[发明专利]一种自适应的汉字笔画交叉区域提取方法

说明书

技术领域

本发明涉及一种自适应的汉字笔画交叉区域提取算法，其根据笔画的粗细、形状得到汉字交叉区域，并提取交叉区域，属于模式识别与信息处理技术领域。

背景技术

由于汉字集合的庞大及汉字本身的复杂性，基于结构分解和分析的模式匹配方法被认为是必要和必须的，而在脱机汉字识别中抽取笔画信息又是很重要的，故出现了许多关于汉字笔画抽取或分解的文章。关于笔画抽取需要解决两个主要问题：一是如何取出基本笔画；二是如何解决交叉点处笔画成分分割的模糊性。许多已有的笔画抽取方法建立在细分的基础上，这些方法的本质问题是会产生虚假分支和模式的畸变，从而导致不可靠的抽取结果；另一类不基于细化的笔画抽取算法利用了其它种类的笔画信息，如笔画宽度、弧度变化或笔画的连续属性。

由于汉字是一种结构性非常强的文字，因此结构分析是印刷体文本图像处理的重要方法，而笔画作为汉字结构的基本组成元素，是字符图像的重要特征，笔画，在新华字典上定义是：组成汉字的点横直撇等。由于汉字都是由笔画按照一定结构组合起来的，因此汉字笔画提取是汉字结构分析中的一个非常重要的步骤，对汉字识别有着重要的意义。基于此我们对汉字结构和拆分深入分析，从汉字的结构出发，研究汉字的交叉点检测和交叉点区域提取算法。

目前，笔画提取的主要方法有细化法、轮廓信息法和段化法等。轮廓信息法是利用轮廓信息，将字符分割成线状区域和相交区域两部分，但由于不能有效地确定相交区域，因此容易造成笔画的变形和丢失；段化法是通过相邻行和列连通段的关系来提取笔画，计算量较大，作者对汉字比较的轮廓进行跟踪，在跟踪的过程中标记相交笔画的交点，即凹点连接起来得到交叉区域，但该方法要遍历所有的轮廓像素点，计算量较大。提出了一种基于模糊区域检测的笔画提取算法，但该算法首先利用图模型对字笔画和模糊区域进行建模，之后构造贝叶斯模型分类器来分析字笔画对的连续性，需要一定量的训练，复杂度较高。

基于此，本发明利用汉字细化得到的骨架图计算汉字交叉点，再通过计算交叉点到笔画轮廓的距离得到交叉区域分割点，之后连接分割点形成交叉区域。由于印刷体汉字有许多不同的字体，不同字体之间汉字笔画粗细不同，并且，即使是同一字体的不同笔画之间粗细也不相同，此外，在交叉点处，为了将笔画完全分割开来，交叉区域的形状也是不固定的，因此，固定大小、固定形状的交叉区域是不适用的。

发明内容

针对上述现有技术，本发明要解决的技术问题为：如何实现汉字笔画分割以及对印刷体汉字交叉区域的提取，由于不同字体的印刷体汉字、同一印刷体汉字的不同笔画之间的粗细不同，交叉区域的形状、大小不同，因此一方面需要能够将汉字笔画分开，另一方面又要根据笔画的粗细、形状得到交叉区域。

为了解决上述技术问题，本发明采用如下技术方案：

一种自适应的汉字笔画交叉区域提取算法，其特征在于，根据汉字笔画交叉点到笔画轮廓的距离统计特征动态地获取分割点，得到能够将汉字笔画分割开来的最小交叉区域，包括如下步骤：

步骤一：得到汉字图像的骨架图；

步骤二：计算交叉点；

步骤三：判断是否有交叉点，若有对位于同一个交叉区域的交叉点进行合并；

步骤四：计算PBOD；

步骤五：根据PBOD直方图，计算分割点；

步骤六：连接分割点，得到自适应的交叉区域。

在本发明中，该自适应的汉字笔画交叉区域提取算法，其具体步骤如下：

步骤一：得到汉字图像的骨架图

首先对图像进行规范化、二值化，得到二值图像中笔画点像素值为1，背景像素值为0，再根据现已有的经典算法对汉字进行细化，得到汉字的骨架图；

步骤二：计算交叉点

对步骤一所获得的骨架图计算交叉点，采用像素点8邻域范围内的像素相交关系判断该像素是否为交叉点，根据公式1，利用汉字骨架图计算笔画像素的相交数N_c(p):

其中，x_i(i＝1,…,9)是像素点p的邻接点，且x₁＝x₉，若N_c(p)＞2则p为交叉点，对于没有交叉点的笔画结构我们直接输出笔画；

步骤三：对位于同一个交叉区域的交叉点进行合并

计算交叉点之间的距离，计算公式为：