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储开颜马田王朔中摘要

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，楚凯，马艳，田旺，硕硕中摘要讨论了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。然后在稀疏域中直接实现了一些基于邻域运算的图像处理算法。分析表明，对于稀疏特征明显的文档图像，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。引言由于通常图像数据量较大，因此空间处理中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。处理方法是适当地划分整个图像处理作业，将其分配到多个节点以进行同时处理，然后合并处理结果。该方案可以用于图像处理的硬件实现。如果通过软件实现，则需要并行处理平台的支持。但是，由于成本高昂，因此通常不适合办公室自动化或其他现代文档管理系统。特定于类别的图像，即通过扫描文档，表格，图形等获得的图像（统称为文档图像）。当原始数据格式为A4且扫描分辨率为200dpi时，生成的图像将接近四百万像素。

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。此操作是稀疏的。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。计算速度测试结果。本文还使用稀疏矩阵符号来实现各种文档图像去噪算法。 1稀疏矩阵表示的两种方式。假设文档图像的稀疏度为P，代表面积，并且总图像面积与一批收集的文档图像的比值显示稀疏度通常为零。 05到0。介于1和5之间。假设图像大小为M×N。请考虑以下两个稀疏矩阵表示形式（11稀疏矩阵的三个向量表示...：使用Row，Col，Data三个向量表示稀疏矩阵矩阵，其中：为了便于描述，呼叫办公设备技术和信息2001. 4 iRow具有M /元素，Row（j）表示第j行中有意义数据的数量； ii。Col具有PMN元素，Col （k）表示第k个具有M且R0w（j）= pM NJ（1)表示数据所在的列号。

iii。数据还具有PMxX元素，Da〜a（k）表示第k个有意义的数据的值（灰色值）。 Col和Data中的数据按行顺序排列，如图1所示。图1 1lⅡ℃e V C [OY]表示BD f8e图像的大小通常不超过65、536x 65、536，因此每个像素的灰度值范围是0到255，因此Row和Col的每个元素都需要用2个字节表示，而Data中的每个元素都需要用1个字节表示。稀疏图像所需的总存储量为：K = 2 M + 3pMN，因此只有K

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-373151-1.html