在遥感方面,能够分析卫星云图的遥感图像,有效及时的报道天气情况。

在工业方面,图像处理技术已经有效的应用在加工、装配、质量检测等监控中。文献综述

在军事方面,图像处理技术能够有效地应用在飞行器对地形检测,很多精良的武器系统都是通过图形信息来制导从而提高命中率。

生命特征是人的内在属性,有很大的差异性和稳定性。现在已经能够通过人脸,指纹等图像信息对个体进行识别[8],这在金融方面的用处很大。

计算机的自动识别也是通过图像处理技术实现的。文档自动处理是图像处理技术的重要应用。

准确地分割出文档图像中的单个字符是自动文档处理的第一步,当文档图像上有彩色底纹时,这一工作变得困难。比如图1具有复杂背景的文本图像中背景颜色就十分的复杂,颜色的种类很多就会增加很大的复杂难度,而且文字的颜色还有渐层,不容易在聚类时将字符单独的从背景中提取出来。即使能将字符的区域提取出来,也会造成周围的一些颜色部分被误认为是字符颜色一起提取出来。这就是造成最终结果不太理想的一些重要原因。本论文针对彩色文档图像[15],设计一种字符-底纹分离算法。

具有复杂背景的文本图像

 图1.1具有复杂背景的文本图像

1.2 毕业设计所完成的工作及论文安排

本次毕业设计完成了以下的工作:第一步,通过VC++平台[1][2]和vilib工具库通过应用K-means算法进行聚类,将彩色图像分割成K个子图像;第二步,对每个子图像进行水平方向和垂直方向进行区域连通,通过对字符的判定方法将合适的字符提取出来,最终将结果合成显示在一张图片中。K-means是常用的聚类算法,它能够将彩色图像通过聚类分割成多个彩色分量子图像,而连通域的提取是对彩色分量进行连通域分析,经过字符标记和自负的判定与筛选,将结果合成在一张图像中。

论文的章节安排:第2章讲述了算法的整个流程,包括了K均值聚类的算法和连通标记的介绍;第3章是对搜集的20幅图像进行测试及结果分析;第4章是对本次毕业设计工作的总结。

2  基于K均值的字符与底纹分离算法研究

2.1 总体算法流程

此次毕业设计图像处理的算法分成了两个部分,第一部分是K均值彩色图像聚类,它包括了K-means聚类,更新聚类中心;第二部分是连通域的提取,它包括了水平区域的连接,垂直区域的连接,提取连通域,进行字符的判定和筛选,最终合成显示在一张图像中

上一篇:基于PSoC的电子秤设计+电路图
下一篇:matlab多通道石英晶体微天平等效电路分析与仿真

MES系统文档图纸分发模块开发

安康汉江网讯

麦秸秆还田和沼液灌溉对...

张洁小说《无字》中的女性意识

网络语言“XX体”研究

互联网教育”变革路径研究进展【7972字】

我国风险投资的发展现状问题及对策分析

LiMn1-xFexPO4正极材料合成及充放电性能研究

新課改下小學语文洧效阅...

老年2型糖尿病患者运动疗...

ASP.net+sqlserver企业设备管理系统设计与开发