文件中文/圖/像的分割及字形切出

Abstract

一張文件典型上包含了文字，圖形和影像，在文件分析系統裡，將文件分割並區分成 文字塊，圖形區和影像區一項必要的步驟，本篇論文提出一個系統，將含有混雜的文 字區，圖形區，影像區的文件，分割和加以區分，並且從文字塊和圖形區裡將文字抽 取出來，而這些文字包含各種不同大小，不同型態的中英文，標點符號及特殊符號， 一開始本系統採用塗黑的方法將相鄰的黑點素連結成一個黑色區域，然後找出黑色區 域的周邊位置，在區分步驟上，本系統利用一些相關的特徵和檢驗方法將那些區域分 成四類：（１）文字列（２）圖形（３）影像（４）線段和雜訊，最後根據投影方式 ，將文字從文字列裡切出，這些文字可以被用在CCR 系統裡做辨認，本系統最後產生 四種輸出型態：（１）文字（２）圖形（３）影像（４）線段和雜訊。