筆跡紋理圖像預處理綜述

王澤勵　于彤　屈音璇　趙建森

【摘 要】研究了筆跡圖像預處理的常規步驟和方法，簡述了灰度參數值的選擇，二值化的處理方法以及歸一化的基本原理，以期為紋理筆跡圖像處理提供借鑒參考。

【關鍵詞】圖像處理；去噪；歸一化方法

中圖分類號： TP391.1 文獻標識碼： A 文章編號： 2095-2457（2017）26-0085-002

Summary of handwriting texture image preprocessing

WANG Ze-li1 YU Tong2 QU Yin-xuan2 ZHAO Jian-sen1

（1.Shanghai Maritime University，Shanghai 201306，China；2.China Criminal Police College，Shenyang 110000，China）

【Abstract】The routine steps and methods of handwriting image preprocessing are studied. The selection of grayscale parameter value， the binarization method and the normalization principle are briefly described in order to provide reference for the texture handwriting image processing.

【Key words】Image processing；Denoising；Normalization method

1 灰度化和二值化處理

常見的色彩模式有有很多種，如HSB，RGB，CMYK等，此處采用RGB色彩模式，一方面適應人體視錐系統，另外一方面也是便于掃描儀位圖圖像生成中，有效信息特征的存留和保證計算機對于一定精度條件下的數據處理能力和速度。

1.1 灰度化處理

灰度化是指把彩色圖像表示為只有亮度表示的灰度圖像的方式，指以線性相關度表示認知色彩的顏色空間理論的三基色（RGB）色覺認知原理C=rR+gG+bB出發的降維度處理方式。其中C為人眼感知系統可認知的色彩，R紅，G綠，B藍為三原色，r，g，b為對應色彩相關度。常見的灰度化處理方式如下：

1.1.1 最大值法

將三基分量中的最大亮度值作為灰度參數值，產生的圖像多高亮。

R=G=B=MAX（R，G，B）

1.1.2 加權平均法

結合人眼的敏感度，對三基色分量進行權重處理。一般情況下，人眼對綠色敏感度最為高，藍色最低，產生圖像多柔和。即：Vgray=0.299R+0.587G+0.114B

1.1.3 平均值法

將RGB三個分量的平均亮度值作為灰度參數值。

R=G=B=Average（R，G，B）

1.2 二值化處理

二值化的處理問題主要就是閾值的選擇問題，在筆跡鑒定的過程中一般采用認值S.Watanabe的灰度直方圖法決定閾值。

P=M（i，j）-N（i+k1，j+k1）>0

if_P>0

D（i，j）=PS（i，j，M）= （D（i+k1，j+k1））

else灰度差S

D（i，j）=0

輸出閾值N定義為圖像中灰度級疊加的最大值N=MAX（C（m）=∑S（i，j，M））

2 去噪處理

圖像的去噪處理方法有很多，比如中值濾波，鄰域平均，邊緣保持濾波器等方法。考慮到筆跡鑒定的細節特征保留和椒鹽噪聲的去除，一般采用閾值鄰域平均法。給定像素點灰度值f（x，y）和窗口大小M*N，既定閾值T，關系如下：

f（x，y）= f（u，v）像素點灰度值

if_|f（x，y）-f（x，y）|>T

g（x，y）=f（x，y）該方法在平滑的同時減少了邊緣模糊

else

g（x，y）=f（x，y）

3 單字符歸一化

受限于書寫載體，書寫工具，書寫時間，書寫人習慣等因素，書寫特征字的大小一般是不盡相同的，為了減少特征字符大小和位置變化對于鑒定的相關影響，同時還要保留書寫者固有的筆跡風格，常采用歸一化的方法。歸一化就是將原始的點陣信息轉化為固定維數的點陣信息的維度處理方法。

3.1 線性歸一化方法

線性歸一化分重心—中心線線性歸一化和直接線性歸一化方法，二中主要區別在于映射方式的不同，前者采用重心映射，后者采用像素映射。

3.1.1 重心—中心線性歸一化

if_i

m= i n= j 1<=m<=W；

else else 1<=n<=H；

m=W- （i-M）n=H- （j-M）

其中W，H為特征字圖像高度和寬度，G為重心G=G（Gi，Gj），M為歸一化后的高度和寬度，設歸一化后像素點（i，j）處對應原始（m，n）處，則有上述關系。

3.1.2 直接線性歸一化

m= i，1

n= j，1<=n<=W；1<=j<=M

其中W，H為特征字圖像高度和寬度，M為歸一化后的高度和寬度，歸一化后像素點（i，j）處對應原始（m，n）處，則有上述關系。

此方法重心位置不固定，幾何位置不重合。

3.2 非線性歸一化方法

該歸一化原理就是給定像素點密度值，歸一化后筆畫密度均勻分布特征字圖像空間。這樣分布緊密的筆畫會分開，分布稀疏的會靠近。

定義d（m，n）為原始特征字圖像中點（m，n）密度函數，H（m）和H（v）為水平和數值方向密度投影，為已知密度函數。歸一化映射前后（m，n）和（i，j）關系如下：

i= Hk

H（m）= [d（m，n）+aH（m，n）]，1<=m<=W

V（n）= [d（m，n）+aV（m，n）]，1<=n<=H

j= V（l）

1<=m<=W；1<=n<=H；1<=i，j<=M

本方法可以改變筆畫相對位置，減少傾斜，扭曲。重心重心保持不變，書寫風格有所改變。

4 總結

以上簡單闡述了筆跡圖像的預處理方式方法，其基本原則還是最大限度保留有效的圖像特征信息，減少特征損耗，同時滿足類似壓縮編碼的過程中，實現信息數據量的減少，以適應計算機的處理過程。在灰度化，二值化，降噪，歸一化的過程中，難免會出現特征損失的現象，導致有效特征信息失真，邊緣特征模糊等常見的現象，因此，在具體的圖像處理過程中，明確映射的卷積關系，也就是我們常說的模糊核，可以適當的反卷積，進行圖像復原，還原有效的識別特征，對有爭議的筆跡圖像進行進一步的處理。

【參考文獻】

[1]曹華軍.圖像二值化處理在筆跡樣本中應用分析[J].信息技術與信息化，2016（06）：67-68.

[2]朱若曦.基于模糊支持向量機的筆跡驗證研究[D].河北工程大學，2014.

[3]于明，張彥云，薛翠紅，孫林娟.筆跡圖像中的單個漢字字符分割[J].計算機工程與應用，2010（09）：180-182+245.

[4]范緒成.基于紋理特征提取的離線文字筆跡鑒別技術的研究[D].浙江工業大學，2009.

[5]師寶山，張貴州.筆跡鑒別預處理算法的設計與實現[J].電子器件，2008（04）：1357-1360.

[6]張韻.基于紋理的文本獨立離線筆跡鑒別[D].河北工業大學，2007.

[7]李瑩.漢字筆跡鑒別的算法研究[D].山東大學，2007.

[8]梁亮.圖像處理技術在筆跡鑒定系統開發過程中的應用與研究[D].沈陽工業大學，2007.

[9]王鳳嶺，劉連芳，蔣宗禮，韋智勇.基于紋理分析的筆跡圖像預處理子系統的設計和實現[J].南寧職業技術學院學報，2005（04）：84-89.

[10]楊亞莉.基于紋理分析的筆跡鑒別方法研究[D].武漢理工大學，2004.

[11]鄭建彬，楊亞莉.基于整數小波系數的筆跡圖像鑒別方法研究[J].武漢理工大學學報（交通科學與工程版），2004，（01）：110-113.endprint