摘 要： 在分析文本行特點的基礎(chǔ)上，提出了一種利用水平梯度差進行文檔圖像的文本行檢測算法。該算法首先對輸入的文檔圖像進行水平梯度差計算，然后在局部窗口中求解最大梯度差并進行文本行區(qū)域的合并，通過非文本區(qū)域過濾來消除字符階躍的跳變，最后將文檔圖像以行塊的形式進行顯示。實驗結(jié)果表明，與投影算法進行相比，該算法對于行間距較小的文檔圖像的檢測效果較好，時間復(fù)雜度較低并且檢測的正確率較高，具有一定的魯棒性和較好的適應(yīng)性。
關(guān)鍵詞： 梯度差； 文本行檢測； 局部窗口； 投影算法
目前大多數(shù)文檔圖像的信息以數(shù)字化形式存在，并以文檔形式存儲在數(shù)據(jù)庫中。文檔圖像處理是辦公自動化的一個重要組成部分,在辦公自動化、數(shù)字圖書館、圖像視頻檢索等領(lǐng)域得到越來越廣泛的應(yīng)用[1]。其內(nèi)容主要包括掃描輸入、預(yù)處理、布局分析、字符識別等步驟，其中,文本行檢測是進行布局分析、檢索以及字符識別的重要組成部分。目前主要采用三種方法來進行文本定位：基于區(qū)域的方法、基于邊緣的方法和基于紋理的方法[1]?；趨^(qū)域的方法利用連通區(qū)域進行投影分析來獲取文本區(qū)域， 投影特性法[2]主要是對文檔圖像在指定方向上進行投影測試，根據(jù)投影的分布特征，在得到的結(jié)果中選取最佳的投影結(jié)果，以完成文本行的檢測。但由于傳統(tǒng)投影方法需要對整個圖像進行指定方向上的投影，其計算量和復(fù)雜度都較高[3]?；谶吘壍姆椒ɡ昧藞D像中的文本與背景之間有較高對比度這一特性來進行定位。Chen Datong 等人[4]利用Canny算法提取圖像邊緣，并用形態(tài)學(xué)膨脹的方法將邊緣連接成塊，再利用基線定位完成文本行檢測，但時間復(fù)雜度較高，當(dāng)背景邊緣較為復(fù)雜時，這類算法處理起來較為困難?；诩y理的方法利用文本具有的較強的紋理特征來區(qū)分背景，Mao Wenge等人[5]利用小波變換檢測圖像紋理，再通過圖像的紋理分析定位出文本。該方法通常具有較高的魯棒性，但計算量大，復(fù)雜度較高，且文本定位不是很精確。
本文在總結(jié)上述算法特點的基礎(chǔ)上，提出了一種基于梯度差的文本行檢測算法，該算法利用了文檔圖像文本行特征，在水平方向上進行梯度差計算，然后進行文本行區(qū)域的合并和非文本區(qū)域的過濾，減少了文字粗細(xì)和圖像分辨率的干擾，提高了檢測的速度和精度。
1 文本行特點分析
文檔圖像文本行的特殊性主要表現(xiàn)在以下幾個方面：
(1)大部分的文字邊緣均突出，可以利用邊緣信息進行文本檢測,尤其是中文在水平和垂直方向上邊緣均比較突出。邊緣與梯度之間存在很大的關(guān)聯(lián)，梯度的方向在數(shù)學(xué)中表示為某函數(shù)變化率最大的方向，在文檔圖像中梯度往往反映了圖像邊緣清晰度[6]，對于梯度較大的區(qū)域可表示為可能的文本區(qū)域。
(2)對于印刷體文檔圖像中的文本，同一行中文字的字符間距相同，間距與字符之間滿足一定的比例關(guān)系，如字符間距大于字符寬度的1/5而小于字符寬度的兩倍。在進行文本區(qū)擴展不同的字符區(qū)域使之成為一個有效的文本塊時，非文本區(qū)域往往不具備該特征。對于手寫體文檔圖像,字符間距不同，比印刷體文檔圖像復(fù)雜，但可以利用文本區(qū)域擴展特征進行文本行檢測。
(3)文本行具有直線特征，有很強的方向性，可根據(jù)該特征進行文本行標(biāo)記與定位，此外該特征還可用于傾斜校正和版面分析等。
文本梯度的信息不同于非文本區(qū)域的梯度,主要是由于一般文字和背景之間有很高的對比度。由于正負(fù)梯度值之差在文字區(qū)域較大,因此,本文利用梯度差方法進行文本行檢測。
2 文本行檢測算法
文本行檢測算法沒有進行文檔圖像的預(yù)處理過程，一定程度上減少了檢測時間，如果輸入的圖像為真彩圖像，首先進行灰度轉(zhuǎn)化[7]，這比單獨對彩色圖像的每個通道進行處理效率要高。
2.1 最大梯度差計算
字符圖像往往具有較強的邊緣信息，在字符邊緣地帶，相鄰像素的灰度值變化劇烈，對應(yīng)梯度幅度值較大。此外，文字行區(qū)域具有直線特點。因此,本文根據(jù)字符圖像的特殊性,采用水平梯度差進行文本行區(qū)域的合并。其算法如下：
2.2 文本行塊標(biāo)記
通常情況下,文檔圖像中的字符會存在字符高低不平的情況，為獲取較為規(guī)則的文本行塊，需進行消除字符階躍的跳變。本文利用非文本過濾的基本思想，判斷一個可能的文本區(qū)像素點兩邊是否滿足非文本過濾的要求。主要方法是設(shè)定局部窗口，然后沿水平方向滑動，判斷窗口內(nèi)的像素是否全部為黑色像素（像素值為0），若滿足,則停止計算,認(rèn)為該區(qū)域為文本行區(qū)域, 否則將窗口的像素值置為1。通過文本行定位可有效地消除字符間高低不平的情況，根據(jù)實際應(yīng)用的需要，可再次進行非文本區(qū)域過濾操作，圖1所示為輸入的英文手寫體文檔圖像，圖2所示為文本行經(jīng)過非文本區(qū)域過濾后得到的文本行檢測效果。
3 實驗結(jié)果及分析
選擇若干幅尺寸相同但字體不一的純文字文檔圖像進行實驗，實驗環(huán)境為Windows XP操作系統(tǒng)，Pentium(R)1.7 G CPU，512 MB內(nèi)存，用Matlab7.0 仿真實現(xiàn)了文檔圖像的文本行檢測。
經(jīng)實驗得到的閾值為77.5，為方便起見，本文選取80作為梯度圖像的文本行檢測閾值。在不同的局部窗口下對圖1進行文本行檢測，結(jié)果如圖3所示。當(dāng)局部窗口w取13時,行內(nèi)會存在斷點;當(dāng)w取19時,看到行與行之間會有融合，二者效果都不理想;在w取得15時,效果較好。
將本文算法和投影檢測算法[8]分別作用于印刷體文檔圖像中的某一圖像（如圖4所示），圖5所示為利用水平梯度差得到的文本行檢測效果，圖6所示為利用投影算法得到的文本行檢測效果。
采用本文算法、投影檢測算法分別對10、20、30幅圖像分別進行實驗，結(jié)果如表1所示。
通過實驗結(jié)果可以看出,在進行文本行檢測時，對于行間距較小的文檔圖像，利用投影算法進行文本行檢測時，行間距較小的文本行之間可能會發(fā)生融合，這樣檢測的正確率就會下降。本文算法通過最大梯度差和文本行標(biāo)記算法可有效完成文本行的檢測，且檢測的平均時間短，因此具有較好的魯棒性。
使用本算法對傾斜的文檔圖像（如圖7所示）進行文本行檢測,圖8所示為文本行檢測的結(jié)果。從圖8可以看出，對傾斜的文檔圖像進行文本行檢測時，會造成文本行融合現(xiàn)象,從而降低了檢測正確率，這是本文算法的不足之處，需要進一步改進，以提高對傾斜文檔圖像的文本行檢測正確率。
本文分析了文檔圖像的文本行特點，提出了一種基于梯度差的文檔圖像文本行檢測算法，該算法計算簡單、復(fù)雜度低。實驗結(jié)果表明，該算法可以對印刷體以及手寫體文檔圖像進行快速的文本行檢測。本文算法也存在著不足，即在處理傾斜的文檔圖像時效果不佳，有待進一步改進。文本行檢測算法可以為進一步進行文檔圖像的版面分析，深入進行文檔圖像檢索、圖文分割等奠定良好的基礎(chǔ)。
參考文獻
[1] 晉瑾， 平西建， 張濤. 圖像中的文本定位技術(shù)研究綜述[J].計算機應(yīng)用研究, 2007，24（6）：8-11.
[2] 范玉鳳.基于投影自適應(yīng)算法的中文版面分析方法研究[J]. 光盤技術(shù),2009(1):19-20.
[3] 吳濤，賀漢根.一種快速的文本傾斜檢測方法[J].計算機工程與應(yīng)用,2002:113-115.
[4] Chen Datong,SHEARER K,BOURLARD H. Text enhancement with asymmetric filter for video OCR[C].International Conference on Image Analysis and Processing，2001:192-197.
[5] Mao Wenge, Chung Fulai, LANM K,et al. Hybrid chinese/English text detection in images and vedio frames[C]. International Conference on Pattern Recognition,2002:1015-1018.
[6] 張弘.數(shù)字圖像處理[M].北京：機械工業(yè)出版社,2007：115-118.
[7] JAE H K，TAE T P，YANG H C，et al. Photo-text segmentation in complex color document[C]. The 5th Japan-Korean Joint Symposium on Imaging Materials and Technologies，Kyoto， Japan，2004:44-47.
[8] Gao Feng,Zheng Nanning,Song Yonghong.Document images retrieval based on multiple features combination[C]. IEEE ICDAR, 2007.