基于兩點(diǎn)法的醫(yī)療化驗(yàn)單傾斜校正算法*

賈智彬呂學(xué)強(qiáng)何 健董志安

（1.北京信息科技大學(xué)網(wǎng)絡(luò)文化與數(shù)字傳播重點(diǎn)實(shí)驗(yàn)室 北京 100101）（2.北京洛奇智慧醫(yī)療科技有限公司 北京 100015）（3.清華大學(xué)互聯(lián)網(wǎng)產(chǎn)業(yè)研究院 北京 100084）

1 引言

隨著深度學(xué)習(xí)［1～2］的廣泛應(yīng)用，醫(yī)療OCR［3～4］（Optical Character Recognition，光學(xué)字符識(shí)別）已經(jīng)成為醫(yī)療領(lǐng)域重要的研究話題。在醫(yī)療化驗(yàn)單識(shí)別的過程中，由于拍照的角度不同往往會(huì)導(dǎo)致圖像內(nèi)容產(chǎn)生一定的傾斜，而內(nèi)容的傾斜對(duì)圖像的文字識(shí)別影響非常大，所以在一個(gè)化驗(yàn)單識(shí)別系統(tǒng)的預(yù)處理階段，圖像內(nèi)容的傾斜校正往往是非常重要的部分。

目前對(duì)于醫(yī)療化驗(yàn)單圖像的校正并沒有專門提出或改進(jìn)的算法，大多數(shù)還是使用一些通用的校正方法，例如基于Hough變換的方法［5～7］，基于投影的方法［8］，基于K-最近鄰簇方法［9～10］?；贖ough變換是一種快速的形狀匹配技術(shù)，經(jīng)過Ballard D.H［11］的推廣，雖然其可以檢測(cè)任意形狀，很好地?cái)U(kuò)展了該算法的應(yīng)用［12～13］，但該方法的計(jì)算量還是比較大。基于投影的方法是通過投影圖像的某些統(tǒng)計(jì)特性來求得其傾斜角，但由于需要對(duì)整個(gè)圖像統(tǒng)計(jì)特征值，因此計(jì)算量和復(fù)雜度都比較高。而K-最近鄰簇方法是找出所有聯(lián)通中心的K個(gè)最鄰近點(diǎn)，計(jì)算每對(duì)近鄰的矢量方向并統(tǒng)計(jì)生成直方圖，其峰值對(duì)應(yīng)著整幅圖像的傾角，但因整幅圖像中聯(lián)通成分較多，比較耗時(shí)。

由于醫(yī)療化驗(yàn)單版面復(fù)雜，例如化驗(yàn)單中文字的字體和字號(hào)多樣性且文字分布可能密集或零散，使得以上的方法對(duì)于醫(yī)療化驗(yàn)單的傾斜校正效果不明顯。本文在曾凡鋒［14］等所提出的在文本子區(qū)域上進(jìn)行檢測(cè)以及李慶峰［15］所使用的兩點(diǎn)法的基礎(chǔ)上，提出了一種快速的化驗(yàn)單圖像傾斜校正算法，通過找到其圖像中的某一條直線的左右端點(diǎn)，然后計(jì)算其直線的傾斜角度，大大提高了校正的速度和準(zhǔn)確性。

2 算法思想

提出的方法運(yùn)用兩點(diǎn)法的基本思想，即已知直線上不同兩點(diǎn)的坐標(biāo)，那么就可以求得這條直線的斜率，進(jìn)而即可確定直線的傾斜角度。本文算法是基于兩個(gè)前提和一個(gè)假設(shè)下完成的。

前提1：化驗(yàn)單中至少含有一條貫徹版面的線段，該線段可以是化驗(yàn)單中表格的邊；

前提2：化驗(yàn)單的整體形狀為矩形。

假設(shè)1：斜線被切分成無窮多份后，每一份可以看成是一條直線，即斜線是由局部的直線組成的。

以往的方法一般是通過在圖像的整體上進(jìn)行傾斜角度的計(jì)算，例如計(jì)算整體邊框的傾斜度，但現(xiàn)實(shí)中往往會(huì)存在一些圖像邊框傾斜，但其內(nèi)容并沒傾斜，由于化驗(yàn)單傾斜校正的主要目的是校正內(nèi)容，若要按照之前提出的算法來校正，肯定會(huì)出現(xiàn)錯(cuò)誤校正的情況，而本文提出的方法將直接在化驗(yàn)單內(nèi)容部分中進(jìn)行校正。

通過對(duì)大量?jī)A斜圖像的研究分析發(fā)現(xiàn)，如果能夠確定斜線左側(cè)起點(diǎn)坐標(biāo)L（x，y）以及斜線右側(cè)結(jié)束點(diǎn)坐標(biāo)R（x，y），就可以求出兩點(diǎn)之間的位移差a=imgR.y-imgL.y，偏移量b=|imgRx-imgLx|，再利用勾股定理，a2+b2=c2，計(jì)算直角三角形斜邊長(zhǎng)度，之后即可通過求角式（1）可計(jì)算出傾斜的角度。

通過對(duì)大量的二值化后的化驗(yàn)單圖片研究分析發(fā)現(xiàn)，可以利用像素最小求和的方法來確定圖片中的內(nèi)容區(qū)域，從而檢測(cè)到圖片中斜線的位置信息及坐標(biāo)，然后根據(jù)勾股定理及求角公式完成傾斜角度的求解。

3 算法實(shí)現(xiàn)

為了盡量使每份近似于直線，需要將二值化圖像按固定像素等份切分為img={img1,img2,…,imgn}，而這個(gè)固定的像素將在很大的程度上決定該算法的好壞。切分之后，原圖中的“斜線”片段變成了子圖中的“直線”，然后利用選擇子圖的位置i（1≤i≤n）以及切分的寬度，找到子圖的直線橫坐標(biāo)?？梢岳眯邢袼攸c(diǎn)最小求和方法，找到子圖中縱坐標(biāo)。取img左側(cè)某個(gè)子圖imgL坐標(biāo)為（x，y），取右側(cè)某個(gè)子圖imgR坐標(biāo)為（x，y），根據(jù)imgL，imgR的坐標(biāo)即可計(jì)算出傾斜的角度，再根據(jù)求出角度的正負(fù)值進(jìn)行偏移校對(duì)，即可完成校驗(yàn)，具體實(shí)現(xiàn)步驟如圖1所示。

圖1 圖像校正流程圖

1）在進(jìn)行二值化之前需要將圖片中的背景去除，然后在去完背景的圖像上進(jìn)行二值化處理，本文使用的是全局閾值法［16］。將圖像由3通道轉(zhuǎn)化為2通道，像素點(diǎn)的灰度值設(shè)置為0或255，其中0代表黑色像素點(diǎn)，255代表白色像素點(diǎn)?？梢愿鶕?jù)0和255提取圖像中的信息，二值圖像在進(jìn)行圖像處理時(shí)增加提高處理的效率。

2）為了盡可能地將傾斜的橫線切分成多份直線，需要根據(jù)不同的化驗(yàn)單種類，確定其合適的切割寬度，切分整個(gè)化驗(yàn)單圖像的固定寬度在很大程度上決定了算法的優(yōu)越性。從理論上講，其寬度越小，切分出的線段越接近直線，效果應(yīng)該越好，但如果切割寬度和化驗(yàn)單中的文字大小一樣，反而降低校正效果。在本類化驗(yàn)單中，一個(gè)文字的像素為20像素，通過實(shí)驗(yàn)得，寬度在22像素左右時(shí)分割效果最佳。在確定好切割寬度后，就可以將化驗(yàn)單按照每小份22像素進(jìn)行切割，共分為n份，然后根據(jù)img的寬度將圖片平均分成兩個(gè)集合，即imgL、imgR，其中mid=img.width/2；根據(jù)式（2）對(duì)imgn進(jìn)行集合劃分。劃分之后，從imgL、imgR集合中分別取出子圖imgL(i)，imgR(j)，通過計(jì)算imgL(i)，imgR(j)的偏移量以及位移差，由此即可計(jì)算出對(duì)應(yīng)的img的傾斜角度。

3）通過使用最小求和公式計(jì)算imgL矩陣中每一行像素之和，之后通過位置信息進(jìn)行排序，即根據(jù)式（3）可以找到第一條直線的位置，能夠找到imgL圖像中直線的y坐標(biāo)信息。根據(jù)所選取imgL的位置信息計(jì)算imgL中的x坐標(biāo)信息，即imgLx=i*22。利用上述方法同樣可以計(jì)算出imgR的（x，y）坐標(biāo)。

4）通過步驟3可以計(jì)算出imgL、imgR的坐標(biāo)，再通過計(jì)算偏移量、位移差即可計(jì)算img傾斜角度。如果img存在傾斜，則偏移量不等于0，即imgR.x-imgL.x≠0。已知imgL、imgR兩點(diǎn)坐標(biāo)，即可求出偏移量和位移差，再利用三角形勾股定理可計(jì)算出斜邊c的長(zhǎng)度，如圖2所示，再根據(jù)式（1），即可計(jì)算傾斜角度。之后根據(jù)a的取值判斷傾斜角度旋轉(zhuǎn)的方向，如果a大于0，則向圖片上旋轉(zhuǎn)；如果a小于0，則向下旋轉(zhuǎn)；如果a=0，則圖片不旋轉(zhuǎn)。

圖2 求角示例圖

5）為使img傾斜角度計(jì)算的更精確，從imgL集合中取一個(gè)子圖，imgR集合中取5個(gè)子圖合并組成五組數(shù)據(jù)，如圖3所示。利用式（1），計(jì)算每一組傾斜角度，再根據(jù)式（4）計(jì)算img的平均傾斜角度，其中n=5。

圖3 對(duì)子圖進(jìn)行分組

經(jīng)過以上五步校正之后，可以將化驗(yàn)單內(nèi)容傾斜的圖像校正成功，圖4為原始圖片，圖5為校正過的圖片。

圖4 未校正的圖像

圖5 校正后圖像

4 算法測(cè)試結(jié)果與分析

為驗(yàn)證本文算法的效果，在此與傳統(tǒng)的Hough變換和投影法進(jìn)行比較。實(shí)驗(yàn)數(shù)據(jù)采用了50張類似于圖5的化驗(yàn)單進(jìn)行了實(shí)驗(yàn)，將這些圖像以一定的角度為間隔進(jìn)行旋轉(zhuǎn)。

每張圖像生成6種不同的傾斜樣本圖像，共生成300張測(cè)試圖像。將三個(gè)方法分別對(duì)這些化驗(yàn)單進(jìn)行傾斜校正，然后對(duì)這些結(jié)果進(jìn)行比較，校正結(jié)果如圖6所示。

圖6（a）展示的是運(yùn)用上述的一張化驗(yàn)單的原圖，而這張?jiān)瓐D有個(gè)很大的特點(diǎn)就是化驗(yàn)單里的內(nèi)容是傾斜的，而圖片本身水平，而這樣的化驗(yàn)單在實(shí)際中并不是少數(shù)。圖6（b）展示的是旋轉(zhuǎn)10°后得到的化驗(yàn)單，圖6（c）、圖6（d）分別是通過Hough變換法、投影法得到的校正后的圖像。通過這三幅圖像可知，Hough變換法和投影法可以很好地將化驗(yàn)單的邊框由傾斜校正水平，但這并沒有將內(nèi)容校正水平，而圖6（e）展示的是通過本文算法得到的校正后圖像，可以看出其化驗(yàn)單里的內(nèi)容得到了明顯的校正，并不在是化驗(yàn)單本身進(jìn)行校正。

圖6 校正結(jié)果

表1對(duì)Hough變換法、投影法與本文方法進(jìn)行了對(duì)比分析，從每張的處理時(shí)間上來看，本文的處理時(shí)間最短，與其他兩種方法的速度相比得到了提高。而從平均誤差來看，本文算法的平均誤差在這三類算法中是最大的，這是因?yàn)楸疚乃惴z測(cè)是表單里的直線，而有的直線在原化驗(yàn)單中是傾斜的，雖然旋轉(zhuǎn)一定角度得到測(cè)試圖像，但其實(shí)這些直線并沒有真正旋轉(zhuǎn)到該角度，這會(huì)導(dǎo)致本文算法的平均誤差較大。準(zhǔn)確率是指經(jīng)過算法傾斜校正后文字內(nèi)容沒有傾斜的圖像與參與測(cè)試的所有樣本數(shù)之比，從表中可以看出，本文提出的方法的準(zhǔn)確率最高，達(dá)到了94.6%。這是因?yàn)镠ough變換和投影法對(duì)化驗(yàn)單這種比較復(fù)雜圖像的適應(yīng)度比較差，而本文算法直接針對(duì)化驗(yàn)單的內(nèi)容進(jìn)行傾斜校正，從而排除了圖像中非內(nèi)容部分的干擾，所以準(zhǔn)確率較高?？梢?，本文所提出的算法與傳統(tǒng)的Hough變換法和投影法來說，在對(duì)化驗(yàn)單進(jìn)行傾斜校正的情況下，既提高了校正的精度，又減少了算法的執(zhí)行時(shí)間。

表1 各方法對(duì)比分析

5 算法推廣

本文提出的算法可以進(jìn)一步應(yīng)用于其圖像中至少有一條易于檢測(cè)到的直線，首先需要確定合適的固定寬度，然后根據(jù)本文所提出的算法，得到直線的左右端點(diǎn)的坐標(biāo)，再求出其傾斜度，即可通過旋轉(zhuǎn)得到其校正后的圖像。

如圖7所示，這是一張來自其他醫(yī)院去完背景的化驗(yàn)單圖像，通過圖像可以看出其原圖存在一定程度的傾斜，通過觀察可以得出圖像滿足上述提到的前提條件1、2，根據(jù)上述算法思想，先求出其平均傾斜角度值，最后再對(duì)原圖進(jìn)行旋轉(zhuǎn)即可得到校正后的圖像，結(jié)果如圖8所示。

圖7 未校正的圖像

圖8 校正后的圖像

6 結(jié)語

對(duì)于化驗(yàn)單這種比較復(fù)雜的圖像來說，該類圖像通常由表頭，檢驗(yàn)項(xiàng)內(nèi)容和表尾三部分組成，所以對(duì)其文本行進(jìn)行分析往往會(huì)受到表格或多或少的影響。本文結(jié)合化驗(yàn)單的基本特征，利用兩點(diǎn)法的基本思想，從而計(jì)算出其圖像的傾斜角度，達(dá)到校正圖像的效果。實(shí)驗(yàn)表明，本文提出的方法提高了校正的速度和對(duì)化驗(yàn)單這種比較復(fù)雜圖像校正的正確率，達(dá)到項(xiàng)目使用要求。

但目前本文提出的算法還需要對(duì)不同種類的化驗(yàn)單進(jìn)行不同的特征分析，需要確定合適的分割寬度，這是本算法需要改進(jìn)的地方。另外，對(duì)于傾斜角過大的圖像，其算法的正確率也會(huì)大大降低，仍然需要結(jié)合其他方法進(jìn)行綜合處理。