图像文本定位技术研究

骤 ，成 为研究 的重 点和 难 点。
２ 图像 文 本定位 的主要 方 法
２ ． １ 基于文 本边 缘 的方法
为 方便 阅读 ，文本 与 图像背 景存 在较 大 的对 比度 ， 从 而 在文本 与背 景 间形成 较 强 的边 缘 。 文 本边 缘具 有边缘 强 度和 边 缘密度 两个 特征 。 对 于简单 背 景 的图片 ，边缘密 度 特征明显； 对于复杂背景的图片， 边缘强度特征明显。基 于边 缘 的文本 定位 主要 步骤 包括 ： （ １ ）检测 图像 的边缘 密 度和 强度 ；（ ２ ）通过 平滑 滤波 、形态 学膨 胀 、区 域合 并等 方 法检 测 到 可 能包 含 文 本 的矩 形 区 域 ，形 成 候 选文 本 区 域 ；（ ３ ）根据 文本 的一 些启 发性 规 则 （ 如 字符 的宽高 比， 边缘 密度 ，边 缘方 向，填 充率 等 ）去 除非 文本 块 ，获得 最 终 的检 测 结果 。 基 于 边缘 的文 本定 位方 法 ， 优 点是 速度 较快 ， 对于 文 本 边缘 较 突 出，图像 背景边 缘 较少 ， 背景 边缘 与文 本边 缘 的交叉 连接 不 多 的图片 ，其 定位准 确 率 高 ， 误 判率 低 。但 对 于 背景边 缘 比较 复杂 、噪声较 大 的 图片 ， 文 本定 位 的结 果 不理 想 ，需要 与其 他方 法 结合起 来 ，进 行文 本 的定位 。 ２ ． ２ 基于 连通 区域 的方 法 基 于 连通 区域 的方 法 主要 利 用 同一 区域 文 本 颜 色相 近、边缘密度高等特性。采用 自底向上的方式，使用颜色 聚 类 、阈值 、 区域生 长等 方法 把 图像 分成 一些 小 的区域 ， 然 后根 据一 定 的规则 ，将 这些 小 的 区域 连接 成大 的区域 ， 形 成候 选文 本 区域集 合 。再利 用 区域 大小 、宽高 比、占用 率 、边缘 强度 等启 发性 规则 来滤 除 非文本 区 域 ， 获得 真 正 的文本 区域 。 基 于连 通 区域方 法 的优 点是 实现 比较简 单 ， 对于 文本 和 背景 比较 单一 的 图像 ， 该 方法 的准 确 率高 。 其 缺 点是对 于 文本颜 色 丰富 ，分辨 率低 ，噪 声高 的 图像 ， 定 位准 确性
１ 图像 中文本的分类及特征
１ ． １ 图像 中文本 的分类 图像 中的文 本 分 为人 工文 本 （ Ａ ｒ ｔ ｉ ｉ ｆ ｃ ｉ ａ ｌ Ｔ ｅ ｘ ｔ ）和 场景 文本（ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｅ ｎ ｅ Ｔ ｅ ｘ ｔ ） 。 人 工文 本是 指使用 图像 处理 工具 对 获取 的原 始 图像 进 行后 期 编 辑 ，人 为 加在 图像 上 的文 本， 如 新 闻视频 中 的字幕 。场景 文本 是指在 图像 获取 时就 存 在 于场 景 中的文 本 ， 随场 景 一 同生成 到 图像 中 ， 其 本身 是场 景 的一部 分 ，如广 告牌 ，路标 ，海 报等 。 人工 文本 多为 视频 的字幕 或 图片 的文字 说 明， 为 了方 便 人们 阅读 ， 人 工文本 与背 景 的对 比度较 强 ， 文 字颜 色一 致， 排 列整 齐 ，文本 内容 与 图片 内容 的相关 性强 。场 景文 本 的规 律性 较差 ，文字 的方 向 、大小 、字 体没 有 限制 ，颜 色 变化 较大 ，文 本 与背景 的对 比度跟 环 境有很 大 的关系 。 由于获 取 图像 时的投 影变 换关 系 ， 图像 中 的文字 可能会 发 生旋转、 缩放等变形， 加上拍摄角度 ， 光照等因素的影响， 其 定位 难度 较人 工文 本大 。 １ ． ２ 图像 中文 本 的特 征 （ １ ）文 本 的颜色 特 征 。大 多数情 况 下 ，同一 区域 中 同一行 文字 ，其 颜色 、色调 、亮 度等 属性 相 同或相似 ，与
计算机 光盘 软件 与应 用
本刊约稿 Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｃ Ｄ Ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ ａ ｎ ｄ Ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ Ｏ Ｔ Ｉ Ｓ ２ ０ １ ３年第 ０ １ 期
图像 文本定位技术研 究
黄治虎 （ 重庆 广播 电视 大学技 术 与 资 源 中心 ，重庆
文章编 号 ：１ ０ ０ ７ — ９ ５ ９ ９（ ２ ０ １ ３ ） ０ １ — ０ ０ １ ６ — ０ ３
过 边缘 检测 进行 文本 定位 提供 了依 据 。 边缘 包含 边缘 强度 和 边缘 方 向两个 要素 。不 同的文字 ， 边 缘 的方 向不 同，如 英 文和 汉字 的边 缘方 向集 中在 水平 、垂 直和 ４ ５ 。 方 向，而 拉 丁文 的边 缘方 向集 中在 垂直 方 向。 （ ４ ）其 他特 征 。 同一行 文 字 中，字 符 的间距 相 等 。 字 符 的宽和 高在 一定 的 比例范 围 内。 文 本 区域具 有高 填充 率 、高 频率 等纹 理特 征 。
４ ０ ０ ０ ５ ２ ）
摘 要 ：图像 文本 定位 是 图像 中文 本识 别 的 关键 步 骤。 介 绍 了文本 图像 的分 类及 特征 ，分析 了图像 文本 定位 常 用算 法
的应 用 范 围及 优缺 点 ，提 出 了文 本定位 算 法的评价 方法 ， 阐述 了文本 定位 的应 用领 域 ，并 对今 后 文本 定位 的研 究方 向进
行 了分 析 。
关键 词 ： 图像 文 本定位 ； 图像 文 本识 别 ；图像 检 索 中 图分 类号 ：Ｔ Ｐ ３ ９ １ 文献标 识码 ： Ａ 图像 中的文 本通 常描 述 了图像 的有效 信 息 ，如 路牌 、 字幕、 商店 招牌 等 。 如 果将 图片 中的文 本 自动地 识别 出来 ， 对 图像 高层 语 义 的 自动 理解 、索 引 和检 索 是 非 常有 价 值 的。大 多数 图像 中的文 本具 有相对 明显 的特 征 ，可通过 计 算机图像处理技术进行文本定位和分离， 再通过较为成熟
的文字识别技术，就能将图像中的文本提取 出来。图像文 本 识别 已成 为数值 图像 处 理领域 的研 究热 点 。
图像文本 的识别 主要包 括 以下 部分 ：（ １ ）获取 图像 ； （ ２ ）对 获取 图像 进行 预 处理 ；（ ３ ）检 测 图像 中包含 文 本 的矩 形 区域 ，进行 文本 定位 ；（ ４ ） 将 文本 从 图像 中分离 出 来， 并通 过 光学字 符识 别系 统 （ Ｏ Ｃ Ｒ ） 进 行 文本识 别 ； （ ５ ） 保存 识 别结果 。 其 中第 ３ 步 图像 文本 定位 是最 为关键 的 步