细化算法在手写体字符识别中的应用

摘 要：在手写体字符识别的研究中,在提取特征的过程中需要提取字符的骨架信息，所以要对每一个字符进行细化处理。在研究S和LW细化算法的基础上，采用串行细化与并行细化相结合的方法,并引入一些模板改进算法使其能够有效去除多余枝杈和冗余像素的问题;通过对手写体数字、字母的文字进行测试，表明该细化效果较好，并有一定的实用价值。

关键词：骨架;连通;模板;串行细化;并行细化

Application of Thinning Algorithms in Handwriting Character Recognition

LI Yongjiang,PAN Baochang,HENG Shenglin

(College of Information Engineering,Guangdong University of Technology,Guangzhou,510006,China)

Abstract：In the study of handwriting recognition,getting the skeleton information is needed in the process of extracting features,so we should thin every character before that.Based on the study of S and LW thinning algorithms，combine the serial thinning with the parallel thinning methods and bring some template to improve the thinning algorithm and make it successfully solve the problems such as needless trees and useless pixel.After testing in handwriting number and letters,it shows that the algorithm has better effect and is worth for application.

eywords：skeleton;connectivity;template;serial thinning;parallel thinning

1 引 言

细化又称为骨架化，一个图像的骨架，是指图像中央的骨骼部分，是描述图像几何及拓扑性质的重要特征之一。细化在模式识别特别是文字识别的前期处理中起着十分重要的作用，它能从文字中抽出模式的特征信息，因此对于骨架化，一方面要求去掉多余的像素，另一方面要求保存模式的基本结构和特征。细化效果的好坏将直接影响识别速度及识别的准确率。可以说能否进行有效的细化，已成为识别系统成功与否的关键所在。

细化算法按照处理过程中的迭代方式又分为串行和并行。串行细化算法的处理结果依赖于对像素处理的先后顺序，因而像素点的消除或保留无法预测；而并行细化算法在对图像进行细化时由于利用相同的条件同时检测所有像素点，其结果是各向同性。因此就算法原理而言，并行方法优于串行方法。由于并行细化算法快速、准确，一直是人们的研究热点，并且出现多种并行细化算法，其中以HANG和SUEN提出的算法(S 尤为典型，S是一种并行、8邻接的细化算法，由于它兼顾连续性，对直线、拐角及T型交叉点能比较精确地保持与原图像的一致，处理效果很好，且同时从4个方向处理，迭代次数少、执行速度快，但缺点是局部信息丢失、细化结果存在冗余像素。LU和WANG提出对S的改进算法(LW，使S的局部信息丢失问题得到改善，但同时又产生多余枝杈问题，且细化结果仍然存在冗余像素。

本文针对S和LW并行细化算法存在的问题，对算法稍微做一点改进，在LW基础是加入模板并用串行方法进行细化。通过实验表明，虽然并不能完全消除枝杈,因为生成枝杈因素不同,但却已经能较好地消除大部分多余枝杈和冗余像素问题，具有较好的效果和鲁棒性。

2 典型细化算法

典型的细化算法有Hilditch,Pavlidis,Posenfeld和S细化算法等，其中S细化算法尤为典型，是目前应用最为普遍的方法之一。 当人们开发出一种新的算法时，也经常引用S细化算法来与新算法进行比较，以评定新算法的优劣。

S细化算法流程中包含2个子迭代，只有当图像中的像素符合下述每一个条件时，才能标记为可以删除点：