zw·準專利·高保真二值圖細部切分算法

zw·準專利·高保真二值圖細部切分算法
     高保真二值圖細部切分算法，是中國字體協會項目的衍生做品。
     說準專利算法，是由於對於圖像算法的標準不瞭解，雖然報過專利，但不是這方面的，須要諮詢專業的專利顧問。
     原型是用opencv+python實現的，由於Halcon，對於協會的設計師，門檻過高，因此，特地設計了一套opencv+python的live-cd，解壓便可，無需配置。

 

      高保真二值圖細部切分算法，初看很簡單，其實很複雜。

      ps，簡單的東西，每每更復雜，就像天天遇到的：URL協議，至今沒有一個可以100%徹底解析的模塊庫，包括IBM、java、微軟、。。。。。。

      再如，目前火熱的大數據、人工智能，核心算法仍是k-v、和匹配。

      說白了，就是相似字符串的pos函數，不過這個字符串長度多是10億字節。

 

       高保真二值圖細部切分算法，複雜度主要體如今如下幾個方面：

• • 算法必須通用，國標二級，每套字庫收錄有6763個漢字。算法必須適用於每一個漢字，並且必須多種字體通用
  • 全自動運行，不能採用交互模式，否則成本過高，參見上一條。
  • 高保真，傳統ocr、車牌、人像、機器視覺，都沒有這個限制，數據寬容度70%均可接受，這個算法，匹配度必須是99%以上
  • 缺乏元數據，原始數據都是二值圖，缺少時間序列、深度、灰度等信息，像雙目立體、點雲、以及3D、VR系統，能夠經過時間序列圖片、光源、鏡頭變化，甚至多種傳感器，多角度，對同一對象進行掃描，多角度採集數據，進行合成。

    

       中國傳統書法，有不少飛白、潑墨的手法，產生了不少小孔、孤點，從圖像學角度，這些都是細小的干擾區。

       傳統的圖像處理算法，例如車牌、人臉、工業監測等，只需通過簡單的迭代過濾，便可解決。
       但對於書法做品而言，這些細節，倒是做品總體，必不可少的組成部分。
       與工業圖像處理相比，書法字體的圖像，所有是二值圖，
       表面看起來，這些圖像數據源，很是乾淨，但由於缺少細節，特別在筆畫分解時，很是麻煩。

      書法做品，風格各異，變化萬千，沒法經過建模、模板匹配的手段分割，這個建庫成本過高了。

 

      經多方檢索，沒有任何現成算法，能夠參考，所有須要從零開始，自行開發。
      經過反覆摸索、調試，最終，筆者成功經過圖像形態學，結合輪廓匹配，完美的實現了相關功能，受到相關學者承認。

   

        圖1，是原稿，                                                

 

圖2，是切分後的效果       

　　　　　　　　　

      注意兩圖A處的筆畫，已經分割，B、C、D等處潑墨效果，以及其餘細節，徹底保留。

       A處，是最難切分，而又保留細節的區域，其餘橫豎結合部，切割很簡單，就不在此介紹了。

      這個切割算法的另一個難點在於，國標二級，每一套字庫，都收錄有6763個漢字，

      算法必須通用，每套字庫的全部字形，以及各類其餘字庫，所有適用。

       否則，單獨對每個字進行分割，單套開發、實施成本，就沒法接受，更別說多套字庫了，

      另外，附錄的幾張圖，是其餘處理環節的截圖，供參考。