《一种笔迹图像的二值化算法.doc》由会员分享，可在线阅读，更多相关《一种笔迹图像的二值化算法.doc（6页珍藏版）》请在三一文库上搜索。
1、 一种笔迹图像的二值化算法关云虎，张学东 摘 要:在模式识别中，二值化效果的好坏直接影响识别率。本文在研究现有二值化算法的基础上，对离线笔迹图像二值化进行了改进。实验结果证明，该方法能够有效地消除光照不均匀对图像的影响，较好地保留目标图像的细节，提高处理速度。关键词:二值化；整体阈值；局部阈值；动态阈值；进化规划； 中图法分类号:TP183 文献标识码: 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、 二值化算法分析比较图像二值化就是将整幅图像画面处理成仅有黑和白二值图像，不呈现出灰度变化，以便于数据压缩、特征突出及后续图像处理工作1。目前，从所查阅的文献资料来看，几乎所有图像二值化处理都是基于灰度图像进行的。二值图像基本原理为:设表示像素在位置的灰度值，二值化是按1.1式进行: 1.1 其中，称为二值化阈值（threshold)。具有“0”值的像素集合作为目标，把所有具有“1”值的象素集合作为背景。当值过小时，会丢失信息；当值太大时，会增加许多虚假信息。根据阈值的选取情况，二值化方法可分为整体二值化，局部二值化和动态二值化2。 1.1 整体阈值二值化仅由象素点的灰度值确定阈值的方法称为整
5、体阈值选择法阈值表示为：。整体阈值方法一般只考虑到整体像素的平均灰度值，并未顾及到每个像素的不同，所以当文字清晰，轮廓明显，干扰很小时其二值化速度较快，但对输入图像有不均匀光照，字迹不清楚等情况，在有干扰的像素上会发生错误判断，所以在应用上受到极大限制。比较典型的整体二值化算法有梯度均值法、微分直方图法等。1.2 局部阈值二值化由象素的灰度值和象素周围点局部灰度特性确定阈值的方法称为局部闹值选择法。阈值表示为：。需要指出的是，局部阈值一般用于识别干扰比较严重、品质较差的图像，同时也存在缺点和问题，一则时间开销大，实现速度慢。比较典型的局部二值化算法有多阈值的梯度强度法、基于纹理图像的方法、最大
6、方差法等。1.3 动态阈值二值化动态阈值选择不仅取决于像素阈值以及其领域像素的灰度值，并且与该像素坐标位置有关，动态地计算分割所需的阈值3。动态阈值二值化能够处理品质较差的图像，甚至单峰直方图，但因为动态阈值化方法常常需要对图像中每个像素点都计算阈值，即对整幅图像求出一个阈值面(通常为曲面)，计算量很大，运算速度比较慢，由于比较费时和某些失真的缺点，这在一定程度上阻碍其发展4。比较典型的动态阈值二值化方法有迭代法等。2 综合进化阈值算法2.1 OUST 算法方差反映了一个变量对应的一组数值的均衡性的大小，方差大的其均衡性就低，反之，均衡性就高。对于一幅图像，可以分为背景和目标两类，其中背景和目
7、标各自内部像素的灰度值均衡性高，对应的方差小，而背景和目标之间的均衡性小，对应的方差最大。基于这个原理，1978年OSTU提出了一种基于阈值的图像分割方法。在灰度图像中，原始灰度级为，所有像素数量为，其中像素灰度值为的像素个数为，则有。假设此时的分割阈值为，则将灰度分为和两类。表示小于等于分割阈值的部分，表示大于分割阈值的部分。则每一类出现的概率为：和。每一类的平均灰度为：和。则类间方差可以定义为：在1到之间改变灰度值，使得它的类间方差最大时的作为阈值，这样就得到最佳的分割效果5。要得到最佳阈值就必须对所有的个灰度值进行遍历计算其类间方差，最后通过比较得到最大方差，其运算量大。2.2 局部阈值
8、法局部阈值算法的过程描述如为：计算出每一点的的邻域范围内的的最大值max，最小值min，如图2.1。计算出邻域内的。当前点的灰度值小于时，将当前点设成背景点。 图2.1 邻域2.3 综合进化阈值算法一、进化规划的最大类间方差法最大类间方差的求解过程，就是在搜索空间查找一个整体最优解，使得其方差最大。进化规划的整体寻优以及计算快速的特点，使得可以将其应用于最大类间方差的求解6。操作步骤如下：1、个体范围由于图像灰度值为0-255，因此随机生成的个体也在0-255之间，本文选择。2、适应度函数设计用图像灰度的类间方差表达式作为适应度函数。适应度函数为：，其中为灰度小于等于阈值的像素数，为灰度大于阈
9、值的像素数，为灰度小于等于阈值像素的平均值，为灰度大于阈值像素的平均值。3、变异操作采用了元进化规划的变异操作：4、选择操作采用随机型的-竞争选择法。多次取不同的M进行计算得出一条与进化规划迭代次数的关系曲线，从而选择最优的。通常当较小的时候根据经验值选择较为合适，所以。5、结束条件采用最优适应度与最差适应度之比作为停止条件，满足停止条件时停止运行，此时具有最高适应度值的个体即为分割阈值。按照前面介绍的进化规划进行计算，每代10个个体，又变异出10个个体，实验表明，最多繁殖到第6代，最优适应度与最差适应度之比已在之间，达到最佳阈值。本算法运算时间只有传统算法的三分之一，十分适合于图像的实时处理
10、。二、综合进化阈值算法整体阈值法对噪声较大和阴影明显的图像二值化效果不佳。局部阈值法可以克服上述不足，但由于需要比较图像中所有点，所以速度较慢。综合进化阈值算法可以克服上述缺点，既能够有效地消除光照不均匀，较好地保留图像的细节，又能够有效地消除伪影，提高处理速度。综合进化阈值算法具体为： (1)使用进化规划的最大类间方差法计算出整体阈值。 (2)当前点在图像内，不在图像则结束。(3)当前点的灰度值在范围内，不在内转9。(4)计算出以当前点为中心的范围内的灰度最大值max，灰度最小值min和平均值avg。(5)。(6)当满足当前点的灰度值大于平均值并且小于时，不满足转(8)。(7)将当前点设成背
11、景点（=1）。(8)取下一点，转(2)。(9) 将当前点的灰度值大于，转(7)。用整体阈值法处理当前点灰度值不在范围内的点，因为整体阈值法适合处理目标和背景比较清楚的图像，所以这些点以整体阈值为参照很明显是属于笔迹或背景。用局部阈值法二值化那些在范围内的点，因为局部阈值法处理干扰比较严重、品质较差的图像好于整体阈值。其中(4)中和的引入可以尽量避免伪影和笔画断裂的现象，可以改善二值化的效果。为该点灰度与整体阈值T的差值，经过大量试验本文。3 实验结果分析图3.1至图3.2是分别对“合”、“曾”的二值化图进行分析比较 ，其中(a) 原图 (b)局部阈值二值化(c)整体阈值二值化 (d) 本文阈值
12、算法二值化。 (a) (b) (c) (d) 图3.1 “合”二值化图 (a) (b) (c) (d) 图3.1 “曾”二值化图从实验结果可以看出，图3.1“合”二值化图中(b)局部阈值算法和(c)整体阈值算法方法对原图像中“合”字，有伪影生成，部分产生断点，相比较而言，本文所用的综合进化阈值算法不产生伪影。图3.2“曾”二值化图中(b)局部阈值算法对“曾”字中的“日”的横折有断点产生和(c)整体阈值算法方法对“曾”字中的“日”的横折有不流畅的现象产生，相比较而言，本文所用的综合进化阈值算法能够较好的保留图像细节。综上，本文所用的综合进化阈值算法好于用整体阈值二值化方法和局部二值化方法，本文采
13、用的方法能够较好的保留图像细节且不产何伪影。4 结论本文在分析了常用的整体和局部二值化算法的优缺点后，提出了一种综合进化阈值算法二值化算法。试验结果表明：该方法既能够有效地消除光照不均匀对图像的影响，较好地保留目标图像的细节，又能够有效地消除伪影，提高处理速度。5 参考文献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辅助设计与图形学学报，2000，12(10)：746一750.2 王强，马利庄.图像二值化时图像特征的保留J.计算机3 Larkins,R.; Mayo, M. Adaptive Feature Thresholding for off-line signature verification. Image and Vision Computing New Zealand, 2008. IVCNZ 2008. 23rd International Conference.26-28. Nov. 2008 Page(s):1 64 马驰，张红云，苗夺谦，张学东. 改进的多阈值动态二值化算法J. 计算机工程.2006，32(6)：203-2055 陈丹，张蜂，贺贵明.一种改进的灰度图像二值化方法J.计算机工程.2003，29(13)：85-866 林国余，张为公.基于进化规划的最大类间方差的图像分割算法J.传感技术学报.2006，19(1)：179-182-