一種筆跡圖像的二值化算法

1、 一種筆跡圖像的二值化算法關(guān)云虎，張學(xué)東 摘 要:在模式識(shí)別中，二值化效果的好壞直接影響識(shí)別率。本文在研究現(xiàn)有二值化算法的基礎(chǔ)上，對(duì)離線筆跡圖像二值化進(jìn)行了改進(jìn)。實(shí)驗(yàn)結(jié)果證明，該方法能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，提高處理速度。關(guān)鍵詞:二值化；整體閾值；局部閾值；動(dòng)態(tài)閾值；進(jìn)化規(guī)劃； 中圖法分類(lèi)號(hào):tp183 文獻(xiàn)標(biāo)識(shí)碼: a a binarization algorithm for signature image guan yun-hu, zhang xue-dong (1.dept. of computer,school of elctronic ang i

2、nformation engineering ,university of science and technology liaoning, anshan liaoninge zip 114000, china)abstract: in pattern recognition, the effect of binarization directly affects the recognition rate .in the foundation of binarization algorithms research, the paper improves the binarization alg

3、orithm for image of signature. experiments prove that this method is able to eliminate the effects of unequal illumination and artifacts, retain target imagesdetails and raise the processing speed. key words: binarization; global threshold; local threshold; dynamic threshold; elvolution programming1

4、 二值化算法分析比較圖像二值化就是將整幅圖像畫(huà)面處理成僅有黑和白二值圖像，不呈現(xiàn)出灰度變化，以便于數(shù)據(jù)壓縮、特征突出及后續(xù)圖像處理工作1。目前，從所查閱的文獻(xiàn)資料來(lái)看，幾乎所有圖像二值化處理都是基于灰度圖像進(jìn)行的。二值圖像基本原理為:設(shè)表示像素在位置的灰度值，二值化是按1.1式進(jìn)行: 1.1 其中，稱(chēng)為二值化閾值（threshold)。具有“0”值的像素集合作為目標(biāo)，把所有具有“1”值的象素集合作為背景。當(dāng)值過(guò)小時(shí)，會(huì)丟失信息；當(dāng)值太大時(shí)，會(huì)增加許多虛假信息。根據(jù)閾值的選取情況，二值化方法可分為整體二值化，局部二值化和動(dòng)態(tài)二值化2。 1.1 整體閾值二值化僅由象素點(diǎn)的灰度值確定閾值的方法稱(chēng)為整

5、體閾值選擇法閾值表示為：。整體閾值方法一般只考慮到整體像素的平均灰度值，并未顧及到每個(gè)像素的不同，所以當(dāng)文字清晰，輪廓明顯，干擾很小時(shí)其二值化速度較快，但對(duì)輸入圖像有不均勻光照，字跡不清楚等情況，在有干擾的像素上會(huì)發(fā)生錯(cuò)誤判斷，所以在應(yīng)用上受到極大限制。比較典型的整體二值化算法有梯度均值法、微分直方圖法等。1.2 局部閾值二值化由象素的灰度值和象素周?chē)c(diǎn)局部灰度特性確定閾值的方法稱(chēng)為局部鬧值選擇法。閾值表示為：。需要指出的是，局部閾值一般用于識(shí)別干擾比較嚴(yán)重、品質(zhì)較差的圖像，同時(shí)也存在缺點(diǎn)和問(wèn)題，一則時(shí)間開(kāi)銷(xiāo)大，實(shí)現(xiàn)速度慢。比較典型的局部二值化算法有多閾值的梯度強(qiáng)度法、基于紋理圖像的方法、最大

6、方差法等。1.3 動(dòng)態(tài)閾值二值化動(dòng)態(tài)閾值選擇不僅取決于像素閾值以及其領(lǐng)域像素的灰度值，并且與該像素坐標(biāo)位置有關(guān)，動(dòng)態(tài)地計(jì)算分割所需的閾值3。動(dòng)態(tài)閾值二值化能夠處理品質(zhì)較差的圖像，甚至單峰直方圖，但因?yàn)閯?dòng)態(tài)閾值化方法常常需要對(duì)圖像中每個(gè)像素點(diǎn)都計(jì)算閾值，即對(duì)整幅圖像求出一個(gè)閾值面(通常為曲面)，計(jì)算量很大，運(yùn)算速度比較慢，由于比較費(fèi)時(shí)和某些失真的缺點(diǎn)，這在一定程度上阻礙其發(fā)展4。比較典型的動(dòng)態(tài)閾值二值化方法有迭代法等。2 綜合進(jìn)化閾值算法2.1 oust 算法方差反映了一個(gè)變量對(duì)應(yīng)的一組數(shù)值的均衡性的大小，方差大的其均衡性就低，反之，均衡性就高。對(duì)于一幅圖像，可以分為背景和目標(biāo)兩類(lèi)，其中背景和目

7、標(biāo)各自內(nèi)部像素的灰度值均衡性高，對(duì)應(yīng)的方差小，而背景和目標(biāo)之間的均衡性小，對(duì)應(yīng)的方差最大?；谶@個(gè)原理，1978年ostu提出了一種基于閾值的圖像分割方法。在灰度圖像中，原始灰度級(jí)為，所有像素?cái)?shù)量為，其中像素灰度值為的像素個(gè)數(shù)為，則有。假設(shè)此時(shí)的分割閾值為，則將灰度分為和兩類(lèi)。表示小于等于分割閾值的部分，表示大于分割閾值的部分。則每一類(lèi)出現(xiàn)的概率為：和。每一類(lèi)的平均灰度為：和。則類(lèi)間方差可以定義為：在1到之間改變灰度值，使得它的類(lèi)間方差最大時(shí)的作為閾值，這樣就得到最佳的分割效果5。要得到最佳閾值就必須對(duì)所有的個(gè)灰度值進(jìn)行遍歷計(jì)算其類(lèi)間方差，最后通過(guò)比較得到最大方差，其運(yùn)算量大。2.2 局部閾值

8、法局部閾值算法的過(guò)程描述如為：計(jì)算出每一點(diǎn)的的鄰域范圍內(nèi)的的最大值max，最小值min，如圖2.1。計(jì)算出鄰域內(nèi)的。當(dāng)前點(diǎn)的灰度值小于時(shí)，將當(dāng)前點(diǎn)設(shè)成背景點(diǎn)。 圖2.1 鄰域2.3 綜合進(jìn)化閾值算法一、進(jìn)化規(guī)劃的最大類(lèi)間方差法最大類(lèi)間方差的求解過(guò)程，就是在搜索空間查找一個(gè)整體最優(yōu)解，使得其方差最大。進(jìn)化規(guī)劃的整體尋優(yōu)以及計(jì)算快速的特點(diǎn)，使得可以將其應(yīng)用于最大類(lèi)間方差的求解6。操作步驟如下：1、個(gè)體范圍由于圖像灰度值為0-255，因此隨機(jī)生成的個(gè)體也在0-255之間，本文選擇。2、適應(yīng)度函數(shù)設(shè)計(jì)用圖像灰度的類(lèi)間方差表達(dá)式作為適應(yīng)度函數(shù)。適應(yīng)度函數(shù)為：，其中為灰度小于等于閾值的像素?cái)?shù)，為灰度大于閾

9、值的像素?cái)?shù)，為灰度小于等于閾值像素的平均值，為灰度大于閾值像素的平均值。3、變異操作采用了元進(jìn)化規(guī)劃的變異操作：4、選擇操作采用隨機(jī)型的-競(jìng)爭(zhēng)選擇法。多次取不同的m進(jìn)行計(jì)算得出一條與進(jìn)化規(guī)劃迭代次數(shù)的關(guān)系曲線，從而選擇最優(yōu)的。通常當(dāng)較小的時(shí)候根據(jù)經(jīng)驗(yàn)值選擇較為合適，所以。5、結(jié)束條件采用最優(yōu)適應(yīng)度與最差適應(yīng)度之比作為停止條件，滿足停止條件時(shí)停止運(yùn)行，此時(shí)具有最高適應(yīng)度值的個(gè)體即為分割閾值。按照前面介紹的進(jìn)化規(guī)劃進(jìn)行計(jì)算，每代10個(gè)個(gè)體，又變異出10個(gè)個(gè)體，實(shí)驗(yàn)表明，最多繁殖到第6代，最優(yōu)適應(yīng)度與最差適應(yīng)度之比已在之間，達(dá)到最佳閾值。本算法運(yùn)算時(shí)間只有傳統(tǒng)算法的三分之一，十分適合于圖像的實(shí)時(shí)處理

10、。二、綜合進(jìn)化閾值算法整體閾值法對(duì)噪聲較大和陰影明顯的圖像二值化效果不佳。局部閾值法可以克服上述不足，但由于需要比較圖像中所有點(diǎn)，所以速度較慢。綜合進(jìn)化閾值算法可以克服上述缺點(diǎn)，既能夠有效地消除光照不均勻，較好地保留圖像的細(xì)節(jié)，又能夠有效地消除偽影，提高處理速度。綜合進(jìn)化閾值算法具體為： (1)使用進(jìn)化規(guī)劃的最大類(lèi)間方差法計(jì)算出整體閾值。 (2)當(dāng)前點(diǎn)在圖像內(nèi)，不在圖像則結(jié)束。(3)當(dāng)前點(diǎn)的灰度值在范圍內(nèi)，不在內(nèi)轉(zhuǎn)9。(4)計(jì)算出以當(dāng)前點(diǎn)為中心的范圍內(nèi)的灰度最大值max，灰度最小值min和平均值avg。(5)。(6)當(dāng)滿足當(dāng)前點(diǎn)的灰度值大于平均值并且小于時(shí)，不滿足轉(zhuǎn)(8)。(7)將當(dāng)前點(diǎn)設(shè)成背

11、景點(diǎn)（=1）。(8)取下一點(diǎn)，轉(zhuǎn)(2)。(9) 將當(dāng)前點(diǎn)的灰度值大于，轉(zhuǎn)(7)。用整體閾值法處理當(dāng)前點(diǎn)灰度值不在范圍內(nèi)的點(diǎn)，因?yàn)檎w閾值法適合處理目標(biāo)和背景比較清楚的圖像，所以這些點(diǎn)以整體閾值為參照很明顯是屬于筆跡或背景。用局部閾值法二值化那些在范圍內(nèi)的點(diǎn)，因?yàn)榫植块撝捣ㄌ幚砀蓴_比較嚴(yán)重、品質(zhì)較差的圖像好于整體閾值。其中(4)中和的引入可以盡量避免偽影和筆畫(huà)斷裂的現(xiàn)象，可以改善二值化的效果。為該點(diǎn)灰度與整體閾值t的差值，經(jīng)過(guò)大量試驗(yàn)本文。3 實(shí)驗(yàn)結(jié)果分析圖3.1至圖3.2是分別對(duì)“合”、“曾”的二值化圖進(jìn)行分析比較 ，其中(a) 原圖 (b)局部閾值二值化(c)整體閾值二值化 (d) 本文閾值

12、算法二值化。 (a) (b) (c) (d) 圖3.1 “合”二值化圖 (a) (b) (c) (d) 圖3.1 “曾”二值化圖從實(shí)驗(yàn)結(jié)果可以看出，圖3.1“合”二值化圖中(b)局部閾值算法和(c)整體閾值算法方法對(duì)原圖像中“合”字，有偽影生成，部分產(chǎn)生斷點(diǎn)，相比較而言，本文所用的綜合進(jìn)化閾值算法不產(chǎn)生偽影。圖3.2“曾”二值化圖中(b)局部閾值算法對(duì)“曾”字中的“日”的橫折有斷點(diǎn)產(chǎn)生和(c)整體閾值算法方法對(duì)“曾”字中的“日”的橫折有不流暢的現(xiàn)象產(chǎn)生，相比較而言，本文所用的綜合進(jìn)化閾值算法能夠較好的保留圖像細(xì)節(jié)。綜上，本文所用的綜合進(jìn)化閾值算法好于用整體閾值二值化方法和局部二值化方法，本文采

13、用的方法能夠較好的保留圖像細(xì)節(jié)且不產(chǎn)何偽影。4 結(jié)論本文在分析了常用的整體和局部二值化算法的優(yōu)缺點(diǎn)后，提出了一種綜合進(jìn)化閾值算法二值化算法。試驗(yàn)結(jié)果表明：該方法既能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，又能夠有效地消除偽影，提高處理速度。5 參考文獻(xiàn)1 miguel a. ferrer, jesus b. alonso and carlos m. travisco. offline geometric parameters for automatic signature verification using fixed point arithmetic, june 20

14、05, ieee transactions on pattern analyisis and machine intelligence, vol. 27, no. 6, pp. 993-997輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2000，12(10)：746一750.2 王強(qiáng)，馬利莊.圖像二值化時(shí)圖像特征的保留j.計(jì)算機(jī)3 larkins,r.; mayo, m. adaptive feature thresholding for off-line signature verification. image and vision computing new zealand, 2008. ivcnz 2008. 23rd