简单的版面分析

文本图像的版面分析

     版面分析是指分析一副文本图像的块结构，以便进行后续的OCR识别处理。由于关系都识别的准确性和正确的文字顺序，版面分析显得特别重要。本文介绍简单的版面分析方法。

       版面分析中规则起到了很大的作用。一般的文本图像具有以下一些特征：1）段内行距比段间行距小；2）段首有空白，段尾有空白；3）图像的黑像素比例比文字大；4）文章排版横纵有规律性等。利用这些规则就可以实现简单的版面分析。一种简单的方法是自顶向下的方法，即先根据图像中的空白把图像分成若干块，再在这些块中继续根据空白部分划分，直到不能再分为止。最后再根据块内黑白像素比例确定是否该区域是文本还是图像。

      在版面分析之前，首先需要进行倾斜校正，即将倾斜的文本行旋转过来。其次，可采用投影法确定空白区域。具体代码可以参考 源码。

转自 http://witfox.net/?p=40