖均衡化本文方法(90%,100%)3822202(80%,90%]894032(70%,80%]768536(60%,70%]41782560%以下56755總計(jì)300300300

對(duì)比實(shí)驗(yàn)結(jié)果可以看出，圖像經(jīng)過(guò)光照處理后，削弱了光照不均對(duì)文字的影響，且采用本文的二值化方法可以去除大量的光照噪聲，避免出現(xiàn)斷字、缺字的情況，為投影法分割奠定了基礎(chǔ)。

3.2OSD選單文字分割結(jié)果分析

圖8顯示了本文算法對(duì)OSD選單進(jìn)行文字分割的過(guò)程，對(duì)比3種方法的分割結(jié)果可以看出，通過(guò)垂直投影分析和Canny算子邊緣檢測(cè)，可以去除圖形噪聲，解決了圖形噪聲給投影法帶來(lái)的分割障礙；通過(guò)分析投影寬度，采用二分法可以較好地解決文字黏合問(wèn)題。

圖8　本文算法對(duì)OSD選單進(jìn)行文字分割(截圖)

將圖7d別采用傳統(tǒng)投影法、連通域法、模板匹配法以及本文方法進(jìn)行文字分割，結(jié)果如圖9所示。從圖9可以看出，本文方法不僅能夠解決各種噪聲問(wèn)題，而且可以解決文字黏合問(wèn)題。

圖9　文字分割結(jié)果圖(截圖)

表2所示為4種算法的文字識(shí)別率情況，表3所示為4種算法的誤檢情況(誤檢率在本文中表現(xiàn)為將圖形誤判為文字或文字分割不完整)。

表24種算法的文字識(shí)別率

文字識(shí)別率區(qū)間傳統(tǒng)投影法/張連通域法/張模板匹配法/張本文方法/張(90%,100%)25181192(80%,90%]2123218(70%,80%]2616300(60%,70%]15206060%以下1323320總計(jì)100100100100

表34種算法的文字誤檢情況

誤檢個(gè)數(shù)區(qū)間傳統(tǒng)投影法/張連通域法/張模板匹配法/張本文方法/張(0,5)22397(5,10]2233193(10,15]3212230(15,20]122520020以上3228350總計(jì)100100100100

從表2、表3可以看出，圖形噪聲嚴(yán)重干擾了文字分割的正確率，本文方法可以去除圖形噪聲，消除其帶來(lái)的影響，不會(huì)將圖形誤判為文字，本文方法下的文字識(shí)別率明顯高于其他3種算法，且誤檢率低。其中，本文方法的文字識(shí)別率至少達(dá)到88%，比傳統(tǒng)方法最低識(shí)別率高出68%；識(shí)別率達(dá)到90%以上的圖像有92張，比傳統(tǒng)方法中識(shí)別率最高的聚類分析法多67張，多了3.68倍。由于本文方法包含了去除圖形噪聲過(guò)程，每張圖的誤檢個(gè)數(shù)控制3個(gè)以內(nèi)，比傳統(tǒng)方法多94%。表3中本文方法出現(xiàn)有3張圖出現(xiàn)5個(gè)以上誤檢，分別是由于圖像傾斜角度太大、光照太強(qiáng)等原因，這種情況一般不會(huì)出現(xiàn)，因此可以忽略。

4　結(jié)語(yǔ)

本文提出了一種面向OSD選單的文字分割算法，結(jié)合頂帽算法和改進(jìn)的雙閾值Otsu法對(duì)圖像進(jìn)行光照校正和圖像二值化；再用改進(jìn)投影法通過(guò)垂直投影分析和Canny算子邊緣檢測(cè)法去除圖形噪聲，并通過(guò)二分法解決文字黏合問(wèn)題，最終完成OSD選單文字分割。本文對(duì)100張OSD選單圖像進(jìn)行試驗(yàn)，本文算法下每張圖像的文字識(shí)別率均高于88%，相比于傳統(tǒng)算法的識(shí)別率提高了67%。實(shí)驗(yàn)結(jié)果表明，本文算法能夠很好地解決由于光照和顯示器本身硬件原因帶來(lái)的圖像亮度不均勻問(wèn)題，能消除圖形噪聲帶來(lái)的障礙，解決文字黏合問(wèn)題。

[1]許璐，陳文藝，楊輝.基于網(wǎng)格圖像自動(dòng)檢測(cè)的鏡頭畸變校正[J].電視技術(shù)，2015，39(17)：13-15.

[2]馬文平，卿粼波，吳小強(qiáng)，等.基于HOG+SVM模型的場(chǎng)景文字二次檢測(cè)算法[J].電視技術(shù)，2015，39(7)：118-121.

[3]李靜 ，盧凱旋.二代身份證的自動(dòng)分割方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2015，51(14)：165-169.

[4]TANAJ，LAIBJ-H，WANGBC-D，etal.Anewhandwrittencharactersegmentationmethodbasedonnonlinearclustering[J].Neurocomputing，2012，89(10)：213-219.

[5]ZHUL，YANGJ.AncientbooksChinesecharacterssegmentationbasedonconnecteddomainandchinesecharactersfeature[J].Advancedmaterialsresearch，2010，143(2)： 227-231.

[6]PEIMIT，WANGYJ，JIAYD，etal.Licenseplatecharactersegmentationbasedonmultiplescaletemplatesmatchingandpart-basedmodel[J].TransactionsofBeijinginstituteoftechnology，2014，34(9)：961-971.

[7]馬永慧，薛丹丹. 基于數(shù)學(xué)形態(tài)學(xué)和投影法的車牌定位方法[J].電視技術(shù)，2013，37(7)：147-149.

[8]AHMADIE，AZIMIFARZ，SHAMSM，etal.Documentimagebinarizationusingadiscriminativestructuralclassifier[J].Patternrecognitionletters，2015，63：36-42.[9]BISWAS B，DEY K N，CHAKRABARTI A. Remote sensing image fusion using multithreshold Otsu method in shearlet domain[J].Procedia computer science，2015，57：554-562.

[10]李林，盧煥章，肖山竹，等.基于部分投影的粘連目標(biāo)分割[J].電視技術(shù)，2013，37(11)：203-205.

[11]YANG X. Enhancement for road sign images and its performance evaluation[J]. Optik， 2015， 124(14)： 1957-1960.

[12]尹奎英，劉宏偉，金林.快速的Otsu雙閾值SAR圖像分割法[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2011，41(6)：1760-1765.

[13]張新明，孫印杰，鄭延斌.二維直方圖準(zhǔn)分的Otsu圖像割及其快速實(shí)現(xiàn)[J].電子學(xué)報(bào)，2011，39(8)：1778-1784.

[14]ZHU A，WANG G Y. A new detection operator for narrow band character extraction in low contrast scenes[J]. Canadian journal of electrical and computer engineering，2013，36(3)：117-121.

[15]冼允廷，路小波，施毅，等.基于投影二分法的車牌字符分割方法[J].交通與計(jì)算機(jī)，2007，25(5)：69-72.

陳伯豪(1990— )，碩士生，主研嵌入式系統(tǒng)、模式識(shí)別；

林志賢(1975— )，碩士生導(dǎo)師，教授，本文通信作者，主要研究方向?yàn)樾畔@示，平板顯示器件驅(qū)動(dòng)和圖像處理技術(shù)；

姚劍敏(1978— )，碩士生導(dǎo)師，副研究員，主要研究方向?yàn)橐曨l圖像處理、模式識(shí)別；

郭太良(1963— )，博士生導(dǎo)師，研究員，主要研究方向?yàn)閳?chǎng)致發(fā)射陰極材料及器件研究。

責(zé)任編輯：閆雯雯

Study of text segmentation algorithm for OSD menu

CHEN Bohao，LIN Zhixian，YAO Jianmin，GUO Tailiang

(CollegeofPhysicsandInformationEngineering，F(xiàn)uzhouUniversity，F(xiàn)uzhou350001，China)

For automation OSD menu text image segmentation exiting uneven brightness， pattern noise and other issues， a text segmentation algorithm for the OSD menu is put forward， combined with Top-Hat algorithm and improved dual-threshold OTSU method for image illumination correction and image binarization； then uses the improved projection method to remove pattern noise， and uses dichotomy to solve the problem of text cohesion， and finally completes text segmentation. Experimental results show that this method can solve the problems of uneven brightness and pattern noise. The accuracy rate of text segmentation reaches over 88%， increasing by 67% compared with the traditional projection method.

OSD menu； OTSU； projection method； text segmentation

TN949.6

ADOI： 10.16280/j.videoe.2016.010.022

國(guó)家科技部“863”重大專項(xiàng)(2013AA030601)；福建省科技重大專項(xiàng)(2014HZ0003-1)；福建省資助省屬高校專項(xiàng)課題(JK2014003)；福建省科技廳重點(diǎn)項(xiàng)目(2013H0033)

2015-12-02

文獻(xiàn)引用格式：陳伯豪，林志賢，姚劍敏，等. 面向OSD選單文字分割算法的研究[J].電視技術(shù)，2016，40(10)：107-112.

CHEN B H，LIN Z X，YAO J M，et al. Study of text segmentation algorithm for OSD menu [J]. Video engineering，2016，40(10)：107-112.