ISSN在线(2319 - 8753)打印(2347 - 6710)
Khyati Vaghela1,纳伦德拉•帕特尔2
|
相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
图像修复是一个过程,恢复丢失或损坏区域或修改图像内容不知不觉中。它指的过程的填补缺失的数据在指定区域视觉输入。本文提出的技术从图像检测和删除文本。系统检测到文本使用形态学操作,连接组件标签和一组选择标准有助于过滤掉非文本区域。所以,由此产生的图像是图像只有文本。文本修复完成两个步骤。第一步检测自动文本区域,无需用户交互和在第二步;删除文本图像使用基于范例的修补算法。
关键字 |
文本检测、修复、形态学操作,连接组件标签。 |
我的介绍。 |
图像修复是一个方法,修复受损的照片从照片或删除不必要的元素。它恢复缺失或损坏的部分图像,重建的图像看起来自然。在现实世界中,许多人需要一个系统来恢复受损的照片、设计、图纸、艺术品等损坏可能是由于各种原因如划痕,覆盖文本或图形等。 |
该系统可以提高并返回一个好看的照片使用一种称为图像修复的技术。图像修复修改和填补丢失的区域在图像检测的方式,通过一个观察者不熟悉原始图像。这项技术可以用来重建图像损坏由于污垢,划痕,覆盖文本等等一些图像包含文本字符的混合text-picture-graphic地区印刷在一个图像。检测和识别这些字符可以是非常重要的,和删除这些是重要的上下文中删除间接广告,和审美的原因。有许多图像修复的应用从修复照片、电影、去除遮挡,如文本、副标题,标志、邮票、划痕、红眼去除等。 |
图像修复的概念被首次引入Bertamio et al . [1]。该方法的灵感来自于艺术家的修复过程。图像平滑信息插值图像的拉普拉斯算子沿着等照度线方向传播,由图像的梯度估计旋转了90度。基于范例Criminisi et al .[2]提出的方法使用了一个最佳范例补丁传播目标补丁包括丢失的像素。这种技术使用一种方法将结构传播与纹理合成,因此产生了很好的结果。在[3]中,作者将图像分解成两个函数之和,然后重建每个函数分别与结构和纹理填补算法。形态学技术用于从图像中提取文本提出了[4]。在[5],结合现有技术结合图像中找到文本的技术和一个简单的算法,它们的链接。技术是噪声不敏感,倾斜和文字方向。CCL[6]的作者应用(连接组件标签)检测文本与快速行进算法用于修复。 |
本文的工作分为两个阶段。1)文本-检测2)修复。文本检测是通过应用形态启闭和close-open过滤器和结合了图像。此后,应用梯度边缘检测阈值和形态学膨胀、腐蚀操作。然后,连接组件标签分别将每个对象执行。最后,选择标准的集合应用于过滤掉非文本区域。文本检测后,文本修复是通过使用基于范例的修补算法。 |
论文组织如下。第二部分描述了自动文本检测使用形态学操作,连接组件分析和组选择或拒绝标准。流图表示算法的步骤。检测后的文本,文本区域都是使用一个修补技术,第三章给出。第四节给出实验结果显示图像检测的结果。最后,第五部分提出结论。 |
二世。文本检测 |
有时一个图像可能包含文本嵌入到它。检测和识别这些字符可以是非常重要的,和删除这些是重要的上下文中删除间接广告,和审美的原因。 |
我们的系统旨在文本的自动检测。这是通过算法。图1显示了文本检测算法的流程图。算法步骤总结如下。 |
1。一个有效的应用于灰度图像边缘检测方案。我的图像是模糊(减少虚假边缘和过分割)使用启闭和close-open过滤器。最后的模糊形象Ib是这些过滤器的输出的平均值。3 x 3 8-connected结构化元素的类型„squareA¢是用在这里。接下来,形态学梯度算子应用于模糊图像Ib导致图像G如下: |
G =扩张(Ib) -侵蚀(Ib) |
形态学梯度是一个edge-strength出对称边缘提取算子之间的前景和背景区域。 |
然后生成图像阈值获取二进制图像边缘。使用全局阈值技术 |
2。封闭的边缘在二进制图像边缘扩张使用8 -连接结构元素分组。然后小扩张中的连接组件图像过滤使用侵蚀。输出是一个二进制图像包含文本候选区域。 |
3所示。连接组件标签分别将每个对象执行 |
4所示。应用连接组件标签后,第一组的标准应用,消除所有对象的面积大于10000,面积大于8000。即长轴长度是使用一个标准用于保留文本区域。所有对象,其长轴长度在20至3000之间,被认为是文本。消除小物体,连接组件标签应用于合成图像和第二组应用标准,消除了所有对象的面积小于300,面积小于500。 |
应用所有这四个步骤后,我们得到一个过滤图像仅包含文本区域。 |
三世。文本修补 |
基于范例的修复技术是用于修补的文本区域,将结构合成和纹理合成在一起。修复完成后以这样一种方式,它填充受损的区域或洞一个形象,与周围的颜色和质地。基于该算法是基于补丁灌装过程。首先找到目标地区使用掩模图像,然后找到目标区域的边界。对所有的边界点的优先级定义的补丁和找到这些补丁。它开始填充目标区域从最高优先级补丁找到最佳匹配块。这个过程会一直重复,直到整个目标区域填补。 |
该算法自动生成掩模图像没有用户交互只包含文本区域填补。 |
四、实验结果 |
![]() |
![]() |
以上数据显示了文本检测的结果从一个图像与修复采用基于范例的修复算法。无花果。2、3、4 (a)展示了原始图像。(b)是获得的图像通过应用第一套标准。所有对象的面积大于10000,面积大于8000被淘汰和长轴长度在20至3000之间被认为是文本。尽管如此,一些小型非文本对象被检测到。消除小物体,连接组件标签应用于合成图像。(c)代表文本应用第二组的检测标准,消除了所有对象的面积小于300,面积小于500。 |
六。结论 |
我们已经实现了一个自动文本检测技术从一个图像修补。我们的算法成功地检测图像中的文本区域由混合text-picture-graphic地区。我们应用算法在许多图像和发现它成功地检测到文本区域。 |
引用 |
|