光学字符识别技术：让电脑像人一样阅读(2)

　　阶段①：采用新算法，检测准确高效

　　一个字母或文字通常可以分为若干个连通区域，如o就拥有一个连通区域，i则拥有两个连通区域，文本检测首先要从图像中切割出可能存在的文字，即候选连通区域，然后再对其进行文字/非文字分类。

　　在确定候选连通区域阶段，微软亚洲研究院团队在传统检测方法ER(Extremal Region，极值区域)和MSER(Maximally Stable Extremal Region，最大平稳极值区域)基础之上创新地采用了对比极值区域CER(Contrasting Extremal Region)，CER是跟周围的背景有一定对比度的极值区域，这个对比度至少要强到能够被人眼感知到，在低对比度的图像上比MSER效果更好，而且获得 的候选连通区域数量远小于ER，候选范围大大缩小，提高了算法的效率。
 

　　为了提高所获得的候选连通区域的质量，微软亚洲研究院团队决定增加一个算法环节去增强CER。尤其在图像模糊、分辨率低或者噪声较多时，提取出来的CER有可能会含有冗余像素或者噪声，这些冗余像素或者噪声的存在会使得后面的文字/非文字分类问题变得更为复杂。
 

　　采用基于感知的光照不变(Perception-based IlluminationInvariant, PII)颜色空间中的颜色信息去增强CER可算是此次算法优化的另一个创新之举，利用颜色信息尽可能滤除CER中的冗余像素或者噪声，从而得到 Color-enhanced CER。该颜色空间具有视觉感知一致性，而且对光照不敏感，更接近人眼对颜色的判断。
 

受噪声影响的CER示例

　　在实际操作中，并不是每个CER都需要通过颜色信息来增强，因为有很多CER本身颜色均匀，没有噪声，尤其是在图片质量很高的时候。因此，在对CER进行增强操作之前我们会先判断该CER是否需要增强操作，以减少不必要的计算复杂度。
 

对CER的颜色增强效果示例

算法提取出来的候选连通区域结果示例