文檔圖像處理技術的研究現狀,分析了彩色文檔圖像不同於二值圖像或灰度圖像的主要特點,指出了彩色文檔圖像的壓縮處理必須藉助於現成的頁面分割與分類成果,針對彩色文檔圖像的特點,改進PLA技術、ACR技術和GLR技術,在努力提高圖像質量的前提下,對文檔圖像按區域類別的不同,選用有針對性的壓縮方法,並對實現的技術路線進行了討論。
基本介紹
- 書名：《文檔圖像處理技術》
- 作者：何希平
- 原版名稱：如原版為外文，則填其原版外文名稱《重慶工商大學學報:自然科學版》
概述,涉及技術,文檔圖像獲取,文檔圖像獲取中的難題,文檔圖像處理內容,
概述
文檔作為信息的載體，在社會生活中占有著十分重要的地位。通常，我們可以把存儲在計算機中或紙上的一切具有閱讀意義的信息稱為文檔。為能簡便有效地使用和管理信息，自上世紀六十年代以來，人們進行了大量關於文檔處理系統的研究。文檔可以通過掃瞄器、數位相機或文檔處理系統進入計算機，轉化為文檔圖像或者電子文檔，從而使人們能夠方便有效地對其進行存儲、管理、傳輸。
涉及技術
文檔圖像獲取
近年來，數位化文檔被廣泛套用於辦公自動化、數位化圖書館、工業自動化等領域。隨著科技的發展，傳統掃瞄器體積大、效率低、攜帶不方便等不足之處日益突出，而數位照相機體積小、價位低，可以很容易地攜帶並結合到手機、 手提電腦以及各種網路設備中去，它還可以遠距離地對背景文字及脆弱的珍貴文檔拍照， 更適用於無約束環境下的數位化操作。因此，將數位照相機引入文檔圖像分析已經引起越來越多人的關注。
Newman的調查表明，從報紙上提取段落時，基於PC攝像頭的OCR操作比基於掃瞄器的OCR操作效率高得多；Fisher等調查了在戰場上用數字攝像機替換士兵攜帶sheet-fed掃瞄器的可能性。經證實，數字攝像機能夠以200dpi拍攝整張A4文檔紙，已經達到OCR所要求的解析度。
文檔圖像獲取中的難題
用數位照相機拍攝的文檔圖像也有新問題需要解決：當文檔表面彎曲變形時，數字相機拍到的文字及圖形圖像將會產生畸變；在掃瞄器中，也會出現這一現象。文檔圖像的變形對後續處理工作，如 OCR識別、 數字文檔的版面分析、格式處理以及文檔自動化都帶來極大困難，因此必須首先通過圖像矯正的方法對這種變形文檔進行圖像恢復。
在2001年的數位化項目中，德國代表哲學家Nietzsche在Duisburg–Essen大學對創作於1865至1945年的文本文檔做了數字轉換。這次轉化的過程既複雜又耗時。很多文檔使用德國哥特體（fraktur）活字技術印刷出來，而現在的OCR程式對fraktur活字識別不很理想，因此常常伴隨著人工修改。對於那些質量差一些的以原始影印檔案為主的文學來源，數位化過程則需要進一步的人工互動。其中陰影、傾斜和扭曲都會極大的降低 OCR識別的準確度。
文檔圖像處理內容
文檔圖像處理包含許多方面，下面對一些重要的技術做簡要說明。
1、圖像去色及二值化
圖像的二值化處理就是將圖像上的像素點的灰度值設定為0或255，也就是將整個圖像呈現出明顯的黑白效果。
將256亮度等級的灰度圖像通過適當的閥值選取而獲得仍然可以反映圖像整體和局部特徵的二值化圖像。在數字圖像處理中，二值圖像占有非常重要的地位。首先，圖像的二值化有利於圖像的進一步處理，使圖像變得簡單，且數據量減小，能凸顯出感興趣的目標輪廓。其次，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。
在我們所研究的文檔圖像處理這一特定領域中，圖像的二值化一般是指將灰度圖像轉化為只包含黑、白兩個灰度的二值圖像。文檔圖像可以看作是由文字、背景、圖片三類對象組成，而我們最關心的是文字區域二值化後的結果。
圖像的這種轉換必然會引起信息丟失，因此採用什麼樣的算法能夠最大限度地保留識別時必需的信息（如字元的連通性），去掉不必要的背景信息和噪聲，並且執行時間在實際可接受的範圍內，是人們一直以來努力研究的問題。
2、傾斜檢測與校正
文檔處理系統要求的處理對象是工整的文檔圖像，或者傾斜角度已知，否則許多對圖像的操作，例如投影分析，圖像分割等就無法進行。顯然，掃描進計算機的文檔圖像無法保證一定是正的，因此需要利用傾斜檢測和校正的方法對其進行處理。經常採用的傾斜角度檢測的方法有：基於文本行的檢測方法，投影輪廓分析方法，和Hough變換方法等。
基於文本行的檢測可以用於已知文本行方向（水平或豎直）的文檔圖像，它利用了對圖像中連通體的分析。我們知道，連通體是一個灰度值相同的像素的集合，這個集合中任意兩個像素之間都是8-近鄰關係。可以用包含連通體內像素的最小矩形來表示連通體，它描述了連通體的大小和位置信息。如果已知文本行方向，我們就可以將連通體合併成文本行，並用直線逼近。該直線的傾斜角即為文本行的傾斜角。對整幅圖像的文本行作同樣分析，選出出現頻率最高的角度，即可作為圖像的傾斜角。
投影操作也是一種基本的圖像處理方法。將圖像按一定方向作投影，可以得到在該方向坐標軸上分布的波形，它描述了圖像沿該方向上的黑像素分布情況。如果圖像文本行是水平的，那么沿水平方向的投影波形將具有明顯的波峰和波谷。基於這一點，我們可以在候選傾斜角度範圍內轉動圖像，直至出現明顯的波峰和波谷為止，這時得到的角度就是傾斜角度。
Hough變換方法是在傾斜檢測中最常使用的方法，它抗噪聲干擾的能力強，並且不受圖像間隙干擾。它的原理是將直線從圖像空間映射到參數空間。這樣就將原圖像中的直線映射到參數空間的一點，而原圖像中的一點則對應著參數空間的一條正弦曲線。圖像空間中任意兩點所對應的正弦曲線在參數空間將相交於一點，進而， 通過的直線上的所有點所對應的正弦曲線在參數空間都將相交於這一點。基於這一點，我們將直線檢測問題轉化為參數空間尋找局部最大值的問題。以上是標準Hough變換的基本思想。該方法適於文本行方向預先未知的情況。
3、版面結構理解
