Научный журнал
Научное обозрение. Технические науки
ISSN 2500-0799
ПИ №ФС77-57440

ОСНОВНЫЕ МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ПРИ ОФФЛАЙН-РАСПОЗНАВАНИИ РУКОПИСНОГО ТЕКСТА

Басанько А.С. 1 Белов Ю.С. 1
1 Калужский филиал ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)»
В данной статье рассмотрены основные методы обработки изображения, которые применяются на этапе предварительной обработки при оффлайн-распознавании рукописного текста. Данные методы решают задачу повышения качества изображения, которая является достаточно актуальной, поскольку, чем лучше будет качество изображения, тем удобнее будет работать с ним на последующих этапах распознавания и, соответственно, качество распознавания также будет лучше. Рассмотрены основные этапы обработки изображения: преобразование изображения в градации серого, удаление дефектов изображения и отделение текста от фона. Представлены различные фильтры для удаления дефектов изображения: фильтр Гаусса (используется для подавления высокочастотного шума), медианный фильтр (используется для подавления шума «соль и перец») и фильтр на основе вейвлет-преобразования, который основан на представлении изображения в виде дискретного сигнала. Отмечены недостатки фильтров на основе вейвлет-преобразования. Рассмотрены основные алгоритмы отделения текста от фона: пороговая и адаптивная бинаризация. Отмечены основные недостатки этих методов. В рамках алгоритмов бинаризации рассмотрен метод Оцу, решающий задачу поиска порогового значения яркости. Также отмечены недостатки данного метода и способы их устранения.
распознавание рукописного текста
фильтр Гаусса
медианный фильтр
фильтр на основе вейвлет-преобразования
пороговая и адаптивная бинаризация
метод Оцу
1. Нестеров А.Ю., Бурмистров А.В., Белов Ю.С. Методы определения положения объекта в задачах распознавания образов // Электронный журнал: наука, техника и образование. – 2016. – № 2(6). – С. 82–89.
2. Гришанов К.М., Белов Ю.С. Методы выделения признаков для распознавания символов // Электронный журнал: наука, техника и образование. – 2016. – № 1(5). – С. 110–119.
3. Исследование и разработка метода распознавания рукописных цифр [Электронный ресурс]. – Режим доступа: http://masters.donntu.org/2017/fknt/sokolov/diss/index.htm (дата обращения: 25.03.2018).
4. Предварительная обработка изображений – Национальная библиотека им. Н.Э. Баумана [Электронный ресурс]. – Режим доступа: https://ru.bmstu.wiki/Предварительная_обработка_изображений (дата обращения: 25.03.2018).
5. Попов Г.А., Хрящёв Д.А. Об одном методе низкочастотной фильтрации гидролокационных изображений // Вестник АГТУ. – 2010. – № 1. – С. 63–68.
6. Фильтрация изображений [Электронный ресурс]. – Режим доступа: https://studfiles.net/preview/5830083/page:4/ (дата обращения: 25.03.2018).
7. Логинов Б.М., Коржавый А.П., Белов Ю.С., Либеров Р.В. Методика распознавания и классификации образов структур многокомпонентных материалов для электронных систем // Электромагнитные волны и электронные системы. – 2017. – Т. 2, № 2(6). – С. 4–12.
8. Приложения вейвлет-анализа [Электронный ресурс]. – Режим доступа: https://basegroup.ru/community/articles/wavelet-applications (дата обращения: 25.03.2018).
9. Амелина В.Ю., Исаева В.С. Методы предварительной фильтрации изображения // Молодой учёный. – 2017. – № 20(154). – С. 179–182.
10. Попова В.В., Федосеев А.А. Предварительная обработка изображений в задаче оффлайн-распознавания рукописного текста // Научное сообщество студентов XXI столетия. Технические науки // Материалы IX студенческой международной заочной научно – практической конференции. – Новосибирск: СибАК, 2013. – С. 35–44.

Оффлайн-распознавание рукописного текста обычно состоит из следующих этапов: предварительная обработка изображения, сегментация и нормализация, извлечение признаков, классификация и обработка результатов.

На этапе предварительной обработки изображения используются методы обработки изображений (фильтрация, шумоподавление и другие), и имеющие своей целью повысить качество изображения.

На данный момент задача распознавания рукописного текста является нерешенной. Задача повышения качества изображения при распознавании рукописного текста является достаточно актуальной, поскольку чем лучше будет качество изображения, тем удобнее будет работать с ним на последующих этапах распознавания [1] и, соответственно, качество распознавания также будет лучше.

Улучшение качества изображения включает обычно в себя преобразование изображения в градации серого, удаление дефектов изображения и отделение текста от фона.

Преобразование изображения
в градации серого

Обычно для упрощения дальнейшей работы с изображением делается преобразование изображения в градации серого [2].

Для каждого отдельного пикселя вычисляется значение яркости, которое измеряется в диапазоне от 0 до 255. Черный цвет соответствует 0 уровню яркости, а белый – 255 уровню. Это вычисление производится при помощи следующей формулы:

bas01.wmf

где R, G, B – значения красного, зеленого и синего каналов соответственно.

Удаление дефектов

Удаление дефектов осуществляется стандартными методами обработки изображений. Наиболее часто для удаления шума используют фильтр Гаусса для подавления высокочастотного шума [3] и медианный фильтр для удаления шума «соль и перец» (рис. 1). Также перспективным фильтром является фильтр на основе вейвлет-преобразования [4].

Фильтр Гаусса

Данный фильтр основан на функциях Гаусса одной и двух переменных соответственно:

bas02.wmf

bas03.wmf

где σ – «степень размытия» обработанного изображения (стандартное отклонение нормального распределения); x, y – расстояние между пикселем (исходной точкой) и точкой, для которой подсчитывается значение функции Гаусса по вертикальной и горизонтальной оси соответственно [5].

Следовательно, при помощи функции Гаусса можно построить матрицу свертки, которая помогает для каждого пикселя изображения рассчитать средневзвешенное значение соседних пикселей:

bas04.wmf

где k – размерность матрицы свертки.

Таким образом, посредством применения фильтра Гаусса шум будет подавлен, поскольку все зашумленные пиксели (яркость которых сильно отличается от яркости соседних пикселей) примут усредненное значение, в результате чего контуры объектов будут подчеркнуты, что положительно повлияет на результат распознавания образов (в том числе и рукописного текста) на цифровых изображениях.

Медианный фильтр

Понятие медианы лежит в основе медианного фильтра. Если множество A, состоящее из чисел Ai, где i = 1..n, отсортировано по возрастанию, то An/2 – является медианой этого множества [6]. Медиана будет делить отсортированный набор чисел на две части, где первая часть будет содержать числа, которые меньше, чем медиана, а вторая часть – больше.

basin1a.tif basin1b.tif

а) б)

Рис. 1. Примеры распространенных типов шумов: а) шум «соль и перец»,
б) высокочастотный шум

Распространенный способ реализации данного фильтра заключается в том, чтобы отсортировать значения яркостей пикселей при помощи окна [7] с нечетным радиусом и затем заменить значения яркостей пикселей на значение медианы результирующего множества.

Фильтр на основе вейвлет-преобразования

Так как изображение можно представить в виде дискретного сигнала, то для его обработки можно использовать фильтры, базирующиеся на частотном разделении в дискретной области. Вейвлет-анализ является достаточно перспективным способом анализа данных.

Сигнал можно представить следующим образом:

bas05.wmf

где f(t) – полезный сигнал, e(t) – шум, σ – уровень шума, s(t) – исследуемый сигнал.

Таким образом, вейвлет-преобразование позволяет удалить шум за 4 шага [8, 9]:

– разложение сигнала по базису вейвлетов;

– выбор порогового значения шума для каждого из уровней разложения;

– пороговая фильтрация коэффициентов детализации;

– восстановление сигнала.

Такой способ фильтрации лучше всего работает на гладких сигналах, т.е. на таких сигналах, в разложении которых лишь небольшое количество коэффициентов детализации значительно отличается от нуля.

Подбор вейвлета и глубины разложения обычно зависит от свойств фильтруемого сигнала.

Для выбора порога шума обычно используют критерии, которые минимизируют квадратичную функцию потерь для выбранной модели шума.

Данные фильтры реже используются по сравнению с медианными, потому что использование вейвлетов приводит к дополнительной параметризации программы и замедлению работы, поскольку требуется вычисление дополнительных массивов данных.

Отделение текста от фона

Отделение текста от фона является частным случаем задачи выделения объекта на изображении. Задача состоит в том, чтобы по изображению текста A построить бинарное изображение B, такое, что

bas06.wmf

где P(i, j) – пиксель (i, j), TA – текст на изображении А.

Данное преобразование позволяет в дальнейшем использовать анализ связных компонент, контуров, скелетов и т.д.

Наиболее часто использующимся методом отделения текста от фона служит пороговая бинаризация (threshold binarization). Пусть дано изображение, I(i, j) – яркость пикселя с координатами (i, j). Пороговой бинаризацией изображения называется попиксельное преобразование f(i, j), такое, что

bas07.wmf

где d называется порогом бинаризации.

Обычно на гистограмме яркости изображения текста наблюдается два пика: высокий пик в области светлых пикселей, который соответствует фону, и более низкий пик в области тёмных, который соответствует тексту. Таким образом, задача поиска порогового значения яркости, т.е. такого, чтобы пиксели с яркостью выше этого значения (фон) будут считаться чёрными, а ниже (текст) – белыми (такое «инвертирование» цвета делается в целях упрощения применения многих алгоритмов в дальнейшем), является задачей поиска оптимального значения между двумя пиками гистограммы. Для решения этой задачи существуют хорошо изученный метод Оцу и его вариации.

Метод Оцу

В данном методе диапазон яркостей
[0; L] изображения делится на две части пороговым значением T. Суть алгоритма состоит в том, чтобы минимизировать внутриклассовую дисперсию, которая определяется как взвешенная сумма дисперсий двух классов. В алгоритме Оцу минимизация внутриклассовой дисперсии эквивалентна максимизации межклассовой дисперсии, которая рассчитывается следующим образом:

bas08.wmf

где σb – межклассовая дисперсия, w1 и w2 – вероятности первого и второго классов, μ1 и μ2 – средние арифметические значения каждого из классов. Каждая из перечисленных величин рассчитывается следующим образом:

bas09.wmf

bas10.wmf

bas11.wmf

bas12.wmf

Схема алгоритма описывается следующим образом:

– Рассчитывается гистограмма на основе значений pi = ni / N, где N – суммарное количество пикселей изображения, ni – количество пикселей с яркостью i.

– Со значения порога t = 1 делается проход по всей гистограмме, пересчитывая на каждом шаге дисперсию σb(t). Если на каком-либо шаге дисперсия стала больше максимума, то обновляется максимум дисперсии и назначается новое текущее значение T = t.

– T – результирующее пороговое значение.

Недостатком данного метода является чувствительность к неравномерной освещенности. Для решения данной проблемы обычно получают компонент освещения путем низкочастотной фильтрации G изображения при помощи фильтра Гаусса [10].

Метод адаптивной бинаризации

Еще одним недостатком метода Оцу является слипание близко расположенных областей, что может повлиять на дальнейшую обработку и распознавание. Поэтому существует метод адаптивной бинаризации, который к тому же позволяет решить проблему разности освещенности.

basin2.tif

Рис. 2. Результат пороговой бинаризации

Для окрестности R пикселя вычисляется порог T. Порог Т может являться средним значением яркости по области R, медианой выборки из области R или вычисляться по формуле: (Imax – Imin) / 2. Значение пикселя B(x, y) в бинарном изображении вычисляется следующим образом:

bas13.wmf

где I(x, y) – яркость пикселя в исходном изображении, С – произвольная константа.

Результатом бинаризации изображения является бинарное изображение белого текста на чёрном фоне, соответствующего исходному изображению (рис. 2).

Таким образом, были рассмотрены основные методы обработки изображений при оффлайн распознавании рукописного текста. Следует грамотно подходить к выбору методов обработки изображения, поскольку при правильном выборе они являются залогом успешного распознавания текста.


Библиографическая ссылка

Басанько А.С., Белов Ю.С. ОСНОВНЫЕ МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ПРИ ОФФЛАЙН-РАСПОЗНАВАНИИ РУКОПИСНОГО ТЕКСТА // Научное обозрение. Технические науки. – 2018. – № 3. – С. 5-8;
URL: https://science-engineering.ru/ru/article/view?id=1184 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674