[发明专利]一种基于连通域的印刷文本图文分割方法

说明书

本发明公开了一种基于连通域的印刷图文分割方法，并提出了一种利用基于连通域的印刷文本图文分割方案来进行对复杂版面印刷文档添加抗打印扫描数字水印的应用场景。通过利用连通域的一些特性（如面积、位置、宽度、高度等）来实现两个目的：第一，把文档图像中文本部分和图像部分分割开来。第二，把文档图像中的一些噪声点和标点符号去除。结果表明基于连通域的图文分割方法具有较好的效果，能够正确区分出文本部分和图像部分，是复杂版面文档版面预处理的重要步骤，是复杂版面文档水印技术的重要前提。

技术领域

本发明涉及到打印机打印扫描过程中对复杂版面的印刷文本进行版面预处理的领域，尤其涉及到一种对复杂版面的印刷文档进行图文分离及后续操作。

背景技术

图文分割，也被称作图像分割。通俗来说就是把一幅图像根据特征分割成不同的区域，分割后每个区域都有相似的特征，如灰度、颜色、亮度等，并且每个区域之间都能明显的区分开来。

图像分割技术是图像处理中一个比较重要的技术，是用来处理文档图像，分割出文本和图像的重要手段。文档图像，是指同时包含文字和图像的文本图像，在书籍、档案、票据等方面普遍存在。

抗打印扫描的数字水印技术是数字水印的一个重要的应用场景。众所周知，生活中有许多地方会用到打印、扫描电子文档或者其他数字作品，如政府文件、企业合同、书籍著作、杂志文章等，这些文件会很容易的通过扫描复印得到许多的副本，如何对它们进行版权保护就显得尤为重要。而这些文件不单单只是以纯文本或者纯图像的形式出现，它还有各种各样的排版，图文并茂。因此，如何针对这些复杂版面文档添加数字水印的前提就是如何把文本和图像分割出来。可见图文分割作为一种预处理方法有着十分重要的作用。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提出了一种基于连通域的印刷文本图文分割方案。利用连通域的方法来对复杂版面上的连通域进行标记，并同时结合去噪，来对印刷文档图像中的文本部分和非文本部分进行分割。并提出了一种利用基于连通域的印刷文本图文分割方案来进行对复杂版面印刷文档添加抗打印扫描数字水印的应用场景。

一种基于连通域的印刷文本图文分割方案，具体内容包括：

步骤一，将复杂版面文档转为图像。

步骤二，将转化后图像进行二值化处理。

步骤三，对二值图像进行连通域标记。标记连通域，并记录各个连通域的位置信息，面积信息等特征，并保存下来。

其中连通域标记方法如下：

1.定义V是表征邻接性的具有相同灰度值的集合。例如在二值图像中，把具有1值得像素归于V，灰度图像类似处理。

2.选择连通域的邻接关系，4邻接或者8邻接。其中两种邻接关系如下定义：

4邻接：对于两个像素点p和q都属于集合V，若q在集合N₄(p)里，则像素p和像素q是4邻接的。

8邻接：对于两个像素点p和q都属于集合V，若q在集合N₈(p)里，则像素p和像素q是8邻接的。

更进一步的，从坐标为(x,y)像素点p出发，经过一系列的邻接关系能够到达q点(x′,y′)，则定义p到q是连通的。假设S是图像中的一个像素子集，假设S中的任意两个像素点之间都存在一个通路，则称S为一个连通集合。更进一步地，图像中存在若干个连通集合S₁,S₂,S₃…，且它们之间相互不邻接，那么这些连通集合则可分割为一个个连通区域。把这些独立的连通区域提取出进行区分并标号的过程称为连通域标记。