滿文單詞中軸線的定位方法
【技術領域】
[0001] 本發明設及一種文字處理方法，特別是一種滿文單詞中軸線的定位方法。
【背景技術】
[0002] 隨著科學技術的發展，計算機已經能夠對多種圖像格式的文字進行識別和辨認 巧曰英文、日文)，滿文作為世界語言的一種，還無法做到供計算機自動識別。如果能夠讓計 算機做到自動識別、辨認滿文，則可W將大量的滿文文獻進行電子化處理，運對于滿文文獻 的研究與保存，乃至滿族文化的研究與保存都有著十分重要的意義，而要想實現運一目標， 首先需要對滿文的中軸線進行定位。
【發明內容】
[0003] 本發明是為了解決現有技術所存在的上述不足，提出一種準確率高，有助于計算 機對滿文單詞進行正確分隔各識別的滿文單詞中軸線的定位方法。
[0004] 本發明的技術解決方案是：一種滿文單詞中軸線的定位方法，其特征在于：所述 的方法依次由滿文單詞圖像預處理、確定滿文單詞中軸線的寬度、確定滿文單詞中軸線左 右邊界位置Ξ個步驟組成，其中： 滿文單詞圖像預處理的步驟為：掃描滿文文檔，獲得滿文文檔的彩色圖像，并對滿文文 檔的彩色圖像進行二值化，采用垂直投影法提取每一列滿文文檔的圖像，獲得列圖像，并對 列圖像采用水平投影法提取滿文單詞圖像，然后對滿文單詞圖像進行位置歸一化處理，歸 一化處理的步驟是找到滿文單詞圖像最外側上、下、左、右四個點的坐標位置，W運四個點 為邊界，重新確定滿文單詞圖像的大小，并用I、W、Η分別表示歸一化處理后的二值滿文單 詞圖像、二值滿文單詞圖像的寬度數值和二值滿文單詞圖像的高度數值， 確定滿文單詞中軸線寬度的步驟為：對二值滿文單詞圖像I采用數學形態學進行處 理，具體方法是采用長度為2的水平方向直線型形態學結構元素，對二值滿文單詞圖像I 進行腐蝕處理，得到I的腐蝕圖像le，并求二值滿文單詞圖像I與腐蝕圖像le的縱向邊緣 圖像IV，即IV=I-Ie，提取到滿文單詞的縱向邊緣，然后對縱向邊緣圖像IV進行垂直 投影，統計縱向邊緣圖像IV的每一列中所包含的黑色像素的個數，垂直投影序列Wvpl表 示，取向量vpl中不重復的元素，并按照數值從大到小的降序方式進行排列，得到新的向量 vp2,并取vp2中的前3個元素分別標記為indl、ind2和ind3,用wd表示中軸線的寬度， W血in表示最小中軸線寬度，賦值W血in=0,W血ax表示最大中軸線寬度，T為最大中軸線寬 度的闊值，賦值Τ=1/3,則最大中軸線寬度wdmax為對TXW的結果向下整后的值，即wdmax =TxirJ， 分別定義wdl、wd2、wd3為3個候選中軸線寬度，wd表示最終確定的中軸線寬度，其中wdl=Iindl-ind2I-l，wd2=Iindl-ind3I-l，wd3 =Iind2-ind3I-1， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（w血;?η<'\￥(13<'\￥?3χ)，則wd= wdl， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（wd3<=w血in或者wd3〉=wdmax)，則取wdl和wd2中值較大的一個做為wd的輸出值，即wd=max(wdl，wd2)， 如果（w血in<wdl<w血ax)并且（w血并且（wd2<=w血in或者wd2〉=wdmax)，則取wdl和wd3中值較大的一個做為wd的輸出值，即wd=max(wdl，wd3)， 如果（w血in<wd2<w血ax)并且（w血in<wd3<w血ax)并且（wdl<=w血in或者wdl〉 =wdmax)，則取wd2和wd3中值較大的一個做為wd的輸出值，即wd=max(wd2,wd3)， 如果（w血in<wdl<w血ax)并且（wd2<=w血in或者wd2〉=w血ax)并且（wd3<=w血in或者wd3〉= wdmax)，貝Ij wd = wdl， 如果（w血;[]1<'\￥(12<'\￥血日《）并且（wdl<=w血in或者wdl〉=w血ax)并且（wd3<=w血in或者wd3〉= wdmax)，貝Ij wd = wd2， 如果（w血;[]1<'\￥(13<'\￥血日《）并且（wdl<=w血in或者wdl〉=w血ax)并且（wd2<=w血in或者wd2〉= wdmax)，貝Ij wd = wd3， 女曰果（wdl<=w血in或者wdl〉=w血ax)并且（wd2<=w血in或者wd2〉=w血ax)并且（wd3<=wdmin或者wd3〉= wdmax)，貝Ij wd = wdmax， 確定滿文單詞中軸線左右邊界位置的步驟為：用baseline_left表示中軸線最左側 的邊界，對于縱向邊緣圖像IV按照從左至右的順序逐列掃描，掃描范圍為從第1列至第 W-wd+1列，設當前為第i列，則1《iW-wd+1)，用TB表示第i列至第i+wd-1列的黑 色像素點的個數，則baseline_left為具有最大TB值所對應的列， 用baseline_;ri曲t表不中軸線最右側的邊界，則baseline_;ri曲t=baseline_ left+wd-1, 因此在二值滿文單詞圖像I中，baseline_left為該滿文單詞中軸線的左邊界，baseline_ri曲t為該滿文單詞中軸線的右邊界，wd為該滿文單詞中軸線的寬度，從而定位 出該滿文單詞的中軸線。 陽0化]本發明同現有技術相比，具有如下優點： 利用本發明所公開的方法，能夠快速、準確地確定出滿文單詞的中軸線(包括中軸線的 左右邊界位置和中軸線的寬度)，而滿文單詞的中軸線的確定，是計算機能夠正確分隔并識 別滿文文字的前提和基礎，本種方法的出現，讓滿文的計算機識別和電子化處理得到進一 步的發展，對于滿文文獻的研究與保存，和滿族文化的研究與保存都是有著重大意義的，因 此可W說該方法具有多種優點，特別適合于在本領域中推廣應用，其市場前景廣泛，科研意 義重大。
【具體實施方式】
[0006] 下面將說明本發明的【具體實施方式】。
[0007] 一種滿文單詞中軸線的定位方法，按照滿文單詞圖像預處理、確定滿文單詞中軸 線的寬度、確定滿文單詞中軸線左右邊界位置Ξ個步驟進行操作， 滿文單詞圖像預處理的步驟為：掃描滿文文檔，獲得滿文文檔的彩色圖像，并對滿文文 檔的彩色圖像進行二值化，采用垂直投影法提取每一列滿文文檔的圖像，獲得列圖像，并對 列圖像采用水平投影法提取滿文單詞圖像，然后對滿文單詞圖像進行位置歸一化處理，歸 一化處理的步驟是找到滿文單詞圖像最外側上、下、左、右四個點的坐標位置，W運四個點 為邊界，重新確定滿文單詞圖像的大小，并用I、W、Η分別表示歸一化處理后的二值滿文單 詞圖像、二值滿文單詞圖像的寬度數值和二值滿文單詞圖像的高度數值， 確定滿文單詞中軸線寬度的步驟為：對二值滿文單詞圖像I采用數學形態學進行處 理，具體方法是采用長度為2的水平方向直線型形態學結構元素，對二值滿文單詞圖像I 進行腐蝕處理，得到I的腐蝕圖像le，并求二值滿文單詞圖像I與腐蝕圖像le的縱向邊緣 圖像IV，即IV=I-Ie，提取到滿文單詞的縱向邊緣，然后對縱向邊緣圖像IV進行垂直 投影，統計縱向邊緣圖像IV的每一列中所包含的黑色像素的個數，垂直投影序列Wvpl表 示，取向量vpl中不重復的元素，并按照數值從大到小的降序方式進行排列，得到新的向量 vp2,并取vp2中的前3個元素分別標記為indl、ind2和ind3,用wd表示中軸線的寬度， W血in表示最小中軸線寬度，賦值W血in=0,W血ax表示最大中軸線寬度，T為最大中軸線寬 度的闊值，賦值Τ=1/3,則最大中軸線寬度wdmax為對TXW的結果向下整后的值，即wdmax =/xSTj， 分別定義wdl、wd2、wd3為3個候選中軸線寬度，wd表示最終確定的中軸線寬度，其中wdl=Iindl-ind2I-l，wd2=Iindl-ind3I-l，wd3 =Iind2-ind3I-1， 如果（w血in<wdl<w血ax)并且（w血in<wd2<w血ax)并且（w血in<wd3<w血ax),說明wdl、wd2、wd3均在合理寬度范圍內，則wd = wdl， 如果（w血in<wdl<w血ax)并且（w血;?η<'\￥(12<'\￥?3χ)并且（wd3<=w血in或者wd3〉=wdmax),說明wdl、wd2在合理