基于二次分割的銀行票據彩色印章的濾除

季婧婧+婁震

摘 要： 由于彩色印章的存在，傳統的印章濾除算法常常會弱化票據中印章的遮擋字符，降低票據識別正確率，這很難滿足實際應用的需要。針對這種情況，提出一種基于彩色圖像二次分割的算法，該算法能夠實現印章的有效濾除。算法首先對票據背景和印章部分進行濾波。然后，基于印章顏色分析進行圖像的第二次分割，判斷并提取出印章遮擋的字符。根據票據背景平均灰度值自適應的增強遮擋字符，并濾除干擾印章部分，實現遮擋字符細節得以保留，從而提高了票據識別的正確率。實驗結果表明，相比于現有的方法，該文采用的方法將識別準確率提高了約10%，實驗證明了該方法的有效性，并具有較好的應用前景和商業價值。

關鍵詞： 銀行票據； 多色印章； 顏色判定； 遮擋字符

中圖分類號： TN919?34； TP391.41 文獻標識碼： A 文章編號： 1004?373X（2014）22?0005?05

Filtering of color seal on bank notes based on re?segmentation

JI Jing?jing， LOU Zhen

（Department of Computer Science， Nanjing University of Science & Technology， Nanjing 210000， China）

Abstract： As a result of the existence of color seal， traditional seal filtering algorithms usually weak the characters covered in the Bank Notes， and reduce the recognition accuracy of the notes. Previous methods are hard to meet practical needs. According to this， an algorithm based on color image second?segmentation algorithm is presented. The algorithm can realize efficient filtering of the color seal. It separates the background of notes and color seal first， and then conducts image second?segmentation based on the color analysis of the seal to judge the result and extract the covered characters. According to the mean gray value of bank note background， the covered character is enhanced adaptively and the area disturbed by the seal is filtered， so the recognition rate of the bank notes is improved. The experimental results show that the recognition accuracy is increased by about 10% by the method in comparison with the existing methods.

Keywords： bank note； color seal； color judgement； covered character

0 引 言

銀行票據處理是金融商業中非常重要的一項工作，其過程需要充分體現票據處理的效率性、嚴密性以及安全性。長期以來，金融部門的票據處理過程效率低下，直接影響了國內銀行的整體競爭力。票據的自動分割和票據信息提取能夠極大地提高批量票據處理的速度及工作效率，減少人為干預。因此，尋求一種有效而實用的票據處理方法變得越來越迫切。銀行票據通常都是通過印章來確認票據的有效性，而印章的遮擋是導致票據信息提取質量嚴重下降的主要原因之一。因此，對票據印章濾除的研究具有很大的實際意義。

目前，銀行主要使用的票據印章顏色分為紅色和藍色。票據印章的濾除面臨著章印的形狀變化，深淺變化和背景位置關系變化等多方面的挑戰。票據中印章過多或者用力過重等因素，往往會造成票據中的有效信息與印章粘連，從而導致后續過程中字符切分錯誤以及字符的識別錯誤，這大大降低了票據信息提取的有效性。目前，現有的對印章濾除的方法仍然存在一些不足。卜飛宇等提出用二值化方法對銀行彩色票據去除印章[1]，主要是通過提取二值圖像上字符連通域并對連通域進行合并，得到獨立的字符區域。這種方法在票據有嚴重噪聲時，不能有效地找到待識別字符區域。

本文提出的彩色印章的濾除方法能夠應用于實際的銀行票據字符識別系統。該系統首先對彩色票據圖像進行印章顏色判定，針對票據印章顏色的進行第一次粗分割，實現票據背景和印章部分的分離。然后，提取出包含有效字符的印章部分，再對印章和遮擋的有效字符進行第二次分割，從而實現印章的濾除。這種方法在票據有噪聲的情況下，也可以有效提取字符，同時對印章覆蓋的筆畫字符信息情況能夠很好保留，從而提高票據的整體識別率。

1 彩色印章的濾除

本文的印章濾除方法主要由印章顏色的判定、前景有效字符的濾波、印章遮擋字符的提取和圖像增強四部分組成。圖1為含有紅色印章的圖像。結合引言中描述的銀行票據字符識別系統，圖2展現了印章濾除方法的系統流程。

圖1 紅色印章圖像

圖2 印章去除的系統流程圖

首先，對獲取的銀行彩色票據圖像Img分別進行基于紅藍不同顏色分量的全局二值化處理，得到的二值化圖像，記之為[Ired]，[Iblue]。對二值化圖像[Ired]，[Iblue]進行顏色特征統計，從而判斷出票據中的印章顏色。然后，通過對彩色票據圖像Img的前景字符（票據中除印章之外的有效信息）進行濾波，得到僅僅包含印章以及被印章遮擋區域的圖像[Ibk]，從而實現彩色票據的第一次粗分割。再對彩色印章部分進行第二次的分割，實現印章和遮擋字符的有效分離。最后，對遮擋字符區域進行圖像增強，用估計的整個票據平均背景灰度來消除印章干擾，最終合成出印章濾除后的灰度圖像[G]。

2 票據印章顏色的判定

2.1 票據印章顏色的過程

分析彩色票據圖像上的有效信息（數字和漢字）。被印章遮擋的字符信息需要有效提取并相應的進行增強處理，印章等背景噪聲需加以弱化，這樣得以提高票據處理系統的識別正確率。首先，需要分析銀行票據中的印章顏色（藍色或紅色）。判定過程如下：

（1） 對采集的彩色票據圖像Img， 基于顏色分量信息進行分割。設圖像上某像素點[（i，j）] ，其紅、綠、藍三基色的分量對應的灰度值分別為[R]，[G]，[B]，記[I=（R+G+B）3]為該像素點的三基色分量的灰度均值。分別基于紅色和藍色進行彩色票據圖像的二值化，這種基于彩色分量的二值化圖像更能表現出顏色特征的細節，通過顏色特征統計來判定印章的顏色。

若該像素點是在紅色印章區域內，則其紅色分量灰度值[R]大于灰度均值[I]，相應的藍色[B]和綠色[G]分量灰度值則小于灰度均值[I]。首先，記彩色票據圖像Img中基于紅色分量直接二值化后圖像為[Ired]，即若該像素點各顏色分量灰度滿足：

[R>I； B

若該像素點在紅色印章區域內，令像素點[（i，j）]的灰度值[Ired（i，j）=1]，否則[Ired（i，j）=0]。并對紅色像素點進行統計，即統計[Ired（i，j）=1]的個數，記為[N1]。

有式（1）如下：

[N1=i=ti=bj=lj=rIred（i，j）] （1）

式中[Ired（i，j）=1 ，R>I，G

（2） 相應地，記彩色票據圖像Img中基于藍色分量直接二值化后圖像為[Iblue]，若該像素點是在藍色印章區域內，則對應的各顏色分量的灰度值應同時滿足：

[G>I； R

同理，在根據藍色分量分割的二值化圖像中，令滿足條件的像素點對應的灰度值[Iblue（i，j）=1，]否則[Iblue（i，j）=0]。即在藍色印章區域的像素點的灰度值為1，其余為0。并統計藍色像素點的個數，即統計[Iblue（i，j）=1]的個數，記為[N2]。

有式（2）如下：

[N2=i=ti=bj=lj=rIblue（i，j）] （2）

式中[Iblue（i，j）=1 ，G>I，R

（3） 利用過程（1）和過程（2） 的方法，遍歷票據圖像中的每一個像素點。

（4） 獲得該彩色票據圖像的基于紅色和藍色兩個分量的二值化圖像[Ired]和[Iblue]。分別統計出二值化圖像中紅色和藍色分量像素點的總數。

若在紅色分量二值化圖像[Ired]中，當灰度值為1的像素總數大于設定的某個閾值（先驗條件），即若[N1>]Threshold1，則可以判定此彩色票據中印章的顏色為紅色。若在藍色分量二值化圖像[Iblue]中，灰度值為1的像素總數大于相應的閾值（先驗條件），即若[N2>]Threshold2，則可以判定彩色票據中印章的顏色為藍色。

根據以上方法實現票據中印章顏色的判定。由實驗統計，得出紅色印章最優的分割閾值Threshold1，取值范圍為80～100。對于有藍色印章票據，根據實驗找出合適的分割閾值，Threshold2的取值較小，取值范圍為60～80。

2.2 票據印章部分的提取

一般來說，銀行票據中印章遮擋的區域主要包括灰色背景區域和黑色有效字符區域。印章遮擋字符檢測的優劣直接影響到后續票據字符的提取以及整個票據識別系統的性能。一個良好的檢測方法應該基本涵蓋所有印章遮擋區域的信息。

根據判定的票據印章顏色，進行對應顏色的分割處理。先對票據圖像基于彩色分量進行第一次分割，對每個像素點確定一個閾值，根據閾值決定當前像素是前景還是背景點。從而使得彩色印章部分與背景有效信息分離[2]，再對提取出的印章部分進一步處理。以圖1為例，已經由第2.1判定出印章的顏色為紅色。獲取票據印章部分，步驟如下：

（1） 分割出彩色票據圖像Img的紅色分量部分，記之為Gred。對整個票據逐個像素點遍歷，對于像素點[（i，j）]的灰度值為[Gred（i，j）=R（i，j）]，其中[R（i，j）]彩色票據圖像Img像素點[（i，j）]的紅色分量。

（2） 在提取的只有紅色分量的灰度圖像Gred中，印章區域在內部有均勻一致的灰度值，背景區域處在一個具有其他等級灰度值的均勻背景下，使用閾值法就可以得到兩者的分割結果。凸顯出印章目標輪廓，進行閾值分割處理[3] 。

利用閾值選取技術來分割灰度圖像Gred，動態調節閾值可動態觀察其分割圖像的具體效果。經過實驗找出最優的分割閾值，獲得包含印章區域的二值化圖像記為[B1]，如圖3所示。

圖3 紅色分量二值圖像[B1]

二值化處理是印章濾除過程中非常關鍵的一步。其目的是提取出印章關鍵信息，將票據的背景和有效字符部分進行過濾，從而對印章遮擋的有效字符進行局部處理。在閾值選取上，前人提出很多算法以及一些改進的算法[4]。本文采用的是最大類間距法[5]。在實驗中，有效地濾除了噪聲，得到較好的印章圖像。

在二值印章圖像[B1]中，濾除了票據背景信息和有效字符，提取出彩色印章區域（包括印章遮擋的字符），從而實現了彩色圖像的第一次濾除。

同理，當判定出印章顏色為藍色時獲取印章區域，首先需分割出彩色票據圖像的藍色分量；再進行動態的調節閾值有效地分割出印章和背景區域。

2.3 印章遮擋字符的獲取

在獲取的印章二值圖像[B1]中，印章部分包含目標遮擋字符，需要對印章圖像[B1]進行第二次分割[6]，實現遮擋字符與印章的分離。提取印章遮擋字符，具體步驟如下：

（1） 對票據圖像進行印章的粗濾除，獲得的二值圖像[B2]（如圖4所示）是對票據圖像直接進行全局二值化處理，使得票據中的有效字符信息和章印分離。顯然，圖像中還存在部分印章噪聲，即滿足如下條件：

遍歷整個票據圖像的像素點，若該像素點[（i，j）]的紅色分量的灰度值[R]大于各顏色灰度均值[I]的[k]倍時，則令二值圖像中該像素點[（i，j）]的灰度值為1。實現突顯有效字符，減弱印章像素點，即若[R（i，j）>k*I（i，j）]時，則使得[B2（i，j）=1]，否則，[B2（i，j）=0]，其中[k]為常數，調節參數[k]可獲得最佳的閾值分割效果。

圖4 字符分割圖像[B2]

（2） 分析在印章的二值圖像[B1]中，包含有遮擋字符的目標信息，而在二值圖像[B2]中，遮擋的字符已經被濾去。若該像素點[（i，j）]為被遮擋的字符，則應滿足如下條件：

[B1（i，j）=1， B2（i，j）=0；]

根據以上條件，遍歷對應像素點在二值圖像[B1]和[B2]的灰度值，可以提取出被印章遮擋字符的二值圖像[B3]，如圖5所示。

（3） 提取印章遮擋字符二值圖像[B3]目的是定位出遮擋字符的像素點位置，為后續的對應位置的字符作增強處理。顯然，這里二值圖像[B3]存在部分噪聲干擾，故需要對二值化圖像[B3]，進行一次濾波，減少干擾噪聲，后續即可準確地增強遮擋字符信息。

圖5 被遮擋字符圖像[B3]

本文采用的是中值濾波，在一定條件下可以克服線性濾波器如最小均方濾波和均值濾波等帶來的圖像細節模糊。最終獲得被印章遮擋字符的二值圖像，記為[B]，如圖6所示。

圖6 濾波后的圖像[B]

以上為提取紅色印章中遮擋字符的步驟，通過兩次分割彩色圖像，實現被印章遮擋字符的有效提取。對于藍色印章，將步驟中的紅色分量換成藍色分量處理，采用類似的處理方法即可得到有效的提取被遮擋的字符信息。

2.4 合成印章濾除后的圖像

檢測印章遮擋區域完成后，根據票據圖像出現不同的降質現象而采用不同的灰度修正方法。只將圖像中感興趣的特征有選擇的突出，而衰減其次要信息， 目的是對印章遮擋的部分進行圖像增強處理[7?8]，增加圖像的灰度對比度。

將印章區域（不含遮擋字符）用票據的平均背景灰度進行修正，從而有效地消除印章干擾。因此，可以獲得銀行票據整體的有效字符信息，為票據后續的字符識別[9]建立良好的基礎。根據檢測出的印章顏色，對票據圖像逐點進行不同程度的灰度級修正，即對票據圖像[Img]在空間域中進行灰度的非線形映射處理，達到圖像增強目的。記最終印章濾除后的灰度圖像為[G]，其在像素點[（i，j）]的新灰度值，滿足以下條件：

（1） 若該像素點是被印章遮擋的有效字符（根據2.3定位出具體的像素點位置），將該像素點的灰度值減小，灰度加深，實現字符增強。即若[B（i，j）=1]，則令[G（i，j）=k*I（i，j）]，其中[B（i，j）=1]，表示該像素點為遮擋字符，[I（i，j）]為像素點各顏色分量的灰度均值，[k]為常數，本文的[k=0.7]。

（2） 若該像素點是干擾的印章，用票據背景灰度修正。即若[B1（i，j）=1]且[B（i，j）=0]，則令該像素點灰度值[G（i，j）=BKgray]，其中[BKgray]為票據背景的平均灰度，本文的[BKgray=210]。首先，通過全局二值化票據圖像，找出票據中的背景像素點，并令其票據前景像素點的灰度值為1，背景像素點的灰度值為0。再取票據中的一個小區域進行逐點遍歷，實際的票據圖像情況各異，具體問題具體分析，需要根據實際情況選擇合適的方法。考慮一般票據的左上方區域背景像素點比較集中，則可以選定這塊區域來求背景的平均灰度，這樣有利于針對性地求出背景色且數據的處理和壓縮量小，并提高系統處理速度。找出選定區域中各個背景像素點，對應其在彩色票據圖像中三基色的灰度均值進行求和取平均計算，用所得的灰度平均值作為整個票據的背景灰度值。

（3） 其余的有效像素點（背景和字符區域）灰度值，令[G（i，j）=I（i，j）]，[I（i，j）]為像素點各顏色分量的灰度均值。同樣，如果票據中的印章為藍色，僅需將紅色[R]分量改為藍色[B]分量進行相應圖像增強處理。對應的常數[k]，需做出相應的調整，才能獲得最佳的印章濾除效果。該算法能夠有效地消除印章的干擾，同時對印章覆蓋的筆畫字符信息情況能夠很好的保留。印章濾除后的圖像，如圖7所示。

圖7 濾除印章后的圖像[G]

相應地，票據印章為藍色，印章的濾除也獲得良好效果。濾除藍色印章后的灰度圖。

3 實驗結果

3.1 實驗方法

實驗樣本圖像為銀行的320張帶有印章的票據，其中票據中印章的顏色為紅色或者藍色，照片是通過相應設備從票據上方拍攝。其中拍攝的票據不發生嚴重扭曲、變形，僅有一定角度的傾斜，票據中字符顏色多為黑色或灰色，票據圖像上除了印章外無其他明顯遮擋物。

票據識別系統對獲取的票據圖像，首先，進行印章顏色的檢測，根據印章顏色，進行對應顏色分量的提取，從而得到包含印章區域的二值化圖像。然后，對彩色票據中有效字符信息的進行第一次濾波，獲得的圖像中僅包含彩色印章部分。再將圖像中的彩色印章區域進行第二次的分割，濾除印章噪聲，從而獲取印章遮擋字符信息。最后，對灰度圖像進行圖像增強處理，突出遮擋字符特征，并衰減干擾的印章，將含有彩色印章的銀行票據轉換成濾除印章后的灰度圖像。

3.2 實驗結果

本文測試的樣本集共有320個圖像。首先，實驗對圖像進行印章濾除，傾斜校正等。然后，對其進行識別。最后，得到識別結果。表1是關于印章濾除主觀結果及實驗識別結果的比較。

表1 測試結果對比

表1中的識別率為整張票據字符完全識別的正確率。根據測試表明，在票據中若待識別的字符顏色較深，則印章濾除效果更好，整張的識別正確率會更高。

3.3 實驗速度

測試環境：主頻為1.86 GHz的PC機，對尺寸為1 600×500的320張彩色銀行票據進行印章去除實驗，平均時間小于1.2 s。目前主流微機一般在2 GHz以上，該速度已能適應實用要求，根據識別率以及耗時的比較與分析，最終通過實驗驗證了方法的可行性和精確性，具有很大的實用價值。

4 結 語

本文提出一種基于彩色圖像二次分割與圖像增強相結合的方法，實現票據彩色印章的有效濾除。通過對印章遮擋字符的有效增強，最終獲得印章濾除的票據圖像。實驗結果表明，本文提出的印章濾除方法提高了票據信息提取的有效性。票據印章濾除的自動化處理過程，有利于將打印體票據在金融票據識別中推向實用，具有其廣闊的應用前景。

本文僅是對彩色印章濾除進行了初步研究。在今后的工作中，將繼續深入研究針對印章票據，如何更好的分割出印章和票據信息，從而最終獲得高質量的票據信息。另外還需要擴大實驗樣本數量、類別，在眾多的實驗情況下進行大規模測試，進一步提高票據信息提取的有效性。

參考文獻

[1] 卜飛宇，劉長松.一種實用的彩色銀行票據二值化方法[J].計算機時代，2007（2）：34?37.

[2] 徐長新，彭國華.二維Otsu閾值法的快速算法[J].計算機應用，2012，32（5）：1258?1260.

[3] 郭佳，劉曉玉.一種光照不均勻圖像的二值化方法[J].計算機應用與軟件，2014，31（3）：183?187.

[4] 王序哲.局部自適應二值化方法研究[J].軟件導論，2011，10（11）：13?14.

[5] 潘海森，張奮.一種新的圖像二值化方法[J].湖南文理學院學報，2007，19（1）：72?74.

[6] MOHAMED K， ZHAO Ai?guo. Extraction of binary character graphics images from grayscale document images [J]. Graphical Models and Image Processing， 1993， 55（3）： 203?217.

[7] SONKA M， HLAVAC V， BOYLE R. 圖像處理、分析與機器視覺[M].2版.北京：人民郵電出版社，2003.

[8] 馬士友，付致偉. 基于直方圖均衡和冪次變換的灰度圖像增強算法[J].計算機應用與軟件，2013，30（4）：261?263.

[9] 邊肇祺，張學工.模式識別[M].北京：清華大學出版社，2010.