Распознавание символов в автоматизированных системах обработки текста

Теоретические предпосылки распознавания символов. Для распознавания символов в настоящее время наиболее перспективными являются матричные методы, в основу которых положено представление стандартных печатных знаков в виде нормированных матриц; элементы их определяются совокупностью темных и светлых точек, на которые разбивается изображение знака. Распознавание знака осуществляется путем сравнения матрицы знака с эталонными матрицами всего алфавита. Разновидностью матричного метода является корреляционный метод распознавания знаков. Процедура распознавания неизвестного знака S сводится к вычислению коэффициента корреляции этого изображения с каждым эталонным знаком V_i в соответствии с формулой :

где β – сдвиг распознаваемого знака относительно эталонных знаков. Изображение, распознаваемого знака отождествляется с тем эталоном, для которого коэффициент корреляции.

Второй вариант корреляционного метода предусматривает разбиение знаков на матрицы дискретных площадок с координатами α и β, исходя из преобладания на этих площадках темных или светлых участков. Значение функции f(α,β) принимается равным 1, где преобладают темные участки, и равным 0, где преобладают светлые. Затем определяется автокорреляционная функция рас­познаваемого изображения :

Эта автокорреляционная функция сравнивается точка за точкой с автокорреляционными функциями R_v(μ,v) всех эталонных изображений. На основе сравнения автокорреляционных функций вычисляется коэффициенты :

коэффициенты максимальны для случая, когда R_s(μ,v) = R_v(μ,v). Этот эталонный знак и приписывается распознаваемому знаку.

Для повышения достоверности распознавания знаков кроме автокорреляционной функции используются другие функции, ко­торые являются производными от автокорреляционной функции. Эти производные функции позволяют повышать надежность рас­познавания при небольшом отличии между знаками (например между буквами Ш и Щ, между буквой О и цифрой 0), а также исключить влияние помарок и растискивания знаков при печати на процесс распознавания.

Вторично-разностной функцией Q(μ,v) от автокорреляционной функции называется :

Практические предпосылки распознавания символов. В программе MATLAB в настоящее время используется несколько приложений для получения, обработки и вывода изображения:

– Image Acquisition Toolbox

– Image Processing Toolbox

– Mapping Toolbox.

Кроме того, в настоящее время создан дополнительный раздел Simulinka, включающий в себя все основные элементы, позволяющие работать с изображением в режиме, приближенном к режиму реального времени

Video and Image Processing Blockset – Отдельные элементы этого раздела распределены по каталогам, в зависимости от выполняемых функций:

Analysis & Enhancement – Анализ или изменение изображения

Conversions – Конвертация изображения

Filtering – Фильтрация изображения

Geometric Transformations – Изменение размера, соотношения и ориентации изображения.

Morphological Operations – Осуществление морфологического анализа графики

Sinks – Вывод изображения

Sources – Получение изображения для обработки в Simulink

Statistics – Вычисление статистических характеристик

Text & Graphics – Добавление текста и графики в изображение

Transforms – Проведение преобразований, в т.ч. Фурье

Utilities – Дополнительные операции.

Также для получения изображения в Simulink включен дополнительный раздел Image Acquisition Toolbox, состоящий из одного блока - From Video Device

Рис. 1. Каталог ресурсов Simulink

Выявление прямых линий

Вывод.Использование предложенных методов сравнения символов с эталонами позволяет распознавать текст не только в системах промышленного зрения, но и реализовать идентификацию образов на простейшем ПК с применением каких-либо устройств получения изображения (сканеры, цифровые фотоаппараты, веб-камеры).