方向线素特征介绍

方向线素特征介绍张睿，2010.101. 输入：二值字符图像2. 产生字符轮廓:3. 计算每个像素的方向矢量：在局部区域里（以3X3区域为例）计算中心像素 的方向矢量。该矢量通常是4维，对应“横、竖、撇、捺” 4个方向。也可 以是8维矢量，即在4个方向基础上，对轮廓做顺时针跟踪，将每个方向又 分成2个指向，例如：“横”可以分成“左向横”和“右向横”。以4维矢量 为例：在3X3区域里包围中心点的8个像素可以产生256种组合。然后根据 线段的方向分别给矢量的4个元素赋值。这个过程可以通过查表实现。横分量竖分量撇分量捺分量0.500.5010004, 图像分块：将字符图像均匀分成NXN块（以8X8为例）。然后对每个分块中 的所有像素的4维矢量求和。于是产生了 8X8X4 = 256维的矢量，该矢量即是 “方向线素特征”。5. 一种改进是对分块的边缘进行模糊化处理，即相邻分块之间有部分重叠区域， 对分块中所有像素的矢量求和过程中，计算加权和，重叠部分的权重低，越 远离分块中心权重越低。方向线素的补充-具体实现方式以上所述是原理性说明，在具体实现的时候上面的第2步和第3步，即边缘提取 和方向矢量分解，可以同时完成。计算机实现的过程是对字符图像的所有像素进行遍历，假设遍历到的当前像素标 示为如下图所示的蓝色。6可以在3X3区域内，根据当前像素及周围8个像素的颜色（黑或白），来判断当 前像素是否是边缘像素以及取得当前像素的方向矢量。如果当前像素是白色，即当前像素是背景点（不是笔画点），则当前像素的方向 矢量是0, 0, 0, 0。如果当前像素是黑色，即当前像素是笔画点，则需要通过查表 来判断该像素是否是边缘，以及得到它的方向矢量。由上图可见，我们已经对周围的8个像素做了编号，他们记为：A7, A6, A5, A4, A3, A2, A1, A0 如果Ai(i=0,.,7)是黑色，则取值为1，如果是白色，则取值是0。于是8个像素的所有颜色排列共有256种，即：0 0 0 0 0 0 0 00 0 0 0 0 0 0 10 0 0 0 0 0 1 00 0 0 0 0 0 1 10 0 0 0 0 1 0 00 0 0 0 0 1 0 10 0 0 0 0 1 1 01 1 1 1 1 1 0 11 1 1 1 1 1 1 01 1 1 1 1 1 1 1根据每种颜色组合，和上面第3步的原理，为每个颜色组合人工定义方向矢量。例如：当组合为0 0 0 0 0 0 0 0时，图像是，当前像素实现上是“孤立”像素，它的方向矢量不存在，即方向矢量是0, 0, 0, 0。当组合为1 1 1 1 1 111时，图像是当前像素不是边缘点，它的方向矢量也是0, 0, 0,0。当组合为0 0 1 1 1 1 1 1时，图像是1，当前像素是边缘点，它的 方向矢量根据上面第3步的原理，取值是0.5, 0, 0.5, 0。依此方法，所有组合都 可以给出方向矢量的取值，这个过程完全是人工预先设定好的。计算机只需要通 过查表就可以直接得到当前像素的方向矢量结果。如果只考虑四方向分解，即“四方向线素特征”，则和的方向矢量相同，都是0.5, 0, 0.5, 0。当进行八方向分解时，上面两个图像的结 果则完成不同，分别是0.5, 0, 0.5, 0, 0, 0, 0, 0和0, 0, 0, 0, 0.5, 0, 0.5, 0。同理，在 八方向线素特征中所有组合的八方向矢量结果也是人工预先定好的。特征的作用是对字符图像进行数值化描述，并尽可能使其具有好的可分性。当轮 廓方向和宽度变化的时候，方向线素特征的结果也会发生变化。但是只要这种变 化不在不同种类字符之间产生混淆，就可以通过大量样本学习和分类器设计来获 得最终的正确识别结果。本人发表的多篇文章（请用Rui Zhang, Xiaoqing Ding在网上查询）中所使用的特 征均是上述的“方向线素特征”，该特征是目前字符识别最有效的特征之一。