[发明专利]西文单词切分方法和装置

权利要求书

1.一种西文单词切分方法，其特征在于，包括：

将西文图像通过行列切分得到多个字符图像块；

从所述字符图像块中识别有效字符图像块；

设置切分阈值；

通过比较连续的所述有效字符图像块之间的距离与所述切分阈值，以切分单词。

2.根据权利要求1所述的方法，其特征在于，将西文图像通过行列切分得到多个字符图像块包括：

纵向扫描所述西文图像；

计算每条水平扫描线上前景点i的像素值S_i之和其中，nWidth是所述西文图像的文本区域的像素宽度；

如果S_n≥N₁，则确定当前扫描线为组成字符的扫描线；

如果S_n＜N₁，则确定当前扫描线为噪声或空白；

横向扫描所述西文图像；

计算每条垂直扫描线上前景点i的像素值R_i之和其中，nHight是所述西文图像的文本区域的像素高度； 

如果S_n≥N₂，则确定当前扫描线为组成字符的扫描线；

如果S_n＜N₂，则确定当前扫描线为噪声或空白；

其中，N₁和N₂是预设值。

3.根据权利要求1所述的方法，其特征在于，从所述字符图像块中识别有效字符图像块包括：

将所述字符图像块区分为标点图像块和所述有效字符图像块。

4.根据权利要求3所述的方法，其特征在于，将所述字符图像块区分为标点图像块和所述有效字符图像块包括：

判断以下条件：

条件1、w_kⁱ大于N_t1倍H_k^max；

条件2、U_kⁱ的上下边完全落在中心范围以外；

条件3、U_kⁱ的上下边至少有一边落在中心范围以内，且h_kⁱ大于N_t2倍H_k；

条件4、U_kⁱ的上下边至少有一边落在中心范围以内，h_kⁱ不大于N_t2倍H_k，且dw_kⁱ小于N_t3；

条件5、U_kⁱ的上下边均没有落在中心范围以内，且dw_kⁱ小于N_t3，dh_kⁱ小于N_t4；

其中，U_kⁱ是第k行的集合Ω_k中的第i个所述字符图像块的外接矩形框，h_kⁱ、w_kⁱ分别为U_kⁱ的高度和宽度，dh_kⁱ＝h_kⁱ/H_k^max，dw_kⁱ＝w_kⁱ/H_k^max，H_k^max为Ω_k中所述字符图像块的最大高度，H_k为当前行的行高，m_k为当前行的中线位置，m_k±r×H_k为当前行的中心范围，r、N_t1、N_t2、N_t3和N_t4为预设的系数；

如果条件1-5中任一条成立，则确定对应的所述字符图像块为所述标点图像块，如果条件1-5均不成立，则确定U_kⁱ对应的所述字符图像块为所述有效字符图像块。