基于圖元識別的OCR文本圖像矯正算法分析

姜 毅 彭清暢 徐 娟

（中車青島四方機(jī)車車輛股份有限公司，山東 青島 266111）

0 前言

OCR文本圖像可以在紙質(zhì)文件信息的互聯(lián)網(wǎng)傳輸、存儲過程中得到很好地應(yīng)用，但在人為和機(jī)械操作等因素的影響下，OCR文本圖像傾斜往往會對后續(xù)的文本分析、頁面分割、OCR識別造成較為負(fù)面的影響，為了盡可能地消除這種負(fù)面影響、進(jìn)一步推進(jìn)辦公自動化，該文圍繞OCR文本圖像傾斜矯正快速算法展開了具體研究。

1 OCR文本圖像傾斜矯正方法選擇

為了合理地選擇OCR文本圖像的傾斜矯正方法，該節(jié)分別介紹了霍夫變換和基于投影圖矯正2種方法，并最終選擇了基于投影圖的矯正方法來對OCR文本圖像進(jìn)行傾斜矯正。

1.1 霍夫變換

在OCR文本圖像傾斜矯正過程中，霍夫變換圖元識別方法能夠發(fā)揮很大的作用，作為一種典型的特征檢測方法，霍夫變換在數(shù)位影像處理、電腦視覺、圖像分析等領(lǐng)域均得到較為廣泛的應(yīng)用，霍夫變換是用來辨別找出物件中的特征。值得注意的是，為保證霍夫變換能夠較好地對OCR文本圖像進(jìn)行傾斜矯正，需要圖像旋轉(zhuǎn)與霍夫變換的結(jié)合，即根據(jù)OCR文本圖像的矯正處理要求，合理聯(lián)用圖像旋轉(zhuǎn)技術(shù)及霍夫變換處理方法，以保證OCR文本圖像的矯正處理效率。

1.2 基于投影圖的矯正方法

Ishitani Y在《Impulse noise removal using polynomial approximation》研究中提出了“基于對投影圖的形狀分析的局域復(fù)雜度方法”，該方法的原理為遍歷每次傾斜角度下的投影輪廓，并能夠在傾斜角度不大時保證矯正精度，但該圖元識別方法存在的不足是復(fù)雜度較高，但在綜合2種OCR文本圖像傾斜矯正方法后，該文選擇了更具潛力的基于投影圖的矯正方法，并對其進(jìn)行了改進(jìn)。

2 基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法

該節(jié)就OCR文本圖像預(yù)處理、OCR文本圖像傾斜矯正快速算法2個部分展開了論述，希望能夠為相關(guān)業(yè)內(nèi)人士帶來一定啟發(fā)。

2.1 OCR文本圖像預(yù)處理

為了實現(xiàn)高水平的OCR文本圖像傾斜矯正，OCR文本圖像預(yù)處理環(huán)節(jié)不容忽視，因此該文首先應(yīng)用了圖像校驗去噪技術(shù)，并在之后基于鄰域信息迭代去噪。在圖像校驗去噪技術(shù)中，Long-Range Correlation得到了充分利用，并同時與自適應(yīng)模糊開關(guān)中值濾波、基于鄰域信息迭代去噪實現(xiàn)了高質(zhì)量配合，較好地滿足了OCR文本圖像的去噪處理需求，為后續(xù)的OCR文本圖像傾斜矯正的實現(xiàn)提供了有力支持。

2.2 基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法

“基于對投影圖的形狀分析的局域復(fù)雜度方法”在應(yīng)用中需要沿某一特定方向累加出圖像中黑像素點數(shù)量的統(tǒng)計圖，并對行方向進(jìn)行投影得到水平投影、對列方向投影得到豎直投影。對于傾斜的OCR文本圖像來說，首先進(jìn)行圖像的二值化處理，并開展水平投影黑點像素值統(tǒng)計，由此計算方差，隨后即可以特定的步長為間隔、在一定角度范圍內(nèi)分別旋轉(zhuǎn)OCR文本圖像，旋轉(zhuǎn)后計算OCR文本圖像的水平投影圖黑點像素值、方差，基于投影圖均方誤差最大旋轉(zhuǎn)角，求得最佳傾斜角度。

在具體的OCR文本圖像傾斜矯正中，方差評判標(biāo)準(zhǔn)是其中的核心，象每行、平均黑點的方差較小，則代表黑白間隔不嚴(yán)格（傾斜程度越大），如每行、平均黑點的方差越大，則黑白間隔越嚴(yán)格（越不是傾斜）。為減少算法的計算量，實現(xiàn)OCR文本圖像傾斜快速矯正，該文采用了將一幅OCR文本圖像隨機(jī)分成5塊的處理方式，傾斜角的尋找以黑點數(shù)最多的一塊為準(zhǔn)。而為了快速確定OCR文本圖像屬于左傾還是右傾，首先需要采用試探法明確矯正方向，即將OCR文本圖像左旋一個θ度、右旋一個θ度，并分別進(jìn)行方差的計算，由此即可明確OCR文本圖像的校正方向。

前期算法流程可概括為獲得二值化圖片→將圖片隨機(jī)分成P1～P5共5塊→挑選黑點數(shù)量最多的圖像塊（如式（1）所示）→對圖像塊P中平均每行黑點個數(shù)進(jìn)行統(tǒng)計（如式（2）所示）→尋找最佳OCR文本圖像傾斜角度（Angle）→假設(shè)旋轉(zhuǎn)角度為θ→基于圖片黑點方差準(zhǔn)則函數(shù)開展計算（如式（3）所示），式（3）中的 fθ（i，j）、avg（θ）分別為旋轉(zhuǎn)角度θ時圖像Pi、Pj點二值化后圖像像素值以及旋轉(zhuǎn)角度θ時圖像P平均每行黑點數(shù)。

為了進(jìn)一步提高算法效率，加快OCR文本圖像傾斜矯正的速度，必須明確OCR文本圖像的矯正方向，即使OCR文本圖像左右各旋轉(zhuǎn)t度，對J（t）與J（-t）大小的對比，如J（t）＜J（-t），則可以確定OCR文本圖像傾斜矯正方向為右旋，否則為左旋?；贠CR文本圖像傾斜矯正方向，根據(jù)式（4）得出最佳旋轉(zhuǎn)角度Angle開展的計算，實質(zhì)上屬于1次一維最優(yōu)化搜索，而在OCR文本圖像傾斜矯正方法的支持下，該搜索僅從[0，30]或[0，-30]中求解，由此使OCR文本圖像傾斜矯正速度大幅提升。

然后需要從連續(xù)區(qū)間求解轉(zhuǎn)換為離散空間求解，具體的求解流程可以概括為設(shè)θ初始值為0→引入OCR文本圖像傾斜矯正方向→右旋時θ-=2，否則θ+=2→求得方差最大角度θ1（步長為2°的情況下）→明確[θ1-2，θ1+2]區(qū)間→求解方差最大時角度θ*（步長為0.01°的情況下），將OCR文本圖像旋轉(zhuǎn)θ*，即可完成OCR文本圖像的傾斜矯正。

2.3 基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法檢驗分析

以VisualC++語言分析基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法的應(yīng)用效果。針對OCR文本圖像進(jìn)行二值變換處理后，對處理后的圖像進(jìn)行測試，結(jié)果顯示不同字號OCR文本圖像均可發(fā)現(xiàn)傾斜角，且其程序響應(yīng)時間均短于95 ms，這一結(jié)果提示，基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法可以基本滿足實際的OCR文本圖像處理工作的要求。

而從處理后圖像的精度參數(shù)來看，假定同行中2個等高字符的圖像識別標(biāo)準(zhǔn)包圍盒的中心垂直偏差水平為1個像素，則在1.02°傾斜角條件下，處理后OCR文本圖像精度為0.11°；而當(dāng)OCR圖像的傾斜角為1.19°時，經(jīng)計算確認(rèn)其對應(yīng)的精度參數(shù)為0.08°；當(dāng)OCR文本圖像的傾斜角為1.23°時，其對應(yīng)精度為0.10°。上述結(jié)果表明，運(yùn)用基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法進(jìn)行處理，所得精度均可滿足OCR的字符識別要求。

3 結(jié)論

綜上所述，基于投影圖改進(jìn)的OCR文本圖像傾斜矯正快速算法具有較高的可用性，在此基礎(chǔ)上，該文涉及的基于投影圖矯正方法分析、OCR文本圖像的矯正方向明確、轉(zhuǎn)換為離散空間求解等內(nèi)容，則提供了可行性較高的OCR文本圖像傾斜矯正路徑，而為了進(jìn)一步提高矯正的質(zhì)量與效率，OCR文本圖像的去噪、二值化、分辨率提升等內(nèi)容同樣需要得到重視。