固定表格手中寫中文之切割

Abstract

本論文是介紹在固定表格手寫中文字切割的方法。在論文的第一個部份，我們將介紹 三個關於手寫中文字切割的方法，分別是投影（projection operation）、相連元件 抽取（connected component extraction）和最短路徑切割（short path cutting） 。為了要有效率的抽字，我們使用水平和垂直投影來抽取文件上的中文字。第一次的 水平投影是用來決定一個欄位有多少列的字，如果在最欄位的最高級最低的現有超過 一定量的點數，我們就會考慮欄位外的黑點。接著的垂直投影是為了將字分開，如果 有兩個元件比較近，我們就將之合成一個字。最後的水平投影是為了找出字超出格現 外的部份。因為格線的座標已知，我們直接將格線去除。然而有些初切的字組其寬度 比平均寬度大，我們使用相連元件來抽取。而有些字可能還連在一起，我們便使用最 短路竟的方法來切割比平均寬度的1.5倍大的字組區塊。 在論文的第二部份，統計式的辨認模組來辨識所有從文件中抽出的中文字。因為數字 的寬度比較小，所以會被合成一個中文字，當這些誤抽的區塊輸入時，辨認模組將會 根據他們的差異性（difference）而拒認。我們系統的抽出率可達89.40％而系統的 辨識率則是55.23％。