Tài liệu Đề tài Trình bày các khái niệm và mô hình tổng quát của hệ thống nhận dạng chữ viết, cùng với một số phần mềm nhận dạng tiêu biểu hiện nay: Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
i GVHD: PGS. TS. Ngô Quốc Tạo
Mục lục
Mục lục ........................................................................................................................ i
Danh mục các hình ảnh .............................................................................................. iv
MỞ ĐẦU .................................................................................................................... 1
I. Đặt vấn đề ........................................................................................................ 1
II. Nội dung nghiên cứu ....................................................................................... 2
III. Bố cục của luận văn ....................................................................................... 4
Chƣơng I. TỔNG QUAN VỀ NHẬN DẠNG CHỮ VIẾT ........................................... 5
VÀ PHÂN TÍCH TRANG...
105 trang |
Chia sẻ: hunglv | Lượt xem: 1374 | Lượt tải: 0
Bạn đang xem trước 20 trang mẫu tài liệu Đề tài Trình bày các khái niệm và mô hình tổng quát của hệ thống nhận dạng chữ viết, cùng với một số phần mềm nhận dạng tiêu biểu hiện nay, để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
i GVHD: PGS. TS. Ngô Quốc Tạo
Mục lục
Mục lục ........................................................................................................................ i
Danh mục các hình ảnh .............................................................................................. iv
MỞ ĐẦU .................................................................................................................... 1
I. Đặt vấn đề ........................................................................................................ 1
II. Nội dung nghiên cứu ....................................................................................... 2
III. Bố cục của luận văn ....................................................................................... 4
Chƣơng I. TỔNG QUAN VỀ NHẬN DẠNG CHỮ VIẾT ........................................... 5
VÀ PHÂN TÍCH TRANG TÀI LIỆU ......................................................................... 5
I.1. Ảnh tài liệu và nhận dạng ảnh tài liệu ............................................................ 5
I.1.1. Tổng quan về ảnh tài liệu ........................................................................ 5
I.1.2. Nhận dạng tài liệu và vai trò của phân tích ảnh tài liệu ........................... 6
I.2. Cấu trúc của ảnh tài liệu ................................................................................ 7
I.2.1. Cấu trúc vật lý ........................................................................................ 8
I.2.2. Cấu trúc logic ....................................................................................... 10
I.3. Quá trình phân tích tài liệu .......................................................................... 10
I.3.1. Tiền xử lý(preprocessing): .................................................................... 11
I.3.2. Phân tích cấu trúc vật lý ........................................................................ 12
I.3.3. Phân tích cấu trúc logic ......................................................................... 13
I.4. Một số hệ thống phân tích tài liệu hiện nay .................................................. 14
I.4.1. VnDOCR .............................................................................................. 14
I.4.2. OminiPage ............................................................................................ 18
I.4.3. Finereader ............................................................................................. 20
I.5. Kết luận ....................................................................................................... 22
Chƣơng II: CÁC PHƢƠNG PHÁP TIẾP CẬN ......................................................... 23
ĐỂ PHÂN TÍCH TRANG TÀI LIỆU ........................................................................ 23
II.1. Các phƣơng pháp phân tích định dạng trang tài liệu ................................... 23
II.1.1. Top-down ............................................................................................ 23
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
ii GVHD: PGS. TS. Ngô Quốc Tạo
II.1.2. Bottom-up ........................................................................................... 30
II.1.3. Phƣơng pháp Tách và Nối thích nghi (Adaptive Split – and – Merge) . 32
II.1.4. Fractal Signature (FS).......................................................................... 34
II.2. Lựa chọn giải pháp ..................................................................................... 38
II.3. Thiết kế hệ thống........................................................................................ 39
II.3.1. Sơ đồ khối ........................................................................................... 39
II.3.2. Ảnh đầu vào ........................................................................................ 39
II.3.3. Module Tiền xử lý ............................................................................... 40
II.3.4. Phân tích sử dụng giả pháp Fractal Signature ...................................... 41
II.4. Kết luận ..................................................................................................... 45
Chƣơng III: XÂY DỰNG CHƢƠNG TRÌNH THỬ NGHIỆM .................................. 46
III.1. Yêu cầu hệ thống ..................................................................................... 46
III.2. Thiết kế chƣơng trình ................................................................................ 46
III.2.1. Cấu trúc dữ liệu .................................................................................. 46
III.2.2. Module chuẩn hóa ảnh ....................................................................... 48
III.2.3. Module giao diện chính ...................................................................... 51
III.2.4. Module phân tích Top-down (TD) ...................................................... 52
III.2.5. Module phân tích Fractal Signature .................................................... 55
III.2.6. Module lọc và làm trơn nhiễu ............................................................. 57
III.2.7. Module mô phỏng thuật toán FS ........................................................ 58
III.2.8. Các hàm chức năng chính của image processing tool trong matlab sử
dụng trong chƣơng trình ................................................................................ 60
III.3. Kết luận và đánh giá kết quả ..................................................................... 62
Kết luận ..................................................................................................................... 83
TÀI LIỆU THAM KHẢO ......................................................................................... 84
Phục Lục ................................................................................................................... 85
A. Mã nguồn đầy đủ của chƣơng trình ............................................................... 85
A.1. Danh mục các chƣơng trình con trong chƣơng trình ............................... 85
A.2. Sơ khối liên kết giữa các thủ tục trong chƣơng trình............................... 86
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
iii GVHD: PGS. TS. Ngô Quốc Tạo
A.3. Mã nguồn các module ............................................................................ 86
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
iv GVHD: PGS. TS. Ngô Quốc Tạo
Danh mục các hình ảnh
Hình 1: Sơ đồ tổng quan quá trình tạo ảnh tài liệu ................................................... 5
Hình 2: Ví dụ ảnh tài liệu ........................................................................................ 6
Hình 3: Sơ đồ OCR cơ bản ...................................................................................... 7
Hình 4: b-Cấu trúc vật lý: c,d-Cấu trúc logic của một tài liệu[4] .............................. 9
Hình 5: Ví dụ loại tài liệu có bố cục phức tap ........................................................ 10
Hình 6: Sơ đồ nguyên lý hệ thống xử lý tài liệu[6] ................................................ 11
Hình 7: a - Ảnh gốc b - Ảnh sau khi tách nền ........................................................ 12
Hình 8: Ví dụ một ảnh tài liệu bị nghiêng một góc 5 độ ......................................... 13
Hình 9: Ví dụ một cây mô tả cấu trúc logic của một trang tài liệu[5] ..................... 14
Hình 10: VnDOCR và một ví dụ nhận dạng .......................................................... 15
Hình 11: Ảnh mẫu có cấu trúc vật lý phức tạp ....................................................... 16
Hình 12: Kết quả ra hai vùng ảnh với ảnh mẫu 11 ................................................. 16
Hình 13: Mẫu ảnh có cấu trúc vật lý phức tạp, nhƣng các khối bao bởi hình chữ nhật
.............................................................................................................................. 17
Hình 14: Kết quả phân tích với ảnh 13................................................................... 18
Hình 15: Đầu ra phân vùng chỉ có 1 vùng văn bản ................................................. 19
Hình 16: Đầu ra có vùng chứa cả ảnh và text ......................................................... 19
Hình 17: Với ảnh 13 đạt hiệu quả 90% .................................................................. 20
Hình 18 Với ảnh I-15 hiệu quả đạt 100% ............................................................... 21
Hình 19: Với mẫu phức tạp hơn Finereader cho kết quả 95% ................................ 22
Hình 20: Kết quả chiếu nghiêng theo phƣơng ngang và phƣơng thẳng đứng của một
trang tài liệu .......................................................................................................... 24
Hình 21: Phân tách cột dựa vào phép chiếu nghiêng theo phƣơng ngang ............... 25
Hình 22: Phép chiếu nghiêng theo phƣơng ngang để phân đoạn ký tự hoặc từ ....... 26
Hình 23: Lƣợc đồ chiếu ngang của một dòng chữ nghiêng - rất khó phân đoạn ký tự
.............................................................................................................................. 27
Hình 24: Lƣợc đồ chiếu đứng của trang tài liệu bị nghiêng .................................... 28
Hình 25: Lƣợc đồ chiếu đứng của một bài báo....................................................... 29
Hình 26: Phƣơng pháp Dostrum cho phân tích định dạng trang từ dƣới lên. (a) Một
phần của nội dung văn bản gốc. (b) Các thành phần lân cận gần nhất đƣợc xác định.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
v GVHD: PGS. TS. Ngô Quốc Tạo
(c) Các hình chữ nhật tối thiểu tạo nên nhóm láng giềng gần nhất từ đó xác định
đƣợc dòng văn bản. ............................................................................................... 31
Hình 27: Mô tả thuật toán Tách và Nối thích nghi ................................................. 33
Hình 28: Mô tả thuật toán FS ................................................................................. 35
Hình 29: Sơ đồ khối hệ thống phân tích tài liệu trong phạm vi đề tài ..................... 39
Hình 30: Ví dụ một bolck chuyển sang dạng bề mặt trong không gian 3D ............. 41
Hình 31: Ví dụ chuyển ảnh chữ "c" sang dạng bề mặt trong không gian 3D ......... 41
Hình 32: (a) Ảnh một tài liệu gốc, (b) kết quả sau khi áp dụng FS ......................... 44
Hình 33: Giao diện chính ....................................................................................... 51
Hình 34: Kết quả phân tích của top-down trên tài liệu có cấu trúc đơn giản ........... 63
Hình 35: Kết quả phân tích của top-down trên tài liệu có cấu trúc bảng ................. 65
Hình 36: : Kết quả phân tích của top-down trên tài liệu thuần văn bản................... 67
Hình 37: : Kết quả phân tích của top-down trên tài liệu có cấu trúc phức tạp (trang
tạp trí).................................................................................................................... 69
Hình 38 : Kết quả phân tích của top-down trên một tờ quảng cáo .......................... 71
Hình 39: Kết quả phân tích của top-down trên tài liệu có cấu trúc phức tạp ........... 73
Hình 40: Kết quả phân tích của top-down trên tài liệu bị nghiêng......................... 75
Hình 41: Kết quả phân tích của FS trên tài liệu bị nghiêng .................................... 77
Hình 42: Kết quả phân tích của FS trên tài có cấu trúc phức tạp ............................ 79
Hình 43: Kết quả phân tích của FS trên một trang quảng cáo ................................. 81
Hình 44: Kết quả phân tích của FS trên tài liệu đơn giản ....................................... 82
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
1 GVHD: PGS. TS. Ngô Quốc Tạo
MỞ ĐẦU
I. Đặt vấn đề
Ngày nay việc sử dụng máy tính để lƣu trữ tài liệu không còn là vấn đề mới
mẻ và cần phải chứng minh tính an toàn, thuận tiện của nó. Tuy nhiên việc sử dụng
giấy để lƣu trữ tài liệu trong một số mục đích vẫn không thể thay thế đƣợc (nhƣ
báo, sách, công văn,…). Hơn nữa lƣợng tài liệu đƣợc tạo ra từ nhiều năm trƣớc vẫn
còn rất nhiều mà không thể bỏ đi đƣợc vì tính quan trọng của chúng.
Chúng ta mong muốn có thể điện tử hóa hàng tỉ trang tài liệu đó và cất chúng
chỉ trong một ổ cứng kích thƣớc bằng một cuốn sách nhỏ, tìm kiếm thông tin mà chỉ
cần tốn vài giây với một cái gõ phím Enter. Giải pháp là gì?
Thông thƣờng ngƣời ta sẽ phải thuê ngƣời cùng với việc tốn hàng tháng,
hàng năm mới có thể nhập vào máy tính đƣợc hết lƣợng tài liệu đó. Hiện nay chúng
ta đã có các máy Scan với tốc độ cao, công nghệ xử lý của máy tính ngày càng siêu
việt với tốc độ tính toán vƣợt cả tốc độ ánh sáng, vậy tại sao chúng ta không quét
toàn bộ các trang tài liệu vào và chuyển chúng thành văn bản một cách tự động?
Bằng cách đó tốc độ và tính chính xác sẽ tăng hàng trăm lần trong khi chi phí
lại là cực tiểu. Vấn đề là khi quét vào máy tính chúng ta không thu đƣợc ngay các
dòng văn bản từ các trang tài liệu kia, để có thể soạn thảo, sửa chữa và tìm kiếm
nhƣ làm trên Office. Tất cả những gì thu đƣợc chỉ là các tấm ảnh của các trang văn
bản, máy tính lại đối xử công bằng nhƣ nhau với mọi điểm ảnh, máy tính không có
“mắt” nhƣ chúng ta để biết đâu là điểm ảnh của chữ, đâu là điểm ảnh của đối tƣợng
đồ họa.
Một giải pháp đƣợc nghĩ đến ngay đó là đó là xây dựng các hệ thống nhận
dạng chữ, trong tấm ảnh chứa cả chữ và đối tƣợng đồ họa cần tách và chuyển thành
dạng trang văn bản, từ đó có thể mở và soạn thảo đƣợc trên các trình soạn thảo văn
bản.
Một cách tổng quát thì cách thức làm việc của một hệ thống nhận dạng chữ
nhƣ sau[5]:
1. Chụp ảnh các trang tài liệu trên giấy và lƣu lại trong máy tính dƣới dạng hình
ảnh.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
2 GVHD: PGS. TS. Ngô Quốc Tạo
2. Sử dụng một chƣơng trình xử lý ảnh để phân tích hình ảnh sau khi quét, đọc
đƣợc ký tự trên hình ảnh đó và ghi lại vào máy tính theo cách mà máy tính
quản lý đƣợc thông tin dữ liệu đó.
a. Bƣớc 1 là phân tích cấu trúc của ảnh tài liệu, từ đó xác định đâu là
phần chứa chữ, đâu là phần chứa cả ảnh lẫn ký tự và đâu chỉ chứa
hình ảnh. Bƣớc này thực sự quan trọng cho bƣớc nhận dạng. Bởi nó
định vị chính xác cho việc áp dụng các thuật toán nhận dạng lên vùng
đã xác định tính chất, nếu bƣớc này chính xác trƣớc tiên nó hạn chế
thời gian cho việc nhận dạng, sau là tăng ngữ nghĩa bổ sung cho việc
nhận dạng.
b. Bƣớc 2 nhận dạng ký tự dựa vào các tính chất của ký tự, ví dụ nhƣ sắp
xếp theo dòng, khoảng cách giữa 2 từ lớn hơn khoảng cách giữa 2 ký
tự, dùng trí tuệ nhân tạo để dự đoán các ký tự kề nhau phải nhƣ thế
nào, các từ trong câu phải nhƣ thế nào để câu có nghĩa. Từ đó có nội
dung đúng để lƣu trữ, quản lý….
Trong thực tế không phải quá trình nhận dạng nào cũng chỉ trải qua hai bƣớc
nhƣ trên, bởi vì có rất nhiều tham số ảnh hƣởng đến kết quả của các chƣơng trình
nhận dạng, nhƣ nhiễu, Font chữ, kích thƣớc chữ, kiểu chữ nghiêng, đậm, gạch dƣới.
Ngoài ra các dòng chữ cũng có thể trộn lẫn với các đối tƣợng đồ họa, vì thế trƣớc
khi nhận dạng chữ, một số thao tác tiền xử lý sẽ đƣợc tác động lên ảnh nhƣ, lọc
nhiễu, chỉnh góc nghiêng và đặc biệt quan trọng là phân tích trang tài liệu để xác
định cấu trúc của trang văn bản đồng thời tách biệt hai thành phần là chữ và các đối
tƣợng đồ họa (phi chữ).
II. Nội dung nghiên cứu
1. Mục tiêu nghiên cứu chính của đề tài
Tìm hiểu cấu trúc trang tài liệu (cấu trúc vật lý, logic)?
Tìm hiểu một số kỹ thuật phân tích trang tài liệu (phân vùng, phân
đoạn,…)
Cài đặt thử nghiệm một giải pháp phân tích có hiệu quả cao so với các
phƣơng pháp truyền thống nhƣ top-down hay bottom-up trên ảnh vào là
ảnh đa cấp xám có cấu trúc phức tạp.
Từ kết quả nghiên cứu có một sự chuẩn bị kiến thức đẩy đủ cho bƣớc
nghiên cứu tiếp theo là nhận dạng ký tự quang.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
3 GVHD: PGS. TS. Ngô Quốc Tạo
2. Ý nghĩa khoa học của đề tài
Giải quyết đƣợc vấn đề về học thuật: đề tài sẽ mang ý nghĩa cung cấp về
mặt lý thuyết để làm rõ về các phƣơng pháp phân tích trang tài liệu.
Đáp ứng đƣợc yêu cầu của thực tiễn: từ các lý thuyết đã đƣợc nghiên cứu,
từ đó liên hệ và gắn vào thực tiễn để có thể áp dụng vào các lĩnh vực
nhƣ: Lƣu trữ thƣ viện, điện tử hóa văn phòng, nhận dạng và xử lý ảnh, …
3. Nhiệm vụ nghiên cứu
Mục đích của luận văn đề cập đƣợc đến hai phần:
Phần lý thuyết: Nắm rõ và trình bày những cơ sở lý thuyết liên quan đến
cấu trúc trang tài liệu, một số kỹ thuật phân tích trang tài liệu, từ đó có để
có thể xác định tính quan trọng của bƣớc này trong nhận dạng ký tự, đồng
thời hiểu các công việc kế tiếp cần làm trong bƣớc nhận dạng ký tự.
Phần phát triển ứng dụng: Áp dụng các thuật toán đã trình bày ở phần lý
thuyết từ đó lựa chọn một giải pháp tối ƣu và cài đặt thử nghiệm chƣơng
trình phân tích trang tài liệu.
4. Phƣơng pháp nghiên cứu
Tìm kiếm, tham khảo, tổng hợp tài liệu từ các nguồn khác nhau để xây
dựng phần lý thuyết cho luận văn.
Sử dụng các kỹ thuật đƣợc áp dụng phân tích trang tài liệu để làm rõ bản
chất của các vấn đề đƣợc đƣa ra trong phần lý thuyết.
Xây dựng chƣơng trình Demo.
5. Phạm vi nghiên cứu
Bài toán nhận dạng và xử lý ảnh tài liệu đã đƣợc phát triển với nhiều thành tựu
trong thực tế, có rất nhiều thuật toán tối ƣu đã đƣợc các nhà khoa học đề nghị. Tuy
nhiên có thể nói chƣa có một chƣơng trình nào có thể “đọc” một ảnh văn bản nhƣ
con ngƣời, vì thực tế có rất nhiều kiểu trang văn bản khác nhau, khác nhau về cấu
trúc trình bày, ngôn ngữ, kiểu font, chữ viết tay,… Đây thực sự là một bài toán lớn,
chính vì thế trong phạm vi của luận văn chỉ tìm hiểu một số kỹ thuật phân tích trang
văn bản tiêu biểu với mục đích để so sánh và một thuật toán mới chƣa đƣợc đƣa ra
ở các đề tài trƣớc. Cuối cùng, dựa vào đó để xây dựng Demo cho một ứng dụng.
Các kết quả nghiên cứu dự kiến cần đạt đƣợc:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
4 GVHD: PGS. TS. Ngô Quốc Tạo
Tìm hiểu tài liệu liên quan đến lĩnh vực quan tâm để nắm bắt đƣợc bản
chất vấn đề đặt ra.
Báo cáo lý thuyết
Chƣơng trình Demo.
III. Bố cục của luận văn
Nội dung của luận văn đƣợc trình bày trong ba chƣơng với nội dung chính
sau.
Chƣơng 1: Trình bày các khái niệm và mô hình tổng quát của hệ thống nhận dạng
chữ viết, cùng với một số phần mềm nhận dạng tiêu biểu hiện nay.
Chƣơng 2: Trình bày một số phƣơng pháp phân tích trang tài liệu, từ đó đánh giá
ƣu nhƣợc điểm để lựa chọn phƣơng pháp Fractal Signature cho chƣơng trình thử
nghiệm. Trình bày về thiết kế cho chƣơng trình demo.
Chƣơng 3: Trình bày chi tiết về việc cài đặt chƣơng trình cũng nhƣ các thủ tục sử
dụng trong chƣơng trình với phƣơng pháp phân tích Fractal Signature và ảnh đầu
vào là ảnh đa cấp xám có độ phức tạp cao.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
5 GVHD: PGS. TS. Ngô Quốc Tạo
Chƣơng I. TỔNG QUAN VỀ NHẬN DẠNG CHỮ VIẾT
VÀ PHÂN TÍCH TRANG TÀI LIỆU
Chƣơng này đƣa ra các khái niệm về đối tƣợng làm việc của đề tài là ảnh tài
liệu, khái niệm về cấu trúc vật lý và cấu trúc logic. Giới thiệu các khâu trong một hệ
thống nhận dạng chữ viết hoàn chỉnh. Đồng thời đƣa ra một số phần mềm nhận
dạng của Việt Nam và Thế giới cùng với các mẫu kết quả phân tích của nó nhàm
mục đích so sánh và xác định phạm vi cho đề tài.
I.1. Ảnh tài liệu và nhận dạng ảnh tài liệu
I.1.1. Tổng quan về ảnh tài liệu
Trang ảnh tài liệu đƣợc đề cập ở đây là các file ảnh số hoá thu đƣợc bằng
cách quét các trang tài liệu dùng máy scanner, máy ảnh số, hay nhận từ một máy fax
(Hình 1), file ảnh này đƣợc lƣu giữ trong máy tính. Ảnh tài liệu có nhiều loại: ảnh
đen trắng, ảnh màu, ảnh đa cấp xám với các phần mở rộng nhƣ TIF, BMP, PCX,
…(Hình 2) và ảnh tài liệu đƣợc đƣa ra trong luận văn này là ảnh đa cấp xám.
Ảnh số
Tài liệu Thiết bị thu nhận ảnh Anh số tài liệu
Hình 1: Sơ đồ tổng quan quá trình tạo ảnh tài liệu
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
6 GVHD: PGS. TS. Ngô Quốc Tạo
I.1.2. Nhận dạng tài liệu và vai trò của phân tích ảnh tài liệu
Ngày nay, máy tính đang phát triển mạnh mẽ, tốc độ xử lý không ngừng
đƣợc nâng lên. Cùng với nó là sự ra đời của các phần mềm thông minh đã khiến
máy tính ngày một gần gũi với con ngƣời hơn. Một trong các khả năng tuyệt vời
của con ngƣời mà các nhà khoa học máy tính muốn đạt đƣợc đó là khả năng nhận
dạng và lĩnh vực nhận dạng thu đƣợc nhiều thành công nhất là nhận dạng ký tự
quang OCR–Optical Character Recognition. OCR có thể đƣợc hiểu là quá trình
chuyển đổi tài liệu dƣới dạng file ảnh số hoá (là dạng chỉ có ngƣời đọc đƣợc) thành
tài liệu dƣới dạng file văn bản (là tài liệu mà cả ngƣời và máy đều có thể đọc đƣợc).
OCR có rất nhiều ứng dụng hữu ích trong cuộc sống nhƣ:
- Sắp xếp thƣ tín, dựa vào việc nhận dạng mã bƣu chính (Zipcode) hay địa
chỉ gửi tới.
- Tự động thu thập dữ liệu từ các mẫu đơn/báo biểu hay từ các hồ sơ lao
động.
- Hệ thống tự động kiểm tra trong ngân hàng (tự động xác nhận chữ ký)
- Tự động xử lý các hóa đơn hay các yêu cầu thanh toán
- Hệ thống tự động đọc và kiểm tra passport
- Tự động phục hồi và copy tài liệu từ các ảnh quét.
- Máy đọc cho những ngƣời khiếm thính
- Các ứng dụng Datamining
- …
Sơ đồ một hệ thống OCR cơ bản ở Hình 3.
Trong đó:
Hình 2: Ví dụ ảnh tài liệu
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
7 GVHD: PGS. TS. Ngô Quốc Tạo
- Scanner: Thiết bị quét ảnh
- OCR hardware/software:
o Document analysis: Phân tích tài liệu
o Character recognition: Nhận dạng ký tự
o Contexttual processor: Xử lý văn cảnh
- Output interface: Đầu ra
Nhƣ vậy vai trò chính của khâu phân tích ảnh tài liệu là việc phân đoạn trang,
tách vùng văn bản ra khỏi nền và đồ họa tạo mẫu chuẩn cho khâu nhận dạng. Rõ
dàng là kết quả của khâu phân tích này ảnh hƣởng rất lớn đến hiệu của của khâu
nhận dạng nếu sử dụng mẫu hay các chuỗi văn bản đầu ra của nó.
Hình 3: Sơ đồ OCR cơ bản
I.2. Cấu trúc của ảnh tài liệu
Một khái niệm mấu chốt trong xử lý tài liệu đó là cấu trúc của tài liệu. Cấu
trúc tài liệu thu đƣợc từ việc liên tiếp chia nhỏ nội dung của tài liệu thành các phần
nhỏ đơn vị (tức không thể phân chia đƣợc nữa) và chúng đƣợc gọi là các đối tƣợng
cơ sở (basic objects). Còn tất cả các đối tƣợng khác đƣợc gọi là các đối tƣợng hỗn
hợp.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
8 GVHD: PGS. TS. Ngô Quốc Tạo
Có hai loại cấu trúc của tài liệu đƣợc quan tâm ở đây đó là cấu trúc vật lý
(hay bố cục vật lý) và cấu trúc logic mô tả mối quan hệ logic giữa các vùng đối
tƣợng trong tài liệu.
I.2.1. Cấu trúc vật lý
Bố cục vật lý của một tài liệu mô tả vị trí và các đƣờng danh giới giữa các
vùng có nội dung khác nhau trong một trang tài liệu[6]. Quá trình phân tích bố cục
tài liệu là thực hiện việc tách từ một trang tài liệu ban đầu thành các vùng có nội
dung cơ sở nhƣ hình ảnh nền, vùng văn bản,…
Để mô tả bố cục vật lý của tài liệu ngƣời ta sử dụng một cấu trúc hình học
với mỗi đối tƣợng trong cấu trúc là một phần tử chỉ chứa nội dung đồng nhất. Các
kiểu đối tƣợng hình học đƣợc định nghĩa nhƣ sau[4]:
Block là đối tƣợng cơ sở tƣơng ứng với một vùng hình chữ nhật chứa một phần
nội dụng của tài liệu.
Frame một đối tƣợng hỗn hợp tƣơng ứng với một hình chữ nhật bao gồm một
hoặc nhiều block hoặc bao gồm các frame.
Page là đối tƣợng hình học hoặc hỗn hợp các thành phần cơ sở tƣơng ứng với
một vùng hình chữ nhật, nếu là đối tƣợng hỗn hợp nó chứa một hoặc nhiều
block, một hoặc nhiều frame.
Page set (tập trang) là một tập của một hoặc nhiều page.
Điểm gốc của cấu trúc (hay nút gốc) là một đối tƣợng ở mức cao nhất trong sơ
đồ phân cấp của cấu trúc hình học tài liệu. Hình 4(b) cho ví dụ một cấu trúc hình
học mô tả bố cục vật lý của trang tài liệu tƣơng ứng.
Các thuật toán phân tích bố cục tài liệu có thể đƣợc chia làm ba loại chính
dựa theo phƣơng pháp thực hiện của nó.
- Bottom-up: Ý tƣởng chính của các thuật toán loại này là bắt đầu từ những
phần tử nhỏ nhất (nhƣ từ các pixel hay các phần tử liên thông) sau đó liên
tục nhóm chúng lại thành các vùng lớn hơn.
- Top-down: Thuật toán này bắt đầu từ vùng lớn nhất chứa cả trang tài liệu
sau đó liên tục phân chia thành các vùng nhỏ hơn.
- Các thuật toán không theo thứ bậc: nhƣ Fractal Signature, Adaptive split-
and-merge …
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
9 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 4: b-Cấu trúc vật lý: c,d-Cấu trúc logic của một tài liệu[4]
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
10 GVHD: PGS. TS. Ngô Quốc Tạo
I.2.2. Cấu trúc logic
Ngoài bố cục vật lý, các trang tài liệu còn chứa đựng nhiều thông tin về ngữ cảnh
và nội dung nhƣ các tiêu đề, đoạn văn, đề mục, …và mỗi vùng nội dung này lại đƣợc gán
các nhãn logic hay nhãn theo chức năng tƣơng ứng, khác biệt hoàn toàn với các nhãn
trong bố cục vật lý. Hầu hết các tài liệu đều có một quy tắc đọc để có thể hiểu hết nội
dung của tài liệu. Với một số ngôn ngữ đặc biệt nhƣ tiếng Trung, tiếng Ả rập lại có quy
cách đọc khác biệt (nhƣ đọc từ phải qua trái, trên xuống). Tập hợp tất cả các yếu tố logic
và chức năng trong một tài liệu và mối quan hệ giữa chúng đƣợc gọi là cấu trúc logic của
tài liệu[6]. Thông thƣờng pha phân tích cấu trúc logic của tài liệu đƣợc thực hiện trên kết
quả của bƣớc phân tích bố cục vật lý. Tuy nhiên với một số loại tài liệu phức tạp, thì pha
phân tích bố cục vật lý lại cần thêm một số thông tin logic liên quan đến các vùng để có
thể phân đoạn một cách chính xác. Hình 4(c,d) mô tả một ví dụ cấu trúc logic của tài liệu.
I.3. Quá trình phân tích tài liệu
Ảnh tài liệu chứa rất nhiều loại vùng thông tin khác nhau nhƣ các block, lines,
words, figures, tables và background. Ta có thể gọi các vùng này theo chức năng của nó
trong tài liệu hoặc gán cho nó các nhãn logic nhƣ sentences, titles, captions, address,…
Quá trình phân tích tài liệu là thực hiện việc tách một tài liệu thành các vùng theo một
tiêu chuẩn hay mối quan hệ lẫn nhau nào đấy. Công việc này đƣợc thực hiện qua nhiều
bƣớc nhƣ tiền xử lý, tách vùng, lặp cấu trúc tài liệu,…
Một số loại tài liệu nhƣ báo, tạp chí, sách quảng cáo, chúng có cấu trúc và bố cục
rất phức tạp và không có một form chung nào cả (Hình 5). Với con ngƣời để có thể đọc
hiểu đƣợc một trang tài liệu còn cần thêm nhiều kiến thức bổ sung nhƣ ngôn ngữ, hoàn
cảnh, các luật ngầm định, vì thế việc tự động phân tích các trang tài liệu một cách tổng
quát là một việc rất khó khăn thậm chí là không khả thi ngay cả với các hệ thống phân
tích tài liệu tiên tiến nhất[6].
Hình 5: Ví dụ loại tài liệu có bố cục phức tap
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
11 GVHD: PGS. TS. Ngô Quốc Tạo
Sơ đồ nguyên lý của một hệ thống tự động phân tích tài liệu nhƣ sau:
Hình 6: Sơ đồ nguyên lý hệ thống xử lý tài liệu[6]
I.3.1. Tiền xử lý(preprocessing):
Hầu hết các ảnh tài liệu đều có nhiễu do quá trình thu nhận ảnh gây ra (môi
trƣờng, chất lƣợng máy quét), vì thế trong quá trình xây dựng các thuật toán phân tích
cần loại bỏ các nhiễu này và công việc này thƣờng đƣợc tiến hành trƣớc khi bắt đầu phân
tích bố cục hay cấu trúc và gọi là Tiền xử lý. Nhiệm vụ chính của bƣớc này là loại bỏ
nhiễu, tách nền ra khỏi nội dung, phát hiện và xoay góc nghiêng,…
Lọc nhiễu(noise removal):
Nhiễu luôn là một vấn đề trong hầu hết các bài toán đọc hiểu tài liệu. Nhiễu sinh
ra không chỉ do quá trình scan ảnh mà còn bao gồm cả các nhiễu trắng gây ra từ chính
sensor hay các mạch thu nhận trong các máy thu nhận ảnh số. Nhiễu có thể đƣợc loại bớt
sử dụng một số các kỹ thuật nhƣ lọc trung bình, lọc trung vị, lọc thông thấp,…
Tách nền (Background separation):
Đây là một vấn đề rất quan trọng ảnh hƣởng trực tiếp đến hiệu quả của các thuật
toán phân tích tài liệu. Nếu đối với các loại tài liệu có nền đồng nhất màu trắng hoặc đen
thì việc tách có thể thực hiện đơn giản bằng phép phân ngƣỡng, tuy nhiên trong thực tế
rất nhiều ảnh tài liệu có nền rất phức tạp nhƣ ảnh hay đồ họa (Hình 7) thì việc xác định
các pixell nào thực sự thuộc về “phần nổi” là một công việc khó khăn.
Ta có thể tách nền bằng một số kỹ thuật nhƣ sau:
- Gán mỗi điểm ảnh vào “phần nổi” hay phần nền dựa theo một tiêu chí nào đấy
(nhƣ ngƣỡng mức xám, …)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
12 GVHD: PGS. TS. Ngô Quốc Tạo
- Dựa theo độ đo xác suất xuất hiện của mỗi điểm ảnh mà phân lớp nó vào nền
hay phần nổi
- Dựa vào các pixel liên thông kết hợp với mạng noron để phân tách.
Hình 7: a - Ảnh gốc b - Ảnh sau khi tách nền
Xác định góc nghiêng:
Do quá trình thu nhận ảnh (nhƣ đặt lệch tài liệu khi scan,…) ảnh tài liệu thu đƣợc
rất có thể bị nghiêng, tức trục của các dòng văn bản không song song với trục ngang
(Hình 8). Việc xác định đƣợc góc nghiêng và xoay lại tài liệu là một khâu rất quan trọng
ảnh hƣởng đến hiệu quả trong một số thuật toán phân tích. Ví dụ nhƣ các thuật toán dựa
theo biểu đồ sau phép chiếu nghiêng để tiến hành phân tích thì sẽ hoàn toàn thất bại nếu
văn bản bị nghiêng. Tuy nhiên việc có thể tự động ƣớc lƣợng đƣợc chính xác góc
nghiêng của ảnh tài liệu là một bài toán khó.
Có nhiều kỹ thuật để có thể xác định đƣợc góc nghiêng của tài liệu, điểm chung
trong hầu hết các thuật toán là xác định góc nghiêng bằng việc xác định hƣớng của các
dòng văn bản dựa vào vị trí một số ký tự trong tài liệu.
I.3.2. Phân tích cấu trúc vật lý
Phân tích tài liệu đƣợc định nghĩa là quá trình xác định cấu trúc vật lý của một tài
liệu. Trong khâu này thì từ một ảnh tài liệu đầu vào sẽ đƣợc chia thành một số khối
(block) chứa các nội dung thành phần của tài liệu nhƣ các dòng văn bản, tiêu đề, đồ
họa,... cùng với có hoặc không các tri thức biết trƣớc về định dạng của nó[6].
Có một số phƣơng pháp phân tích và đƣợc phân ra làm hai loại nhƣ sau:
Các phƣơng thức có thứ bậc: Trong quá trình chia tài liệu thành các block
chúng ta quan tâm đến mối quan hệ về mặt hình học giữa các block. Có ba
phƣơng pháp thuộc loại này là:
o Phân tích top-down (trên xuống)
o Phân tích buttom-up (dƣới lên)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
13 GVHD: PGS. TS. Ngô Quốc Tạo
o Phân tích kiểu Adaptive split-and-merge (tách và nối thích nghi)
Các phƣơng pháp không có thứ bậc: Trong quá trình chia tài liệu thành các
khối chúng ta không quan tâm đến mối quan hệ hình học giữa các block.
Hình 8: Ví dụ một ảnh tài liệu bị nghiêng một góc 5 độ
I.3.3. Phân tích cấu trúc logic
Từ kết quả của pha phân tích cấu trúc vật lý, phân tích cấu trúc logic sẽ đi xác
định mối quan hệ logic giữa các vùng đã đƣợc gắn nhãn nhƣ tiêu đề, văn bản, đề mục,
hearder,… Bƣớc này là cơ sở cho việc nhận dạng ký tự.
- Việc xác định đƣợc vị trí chính xác của mỗi vùng trong cấu trúc logic sẽ tăng
thêm thông tin cho quá trình nhận dạng nhƣ thông tin về ngữ cảnh, đoán nhận
đƣợc kiểu font và kích thƣớc chữ nếu biết nó thuộc vùng tiêu đề, đề mục hay
trong đoạn văn,… (Hình 9)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
14 GVHD: PGS. TS. Ngô Quốc Tạo
I.4. Một số hệ thống phân tích tài liệu hiện nay
I.4.1. VnDOCR
Vndocr phần mềm nhận dạng tiếng Việt là một sản phẩm của Viện công Nghệ
thông tin. VnDOCR thu thập thông tin nhờ quá trình quét các loại sách báo thông qua
máy quét thành các tệp ảnh và chuyển đổi thành các tệp có định dạng *.doc, *.xls, *.txt,
*.rtf,... có thể đọc và chỉnh sửa đƣợc trên các phần mềm soạn thảo văn bản thông dụng
nhƣ Office, Wordpad,… (Hình 10)
Môi trƣờng
PC với hệ điều hành Windows 9x, ME, 2000, XP, NT,… Tiện ích: Bộ gõ chữ Việt,
bộ font ABC, VNI, Unicode,...
Thông tin đƣa vào
Quét trực tiếp các loại sách báo, văn bản qua máy quét (Scanner).
Đọc và xử lý hơn 30 dạng tệp tin ảnh phổ dụng nhất nhƣ PCX, BMP, TIF, GIF, JPG,
...
Có thể nhận dạng trực tiếp tài liệu quét qua Scanner không cần lƣu trữ dƣới dạng tệp
ảnh trung gian. Các trang tài liệu có thể đƣợc quét và lƣu trữ dƣới dạng tệp tin nhiều
trang.
Các chức năng chính:
document(page)
article(page) article(page)
sub-title
paragraphs
abstract
sub-title
paragraphs
sub-title
paragraphs
Hình 9: Ví dụ một cây mô tả cấu trúc logic của một trang tài liệu[5]
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
15 GVHD: PGS. TS. Ngô Quốc Tạo
- Phân tích cấu trúc vật lý của tài liệu và đƣa ra cấu trúc phần vùng
- Phân tích và nhận dạng chữ đầu ra là text có thể copy hay lƣu trữ và soạn thảo
lại đƣợc.
Hình 10: VnDOCR và một ví dụ nhận dạng1
Một số hạn chế: Tính đến phiên bản 4.0
- VnDOCR chỉ làm việc với ảnh đen trắng
- Với các ảnh có cấu trúc vật lý phức tạp VnDOCR cho kết quả phân tích với
hiệu quả chƣa cao (Hinh 11, 12)
Thí nghiệm 1:
- Với ảnh đầu vào nhƣ sau:
1 Nguồn từ www.vndocr.com
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
16 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 11: Ảnh mẫu có cấu trúc vật lý phức tạp
- Kết quả phân tích của VnDOCR không tim thấy vùng văn bản nào mà chỉ
khoanh vùng đƣợc 2 vùng ảnh (1,2) nhƣ Hình 12
Hình 12: Kết quả ra hai vùng ảnh với ảnh mẫu 11
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
17 GVHD: PGS. TS. Ngô Quốc Tạo
Thí nghiệm 2:
Với ảnh đầu vào có cấu trúc vật lý đơn giản hơn (các vùng cơ sở có bao là hình
chữ nhật – Hình 13).
Hình 13: Mẫu ảnh có cấu trúc vật lý phức tạp, nhƣng các khối bao bởi hình chữ nhật
Kết quả phân tích bởi VnDOCR bỏ sót một vùng văn bản và gồm nhầm 2 vùng
ảnh vào vùng văn bản số 1 (Hình 14).
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
18 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 14: Kết quả phân tích với ảnh 13
I.4.2. OminiPage
OmniPage là phần mềm nhận dạng văn bản của NUANCE. Nó có thể chuyển đổi
các file ảnh tài liệu hay file PDF sang dạng file văn bản có thể đọc đƣợc bởi các phần
mềm soạn thảo nhƣ Office, với khả năng nhận dạng các ký tự la tinh chính xác tới 99%.
Một số đặc tính chính2:
- Nhận dạng chính xác tới 99% trên 119 ngôn ngữ khác nhau
- Nhận dạng cả các file vào là PDF
- Nhận dạng đƣợc các trang có nhiều loại font, kiểu font hoặc có nền là ảnh mầu
- Một số hạn chế chính:
- Chƣa hiệu quả với các ảnh tài liệu có cấu trúc phức tạp.
Thí nghiệm 1:
Với ảnh đầu vào Hình-11 có kết quả nhƣ sau: Omnipage đoán nhận tất các ảnh
đều là vùng văn bản (Hình-15)
2 Nguồn từ nhà sảnh xuất
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
19 GVHD: PGS. TS. Ngô Quốc Tạo
Thí nghiệm 2: Với ảnh đầu vào 13, tƣơng tự nhƣ VnDOCR OmniPage vẫn phân vùng
sai (Hình 16)
Hình 15: Đầu ra phân vùng chỉ có 1 vùng văn bản
Vùng lỗi
Hình 16: Đầu ra có vùng chứa cả ảnh và text
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
20 GVHD: PGS. TS. Ngô Quốc Tạo
I.4.3. Finereader
Finereader là một sản phẩm ORC của ABBYY với một số tính năng chính sau3:
- Cho phép kết nối và nhận dạng ảnh trực tiếp từ Camera.
- Nhận dạng đƣợc 38 ngôn ngữ khác nhau.
- Nhận dạng cả text trong đồ họa.
- Với 2 mẫu văn bản có cấu trúc phức tạp nhƣ trên thì Finereader đều cho hiệu
quả cao, nói chung Fineread đều có hiệu quả cao với các tài liệu có bố cục
phức tạp.
Hình 17: Với ảnh 13 đạt hiệu quả 90%
3 Nguồn từ nhà sản xuất
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
21 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 18 Với ảnh I-15 hiệu quả đạt 100%
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
22 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 19: Với mẫu phức tạp hơn Finereader cho kết quả 95%
Hạn chế chính của Finereader là tốc độ làm việc chậm so với 2 phần mềm kể trên.
I.5. Kết luận
Từ những kết quả ở trên phạm vi đề tài ở đây sẽ chỉ tập trung vào việc phân tích
cấu trúc vậy lý của một trang tài liệu(trình bày chi tiết ở chƣơng 2). Để cải tiến hơn so
với VNDocr đối tƣợng của đề tài sẽ là ảnh đa cấp xám có độ phức tạp cao.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
23 GVHD: PGS. TS. Ngô Quốc Tạo
Chƣơng II: CÁC PHƢƠNG PHÁP TIẾP CẬN
ĐỂ PHÂN TÍCH TRANG TÀI LIỆU
Với phạm vi đặt ra ở chƣơng một và phần mở đầu là đề tài sẽ tập trung vào giải
pháp phân tích cấu trúc vật lý của trang tài liệu, chƣơng 2 sẽ giới thiệu một số phƣơng
pháp phân tích hiện nay, từ đó đƣa ra và đánh giá đƣợc ƣu nhƣợc điểm của mỗi phƣơng
pháp đó. Sau đó sẽ tập trung phân tích kỹ một phƣơng pháp mới chƣa đƣợc trình bày ở
các đề tài trƣớc đó là Fractal Signature với những ƣu điểm vƣợt trội của nó là hiệu quả
cao với tài liệu phức tạp, không phân biệt góc nghiêng. Đồng thời thiết kế hệ thống demo
với giải pháp mới này.
II.1. Các phƣơng pháp phân tích định dạng trang tài liệu
II.1.1. Top-down
a) Tổng quan
Ý tƣởng chính của thuật toán là phân tách liên tiếp từ một trang ban đầu thành các
vùng cơ sở nhỏ hơn. Các khối cơ sở ở đây là các khối nhƣ đoạn văn, tiêu đề, đồ họa,…
Việc phân tách chúng thành các vùng riêng biệt dựa trên tiêu chí về ngƣỡng khoảng cách
mà phƣơng pháp phổ thông nhất là xác định thông qua kết quả của phép chiếu nghiêng.
Phép chiếu nghiêng theo hƣớng x bất kỳ: Thực chất là đi xác định lƣợc đồ xám bằng
cách tính tổng các điểm ảnh màu đen (hoặc trắng) theo phƣơng vuông góc với x dọc
theo trục x. Trong thực tế x thƣờng là phƣơng nằm ngang hay phƣơng thẳng đứng so
với trang văn bản.
Một ví dụ về phép chiếu nghiêng với một trang tài liệu cho ở Hình-20:
Trên lƣợc đồ xám của phép chiếu nghiêng sẽ xuất hiện các điểm cực trị, với phép
chiếu nghiêng theo phƣơng thẳng đứng ta dễ nhận thấy độ rộng của các đáy chính là
khoảng cách giữa hai dòng, với các độ rộng của đáy nào đó mà tần suất xuất hiện ít hoặc
vƣợt quá một ngƣỡng chính là khoảng các giữa hai vùng văn bản. Còn tại vị trí các đỉnh
là trục của mỗi dòng văn bản.
Với phép chiếu nghiêng theo phƣơng ngang ta có thể phân tách đƣợc các cột hay
các vùng cơ sở dựa vào ngƣỡng khoảng cách của đáy (Hình-20). Cũng theo nguyên tắc
này nếu áp dụng phe chiếu nghiêng trên mỗi dòng văn bản ta cũng có thể phân đoạn đƣợc
các ký tự hoặc các từ dựa vào khoảng cách của đáy (ví dụ nhƣ Hình-21).
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
24 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 20: Kết quả chiếu nghiêng theo phƣơng ngang và phƣơng thẳng đứng của một trang tài liệu4
4 (Anoop M. Namboodiri and Anil K. Jain)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
25 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 21: Phân tách cột dựa vào phép chiếu nghiêng theo phƣơng ngang5
5 Serban Iliescu. PATTERN RECOGNITION lecture. Concordia University, Montreal, Canada (p. 8)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
26 GVHD: PGS. TS. Ngô Quốc Tạo
b) Hạn chế:
Phân tích top-down tồn tại nhiều hạn chế nhƣ:
- Kém hiệu quả với các loại tài liệu có bố cục phức tạp (hình 25).
- Cần xoay ảnh về đúng vị trí ngang nếu ảnh bị nghiêng (hình 23, 24).
- Làm việc tốt chỉ với ảnh nhị phân.
- Kém hiệu quả với các trang tài liệu sử dụng nhiều loại font và size khác nhau.
- Thông thƣờng top-down đƣợc sử dụng cho các loại tài liệu biết trƣớc form bố
cục, và có bố cục vật lý đơn giản.
Hình 22: Phép chiếu nghiêng theo phƣơng ngang để phân đoạn ký tự hoặc từ
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
27 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 23: Lƣợc đồ chiếu ngang của một dòng chữ nghiêng - rất khó phân đoạn ký tự
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
28 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 24: Lƣợc đồ chiếu đứng của trang tài liệu bị nghiêng
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
29 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 25: Lƣợc đồ chiếu đứng của một bài báo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
30 GVHD: PGS. TS. Ngô Quốc Tạo
II.1.2. Bottom-up
a) Tổng quan
Bottom-up bắt đầu với những phần nhỏ và tìm cách nhóm chúng vào những phần
lớn hơn, liên tiếp tới khi mọi khối trên trang đƣợc xác định. Trong phạm vi luận văn này,
chỉ giới thiệu một số cách tiếp cận đƣợc coi là bottom-up nhƣng sử dụng những phƣơng
pháp trực tiếp rất khác nhau nhằm đạt cùng mục đích.
Môt giải pháp đƣợc mô tả với các bƣớc nhƣ sau:
1. Xác định góc nghiêng thông qua phép biến đổi Hough
2. Xác định khoảng cách giữa các dòng thông qua việc xác định khoảng cách
giữa các đỉnh của phép chiếu nghiêng cố định bằng góc nghiêng tìm đƣợc.
3. Làm trơn theo loạt (run-length-smothing), sau đó thực hiện tách các từ hoặc ký
tự dựa vào việc xác định các khoảng trắng trong dòng thông qua việc tìm đỉnh
trên biểu đồ chiếu nghiêng và các độ dài vùng đen (các từ).
4. Thực hiện phép nhóm bottom-up các phần văn bản nhờ một loạt thao tác làm
trơn theo loạt, theo các hƣớng. Kết quả thu đƣợc là các vùng ON và ta phân
tích các vùng liên thông trên đó. Tính toán một vài số liệu trên những vùng
liên thông này, ví dụ khoảng chiều cao và chiều dài các từ. Những thông tin
đặc trƣng này đƣợc dùng để phân biệt các khối văn bản và phân biệt phần văn
bản và phần đồ họa. Esposito6 đã dùng cách tiếp cận tƣơng tự, nhƣng trƣớc hết
xác định hợp biên của từng ký tự, sau đó thao tác trên hợp biên này, thay vì
trên từng pixel nhằm giảm lƣợng tính toán.
Một phƣơng pháp Dostrum bó cụm khác thực hiện với k lân cận gần nhất để nhóm
các ký tự và các dòng văn bản và các khối cấu trúc (Hình 26).
- Trƣớc tiên, với mỗi phần tài liệu, xác định các đƣờng nối k lân cận gần nhất
với các phần xung quanh. Khoảng cách và góc của các đƣờng nối này đƣợc vẽ
trên các biểu đồ. Vì hầu hết các đƣờng nối đƣợc tạo giữa các ký tự cùng dòng,
góc tối đa sẽ chỉ ra góc nghiêng và khoảng cách tối đa sẽ là khoảng cách giữa
các ký tự. Sử dụng các ƣớc lƣợng này, các dòng văn bản đƣợc xác định nhƣ
6 Floriana Esposito, Dipartimento di Informatica, Università degli Studi di Bari, Italy
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
31 GVHD: PGS. TS. Ngô Quốc Tạo
nhóm các ký tự và các từ dọc theo hƣớng của trang. Các dòng văn bản đƣợc
nhóm thành các khối-sử dụng đặc tính của tài liệu là các dòng cùng khối
thƣờng gần nhau hơn các dòng khác khối.
b) Hạn chế
Phƣơng pháp phân tích Bottom-Up cũng tồn tại nhiều hạn chế nhƣ sau:
- Cần phải phân đoạn để xác định các thành phần cơ sở trƣớc khi có thể nhóm
lại.
Hình 26: Phƣơng pháp Dostrum cho phân tích định dạng trang từ dƣới lên. (a) Một
phần của nội dung văn bản gốc. (b) Các thành phần lân cận gần nhất đƣợc xác định.
(c) Các hình chữ nhật tối thiểu tạo nên nhóm láng giềng gần nhất từ đó xác định đƣợc
dòng văn bản.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
32 GVHD: PGS. TS. Ngô Quốc Tạo
- Tốc độ thực hiện chậm và phụ thuộc vào số thành phần trong trang tài liệu
- Cũng nhƣ Top-Down hiệu quả phục thuộc trực tiếp vào việc xác định đƣợc
góc nghiêng của tài liệu, vì khoảng cách dòng và từ chỉ xác định chính xác
đƣợc nếu góc nhiêng của tài liệu ≈00
- Kém hiệu quả với những trang tài liệu có cấu trúc phức tạp (nhiều bảng, tỷ lệ
đồ họa lớn hơn văn bản).
- Kém hiệu quả với loại trang tài liệu có nhiều loại Font chữ (chứa nhiều size
chữ khác nhau), vì với các trang chứa nhiều font có size khác nhau hoặc loại
font chữ nghiêng đặc biêt với chữ viết tay thì chƣơng trình rất khó có thể tính
đƣợc chiều cao chữ hay độ rộng giữa hai dòng thông qua biểu đồ chiếu
nghiêng.
II.1.3. Phƣơng pháp Tách và Nối thích nghi (Adaptive Split – and – Merge)
a) Tổng quan
Phƣơng pháp phân tích Adaptive Split – and – Merge đƣợc Lui, Tang và Suen
thiết kế với ý tƣởng chính từ một trang tài liệu ban đầu và coi đó nhƣ một vùng chƣa
đồng nhất, từ đó liên tiếp chia mỗi vùng thành các vùng nhỏ hơn, tại mỗi bƣớc chia thực
hiện nối các vùng đồng nhất và chia tiếp các vùng không đồng nhất.
Để có thể mô tả đƣợc thuật toán một cấu trúc cây tứ phân phân lớp đƣợc sử dụng
để biểu diễn quá trình tách và nối của thuật toán. Trong đó nút ở đỉnh tƣơng ứng với
trang tài liệu ban đầu và là gọi là lớp cao nhất, các nút con tiếp theo là các vùng con
tƣơng ứng với lớp thứ k của bƣớc chia thứ k các vùng không đồng nhất (mô tả ở hình).
Các bƣớc của thuật toán[7]:
B1: Tại lớp thứ K nếu tìm thấy một vùng không đồng nhất thì tiến hành
chia vùng đó thành 4 vùng nhỏ hơn
B2: Nếu thấy ít nhất 2 vùng trong 4 vùng vừa tách là đồng nhất thì tiến
hành nối chúng lại, còn các vùng không đồng nhất ta qua lại B1 và tách
chúng thành các vùng ở lớp thứ K+1.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
33 GVHD: PGS. TS. Ngô Quốc Tạo
Tiêu chuẩn xác định vùng đồng nhất để nối ghép[7]
Hai vùng tƣơng ứng rm và rn đƣợc coi là đồng nhất nếu chúng thảo mãn điều kiện
sau:
Trong đó:
Lớp 0
(Trang tài liệu)
Lớp 1
(Trang tài liệu được chia
thành 4 cùng nhỏ hơn)
(Nối 2 vùng đồng nhất)
Lớp 2
Tách vùng không
đồng nhất ở lớp 1
thành 4 vùng nhỏ hơn
Hình 27: Mô tả thuật toán Tách và Nối thích nghi
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
34 GVHD: PGS. TS. Ngô Quốc Tạo
Trong đó: Nm và Nn biểu thị số vùng con trong mỗi vùng tƣơng ứng rm và rn. và
biểu thị giá trị trung bình của mỗi vùng tƣơng ứng rm và rn.
b) Ƣu điểm
- Có thể áp dụng với các loại trang tài liệu có cấu trúc phức tạp vì thuật toán này
không quan tâm đến việc phân đoạn các thành phần cơ sở, mà chỉ chia trang tài
liệu thành các vùng hình chữ nhật và xem xét giá trị trung bình của nó. Nhƣ
vậy các trang tài liệu có thể bỏ qua khâu xác định và hiệu chỉnh độ nghiêng
- Có thể áp dụng cho các loại trang tài liệu có nhiều loại font chữ khác nhau
- Tốc độ thực hiện nhanh hơn so với Top-down và Bottom-up
c) Hạn chế
- Hiệu quả của thuật toán phụ thuộc vào giá trị trung bình của vùng đƣợc xét,
trong một số tình huống thì giá trị trung bình của vùng văn bản và vùng đồ họa
là nhƣ nhau. Cho nên thuật toán này vẫn có thể phân đoạn nhầm.
- Không có một giá trị hằng số τ cho mọi trang tài liệu vì thế việc xác định giá τ
là một vấn đền khó.
II.1.4. Fractal Signature (FS)
a) Tổng quan
Ý tƣởng chính của thuật toán chia trang tài liệu A thành các vùng có kích thƣớc
bằng nhau Bk (k=1,..,n) sao cho Bk Є A. Sau đó tính FS cho mỗi vùng này, theo lý thuyết
FS thì nếu có 3 vùng B1(giả thiết là vùng nền), B2(giả thiết là vùng chữ), B3(giả thiết là
vùng đồ họa) thì luôn có FS(B1)<FS(B2)<FS(B3).
Quá trình thực hiện thuật toán có thể đƣợc mô tả nhƣ sau:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
35 GVHD: PGS. TS. Ngô Quốc Tạo
Cơ sở toán học tính Fractal Signature[1]
Cho F{Xi,j}, với i=0,1,…,K và j=0,1,…,L là một ảnh tài liệu đa cấp xám, trong đó
Xi,j là giá trị cấp xám của điểm ảnh thứ (i,j). Trong một dải đo nào đấy thì bề mặt tạo bởi
các độ xám của các điểm ảnh có thể xem nhƣ một phần tử hình học (Fractal). Vùng bề
mặt này có thể đƣợc dùng để xác định gần đúng hƣớng hình học của nó (Fractal
dimension). Cho một đơn vị đo , khi đó thể tích của một vùng A( ) có thể đƣợc tính
xấp xỉ nhƣ sau:
B1 B2 B3
B4 B5 B6
B7 B8 B9
…
… … Bn
FS1 FS2 FS3
FS4 FS5 FS6
FS7 FS8 FS9
…
… … FSn
B1: Trang tài liệu đƣợc
chia thành n block
B2: Tính FS cho từng Block
FS1 FS5
FS8
FS7 FS9 FSn …
FS3 …
Thuộc vùng Nền
FSthấp
Thuộc vùng Text
FStrung bình
Thuộc vùng Graphic
FSCao
B3: Phân đoạn dựa vào FS
Hình 28: Mô tả thuật toán FS
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
36 GVHD: PGS. TS. Ngô Quốc Tạo
(1)
trong đó là một hằng số, D là fractal dimension có thể tính đƣợc từ A( ). Để
chính xác hơn ta logarithm hai vế của phƣơng trình (1) ta đƣợc:
Để tính fractal dimension, chúng ta cần đo đƣợc vùng bề mặt mức xám, trong giải
thuật này sử dụng đối tƣợng là một “lớp” (blanket) để tính. Ý tƣớng tƣởng của kỹ thuật
sử dụng “blanket” dựa theo định nghĩa về -parallel body Fδ” nhƣ sau:
Trong kỹ thuật “blanket” tất cả các điểm trong không gian 3 chiều trong phạm vi
tính từ bề mặt mức xám đƣợc xét đến. Các điểm này tạo thành một “blanket” (lớp) bao
bọc với độ dầy là của bề mặt đang xét. Một ảnh tài liệu đƣợc biểu thị qua một hàm
mức xám g(i,j). Khối “Blanket” bao bọc đƣợc định nghĩa chính là lớp phía trên uδ(i,j) và
lớp phía dƣới bδ(i,j) của g(i,j). Và thể tích Volδ của khối blanket đƣợc tính nhƣ sau:
Định nghĩa: Thể tích Volδ của một Blanket tính đƣợc quá bán kính δ, tứ đó ta có thể tính
đƣợc cho một vùng bề mặt hình học (area of a fractal surface) và chúng ta gọi nó là đặc
trƣng hình học (FS – Fractal Signature):
Theo công thức (1) ta có một vùng bề mặt hình học nhƣ sau:
Theo đó hƣớng hình học D có thể đƣợc tính, để xác định hƣớng ta chỉ cần đến 2 điểm vì
vậy ta sẽ phải dùng 2 giá trị δ để tính hƣớng hình học, khi đó ta cho δ = δ1 và δ2, sau đó
tính:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
37 GVHD: PGS. TS. Ngô Quốc Tạo
Ta lấy biểu thức (5) chia cho biểu thức (6) đƣợc:
Tiến hành logarithm hai vế ta đƣợc:
Vậy D đã đƣợc tính:
Ứng dụng phân tích tài liệu dựa vào FS[1]
FS đƣợc sử dụng để xác định cấu trúc hình học của một tài liệu. Một bề mặt thu
đƣợc từ việc ánh xạ hàm mức xám của một ảnh tài liệu, do đó FS phản ánh các đặc tính
chính cần một ảnh tài liệu.
Xét một trang tài liệu F, giải thiết nó có một số vùng với các nội dung nhƣ văn bản
(Texts), đò họa (Graphics) hay nền (Background).
Trong đó:
là tập các vùng văn bản
là tập các vùng đồ họa
tập các vùng nền
Các vùng khác nhau sẽ có hàm giá trị mức xám khác nhau
. Các hàm mức xám khác nhau sẽ dẫn đến các bề mặt khác nhau và tất nhiên
các bề mặt khác nhau thì sẽ có các FS khác nhau (A A ).
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
38 GVHD: PGS. TS. Ngô Quốc Tạo
Định lý: Cho là một khối văn bản của một tài liệu, và , nếu cả hai khối này có
cùng một kích thƣớc hình học thì FS của vùng văn bản luôn lớn FS của vùng nền.
Đây là đặc tính rất quan trọng của FS va nó có thể đƣợc dùng để định dạng các
loại vùng khác nhau trong tài liệu.
b) Ƣu điểm
- Tốc độ thực hiện chỉ phụ thuộc vào kích thƣớc của ảnh mà không phụ thuộc
vào cấu trúc của tài liệu
- Hiệu quả cao với các loại tài liệu có cấu trúc phức tạp.
- Hiệu quả cao với các loại tài liệu có nhiều kiểu font, hay font chữ nghiêng, chữ
viết tay.
- Làm việc tốt với cả ảnh đa cấp xám và ảnh nhị phân
c) Nhƣợc điểm
- Không có một quy chuẩn để chọn đƣợc kích thƣớc Block là tốt nhất (thƣờng
dựa vào kinh nghiệm).
- Với mỗi loại trang tài liệu thì ngƣỡng để phân tách miền giá trị FS cho mỗi
vùng nền, văn bản và đồ họa là khác nhau.
- Với các loại tài liệu có cấu trúc đơn giản hoặc biết trƣớc thì tốc độ thực hiện
chậm hơn so với thuật toán Top-down và Bottom-up.
II.2. Lựa chọn giải pháp
Các phƣơng pháp phân tích Top-down và Bottom-up đã đƣợc một số nghiên cứu
trong nƣớc phát triển, vì thế trong đề tài này sẽ dừng ở mức độ giới thiệu để so sánh. Từ
phần II.1 dễ nhận thấy rằng thuật toán Fractal signature có nhiều ƣu điểm vƣợt trội với
các loại ảnh tài liệu có cấu trúc phức tạp. Đồng thời có thể làm việc với ảnh đa cấp xám
điều mà Top-down(TD) và Bottom-up(BU) không làm đƣợc. Vì thế trong phạm vi đề tài
này sẽ tập trung nghiên cứu và triển khai phƣơng pháp Fractal Signature (FS) với các
mục tiêu sau:
- Phân tích với ảnh đầu vào là đa cấp xám.
- Phát triển FS có hiệu quả cao với các loại trang tài liệu có cấu trúc phức tạp mà
TD và BU kém hiệu quả.
- Đầu ra của hệ thống là khoanh vùng đƣợc vùng ảnh và vùng văn bản.
- Phát triển thuật toán Top-down để so sánh với FS.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
39 GVHD: PGS. TS. Ngô Quốc Tạo
II.3. Thiết kế hệ thống
II.3.1. Sơ đồ khối
II.3.2. Ảnh đầu vào
- Ảnh đầu vào đƣợc chọn là ảnh đa cấp xám với định dạng “*.JPG”. Do thời gian có
hạn nên đề tài chỉ tập trung vào loại ảnh này, với anh màu cần phải chuyển sang
đa cấp xám trƣớc khi qua phân tích.
- Về kích thƣớc ảnh đầu vào về mặt thiết kế là không giới hạn.
- Với ảnh nhị phân là trƣờng hợp đặc biệt của ảnh đa cấp xám thì đã đƣợc các đề tài
trƣớc phân tích và trong thực tế thì thao tác với ảnh nhị phân đơn giản hơn so với
ảnh đa cấp xam (vì không cần phân ngƣỡng) nên đề tài không cài đặt cho loại ảnh
này.
Ảnh tài liệu
đa cấp xám
Tiền xử lý
Lọc và làm trơn nhiễu
Phân tích
Sử dụng Fractal signature
Ảnh đã đƣợc
khoanh vùng Văn
bản và Đồ họa
Hình 29: Sơ đồ khối hệ thống phân tích tài liệu trong phạm vi đề tài
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
40 GVHD: PGS. TS. Ngô Quốc Tạo
- Về độ phức tạp của ảnh về mặt thiết kế là không giới hạn.
II.3.3. Module Tiền xử lý
Nhằm nâng cao hiệu quả cho quá trình phân tích, ảnh sẽ đƣợc qua khâu tiền xử lý
trƣớc khi qua khâu phân tích. Trong phạm vi đề tài này khâu tiền xử lý chỉ dừng ở mức
lọc và làm trơn nhiễu. Lý do là khâu phân tích sử dụng giải pháp FS không bị ảnh hƣởng
bởi góc nghiêng của tài liệu, tham số duy nhất ảnh hƣởng đến giá trị của FS là nhiễu.
Vì bản chất của FS là đi tính hiệu thể tích của hai lớp đƣợc tạo ra từ mỗi block ảnh
chuyển sang không gian 3D và dịch theo phƣơng z một khoảng ±Δ. Có thể so sánh quá
trình FS nhƣ đi tính thiết diện bề mặt của mỗi Block hay còn gọi là độ nhám từ đó đƣa ra
các miền giá trị FS đặc trƣng cho mỗi vùng (Text, Graphic,…) (Hình-30). Từ đó dễ nhận
ra rằng nếu tồn tại các nhiễu dạng muỗi thì có thể làm một vùng nền (độ nhám =0) trở
thành một vùng bề mặt cực nhám dẫn đến FS của nó có thể trùng vào miền Text hoặc
Graphic. Để khắc phục một giải pháp là khử và làm trơn nhiều nhằm làm giảm ảnh
hƣởng của vùng nhiễu muỗi lên vùng nền và ảnh.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
41 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 30: Ví dụ một bolck chuyển sang dạng bề mặt trong không gian
3D
Hình 31: Ví dụ chuyển ảnh chữ "c" sang dạng bề mặt trong không gian 3D
II.3.4. Phân tích sử dụng giả pháp Fractal Signature
Chi tiết thuật toán FS[1]
Đầu vào: Ảnh đa cấp xám của một trang tài liệu F;
Đầu ra: Anh đã khoanh vùng vùng văn bản và đồ họa;
Thuật toán:
Trƣớc tiên ta chia F thành n vùng không trùng nhau có kích thƣớc NxN gọi là
Rk(x,y), trong đó k là vùng NxN thứ k của tài liệu và k=1,2,…,n
Bƣớc 1:
For x=1 to Xmax do
For y=1 to Ymax do
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
42 GVHD: PGS. TS. Ngô Quốc Tạo
Tính hàm mức xám gk(x,y) cho F;
Bƣớc 2:
For x=1 to Xmax do
For y=1 to Ymax do
Bƣớc 2.1: Khởi tạo cho δ = 0 khi đó lớp trên và lớp dƣới
của Blanket đƣợc chọn bằng với hàm mức xám gk(x,y) nhƣ
sau:
;
Bƣớc 2.2 Cho δ = δ1
a) đƣợc tính theo công thức sau:
b) đƣợc tính theo công thức sau:
c) Thể tích của Blanket đƣợc tính theo công thức sau:
Bƣớc 2.3: Cho δ = δ2
a) đƣợc tính theo công thức sau:
b) đƣợc tính theo công thức sau:
c) Thể tích của Blanket đƣợc tính theo công thức sau:
Bƣớc 3:
Tính các FS cho mỗi Rk(x,y) là theo công thức sau:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
43 GVHD: PGS. TS. Ngô Quốc Tạo
Bƣớc 4:
Tổ hợp các FS thành FS của tài liệu theo công thức sau:
Nhận xét: Dễ nhận thấy với một ảnh đầu vào có cùng kích thƣớc thì tốc độ thực hiện
thuật toán là không đổi và chỉ phải duyệt qua mỗi điểm ảnh một lần duy nhất.
Ví dụ:
Giả thiết ta có gk(x,y) là
Cho δ = 1, ta có:
Thu đƣợc kết quả là:
Ta có:
Thu đƣợc kết quả là:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
44 GVHD: PGS. TS. Ngô Quốc Tạo
Ví dụ về một kết quả áp dụng thuật toán này:
Hình 32: (a) Ảnh một tài liệu gốc, (b) kết quả sau khi áp dụng FS
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
45 GVHD: PGS. TS. Ngô Quốc Tạo
II.4. Kết luận
Sau chƣơng 2 này, ta đã có đƣợc các module và công việc của mỗi module trong
hệ thống demo phân tích trang tài liệu sẽ đƣợc cài đặt, từ những cơ sở phân tích ở trên sẽ
làm cơ sở để triển khai cài đặt trên máy tính cho thuật toán Fractal Signature và các chức
năng của chƣơng trình demo.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
46 GVHD: PGS. TS. Ngô Quốc Tạo
Chƣơng III: XÂY DỰNG CHƢƠNG TRÌNH THỬ NGHIỆM
Chƣơng này tập trung vào việc xây dựng và cài đặt các chức năng của chƣơng
trình demo với mục đích chính là phân tich đƣa ra cấu trúc vật lý của ảnh đầu vào là ảnh
đa cấp xám có độ phức tạp cao sử dụng thuật toán Fractal Signature. Đồng thời triên khai
cả thuật toán Top-down nhằm so sánh vơi thuật toán Fractal Signature
III.1. Yêu cầu hệ thống
Theo nhƣ phần lựa chọn giải pháp (II.2) thì đề tài tập trung vào việc triển khai
phƣơng pháp phân tích Fractal Signature và để có thể so sánh hiệu quả của FS thì chƣơng
trình thử nghiệm sẽ cài đặt thêm phƣơng pháp Top-down. Với mục đích này thì những
yêu cầu cho chƣơng trình nhƣ sau:
- Cho phép chọn phân tích ảnh theo thuật toán FS hoặc Top-down
- Cho phép tùy chọn ảnh đa cấp xám đầu vào dạng *.jpg
- Ảnh kết quả đã khoanh vùng các vùng văn bản hoặc đồ họa
- Tự động lọc và làm trơn nhiễu ảnh đầu vào trƣớc khi phân tích
- Chƣơng trình đƣợc cài đặt trên MatLab v7.0
III.2. Thiết kế chƣơng trình
III.2.1. Cấu trúc dữ liệu
- Cấu trúc vùng nhớ lƣu ảnh:
Ảnh đầu vào là ảnh đa cấp xám dạng *.jpg, sau khi đƣợc tải vào bộ nhớ sẽ đƣợc
giải mã và chuyển sang dạng ma trận điểm ảnh (quá trình này đƣợc thực hiện tự động khi
sử dụng hàm đọc ảnh trong matlab).
*.jpg
Gray Image
Lọc và làm
trơn nhiễu
Phân tích cấu
trúc vật lý
Ảnh ra đã
khoanh
vùng vă bản
và đồ họa
Tùy chọn FS
hoặc Top-down
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
47 GVHD: PGS. TS. Ngô Quốc Tạo
Nhƣ vậy về mặt logic thì cấu trúc vùng nhớ sử dụng để lƣu ảnh là một mảng hai
chiều Im x n có kích thƣớc (m x n) phần tử.
Image = { I[i,j], i = 1..m, j = 1..n}
Trong đó I[i,j] là giá trị độ xám của điểm ảnh tƣơng ứng với tọa độ (i,j) trong ảnh
Thông thƣờng với ảnh đa cấp xám thì giá trị độ xám của mỗi điểm ảnh nằm trong
khoảng [0..255], nhƣ vậy kích thƣớc tối thiểu cho mỗi I[i,j] là 1Byte.
Chƣơng trình sẽ sử dụng mảng có thuộc tính nhƣ sau để lƣu trữ ảnh:
- Mảng I hai chiều với I[i,j] kiểu Byte (Max(I[i,j])=255)
- Kích thƣớc của mảng là m x n với m là chiều cao của ảnh, n chiều rộng của ảnh và
m, n kiểu Double (max(m/n)=232)
36 26 80 60 90 15 14 53 81 65 16 49
85 65 73 18 8 68 71 27 28 35 93 39
7 12 96 1 29 10 35 64 85 22 68 91
69 33 44 52 63 80 30 89 18 93 60 58
97 98 89 11 40 17 15 8 15 22 42 98
34 92 87 79 72 44 35 39 39 24 86 50
56 45 87 92 19 27 46 53 11 94 52 54
83 71 98 7 72 64 27 41 58 31 26 60
37 18 4 56 4 91 86 79 11 73 14 96
19 7 13 75 2 21 50 38 57 91 19 3
22 50 65 97 81 50 30 7 76 86 87 74
82 18 81 81 60 21 88 59 92 8 66 49
71 95 72 76 61 26 33 55 25 80 91 72
Ảnh
Ma trận điểm ảnh
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
48 GVHD: PGS. TS. Ngô Quốc Tạo
- Cấu trúc lƣu trữ lƣợc đồ xám (kết quả của các phép chiếu nghiêng).
Phép chiếu nghiêng là đi tính tổng các điểm đen theo phƣơng vuông góc với
hƣớng chiếu. Kết quả của phép chiếu sẽ đƣợc lƣu trữ vào một mảng một chiều H có kích
thƣớc d phần tử. Trong dó H[i] (với i = [1..d]) là tổng số điểm đen của cột thứ i theo
phƣơng chiếu.
III.2.2. Module chuẩn hóa ảnh
Thuật toán FS tính giá trị FS cho từng khối Block trong ảnh, vì thế cần phải chia
ảnh thành các block có kích thƣớc bằng nhau trƣớc khi thực hiện thuật toán. Giả thiết
kích thƣớc của mỗi Block là (k x q), để việc tính FS cho các block không gặp trƣờng hợp
đặc biệt (Kích thƣớc ảnh không bằng nguyên lần của Block) ta sẽ nối thêm vào chiều
ngang và dọc của ảnh vùng nền đủ để sao cho kích thƣớc ảnh mới bằng một số nguyên
lần của Block.
.. .. .. .. .. ..
1 Byte
m (Double)
n (Double)
Ảnh I
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
49 GVHD: PGS. TS. Ngô Quốc Tạo
Giải thuật:
Input:
- Ảnh I có kích thƣớc m x n
- Block có kích thƣớc k x q (k,q<m,n)
Output: Ảnh I có kích thƣớc m’ x n’ sao cho m’ = i*k và n’ = j*q (với i,j € N)
Thuật toán:
B1: Tính m’
Nếu (m/k = nguyên (m/k)) thì m’=m;
Trái lại m’ = nguyên (m/k))*k + k;
B2: Tính n’
Nếu (n/q = nguyên (n/q)) thì n’=n;
Trái lại n’ = nguyên (n/q))*q + q;
Mã nguồn
(Mã nguồn cho module chuẩn hóa cài đặt trong Matlab)
Ảnh gốc
Phần dƣ không đủ 1 block
Phần nền bổ xung
cho đủ 1 block
Block
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
50 GVHD: PGS. TS. Ngô Quốc Tạo
% chuan hoa kich thuoc anh the nguyen lan cua NxN
%chuan chieu cao anh
if (chieucao/N)>round(chieucao/N)
chieucao=round(chieucao/N)*N+N;
else
chieucao=round(chieucao/N)*N;
end
%chuan chieu rong anh
if (chieurong/N)>round(chieurong/N)
chieurong=round(chieurong/N)*N+N;
else
chieurong=round(chieurong/N)*N;
end
%%%%%%%%%%%%%%%%%%%%
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
51 GVHD: PGS. TS. Ngô Quốc Tạo
III.2.3. Module giao diện chính
Giao diện chính đƣợc thiết kế đơn giản với một số chức năng chính nhƣ sau:
Vùng hiển thị ảnh gốc Vùng hiển thị ảnh kết quả
Chọn ảnh mới
Chọn phân tích
kiểu Top-down
Chọn phân tích
kiểu FS
Mô phỏng FS
Hình 33: Giao diện chính
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
52 GVHD: PGS. TS. Ngô Quốc Tạo
Mã nguồn:
Một số mã nguồn sự kiện cho các Button chính trên giao diện chính (cài dặt trong
Matlab)
- Button chọn ảnh:
- Button Top-Down
- Button Fractal Signature
III.2.4. Module phân tích Top-down (TD)
Thuật toán phân tích TD đƣợc thiết kế theo kiểu đệ quy, và cần tham số chiều cao
của font chữ. Để tính chiều cao của font chữ có 2 giải pháp
- Một là cho phép ngƣời sử dụng nhập vào.
- Hai là tự động dò theo thuật toán sau:
B1: Tính lƣợc đồ chiếu nghiên theo phƣớc thẳng đứng
B2: Tìm độ rộng xuất hiện nhiều nhất của các “cột” trong lƣợc đồ chiếu nghiêng, đây xấp
xỉ bằng chiều cao của font chữ.
function pushbutton3_Callback(hObject, eventdata, handles)
imshow('anhmau\running.jpg')
pause(0.5)
filename=get(handles.path,'string');
Fsign % Gọi chương trình con Fractal signature
clear all
function pushbutton2_Callback(hObject, eventdata, handles)
imshow('anhmau\running.jpg')
pause(0.5)
filename=get(handles.path,'string');
topdown % Gọi chương trình con TOPDOWN
clear all
function pushbutton1_Callback(hObject, eventdata, handles)
% Hop thoai chon uong dan?
[fname,pname] = uigetfile('*.jpg','Hay chon mot anh da cap xam');
if fname~=0 % da chon 1 file
set(handles.path,'String',[pname,fname]); % hien thi duong dan cua file anh
axes(handles.anhgoc);
imshow([pname,fname]);
axes(handles.anhdich);
end
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
53 GVHD: PGS. TS. Ngô Quốc Tạo
Trong đề tài này việc xác định chiều cao đƣợc dò tự động theo phƣơng pháp trên.
Giải thuật Top-Down
Input: Ảnh đa cấp xám I kích thƣớc m x n, chiều cao font chữ k
Output: Ảnh đã đƣợc phân đoạn văn bản và đồ họa.
Thuật toán:
Proceduce Topdown (I,x,y,m,n,k) // I là ảnh đầu vào, m và n là kích thƣớc vùng ảnh
// k chiều cao font chữ
// x,y là tọa độ hàng và cột
// của điểm ảnh góc trái trên cùng
Begin
B1: Tính lƣợc đồ chiếu đứng cho ảnh I đƣợc kết quả là mảng A gồm m phần tử
B2: Xác định các “cột” trên lƣợc đồ A
For (mỗi cột(i) trong lƣợc đồ A) do
IF độ rộng cột(i) ≈ k then
Khoanh vùng trên ảnh tại vị trí của cột(i) chiều dài n là vùng văn bản;
Else
IF độ rộng côt(i) > k then
Thuật toán phân tích TD
đƣợc thiết kế theo kiểu đệ
quy, và cần tham số chièu
cao của font chữ.
Thuật toán phân tích TD
đƣợc thiết kế theo kiểu đệ
quy, và cần tham số chièu
cao của font chữ.
~k
~k
~k
~y
Thành phần độ rộng ≈k xuất hiện nhiều nhất => k là chiều cao của font chữ
Ảnh vào Lƣợc đồ chiếu đứng
Cột
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
54 GVHD: PGS. TS. Ngô Quốc Tạo
B2.1: Tính lƣợc đồ chiếu ngang cho vùng ảnh chứa cột(i) đƣợc kết
quả là mảng B gồm n phần tử
B2.2: Xác định các cột trên B
IF nếu số cột của A = 1 và số cột của B = 1 then khoanh vùng là Ảnh;
Else
For mỗi Cột(j) trên B do
TopDown(I, x(cột(i)), y(cột(j)), độ rộng(cột(i)), độ rộng(cột(j)), k);
End for
End if
End if
End if
End for
End
Mã nguồn:
function ketqua=phantichtrong(start,limit,letrai,lephai,anh,nguongtach,chieu_cao_hang)
y=anh;
chieucao=limit;
chieurong=lephai;
%Phan nguong va tim hinh chieu doc
% z=zeros(1,size(y,1));% z la hinh chieu doc
z=zeros(1,limit-start+1);% z la hinh chieu doc
for i=start:chieucao
for j=letrai:chieurong
if (y(i,j)>nguongtach) % vung nen
else
z(i-start+1)=z(i-start+1)+1; % tinh cho bieu do xam
end
end
end
% tach khoi bang cach vao tung khoi van ban ngang tim hinh chieu ngang
i=start;
start_t=i;
limit_t=i;
while (i<=chieucao)
while (i(2*min(z))) %di het vung van ban de tinh chieu cao
i=i+1;
end
limit_t=i-1; %limit-start la chieu cao vung van ban ngang
% tinh luoc do xam cho moi vung ngang
if (start_tstart_t)
if limit_t>chieucao
limit_t=chieucao; % tranh vuot qua vung bien anh
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
55 GVHD: PGS. TS. Ngô Quốc Tạo
end
y=phantich(start_t,limit_t,y,nguongtach,chieu_cao_hang,letrai,lephai);
end
while (i<=chieucao)&(z(i-start+1)<=(2*min(z)))
i=i+1;
end
start_t=i;
end
%%%%%%%%%%%%%%%%%%%
ketqua=y;
III.2.5. Module phân tích Fractal Signature
Giải thuật Fractal Signature
Input: Ảnh đa cấp xám I, kích thƣớc block m x n
Output: Ảnh đã phân đoạn văn bản và đồ họa
Thuật toán:
B1: Chuẩn hóa kích thƣớc ảnh đƣợc I’ (trình bày ở phần IV.2.2)
B2: Lọc và làm trơn nhiễu
B3: Tách nền ra khỏi nội dung ảnh
B4:
Chia ảnh I’ thành q Block có kích thƣớc (m x n)
For (mỗi Block(i) của I’) Do
B4.1: Chọn ∂ = 1
Tính giá trị lớp trên của block(i):
Tính giá trị lớp dƣới của block(i)
Tính thể tích của Blanket
B4.2: Chọn ∂ = 2
Tính giá trị lớp trên của block(i):
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
56 GVHD: PGS. TS. Ngô Quốc Tạo
Tính giá trị lớp dƣới của block(i)
Tính thể tích của Blanket
(với x,y thuộc Block(i))
B4.3: Tính FS(Block(i)) =
End for
B5: Chọn ngƣỡng phân tách vùng nền, văn bản và đồ họa
Mã nguồn:
for i=1:round(chieucao/N)
for(j=1:round(chieurong/N))
%%%%%%%%%% thao tac voi block thu K
u_layer1(:,:)=0; b_layer1(:,:)=0; u_layer2(:,:)=0; b_layer2(:,:)=0;
vol1=0; vol2=0;
block_k(2:N+1,2:N+1)=anh((i-1)*N+1:i*N,(j-1)*N+1:j*N);
% tinh gia tri cho lop tren va duoi voi delta1 cho moi vung thu k
for ki=2:N+1
for kj=2:N+1
g1_u=block_k(ki,kj)+1;
g1_b=block_k(ki,kj)-1;
g2=block_k(ki,kj+1);
g3=block_k(ki,kj-1);
g4=block_k(ki+1,kj);
g5=block_k(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer1(ki,kj)=max(temp(1:5));
b_layer1(ki,kj)=min(temp(2:6));
vol1=vol1 + (u_layer1(ki,kj)-b_layer1(ki,kj));
% tinh xong lop tren va duoi voi delta1
% tinh gia tri cho lop tren va duoi voi delta2
g1_u=u_layer1(ki,kj)+1;
g1_b=b_layer1(ki,kj)-1;
g2=u_layer1(ki,kj+1);
g3=u_layer1(ki,kj-1);
g4=u_layer1(ki+1,kj);
g5=u_layer1(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer2(ki,kj)=max(temp(1:5));
b_layer2(ki,kj)=min(temp(2:6));
vol2=vol2+(u_layer2(ki,kj)-b_layer2(ki,kj));
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
57 GVHD: PGS. TS. Ngô Quốc Tạo
%%%%%%%%%%%%%%%% tinh xong gia tri cua lop tren duoi voi delta2
end
end
% tinh FS
k=k+1;
FS(k)=(vol2-vol1)/2;
end
end
%%%%%%%%%%%%%%%% Tach anh va text
k=0;;
anh=cat(3,anh,anh,anh);
nguong=min(FS)+50;
for i=1:round(chieucao/N)
for(j=1:round(chieurong/N))
k=k+1;
if (FS(k)4000) % text
for ki=1:N
for kj=1:N
anh((i-1)*N+ki,(j-1)*N+kj,:)=255-anh((i-1)*N+ki,(j-1)*N+kj);
end
end
else % vung anh
for ki=1:N
for kj=1:N
anh((i-1)*N+ki,(j-1)*N+kj,1)=150;
anh((i-1)*N+ki,(j-1)*N+kj,3)=150;
end
end
end
end
end
III.2.6. Module lọc và làm trơn nhiễu
Có rất nhiều kỹ thuật lọc nhiễu, tuy nhiên nhƣ đã trình bày ở phần II.1.4 bản chất
của FS có thể coi nhƣ đi xác định đặc trƣng độ nhám của các bề mặt thuộc vùng nền, văn
bản hay đồ họa. Để nhiễu bớt ảnh hƣởng đến đặc trƣng này thì giải pháp làm trơn nhiễu
là hiệu quả nhất nhằm làm cho các điểm ảnh gần nhau có đặc tính tƣơng tự nhau. Điều
này sẽ làm cho độ nhám mà nhiễu gây ra là không đáng kể.
Trong đề tài này sử dụng phƣơng pháp lọc thông thấp[2] với ma trận cuộn sau:
Mã nguồn:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
58 GVHD: PGS. TS. Ngô Quốc Tạo
III.2.7. Module mô phỏng thuật toán FS
Module mô phỏng thuật toán FS chỉ mang tính nghiên cứu quá trình làm việc của
Fractal Signature. Về mặt thuật toán giống nhƣ III.2.5 chỉ khác không cần tính thể tích
của các Blanket đƣợc tạo ra mà tiến hành vẽ các blanket đó trong không gian 3D.
Giải thuật:
Input: Ảnh đa cấp xám I, kích thƣớc block m x n
Output: Demo
Thuật toán:
B1: Chuẩn hóa kích thƣớc ảnh đƣợc I’ (trình bày ở phần IV.2.2)
B2: Lọc và làm trơn nhiễu
B3: Tách nền ra khỏi nội dung ảnh
B4:
Chia ảnh I’ thành q Block có kích thƣớc (m x n)
For (mỗi Block(i) của I’) Do
B4.1: Chọn ∂ = 1
Tính giá trị lớp trên của block(i):
Tính giá trị lớp dƣới của block(i)
B4.2: Chọn ∂ = 2
Tính giá trị lớp trên của block(i):
Tính giá trị lớp dƣới của block(i)
%%%%%%% mat na loc
loc=[0 1 0;1 2 1;0 1 0];
loc=1/8*loc;
%%%%%%% dung ham loc
anh=conv2(anh,loc);
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
59 GVHD: PGS. TS. Ngô Quốc Tạo
(với x,y thuộc Block(i))
B4.3: Vẽ các Blanket trong không gian 3D
End for
Mã nguồn:
for i=1:round(chieucao/N)
for(j=1:round(chieurong/N))
%%%%%%%%%% thao tac voi block thu K
u_layer1(:,:)=0; b_layer1(:,:)=0; u_layer2(:,:)=0; b_layer2(:,:)=0;
vol1=0; vol2=0;
block_k(2:N+1,2:N+1)=anh((i-1)*N+1:i*N,(j-1)*N+1:j*N);
% tinh gia tri cho lop tren va duoi voi delta1 cho moi vung thu k
for ki=2:N+1
for kj=2:N+1
g1_u=block_k(ki,kj)+1;
g1_b=block_k(ki,kj)-1;
g2=block_k(ki,kj+1);
g3=block_k(ki,kj-1);
g4=block_k(ki+1,kj);
g5=block_k(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer1(ki,kj)=max(temp(1:5));
b_layer1(ki,kj)=min(temp(2:6));
vol1=vol1 + (u_layer1(ki,kj)-b_layer1(ki,kj));
% tinh xong lop tren va duoi voi delta1
% tinh gia tri cho lop tren va duoi voi delta2
g1_u=u_layer1(ki,kj)+1;
g1_b=b_layer1(ki,kj)-1;
g2=u_layer1(ki,kj+1);
g3=u_layer1(ki,kj-1);
g4=u_layer1(ki+1,kj);
g5=u_layer1(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer2(ki,kj)=max(temp(1:5));
b_layer2(ki,kj)=min(temp(2:6));
vol2=vol2+(u_layer2(ki,kj)-b_layer2(ki,kj));
%%%%%%%%%%%%%%%% tinh xong gia tri cua lop tren duoi voi delta2
end
end
% ve he truc toa do va anh 3D
trucx=[1:N+2];
trucy=[1:N+2];
meshgrid(trucx,trucy);
% axes(handles.anhgoc);
subplot(2,2,1);
anhtem=goc;
anhtem((i-1)*N+1:(i-1)*N+N,(j-1)*N+1:(j-1)*N+N)=0;
imshow(anhtem);
subplot(2,2,2);
%axes(handles.uper);
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
60 GVHD: PGS. TS. Ngô Quốc Tạo
surf(trucx,trucy,u_layer2)
subplot(2,2,3);
%axes(handles.block);
imshow(255-anh((i-1)*N+1:(i-1)*N+N,(j-1)*N+1:(j-1)*N+N));
subplot(2,2,4);
%axes(handles.surf);
trucx=[1:N];
trucy=[1:N];
meshgrid(trucx,trucy);
surf(trucx,trucy,double(anh((i-1)*N+1:(i-1)*N+N,(j-1)*N+1:(j-1)*N+N)));
pause(0.3)
end
end
III.2.8. Các hàm chức năng chính của image processing tool trong matlab sử dụng
trong chƣơng trình
Image Processing Toolbox là một thƣ viện các hàm chức năng về xử lý ảnh tƣơng
thích trong môi trƣờng MatLab. Các hàm
trong thƣ viên có thể phân loại theo chức
năng nhƣ sau:
- Các phép toán hình thái
- Các phép toán trên các khối hay các
vùng liên thông
- Thiết kế và lọc tuyến tính
- Chuyển đổi kiểu và không gian ảnh
- Nâng cao chất lƣợng ảnh
- Các phép toán trên ảnh nhị phân
- …
Một số hàm chức năng sử dụng trong
chƣơng trình[3]
a) Hàm đọc và ghi ảnh
Hàm đọc: Đọc một ảnh với đƣờng dẫn
chỉ ra, kết quả trả về là một ma trận điểm
ảnh.
Cú pháp:
imread(filename,fmt);
Trong dó:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
61 GVHD: PGS. TS. Ngô Quốc Tạo
Filename: là xâu chỉ ra đƣờng dẫn và tên file ảnh cần đọc
Fmt: Định dạng của ảnh đƣợc đọc
Các giá trị của “fmt” theo bảng sau:
Hàm ghi ảnh: Ghi ảnh ra một file
Cú pháp:
imwrite(A,filename,fmt)
Ghi một ảnh trong biến mảng A với tên file là “filename” theo định dạng “fmt”
Trong đó:
- A: Vùng nhớ lƣu trữ ảnh
- Filename: Tên file cần ghi
- Fmt: Định dạng file ảnh đầu ra
Hàm hiển thị ảnh
Cú pháp:
imshow(I); %hiển thị ảnh I
Trong đó:
I: Vùng nhớ chứa ảnh cần hiển thị
Hàm nhân chập: (để thực hiện lọc thông thấp làm trơn nhiễu)
Cú pháp:
C = conv2(A,B)
Nhân chập mặt nạ B với ma trận A kết quả là ma trận C
Trong đó:
A: Ma trận nguồn
B: Mặt nạ chập
C: Ma trận kết quả
Hàm chuyển ảnh từ RGB sang ảnh đa cấp xám
Cú pháp:
I = rgb2gray(RGB)
Chuyển đổi ảnh “RGB” từ hệ mầu Red-Green-Blue sang ảnh đa cấp xám
Trong đó:
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
62 GVHD: PGS. TS. Ngô Quốc Tạo
- RGB: là ảnh nguồn
- I: ảnh kết quả
Hàm vẽ mặt trong không gian 3D
Cú pháp:
surf(X,Y,Z); %vẽ mặt một bề mặt trong không gian X,Y,Z
Trong đó:
- X: mảng một chiều chƣa các điểm của trục x
- Y: mảng một chiều chứa các điểm của trục y
- Z: mảng 2 chiều chƣa các giá trị của trục Z trong mặt phẳng XY.
III.3. Kết luận và đánh giá kết quả
- Chƣơng trình demo đã đƣợc xây dựng để làm việc với ảnh đa cấp xám
- Thuật toán Top-Down đƣợc cài trong chƣơng trình làm việc rất hiệu quả với các
loại tài liệu có cấu trúc đơn giản, tốc độ thực hiện ổn định (Hình 34, 35, 36).
- Đúng nhƣ nhƣợc điểm của Top-down đã nói ở chƣơng 2, top-down kém hiệu quả
với các loại tài liệu có cấu trúc phức tạp hay bị nghiêng (Hình 37, 38, 39, 40).
- Thuật toán Fractal Signature đặc biệt hiệu quả với những tài liệu có cấu trúc phức
tạp, không phân biệt hƣớng tài liệu, với các tài liệu bị nghiêng FS vẫn có thể
khoanh vùng chính xác vùng Text và đồ họa (Hình 41, 42, 43, 44)
- Nhƣợc điểm của FS trong chƣơng trình này chƣa giải quyết đƣợc là tốc độ làm
việc chậm và thuật toán khoanh vùng làm việc hiệu quả chƣa cao.
- Một số yếu tố ảnh hƣởng đến hiệu quả của FS đó là việc chọn kích thƣớc của
Block, chọn Block phải hợp lý tốt nhất nhất là ba đủ 1 ký tự thì kết quả phân tích
sẽ cao. Tuy nhiên với các loại trang có nhiều loại size chữ thì điều này là khó khả
thi.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
63 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 34: Kết quả phân tích của top-down trên tài liệu có cấu trúc đơn giản
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
64 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
65 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 35: Kết quả phân tích của top-down trên tài liệu có cấu trúc bảng
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
66 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
67 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 36: : Kết quả phân tích của top-down trên tài liệu thuần văn bản
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
68 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
69 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 37: : Kết quả phân tích của top-down trên tài liệu có cấu trúc phức tạp (trang tạp trí)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
70 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
71 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 38 : Kết quả phân tích của top-down trên một tờ quảng cáo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
72 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
73 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 39: Kết quả phân tích của top-down trên tài liệu có cấu trúc phức tạp
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
74 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
75 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 40: Kết quả phân tích của top-down trên tài liệu bị nghiêng
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
76 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
77 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 41: Kết quả phân tích của FS trên tài liệu bị nghiêng
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
78 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
79 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 42: Kết quả phân tích của FS trên tài có cấu trúc phức tạp
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
80 GVHD: PGS. TS. Ngô Quốc Tạo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
81 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 43: Kết quả phân tích của FS trên một trang quảng cáo
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
82 GVHD: PGS. TS. Ngô Quốc Tạo
Hình 44: Kết quả phân tích của FS trên tài liệu đơn giản
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
83 GVHD: PGS. TS. Ngô Quốc Tạo
Kết luận
Qua nhiều mẫu ảnh phân tích cho thấy thuật toán FS lầm việc rất hiệu quả về
nhiệm vụ phát hiện vùng văn bản hay vùng đồ họa, tỉ lệ gần nhƣ tƣơng ứng với phần
mềm ABBYY FineReader 9.0, và hơn hẳn OminiPage, VNDocr.
Đặc biệt là chƣơng trình đã đƣợc cài đặt để làm việc thành công với ảnh đầu vào
là ảnh đa cấp xám và có độ phức tạp cao.
Thuật toán FS là một thuật toán hay vì không phụ thuộc vào font chữ, tuy
nhiên trong giới hạn đề này chƣa trình bày và cài đặt hoàn thiện đƣợc.
Chƣơng trình thử nghiệm phân tích định dạng của trang ảnh tài liệu trên còn rất
thô sơ, chủ yếu là dùng để mô tả cho phần lý thuyết phân tích định dạng trang ảnh tài
liệu. Chƣơng trình chỉ phân tích từng trang ảnh tài liệu và phải điều chỉnh bằng tay
nhƣng kết quả thật khả quan.
Để đƣa chƣơng trình áp dụng thực tế trên còn phải qua một đoạn đƣờng dài nữa,
tuy nhiên với kết quả này của công đoạn đầu tiên trong quá trình “lưu trữ thông tin trên
tài liệu giấy theo cách máy tính có thể hiểu và xử lý được” thì các công đoạn nhận dạng
chữ sau này sẽ dễ dàng hơn rất nhiều.
Hƣớng phát triển đề tài:
- Cải tiến thuật toán FS chạy nhanh hơn.
- Cài đặt FS trên ảnh mầu.
- Phát triển tiếp module nhận dạng ký tự.
- Tích hợp thành phần mềm hoàn chỉnh.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
84 GVHD: PGS. TS. Ngô Quốc Tạo
TÀI LIỆU THAM KHẢO
Tiếng việt
[2]. Lƣơng Mạnh Bá, Ngô Thanh Thủy(1999). Nhập môn xử lý ảnh số : Nhà xuất bản
khoa học kỹ thuật, Hà Nội. Chƣơng 4, Tr. 83-87.
[8]. PGS. TS. Ngô Quốc Tạo (2008). Xử lý và nhận dạng ảnh : Bài giảng cao học, Viện
Công nghệ Thông tin. Hà Nội.
Tiếng Anh
[6].Anoop M. Namboodiri and Anil K. Jain, Document Structure and Layout Analysis,
Michigan State University, East Lansing, MI-48824, USA, pp. 31-34, 38-41.
[7].Jiming Lui, Yuan Y Tang, Ching Y Suen (1997), Chinese document layout
analysic based on adaptive Split-and-Merge and qualitation spatial reasoning, Elsevier
Science, Oxford, ROYAUME-UNI, pp. 4-9.
[3].MathWorks (1997), Image Processing Toolbox User’s Guide. MathWorks, 1997.
[5]. Sadhana (2002), Document image analysis: A primer, India, pp. 3-7.
[4].TANG, Yuan Y (2000), Documnet analysis and recogniton by computers. Handbook
of Pattern recognition and computer vision, World Scientific Company, pp. 1-15.
[1].Yuan Y. Tang, Hong Mat, Xiaogang Maot, Dan Liu and Ching Y. Suen (1997), A
New Approach to Document Analysis Based on Modified Fractal Signature, Washington,
DC, USA : IEEE Computer Society.
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
85 GVHD: PGS. TS. Ngô Quốc Tạo
Phục Lục
A. Mã nguồn đầy đủ của chƣơng trình
A.1. Danh mục các chƣơng trình con trong chƣơng trình
TT Tên chƣơng trình Nhiệm vụ Tên file lƣu trữ
1 main
Chƣơng trình chính chứa giao diện
của chƣơng trình.
Main.m
2 Topdown
Module chính của thuật toán top-
down.
Topdown.m
3 Phantich
Module con đƣợc gọi từ module
topdown, thực hiện phân chia trang
tài liệu thành các block theo lƣợc
đồ xám chiếu nghiêng, và khoanh
vùng tài liệu.
Phantich.m
4 Phantichtrong
Module con đƣợc gọi từ module
phantich, nếu block chứa cảc đồ
họa và text thì sẽ đƣợc module này
phần tích tiếp.
Phantichtrong.m
5 FSign
Module chƣơng trình cho thuật toán
Fractal thực hiện phát hiện text và
đồ họa (chƣa khoanh vùng).
FSign.m
6 FSignKV
Module chƣơng trình cho thuật toán
Fractal thực hiện phát hiện và
khoanh vùng text và đồ họa.
FSignKV.m
7 Lienthong
Module tìm vùng liên thông để
khoanh vùng.
Lienthong.m
8 Vebien
Module khoanh vùng một vùng liên
thông.
Vebien.m
9 Demo
Module chay theo thuật toán
Fractal có vẽ demo các block đƣợc
tính FS.
demoFS.m
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
86 GVHD: PGS. TS. Ngô Quốc Tạo
A.2. Sơ khối liên kết giữa các thủ tục trong chƣơng trình
A.3. Mã nguồn các module
1) Main:
y=imread(filename);
anhgoc=y;
%%%%%%%%%%%%% Cac bien phu trong chuong trinh
% bien de tranh pha tich trung lap
global letraicu;
global lephaicu;
global startcu;
global limitcu;
%%%%%%%%%%%%%%%%%%%
% loc nhieu anh goc
y=double(y)/255; % chuyen sang kieu double
%%%%%%% mat na loc
k=[0 1 0;1 2 1;0 1 0];
k=1/8*k;
%%%%%%% dung ham loc
y=conv2(y,k);
y=uint8(round(y*255));
%%%%%%%%%%%%%%%%
kich_thuoc_anh=size(y);
chieucao=kich_thuoc_anh(1);
chieurong=kich_thuoc_anh(2);
%%%%%%%%%Phan nguong va tim hinh chieu doc
gray_min=min(min(y));
gray_max=max(max(y));
Main
(chương trình chính)
Topdown
FSign
FSignKV
DemoFS
Phantich
Phantichtrong
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
87 GVHD: PGS. TS. Ngô Quốc Tạo
nguongtach=round(((gray_min+gray_max)/2));
z=zeros(1,chieucao);% z la hinh chieu doc
for i=1:chieucao
for j=1:chieurong
if (y(i,j)>nguongtach) % vung nen
y(i,j)=255; % xoa trang vung nen
else
z(i)=z(i)+1; % tinh cho bieu do xam
end
end
end
%%%%%%%%%%%%%%%
chieu_cao_hang=timhang(z);
%%%%%%%%%%%%%%%%% tach khoi bang cach vao tung khoi van ban ngang tim hinh
%%%%%%%%%%%%%%%%% chieu ngang
i=1;
start=i;
limit=i;
luocdo=zeros(1,chieurong);
while (i<=chieucao)
while (i(2*min(z))) %di het vung van ban de tinh chieu cao
i=i+1;
end
limit=i-1; %limit-start la chieu cao vung van ban ngang
luocdo=zeros(1,chieurong);
% tinh luoc do xam cho moi vung ngang
if (startstart)
if limit>chieucao
limit=chieucao; % tranh vuot qua vung bien anh
end
if (limit-start)>=(0.5*chieu_cao_hang)
y=phantich(start,limit,y,nguongtach,chieu_cao_hang,1,size(y,2));
end
end
while (i<=chieucao)&(z(i)<=(2*min(z)))
i=i+1;
end
start=i;
end
imshow(y);
2) Topdown:
y=imread(filename);
anhgoc=y;
%%%%%%%%%%%%% Cac bien phu trong chuong trinh
% bien de tranh pha tich trung lap
global letraicu;
global lephaicu;
global startcu;
global limitcu;
%%%%%%%%%%%%%%%%%%%
% loc nhieu anh goc
y=double(y)/255; % chuyen sang kieu double
%%%%%%% mat na loc
k=[0 1 0;1 2 1;0 1 0];
k=1/8*k;
%%%%%%% dung ham loc
y=conv2(y,k);
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
88 GVHD: PGS. TS. Ngô Quốc Tạo
y=uint8(round(y*255));
%%%%%%%%%%%%%%%%
kich_thuoc_anh=size(y);
chieucao=kich_thuoc_anh(1);
chieurong=kich_thuoc_anh(2);
%%%%%%%%%Phan nguong va tim hinh chieu doc
gray_min=min(min(y));
gray_max=max(max(y));
nguongtach=round(((gray_min+gray_max)/2));
z=zeros(1,chieucao);% z la hinh chieu doc
for i=1:chieucao
for j=1:chieurong
if (y(i,j)>nguongtach) % vung nen
y(i,j)=255; % xoa trang vung nen
else
z(i)=z(i)+1; % tinh cho bieu do xam
end
end
end
%%%%%%%%%%%%%%%
chieu_cao_hang=timhang(z);
%%%%%%%%%%%%%%%%% tach khoi bang cach vao tung khoi van ban ngang tim hinh
%%%%%%%%%%%%%%%%% chieu ngang
i=1;
start=i;
limit=i;
luocdo=zeros(1,chieurong);
while (i<=chieucao)
while (i(2*min(z))) %di het vung van ban de tinh chieu cao
i=i+1;
end
limit=i-1; %limit-start la chieu cao vung van ban ngang
luocdo=zeros(1,chieurong);
% tinh luoc do xam cho moi vung ngang
if (startstart)
if limit>chieucao
limit=chieucao; % tranh vuot qua vung bien anh
end
if (limit-start)>=(0.5*chieu_cao_hang)
y=phantich(start,limit,y,nguongtach,chieu_cao_hang,1,size(y,2));
end
end
while (i<=chieucao)&(z(i)<=(2*min(z)))
i=i+1;
end
start=i;
end
% Lam noi vung van ban
%%%%%%%%%%%%%%%%%%%
%subplot(1,2,1);
%title('ANH GOC');
%imshow(anhgoc,'InitialMagnification',100);
%subplot(1,2,2);
%title('KET QUA');
imshow(y);
3) Phantich:
function ketqua=phantich(start,limit,anh,nguongtach,chieu_cao_hang,bientrai,bienphai)
%%%%%%%%%%%%%%%
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
89 GVHD: PGS. TS. Ngô Quốc Tạo
global letraicu;
global lephaicu;
global startcu;
global limitcu;
%%%%%%%%%%%%%%%%
CDmang=bienphai-bientrai+1;
luocdo=zeros(1,CDmang);
for k=start:limit % tim hinh chieu ngang
for q=bientrai:bienphai
if (anh(k,q)<=nguongtach)
luocdo(q-bientrai+1)=luocdo(q-bientrai+1)+1;
end
end
end
%%%%%%%%%%%%% tim cuc tieu trong luoc do xam nhung bo qua suon dau va cuoi
dau=1;
cuoi=CDmang;
while (luocdo(dau+1)>=luocdo(dau))&(dau<CDmang)
dau=dau+1;
end
while (luocdo(cuoi-1)>=luocdo(cuoi))&(cuoi>2)
cuoi=cuoi-1;
end
%%%%%%%%%%%%
if cuoi>dau
cuctieu=round(min(luocdo(dau:cuoi))*1.2);
else
cuctieu=bienphai-bientrai;
end
%%%%%%%%%%%%
if (cuctieu>0)&((limit-start)>= 2*chieu_cao_hang)% vung anh
for hang_anh=start:limit
for cot_anh=bientrai:bienphai
anh(hang_anh,cot_anh)=255-anh(hang_anh,cot_anh);
end
end
else
dorong=0;
truoc=luocdo(1);
letrai=bientrai;
lephai=bientrai;
i=bientrai;
dautien=0;
while(i<=bienphai)
while (i<=bienphai)&(luocdo(i-bientrai+1)<=cuctieu) % tim diem bat dau vung van ban
i=i+1;
dorong=dorong+1;
end
% if (letrai==bientrai) % doan trang dau qua ngan````````````````````
% letrai=i;dautien=1;
% end
if (dorong>=(1.2*chieu_cao_hang))|((lephai>letrai)&(i>=bienphai)) % khoang canh cho phep
if (lephai>letrai) % tien hanh ve vung van ban
% dautien=0;
if ((limit-start)< 2*chieu_cao_hang)
% khung vung van ban
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
90 GVHD: PGS. TS. Ngô Quốc Tạo
if lephai>bienphai
lephai=bienphai;
end
for ve_bien_ngang=letrai:lephai
anh(start,ve_bien_ngang)=0;
anh(limit,ve_bien_ngang)=0;
end
for ve_bien_doc=start:limit
anh(ve_bien_doc,letrai)=0;
anh(ve_bien_doc,lephai)=0;
end
else
if (letraicu==letrai) & (lephaicu==lephai)&(startcu==start)&(limitcu==limit) % tranh bi treo
% trung khoi phan tich
letraicu
lephaicu
startcu
limitcu
else
letraicu=letrai;
lephaicu=lephai;
startcu=start;
limitcu=limit;
anh=phantichtrong(start,limit,letrai,lephai,anh,nguongtach,chieu_cao_hang);
end
end
end
letrai=i;% bat dau mot vung van ban
dorong=0;
else
dorong=0;
end
while (icuctieu)
i=i+1; % di qua vung van ban
lephai=i;
end
end
end
ketqua=anh;
4) Phantichtrong:
function ketqua=phantichtrong(start,limit,letrai,lephai,anh,nguongtach,chieu_cao_hang)
y=anh;
chieucao=limit;
chieurong=lephai;
%%%%%%%%%Phan nguong va tim hinh chieu doc
%z=zeros(1,size(y,1));% z la hinh chieu doc
z=zeros(1,limit-start+1);% z la hinh chieu doc
for i=start:chieucao
for j=letrai:chieurong
if (y(i,j)>nguongtach) % vung nen
else
z(i-start+1)=z(i-start+1)+1; % tinh cho bieu do xam
end
end
end
%%%%%%%%%%%%%%%%% tach khoi bang cach vao tung khoi van ban ngang tim hinh
%%%%%%%%%%%%%%%%% chieu ngang
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
91 GVHD: PGS. TS. Ngô Quốc Tạo
i=start;
start_t=i;
limit_t=i;
while (i<=chieucao)
while (i(2*min(z))) %di het vung van ban de tinh chieu cao
i=i+1;
end
limit_t=i-1; %limit-start la chieu cao vung van ban ngang
% tinh luoc do xam cho moi vung ngang
if (start_tstart_t)
if limit_t>chieucao
limit_t=chieucao; % tranh vuot qua vung bien anh
end
y=phantich(start_t,limit_t,y,nguongtach,chieu_cao_hang,letrai,lephai);
end
while (i<=chieucao)&(z(i-start+1)<=(2*min(z)))
i=i+1;
end
start_t=i;
end
%%%%%%%%%%%%%%%%%%%
ketqua=y;
5) Fsign
%anh=imread('C:\chuongtrinh\anhmau\textc3.jpg'); % doc anh tu mot file JPG
anh=imread(filename); % doc anh tu mot file JPG
N=15; % kich thuoc moi block
k=1; % so block tren anh co kich thuoc NxN
chieucao=size(anh,1); % chieu cao cuar anh vao
chieucao_goc=chieucao;
chieurong=size(anh,2); % chieu rong cua anh vao
chieurong_goc=chieurong;
%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%
%%%%%%%%%Phan nguong va tim hinh chieu doc
gray_min=min(min(anh));
gray_max=max(max(anh));
nguongtach=round(((gray_min+gray_max)/2));
% chuan hoa kich thuoc anh the nguyen lan cua NxN
%chuan chieu cao anh
if (chieucao/N)>round(chieucao/N)
chieucao=round(chieucao/N)*N+N;
else
chieucao=round(chieucao/N)*N;
end
%chuan chieu rong anh
if (chieurong/N)>round(chieurong/N)
chieurong=round(chieurong/N)*N+N;
else
chieurong=round(chieurong/N)*N;
end
%anh=zeros(1:chieucao,1:chieurong);
%%%%%%%%%%%%%%%%%%%%
%loc nhieu anh goc
%anh = filter2(fspecial('average',3),anh);
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
92 GVHD: PGS. TS. Ngô Quốc Tạo
anh=double(anh)/255; % chuyen sang kieu double
%%%%%%% mat na loc
loc=[0 1 0;1 2 1;0 1 0];
loc=1/8*loc;
%%%%%%% dung ham loc
anh=conv2(anh,loc);
anh=uint8(round(anh*255));
%%%%%%%%%%%%%%
for i=1:chieucao
for j=1:chieurong
if (i>chieucao_goc)|(j>chieurong_goc) % ngoai vung bien anh goc
anh(i,j)=0; % dat la vung nen anh
else % trong vung bien anh goc
%anh(i,j)=255-anh(i,j);
if (anh(i,j)>nguongtach) % vung nen
%anh(i,j)=255; % xoa trang vung nen
anh(i,j)=0;
else
%z(i)=z(i)+1; % tinh cho bieu do xam
anh(i,j)=255-anh(i,j);
end
end
end
end
%%%%%%%%%%%%%%% tinh FS cho moi block
FS=[];
k=0;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
u_layer1=zeros(N+2);b_layer1=zeros(N+2);u_layer2=zeros(N+2);b_layer2=zeros(N+2);block_k=zeros(N
+2);
%%%%%%%%%%%%%%%%%%%%%%
for i=2:round(chieucao/N)
for(j=2:round(chieurong/N))
%%%%%%%%%% thao tac voi block thu K
u_layer1(:,:)=0; b_layer1(:,:)=0; u_layer2(:,:)=0; b_layer2(:,:)=0;
vol1=0; vol2=0;
block_k(2:N+1,2:N+1)=anh((i-1)*N+1:i*N,(j-1)*N+1:j*N);
% tinh gia tri cho lop tren va duoi voi delta1 cho moi vung thu k
for ki=2:N+1
for kj=2:N+1
g1_u=block_k(ki,kj)+1;
g1_b=block_k(ki,kj)-1;
g2=block_k(ki,kj+1);
g3=block_k(ki,kj-1);
g4=block_k(ki+1,kj);
g5=block_k(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer1(ki,kj)=max(temp(1:5));
b_layer1(ki,kj)=min(temp(2:6));
vol1=vol1 + (u_layer1(ki,kj)-b_layer1(ki,kj));
% tinh xong lop tren va duoi voi delta1
% tinh gia tri cho lop tren va duoi voi delta2
g1_u=u_layer1(ki,kj)+1;
g1_b=b_layer1(ki,kj)-1;
g2=u_layer1(ki,kj+1);
g3=u_layer1(ki,kj-1);
g4=u_layer1(ki+1,kj);
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
93 GVHD: PGS. TS. Ngô Quốc Tạo
g5=u_layer1(ki-1,kj);
temp=[g1_u g2 g3 g4 g5 g1_b];
u_layer2(ki,kj)=max(temp(1:5));
b_layer2(ki,kj)=min(temp(2:6));
vol2=vol2+(u_layer2(ki,kj)-b_layer2(ki,kj));
%%%%%%%%%%%%%%%% tinh xong gia tri cua lop tren duoi voi delta2
end
end
% tinh FS
k=k+1;
FS(k)=(vol2-vol1)/2;
end
end
%%%%%%%%%%%%%%%% Tach anh va text
k=0;
%nguong=((min(FS)+max(FS))/2);
%nguong=3000;
anh=255-anh;
anh=cat(3,anh,anh,anh);
nguong=min(FS)+50;
for i=2:round(chieucao/N)
for(j=2:round(chieurong/N))
k=k+1;
if (FS(k)>4000) % anh
anh((i-1)*N+1:i*N,(j-1)*N+1:j*N,2:3)=20;
elseif (FS(k)>nguong) % text
anh((i-1)*N+1:i*N,(j-1)*N+1:j*N,1)=150;
anh((i-1)*N+1:i*N,(j-1)*N+1:j*N,3)=150;
end
end
end
imshow(anh)
6) FSignKV
global anh
anh=imread(filename); % doc anh tu mot file JPG
N=15; % kich thuoc moi block
k=1; % so block tren anh co kich thuoc NxN
chieucao=size(anh,1); % chieu cao cuar anh vao
chieucao_goc=chieucao;
chieurong=size(anh,2); % chieu rong cua anh vao
chieurong_goc=chieurong;
%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%
%%%%%%%%%Phan nguong va tim hinh chieu doc
gray_min=min(min(anh));
gray_max=max(max(anh));
nguongtach=round(((gray_min+gray_max)/2));
% chuan hoa kich thuoc anh the nguyen lan cua NxN
%chuan chieu cao anh
if (chieucao/N)>round(chieucao/N)
chieucao=round(chieucao/N)*N+N;
else
chieucao=round(chieucao/N)*N;
end
%chuan chieu rong anh
if (chieurong/N)>round(chieurong/N)
Luận văn tốt nghiệp cao học Học viên: Nguyễn Văn Huy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
94 GVHD: PGS. TS. Ngô Quốc Tạo
chieurong=round(chieurong/N)*N+N;
else
chieurong=round(chieurong/N)*N;
end
%%%%%%%%%%%%%%%%%%%%
%loc nhieu anh goc
%anh = filter2(fspecial('average',3),anh);
anh=double(anh)/255; % chuyen sang kieu double
%%%%%%% mat na loc
loc=[0 1 0;1 2 1;0 1 0];
loc=1/8*loc;
%%%%%%% dung ham loc
anh=conv2(anh,loc);
anh=uint8(round(anh*255));
%%%%%%%%%%%%%%
for i=1:chieucao
for j=1:chieurong
if (i>chieucao_goc)|(j>chieurong_goc) % ngoai vung bien anh goc
anh(i,j)=0; % dat la vung nen anh
else % trong vung bien anh goc
%anh(i,j)=255-anh(i,j);
if (anh(i,j)>nguongtach) % vung nen
%anh(i,j)=255; % xoa trang vung nen
anh(i,j)=0;
else
%z(i)=z(i)+1; % tinh cho bieu do xam
anh(i,j)=255-anh(i,j);
end
end
end
end
%%%%%%%%%%%%%%% tinh FS cho moi block
FS=[];
k=0;
Các file đính kèm theo tài liệu này:
- 24LV09_CNTT_KHMTNguyenVanHuy.pdf