文件影像之手寫中文字擷取技術

Handwritten Chinese Character Extraction from Document Images

光學手寫字的資訊不像印刷字般的穩定性，因此對於手寫稿的文字擷取必須有別於印刷文件的擷取方法。傳統的文字擷取方法，不外乎是利用相連元件偵測法和投影輪廓分析法，來找出可能的文字區塊位置。由於手寫文件的傾斜校正不易，前者的方法通常比後者有較佳的文字抽取結果。在本研究當中，我們先利用堆疊方式偵測出所有相連元件，而後提出三階段的元件合併過程，利用元件間彼此的重疊性、元件間的間隔大小、與元件兩側鄰居間隔差異性，來決定兩元件是否合併。最後再利用字元區塊投映與鄰近元件位置差異檢測方式，決定出所有字元的讀序。在實驗過程，我們請15 人寫了57 張手寫稿，合計1148 字元。以掃描器數位化成tif格式影像後，利用本系統作字元抽取，可得到98.43% 的正確抽取率。