字符識別中的圖像歸一化算法

源地址：http://blog.csdn.net/rushkid02/article/details/9242415

本文介紹3種基本的字符形狀歸一化算法(Character Shape Normalization)。字符歸一化是光學字符識別中的一個子步驟，給定一個字符區域，我們要做的就是將該區域內的字符歸一化到一個標准模板大小，然后才能提取特征，並送給分類器做具體的識別。好的歸一化算法可以盡量提高后續特征提取在同一類內的一致性。

 

先來看一個例子，假如上帝擁有一個完美的字符歸一化算法，那么他將可以做到如下所示的效果：

 

 

圖1，完美的歸一化：左邊為原始字符區域，右邊為歸一化后的結果。

 

如果說我們能做到上述結果，那么也就無需再做特征提取，也無需再做訓練，而只需簡單的模板匹配即可得到100%准確的分類結果。可以看到，上述算法的能力在於：

1. 歸一化到標准模板大小

2. 傾斜校正

3. 筆畫寬度歸一化

4. 字形歸一化

 

可惜的是，今天介紹的幾種常見算法僅能保證第1點的實現，而2，3則只能實現部分。至於4，就讓后續的特征提取去彌補吧。言歸正傳，3個算法分別是：線性歸一化算法，基於圖像矩的歸一化以及非線性歸一化算法。

 

 

按慣例，3個算法的標准c實現可在：

https://github.com/UnilVision/visionbase/tree/master/ocr/baseline/normalization找到。希望對大家有所幫助。

 

 

線性歸一化：線性歸一化算法就是一個標准的線性采樣過程，采用線性插值獲得最終的圖像結果。在我們的實現中，使用反向計算的方式：

其中，為長和寬的比值。

 

對應代碼中的函數為：

 

void backward_linear(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                     int ratio_preserve_func);

void backward_linear(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                     int ratio_preserve_func);

 

 

圖像矩歸一化： 我們可以通過圖像矩來預先校正字符的傾斜度，並通過矩來獲得字體的實際大小[w1, h1]及中心位置[xc, yc]。歸一化的原始區域被修改為

[xc-w1/2, xc+w1/2, yc-h1/2, yc+h1/2]。其計算方法為：

是一個經驗值，一般取4。

 

其中圖像矩的計算方法：

在找到新的區域[xc-w1/2, xc+w1/2, yc-h1/2, yc+h1/2]后，后續即調用線性歸一化算法即可。對應代碼中的實現為：

 

void backward_moment(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                     int ratio_preserve_func);

void backward_moment(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                     int ratio_preserve_func);

 

 

圖像矩傾斜校正：利用圖像矩，我們可以找到字符的傾斜角：

采樣計算方式為：

注意這里我們僅調整x的位置以保證圖像的中心仍然處於原始的xc,yc。其實現對於：

 

// slant correction
// Note>> (dst_wid, dst_hei) must equal to (region.width, region.height)
void backward_moment_slantcorrection(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep);

// slant correction
// Note>> (dst_wid, dst_hei) must equal to (region.width, region.height)
void backward_moment_slantcorrection(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                     CHARECT_t* region,
                     unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep);

通常傾斜校正會放在歸一化之前，已獲得更好的效果。

 

 

非線性歸一化：這里實現的是Jun Tsukumo在1988年提出的一個經典算法（原論文名稱為Classification of Handprinted Chinese Characters Using Non-linear Normalization and Correlation Methods）。作者的思路是希望每一行，每一列的背景區域都可以平均分布。

為此，他首先為每個像素在x，y方向分別定義了個概率密度函數：以及。這兩個函數的計算方法是：

如果（x，y）是一個屬於字符區域的像素，那么都取一個極小值（在我們的實現中，這個值是0.001f，調整這個參數可以引起歸一化后筆畫的粗細變化）。

如果（x，y）是背景區域像素，那么:

其中和分別是當前像素所處x方向背景像素的run-length和y方向的run-length。有了這兩個密度函數，定義：

這里px和py就是歸一化后的投影直方圖了，為了在歸一化后的圖像中讓px和py平均分布，引入兩個函數hx，hy：

通過前向映射采樣即可實現歸一化操作：

 

注意這里與前兩個算法的不同之處，前向映射是將當前圖像的某個像素映射到歸一化的圖像中。而反向映射則是將歸一化的圖像中的某個像素位置映射到原圖像中。

非線性歸一化的實現對應：

 

void forward_nonlinear_1d(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                          CHARECT_t* region,
                          unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                          int ratio_preserve_func);

void forward_nonlinear_1d(unsigned char* src, int src_wid, int src_hei, int src_widstep,
                          CHARECT_t* region,
                          unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
                          int ratio_preserve_func);

 

 

參考結果：

最后看下各個算法的結果：

圖2，參考結果。從左到右依次：1. 原始扣取的圖像通過OpenCV的resize函數縮放。2. 線性歸一化。3.基於矩的歸一化。4.先傾斜校正再基於矩的歸一化。5.非線性歸一化。

 

[原創文章，轉載請注明出處：http://blog.csdn.net/unilvision/article/details/8624606]