基于RGB顏色模型的印章圖像分割

薛鈺明 沈喆

摘? 要：為了更加方便快速分割圖像信息，降低背景對(duì)印章圖像的干擾，加強(qiáng)民航業(yè)信息識(shí)別技術(shù)，提出一種基于RGB顏色模型分割印章圖像的方法。該方法采用RGB顏色模型，將RGB印章圖像中R分量分離出來(lái)得到灰度圖，削弱噪聲干擾，突出重點(diǎn)區(qū)域。接著利用最大類間方差法（OTSU）對(duì)得到的灰度圖二值化，選取最佳閾值。算法試驗(yàn)結(jié)果表明，通過(guò)分離R分量和引入OTSU算法可以得到更為清晰、細(xì)致的圖像，提高了試驗(yàn)的準(zhǔn)確性。

關(guān)鍵詞：圖像分割；RGB顏色模型；灰度化；圖像二值化；最大類間方差

中圖分類號(hào)：TP391.4? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）24-0087-05

Seal Image Segmentation Based on RGB Color Model

XUE Yuming， SHEN Zhe

（Shenyang Aerospace University， Shenyang? 110136， China）

Abstract： In order to segment the image information more conveniently and quickly， reduce the background interference to the stamp image， and strengthen the information recognition technology of the civil aviation industry， a method of segmenting stamp image based on the RGB color model is proposed. This method uses the RGB color model to separate the R component of the RGB stamp image to obtain a grayscale image， which weakens the noise interference and highlights the key areas. Then it uses the OTSU to binarize the obtained grayscale image and select the optimal threshold. The algorithm test results show that a clearer and more detailed image can be obtained by separating the R component and introducing the OTSU algorithm， which improves the accuracy of the test.

Keywords： image segmentation; RGB color model; grayscale; Image Binarization; OSTU

0? 引? 言

印章作為當(dāng)今社會(huì)中身份憑證和開(kāi)具證明的存在仍至關(guān)重要，它與我們的生活息息相關(guān)，無(wú)論是上學(xué)讀書還是工作就業(yè)都離不開(kāi)印章。隨著現(xiàn)代社會(huì)科技的日益發(fā)展，不法分子企圖“踩過(guò)界”利用印章圖像進(jìn)行犯罪活動(dòng)，在民航領(lǐng)域這樣的違法事件也屢見(jiàn)不鮮。偽造印章嚴(yán)重地侵犯了法律尊嚴(yán)、影響政府信譽(yù)、擾亂經(jīng)濟(jì)秩序和破壞誠(chéng)信環(huán)境。給國(guó)家、集體和個(gè)人帶來(lái)的損失是不可估量的[1]，因此更加迫切地需要利用信息技術(shù)進(jìn)行印章的提取與識(shí)別系統(tǒng)，加強(qiáng)自身防護(hù)的同時(shí)也打擊犯罪、對(duì)維護(hù)社會(huì)信用安全體系責(zé)任重大，因此本文主要研究印章圖像的分割技術(shù)，為后續(xù)提取與識(shí)別做好鋪墊。

文獻(xiàn)[2]為了捕捉到完整人體圖像，提出一種基于RGB顏色空間和HSV顏色空間相結(jié)合的方法，在RGB顏色空間下構(gòu)建高斯模型分割出完整的人體外形，利用HSV空間解決人體陰影問(wèn)題；文獻(xiàn)[3]重點(diǎn)突出圖像三個(gè)分量之間的差異，提出一種轉(zhuǎn)換的新空間，再用向量化；文獻(xiàn)[4]提出將RGB顏色空間轉(zhuǎn)化為L(zhǎng)ab顏色空間，再運(yùn)行K均值算法，該方法有效解決了色彩飽和度不足的問(wèn)題，不但提高了分割運(yùn)行速度，同時(shí)還大大降低誤差概率；文獻(xiàn)[5]的研究和內(nèi)容為L(zhǎng)ab顏色空間和K均值聚類算法的相關(guān)性關(guān)系，和文獻(xiàn)4的區(qū)別在于其對(duì)OTSU算法進(jìn)行修改完成圖像的提取，分析結(jié)果顯示把背景圖像的像素點(diǎn)占比作為權(quán)重放到目標(biāo)方程中能夠更好地降低誤差，提高分割效果；文獻(xiàn)[6]選取六種病斑蘋果圖像，設(shè)計(jì)開(kāi)發(fā)圖像分割處理系統(tǒng)，利用OTSU算法對(duì)圖像進(jìn)行分割識(shí)別，結(jié)果顯示對(duì)于病變適中的蘋果果實(shí)分割成功率較為可觀；文獻(xiàn)[7]引入灰度變換函數(shù)，結(jié)合OTSU閾值優(yōu)化準(zhǔn)確提取裂痕缺陷；文獻(xiàn)[8]提取并分析R、G特征直方圖，實(shí)驗(yàn)結(jié)果表明紅綠色差點(diǎn)乘和OTSU結(jié)合的方法分割效果最優(yōu)；文獻(xiàn)[9]引入OTSU算法和形態(tài)學(xué)操作實(shí)現(xiàn)對(duì)圖像的分割，實(shí)現(xiàn)果實(shí)與背景圖像的分離；文獻(xiàn)[10]研究在灰度值高度聚集的情況下的去霧算法，利用RGB顏色空間下模擬橢球模型，把握像素灰度值的分布，得到最終函數(shù)；文獻(xiàn)[11]和文獻(xiàn)[12]通過(guò)實(shí)驗(yàn)表明將OTSU和CANNY算法結(jié)合可以有效去除圖像紋理，把待分割區(qū)域從背景圖像中分割出來(lái)、突出并提取圖像邊緣信息；文獻(xiàn)[13]通過(guò)分析對(duì)比幾種分割算法的優(yōu)缺點(diǎn)，為了能夠?qū)崿F(xiàn)彩色圖像的精準(zhǔn)分割，最終選擇MRF模型和RGB顏色空間結(jié)合的方法，該方法不但能夠提高分割精度，還能夠加快分割速度，通用性良好，有利于后續(xù)的研究與發(fā)展。

1.1? 圖像分割理論

圖像分割顧名思義就是把圖像按照特定的需求標(biāo)準(zhǔn)化分為具有特定性質(zhì)的區(qū)域并且能夠提出所需要目標(biāo)的技術(shù)和過(guò)程。它是圖像提取與識(shí)別的基礎(chǔ)，是圖像預(yù)處理的關(guān)鍵步驟，如果不能正確的分割圖像就不能正確的提取和識(shí)別。圖像分割在航空航天、醫(yī)學(xué)影像、公安司法、安防監(jiān)控、生物特征識(shí)別等領(lǐng)域非常重要，受到廣泛應(yīng)用。

1.2? 顏色空間

顏色特征是圖像特征提取中最顯著的特征，而顏色空間在圖像處理中是最常用的模型，顏色空間有很多種類，最被人們廣泛應(yīng)用的模型主要有三種，他們分別是RGB模型、HSI模型、HSV模型。

1.2.1? RGB顏色空間

用紅（Red）、綠（Green）、藍(lán)（Blue）三種基色來(lái)確定色彩的坐標(biāo)系統(tǒng)被稱為RGB顏色空間，從名字命名角度來(lái)說(shuō)，它包含R、G、B（紅、綠、藍(lán)）三種基本顏色，三種顏色分量各自獨(dú)立，因此RGB模型能夠通過(guò)各種程度的混合疊加，產(chǎn)生成千上萬(wàn)種豐富的色彩，如圖1所示。

RGB顏色模型的各個(gè)參數(shù)的取值范圍分別為R：0～255；G：0～255；B：0～255；參數(shù)值被稱為三色系數(shù)或基色系數(shù)，參數(shù)值除以255后可以歸一到0～1之間，且不是無(wú)窮多個(gè)而是有限多個(gè)值。

1.2.2? HSV顏色空間

HSV模型也是由三種分量表示的，三種分量分別代表的含義是：Hue（色調(diào)）、Saturation（飽和度）、Value（明亮度），模型圖如圖2所示。色調(diào)取值范圍是0°～360°，0°代表紅色、120°代表綠色、240°代表藍(lán)色；通常來(lái)說(shuō)飽和度的取值范圍為0%～100%，數(shù)值越大，顏色越飽和；明亮度表示顏色的明亮程度，一般情況下明亮度的取值范圍在0%（黑）到100%（白）之間。

1.2.3? HSL顏色空間

HSL也是由三種分量組成，組成HSL的三種分量分別為：Hue（色調(diào)）、Saturation（飽和度）、Lightness（亮度），S指的是色彩的飽和度，它的取值范圍在0%到100%之間，是用來(lái)描述在相同的色相、明度下色彩純度的變化。數(shù)值越大，顏色越鮮艷。和HSV模型的區(qū)別在于L分量指的是色彩的明度，它的作用是掌控色彩明暗變化的程度。一般情況選它的取值范圍在0%到100%，數(shù)值越小，顏色越暗沉，越趨近黑色；反之，數(shù)值越大，顏色越明亮，越趨近白色。

2? 圖像分割算法

2.1? 流程圖

為了提高印章圖像分割的質(zhì)量，本文針對(duì)印章圖像顯著的顏色特征提出一種新的方法。該方法是將RGB圖像中的R顏色分量分割出來(lái)，這樣提取出的圖像更加精確。同時(shí)引進(jìn)OTSU算法實(shí)現(xiàn)對(duì)印章圖像的分割。分割總體流程如圖3所示。

2.2? 顏色空間選取

在圖像處理中常用的彩色模型主要有RGB模型、HSL模型、HSV模型這幾種。RGB顏色模型應(yīng)用較為廣泛，本文主要是針對(duì)民航領(lǐng)域的印章圖像進(jìn)行分割，考慮到圖像大多以RGB模式存儲(chǔ)，并且印章圖像大多為鮮艷明亮的紅色，而紙張等背景圖像顏色多為淺色，正是因?yàn)橛≌聢D像與背景存在強(qiáng)烈的差別，因此可以選擇使用RGB顏色模型對(duì)印章圖像進(jìn)行簡(jiǎn)單有效的初步處理[14]。

2.3? 灰度化

圖像灰度化可以將彩色圖像轉(zhuǎn)變?yōu)榛疑皥D像，將彩色圖像灰度化的原因一是因?yàn)榛叶葓D所占內(nèi)存比彩色圖像更小，這樣能有利于運(yùn)行速度的提高；二是轉(zhuǎn)化為灰度圖像后增強(qiáng)圖像在視覺(jué)上的對(duì)比，可以有效去除部分噪聲，減少運(yùn)算量，突出待處理圖像的目標(biāo)區(qū)域。

對(duì)RGB圖像來(lái)說(shuō)，灰度圖像是RGB三個(gè)分量相同的一種特殊的彩色圖像，即R = G = B（這三個(gè)值相等，“=”的意思不是程序語(yǔ)言中的賦值，是數(shù)學(xué)中的相等），則彩色表示一種灰度顏色，其中R = G = B的值叫灰度值。

本文選擇灰度化的方法是加權(quán)平均值法，公式為：

灰度化后R值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

灰度化后G值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

灰度化后B值= 0.3處理前R值+ 0.59處理前G值+ 0.11處理前B值；

圖4、圖6、圖8為待檢測(cè)的印章原始圖像，圖5、圖7、圖9是原圖經(jīng)過(guò)灰度化后得到的灰度圖。

2.4? 最大類間方差閾值分割（OTSU）

圖像二值化是將待處理灰度圖像進(jìn)行操作后呈現(xiàn)出只有黑白顏色的效果，圖像上的點(diǎn)灰度值是0即為黑色，灰度值是255即為白色。通過(guò)選取恰當(dāng)?shù)拈撝捣指顖D像能夠清楚得到待提取圖像和背景分割明顯的二值化圖像。二值化技術(shù)的目的在于進(jìn)一步增強(qiáng)圖像對(duì)比，突出我們想要得到的目標(biāo)區(qū)域，同時(shí)還可以有效去除圖像中部分顏色干擾產(chǎn)生的噪聲并且減少運(yùn)算量。二值化結(jié)果好壞的關(guān)鍵在于閾值的選取，當(dāng)像素灰度值高于選定閾值時(shí)，此時(shí)像素為白色是背景圖像，當(dāng)像素灰度值低于選定的閾值時(shí)，此時(shí)像素為黑色是目標(biāo)圖像。

2.4.1? 二值化的方法

圖像二值化的方法有很多，根據(jù)閾值選取的不同，算法大致分為兩類，一類是固定閾值法，一類是自適應(yīng)閾值法。被廣泛應(yīng)用的方法有以下幾種：邊緣算子法、最大類間方差法（OSTU）、P參數(shù)法、雙峰直方圖閾值分割法和平均灰度值法等。

2.4.2? OTSU算法

由于RGB顏色模型閾值選擇不當(dāng)會(huì)受到噪聲的干擾，從而無(wú)法提取印章圖像的完整體，因此提出一種基于RGB顏色模型和圖像二值化結(jié)合的方法來(lái)提取待檢測(cè)印章圖像，通過(guò)最大類間方差法（OTSU）能夠很好解決閾值處理不當(dāng)?shù)膯?wèn)題，有效選擇出最佳閾值[15]。

1979年來(lái)自日本學(xué)者大津通過(guò)研究分析提出了一種能夠自動(dòng)選取閾值的算法。這種方法依據(jù)圖像灰度值的特征差異，自動(dòng)選取出一個(gè)合適的閾值，將目標(biāo)圖像分成背景和目標(biāo)圖像，灰度值小于該閾值的視為目標(biāo)圖像，大于該閾值的視為背景圖像。能夠衡量背景與目標(biāo)圖像差別的標(biāo)準(zhǔn)可以通過(guò)方差來(lái)判斷，因此通過(guò)閾值劃分能得到待提取圖像。

OSTU法的本質(zhì)是依照最小二乘法的思路演變而來(lái)的，其基本思想如下：

圖像中的所有像素的灰度級(jí)集合為{ p0，p1，…，pk，pn}，其中當(dāng)i＜j時(shí)，pi＜pj，假設(shè)p為前景點(diǎn)和背景點(diǎn)的分割點(diǎn)，即如果pi＞p，則灰度級(jí)為pi的點(diǎn)為前景點(diǎn)，否則為背景點(diǎn)。

設(shè)目標(biāo)圖像為f （x），那么灰度級(jí)為i的像素點(diǎn)出現(xiàn)的概率為：

i = 0，1，2，…，L-1；閾值T（k） = k? ?0≤k≤L-1

將待分割圖像f （x）按像素的灰度值分割成裂紋區(qū)域和背景兩個(gè)部分，其中c1表示裂紋區(qū)域，c2表示背景（c1 ∈ [0，k]，c2 ∈ [k + 1，L-1]）。

那么最大類間方差為：

或

p1表示像素被分到c1中的概率，p2表示像素被分到c2中的概率，m1表示像素被分到c1的平均灰度值，m2表示像素被分到c2的平均灰度值。

從表達(dá)式中可以得出， 越大，即類間距越大。所以只需在0～L-1選擇一個(gè)最佳閾值k*，使得：

，

此時(shí)的k為最大閾值。

使用OTSU算法得到的二值化圖像結(jié)果如圖10所示。

（a）民航圖像測(cè)試專用章

（b）民航測(cè)試章? ? ? ? ? ? ?（c）沈航測(cè)試章

為了能夠更好提高印章圖像分割的質(zhì)量，對(duì)RGB圖像各個(gè)顏色分量的直方圖也進(jìn)行了分析，圖11為民航圖像測(cè)試專用章的直方圖，圖12為民航測(cè)試章的直方圖，圖13為沈航測(cè)試章的直方圖。

由直方圖觀察分析可以發(fā)現(xiàn)紅色分量存在明顯地波峰和波谷，因此利用R分量的特征，將R分量分離出來(lái)再進(jìn)行閾值分割會(huì)更好地把印章圖像從背景圖像中分離。經(jīng)過(guò)分離R分量和OTSU閾值算法結(jié)合得到的圖像如圖14所示，是三張圖片改進(jìn)后的二值化圖像。

3? 實(shí)驗(yàn)數(shù)據(jù)分析

對(duì)比表1、表2可知，提取紅色分量（R）后的印章圖像比原始方法閾值數(shù)值相對(duì)變高，這正是因?yàn)橛≌聢D像中的紅色作為顯著特征被分離出來(lái)后圖像更容易分割。因此，對(duì)于印章圖像選擇R分量作為OTSU閾值分割依據(jù)，分割的結(jié)果更精確，還能節(jié)省時(shí)間做更多的研究。

4? 結(jié)? 論

覆蓋在文件上面的印章可能受到人工蓋章時(shí)用力不均勻、印泥質(zhì)量好壞以及用量多少等因素影響，印章會(huì)出現(xiàn)圖像模糊、顏色不均等現(xiàn)象，還有偽造印章的出現(xiàn)給印章提取帶來(lái)重重困難，因此本文提出一種基于RGB顏色模型的印章分割方法，實(shí)現(xiàn)印章圖像和背景圖像的分離，為后續(xù)印章的識(shí)別奠定基礎(chǔ)。該方法通過(guò)將RGB顏色模型中的R分量分離出來(lái)，能夠分割出大范圍的主要信息，將分離后的灰度化圖像利用OTSU法得到最優(yōu)印章圖像。算法試驗(yàn)結(jié)果表明，通過(guò)分離R分量和引入OTSU算法可以得到更為清晰、細(xì)致的圖像，提高了試驗(yàn)的準(zhǔn)確性，而且節(jié)省時(shí)間，可以達(dá)到簡(jiǎn)單、快速、可靠的目的。

參考文獻(xiàn)：

[1] 徐亞紅.印章的真?zhèn)巫R(shí)別方法研究 [D].武漢：華中科技大學(xué)，2014.

[2] 楊鴿，鄭嘉龍，王瑩.基于HSV與RGB顏色空間的人體檢測(cè)與跟蹤算法 [J].自動(dòng)化技術(shù)與應(yīng)用，2022，41（9）：17-20+28.

[3] 李偉斌，馬洪林，易賢，等.基于色彩空間變換的彩色圖像分割方法 [J].計(jì)算機(jī)工程與應(yīng)用，2019，55（9）：162-167.

[4] 陳夢(mèng)濤，余粟.基于Lab顏色空間的自適應(yīng)K均值彩色圖像分割方法 [J].軟件導(dǎo)刊，2021，20（6）：230-234.

[5] 嚴(yán)晨曦，熊凌.基于改進(jìn)的Otsu方法的鋼渣彩色圖像分割 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（9）：2585-2591.

[6] 薛飛，劉立群.基于OTSU算法的蘋果果實(shí)病斑圖像分割方法 [J].計(jì)算機(jī)技術(shù)與發(fā)展，2020，30（12）：181-186.

[7] 婁聯(lián)堂，何慧玲.基于圖像灰度變換的OTSU閾值優(yōu)化算法 [J].中南民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2021，40（3）：325-330.

[8] 周文靜，趙康，馬曉曉，等.基于改進(jìn)紅綠色差和Otsu的葡萄果穗圖像分割 [J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2023，44（1）：172-177.

[9] 鄧子青，王陽(yáng)，張兵，等.基于Otsu算法與形態(tài)學(xué)的火龍果圖像分割研究 [J].智能計(jì)算機(jī)與應(yīng)用，2022，12（6）：106-109+115.

[10] 焦子航.基于RGB顏色空間橢球模型的去霧算法研究 [D].合肥：合肥工業(yè)大學(xué)，2021.

[11] 牛晗，伍希志，任桂芹，等.基于OTSU與CANNY算法的竹片缺陷圖像檢測(cè) [J].森林工程，2022，38（6）：75-81.

[12] 李寶蕓，范玉剛，高陽(yáng).基于OTSU和Canny算子的紅外圖像特征提取 [J].陜西理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，35（6）：33-40.

[13] 黃晨雪.基于RGB顏色分布模型的MRF圖像分割算法研究 [D].湖北：湖北工業(yè)大學(xué)，2018.

[14] 劉明興，劉澤平，李斌，等.基于OTSU處理不均勻光照?qǐng)D像改進(jìn)算法研究 [J].青島大學(xué)學(xué)報(bào)：工程技術(shù)版，2020，35（3）：27-32.

[15] 劉文麗.票據(jù)印章內(nèi)容自適應(yīng)提取通用技術(shù)研究 [D].青島：青島大學(xué)，2018.

作者簡(jiǎn)介：薛鈺明（1996—），女，漢族，遼寧本溪人，碩士研究生在讀，研究方向：交通信息工程及控制；沈喆（1980—），女，漢族，遼寧鞍山人，講師，博士，研究方向：圖像處理、故障檢測(cè)等。

收稿日期：2023-03-30

基金項(xiàng)目：遼寧省法庭科學(xué)重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題（FTKF202102）