[发明专利]基于数学形态学和区域连通性的甲骨文字自动分割方法

摘要

本发明公开一种准确性高、鲁棒性好、处理速度快、具备自适应能力、基于数学形态学和区域连通性的甲骨文字自动分割方法。首先，将甲骨图像从RGB颜色空间转换到HSV颜色空间，并保留其V分量；其次，对图像进行迭代式阈值分割和形态学开运算，断开文字与部分背景裂缝的狭窄连接，得到抑制了点状噪声干扰的粗分割结果；然后，统计各连通区域的面积直方图，并假设文字区域的像素面积服从正态分布，利用约束和形态学填充运算，去除连通面积过大和过小的连通区域，从而抵抗残留的点状噪声和片状斑纹的干扰；最后，采用形态学细化运算来抑制甲骨齿缝、兆纹或盾纹的影响，进而获得甲骨文字的最终分割结果。

主权项

1.一种基于数学形态学和区域连通性的甲骨文字自动分割方法，其特征在于按照如下步骤进行：步骤1.输入待分割的甲骨文图像I；步骤2.将I的颜色空间从RGB转换到HSV，并提取其Y分量I_V；步骤3.利用迭代式全局阈值法分割I_V，得到甲骨文字的粗分割结果；步骤3.1令I_V的最大灰度值和最小灰度值分别为Z_max和Z_min，并令初始分割阈值T₁＝(Z_max+Z_min)/2；步骤3.2采用T₁作为全局阈值将图像I_V分割为前景区域G₁和背景区域G₂，其中，G₁由I_V中灰度值大于T₁的像素组成，而G₂由I_V中灰度值不大于T₁的像素组成；步骤3.3计算前景区域G₁中所有像素的平均灰度值μ₁，计算背景区域G₂中所有像素的平均灰度值μ₂，并令T₂＝(μ₁+μ₂)/2；步骤3.4如果|T₂‑T₁|<T，所述T为预设的迭代阈值，则将T₂作为最优的全局分割阈值，转入步骤3.5；否则，令T₁←T₂，转入步骤3.2；步骤3.5采用T₂作为全局阈值，对I_V进行二值化，得到甲骨文字的粗分割结果步骤4.采用半径为r的平坦圆盘型结构元素对进行形态学开运算，得到输入图像的背景估计所述r为预设常数；步骤5.将输入图像的粗分割结果减去背景估计值从而得到抑制了点状噪声的甲骨图像步骤6.统计的所有8‑连通区域的面积直方图，并采用正态分布函数对面积直方图进行拟合，令所得正态分布函数的数学期望和标准差分别为μ、σ；步骤7.对于的每个连通区域，根据其形态学特征来抑制残留的点状噪声、片状斑纹以及甲骨本身纹理的干扰；步骤7.1统计当前8‑连通区域的连通面积S；步骤7.2若当前8‑连通区域的连通面积S<μ‑2σ，则将该连通区域的前景像素判定为残留的点状噪声，并采用形态学区域填充运算，将该连通区域的全部像素填充为背景值；步骤7.3若当前8‑连通区域的连通面积S>μ+2σ，则将该连通区域的前景像素判定为片状斑纹，并采用形态学区域填充运算，将该连通区域的全部像素填充为背景值；步骤7.4采用形态学细化运算，计算当前8‑连通区域的单像素宽的骨架，并计算该骨架的外接矩形，令外接矩形的高度h和宽度w，若长宽比满足h/w>T_ratio或者w/h>T_ratio，则将当前8‑连通区域的前景像素判定为齿缝、兆纹或盾纹，并采用形态学区域填充运算，将该连通区域的全部像素填充为背景值，所述T_ratio表示预设的阈值；步骤8.输出经数学形态学处理后的最终分割结果