基于稀疏矩阵的文档图象处理上海大学通信与信息工程学院桑宏伟ժҪ储开颜马田王朔中讨论基于

基于稀疏矩阵的文档图像处理上海大学通信与信息工程学院桑宏伟吴楚凯马艳王硕忠讨论基于稀疏矩阵的文档图像存储和处理方法。使用三向量法或链表法来表示稀疏图像。然后基于稀疏域中的邻域操作直接实现一些图像处理算法。分析表明，稀疏特征突出的文档图像可以有效节省存储空间，提高计算效率。以卷积运算和文档图像处理算法为例，给出了实验结果。简介由于图像数据量通常相对较大，因此空间处理涉及许多乘法和加法运算，并且相应的内存消耗也很大。为了提高对大尺寸图像的复杂处理的效率，可以使用并行性。在该处理方法中，将整个图像适当地划分为处理作业，分配给多个节点以进行同时处理，然后将处理结果进行组合。该方案可以用于图像处理的硬件实现。 “如果通过软件实现，则需要并行处理。IoRw具有M /个元素，o（在j中表示Rwj）是行含义数据的数量。iCl PN元素o（）表示第k个具有io具有M。C lk表MJ good Rwj = M 0（p N）（）1含义数据所在的列号。

iaai D t也具有P X个元素，ak表示k i Mld ￣（）的值，表示数据（灰色值）o和D t。 Cla a中的数据按行顺序排列，如图1所示。由于平台支持成本高昂，因此通常不适合办公室自动化或其他现代文档管理系统。本文讨论的是一种特定类型的图像，即通过扫描文档，表格，图形和其他材料而获得的图像（统称为文档图像）。当原始数据格式为A且扫描分辨率为20 pp时，结果是在一张图像中将近400万像素0di像素。考虑到文档图像中通常会有大的背景区域，这些区域不包含任何有用的信息，因此本文使用稀疏矩阵描述方法来记录和处理此类图像，以节省存储空间并缩短处理时间。将此操作称为稀疏操作很方便。在本文中，使用了两种稀疏方法。在此基础上，将研究在稀疏域中直接处理图像的技术。以图像处理中最基本的卷积运算为例，讨论直接处理稀疏矩阵的方法。计算速度的测试结果。

本文还使用稀疏矩阵表示法来实现һFg1Ⅱe V CO pen D fe e B fB 8图像尺寸通常不超过6。3x6、3、555， 565、560，因此每个像素的灰度值介于0.25到5之间，因此Rw和oClo的每个元素都需要用2个字节表示，而D taa的每个元素都需要使用1个字节，并且所需的总内存为稀疏图像为：K = 2 + 3 M mp N只要K

如果最大图像尺寸指定为26×5，则如果尺寸超过该尺寸，则可以将图像划分为块（处理需要额，如下数组所示：I 3p 0 5 26图像：： 50 7O2从表中可以看到电路，=向量与链表方法相比，该方法具有p个三个MN加法，但是减少了p个MN分配操作。由于相加速度远慢于赋值速度，因此三向量法需要更长的计算时间。除非零数据点画一个圆，并且乘积运算的结果也是非零，因此需要计算所有体积。由于需要参与运算的所有点都集中在非零值数据周围，因此可以动态创建一个表来存储特定标签，并且可以通过N获得稀疏域中与N次相对应的所有数据点。分配作业。继续进行PN +！可以直接获得子分配和PN子图像寻址操作的链表方法的v M行号，列号和灰度值。还原映像后，分配操作比三向量方法少。

表2显示，两个原始图像中圆周上的所有点都标记为l，其余的办公设备技术和信息为20,04 {实验和研究，〜。 ，点标记为0。同时，创建一个动态表来存储灰色数据和稀疏域数据。分配标签列表时，无需考虑重复性值。表演。 ：[Ll：ll ll ll：ll ll ll：ll ll分配广泛的问题。此外，两个列表都是在计算过程中动态生成的，因此它们不占用存储空间。表3显示了列中的像素数与图像中所有像素的计算百分比之间的差异，并在进行卷积时首先读取第一个表以获得标记。如果读数为1，则取出对应的9点的灰度值进行计算：如果读数为零，则跳过该值。由于赋值操作比判断要快得多，因此对于3掩码中的根，将稀疏域卷积和3X乘积的直接卷积所需的时间进行比较。所使用的测试图像和实验条件与上面表3中的稀疏域卷积的计算相同，并且与直接卷积所需的时间之比相同。使用的测试图像与以前相同。稀疏卷积计算中涉及的像素的面积比为3 3×图像I端口5：= 0 I刚性图像2 P 7：= 0图像3 P：5：O 03 3 x稀疏卷积10 30slo l 4s 0628s5 5 ×30 63％2 3 75％2。

76％1 x1 1 1 4.从表中可以看出，掩码越大，所需的计算量越大。通常，它可以节省至少7％的计算量。即使在极少数的Il模式下，仍然有超过5％的像素不需要计算。稀疏域卷积算法与直接卷积算法基本相同。它只是避免了很多无用的计算。领域;如果大于噪声容限，则记录连接区域。重复第一个。在步骤3中，如果在像素的前一行中存在连接点，则无需继续搜索。这是因为前一行的连接区域中的像素不能是噪声，并且连接到非噪声像素的点是һ32噪声消除算法的稀疏域实现。以去噪算法为例，表明它不是稀疏域中的噪声。如果连接的区域是噪声，则在判断像素是否有噪点时，应将像素记录为噪声点，因此实际上该点已被删除，将不会进行到步骤3。如何实现连接的区域分类操作基于大象电缆的性质。

对于非零像素，将其判断为噪声的基础是连接到该点的非零像素小于某个阈值（噪声容限）。在图像邻域定义中的噪点搜索中使用8域连接。如果连接区域中非零像素的数量小于噪声容限，则将该点视为噪声点，并删除连接区域。搜索步骤如下：图4显示了一个处理示例，图4a包含了图像区域（）和孤立的噪声。如果将噪声容限设置为3，则只有15个是图像区域，而467个是噪声点。处理后的结果2 ３、如图4b所示。中间图像区域15是（），并且总和被保留，并且噪声被去除。对于稀疏域中的降噪处理，由于仅从稀疏矩阵按顺序读取PMN1，因此读取有效像素。如果像素在图像的末尾，请结束程序；否则，请转至第二步。如果已经处理了该点，则在下一个点继续进行计算，直到尚未确定有效像素以进行计算为止，因此计算量仅为直接计算像素的P倍，然后执行计算2。在此判断像素数连接到该点的行。如果大于噪声容忍度，则表示该像素不是噪声点。记录点和找到的像素的灰度值，然后返回到步骤1。

l J 1■■■I cf I a在处理之前，J圈4（）在处理之后，消除了b处的孤立语音■3查找是否有像素连接到该点的上一行。像素，如果存在，则表示该点不是噪声点，并且在上一步中找到的点被记录为有效像素。 4查找像素下面的连接区域中所有像素的总数。如果小于噪声容限，则移开该点。连接办公设备的技术和信息20. 014（下一页第13页），…………………………………………………………………………………………………………………………由于可以被激发成电子-空穴对，所以两者的新衍射光谱表明，在两者重组之后，产生了新的晶体结构。 x s P的进一步研究表明，酞菁二元共混物中N结合能和M：结合能的变化对均匀光导性的光导性表现出负面影响。它不是整个电子跃迁氮的氮结合能和钛氧基酞菁的氮。配混前后的结合能发生变化，表明它们在配混过程中相互作用，导致配合物中偶氮-酞菁钛氧基的部分电荷转移，从而使偶氮/酞菁钛氧基复合物具有光电导性优化的互补作用。增强和光谱响应展宽。

该过程，但逐步转移部分费用的过程。偶氮染料是另一种P型有机半导体光电导材料。它们在40 60 t可见光下具有出色的光谱响应。 0-0n o meter] [t — — V（。V）850 81 I 81 2 82 6 85 583 7 60 8 7 [96 EnI）l（os x。46. I 14 I 32 57 2 18 2 64 57 7 55 7菏钛OP-60 0805O7m。i 40-80 m 0 5n 50 60 0 0 0 mn ... I 70-80 n 0 5ra 4-8 On∞5 nt 5. 60 m-0 0ta-] T（ ∞，fn（6.4：h1 70-8 0 5 mn40-80 m70 5r响应。钛酞菁在60 90 n的近红外区域具有出色的0-0 ra光谱响应。混合混合后不仅优化和增强光电导性（1.和表格出现），但也包括nmu / lpcaoAO（.Z / ioeB，ip（vVSetfZA））的长度AO TPp（）Tocc）r参考文献[] M Wag Hz Ce Y g Sinei bat Fee ] n。hn SL ch。c cn Cj sn 3 s [eA。7.49 [94]光谱响应的互补效应扩大到40 9O t（0-0n 0图1，偶氮/）。酞菁钛氧基配合物表明这不是两者的衍射。峰的叠加与[] M. n。，Lt paorpy 822，Weg 8 LY XF Meer ht ah。2（）eogL 4（ 98,913） Page 7）页首4结论文档图像通常具有大量的背景像素，因此在图像处理过程中无需参与计算。

在稀疏域中，像素位置信息所占用的存储空间将减半。要付出的代价是将子图像拼接在一起并增加一定的计算量。参考文献[] Mu hrn ,; oo，CE：ao JH。 [S：s] eeo LM LM rn。硅,. AC MD PU？ T操作和基于邻域操作的图像处理仅涉及较少的数据，不仅节省了存储空间。并可以提高计算速度。本文讨论了稀疏图像的两种表示方法，以及在稀疏域中实现卷积和孤立噪声消除并给出数值计算结果的算法示例。稀疏域中其他图像处理操作的实现需要一个一个地研究。实验结果符合Rw和Clo o 9 Nern ir o lf c 197 wF ￣ ls±no Te h 97 e“ u：/ lo r r / o fe / Uo im / 19＃r hp / di cmpt ogene ￣ erme 82 / / br 185 4 n 208『』M ts mg 9 lang p ng 9，IaerLe] iSas e B os 19 h AMAN ulMe tn Ma，[9，AS nn Ge i，Us ht：例如9 t9，B segiy 9 t 9 t 9 ln so 9 ne。｝ I mr / t ￣ J g / a 9 Ji dxb每个元素用2个字节表示。

如果将图像划分为小于26×26的子图像并进行单独处理，则55类似于I1Fw。 Tm值。 Ⅱo 30如m随便吐c + + Pe e我吐il c，ge〜Cls 9，8-40 nEnlwo d i。 ] 96 33 f 8H，f]朱吉Ne，北京的稀疏矩阵。 4稀有北方科学出版社。 91.18办公设备技术和信息20. 0 14l 3

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-373146-1.html