《印刷体汉字的统计特性及分析.ppt》由会员分享，可在线阅读，更多相关《印刷体汉字的统计特性及分析.ppt（44页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第9讲 印刷体汉字的统计特性及分析要点:统计特性分析的意义 常用统计特性的分析 课堂练习统计特性分析的意义 对印刷体汉字的结构特性做统计分析，不仅对汉字研究和汉字编码很有意义，而且对印刷体汉字识别的特征选择和分类器的设计也有很大意义。返回常用统计特性的分析 周边特征分析 游程统计特性分析 笔划特性分析 字根统计特性分析 返回周边特征分析 汉字的3232 点阵表示 汉字的1616 点阵表示 空程长度及计算举例 周边空程长度熵 周边空程长度熵的特点 返回汉字的3232 点阵表示 每个汉字用3232 点阵表示。返回汉字的1616 点阵表示 每个汉字用1616 点阵表示。返回空程长度 把汉字表示为N
2、N 点阵，分别从左、右、上、下四个周边顺次扫描汉字点阵。在第n次扫描线上第一次遇到黑像素前白像素的个数，称为相应的周边空程长度。空程长度用l 表示 用 分别表示四个方向上空程长度l 的概率分布。返回空程长度的计算举例 左边 右边 上边 下边 返回左边空程长度 2,3,3,6,0,1,1,3,3,2,0,2,2,2,2,16返回右边空程长度 13,12,2,3,3,4,4,4,5,5,6,5,3,1,2,16返回上边空程长度 4,5,0,1,5,2,2,2,2,2,2,2,2,2,13,16返回下边空程长度 5,5,1,7,9,2,2,3,4,5,4,3,2,1,2,16返回周边空程长度熵 左周
3、边熵：右周边熵：上周边熵：下周边熵：返回3232 点阵左周边熵分布图 返回3232 点阵右周边熵分布图 返回3232 点阵上周边熵分布图 返回3232 点阵下周边熵分布图 返回周边空程长度熵的特点 周边空程长度熵是四边结构特征所包含信息量的度量，其最大值为：统计结果表明：返回 周边熵较高，一般均大于2 角部位置区域的熵值最大 说明提取周边特征和角部特征具有合理性游程统计特性分析 游程的定义 游程统计分析的意义 不同角度的平均黑游程长度 黑游程的分布特点 返回游程的定义 游程是指在同一方向上，宽度为一个像素的扫描线条的长度。由笔划像素组成的黑游程长度记为BRL 由背景像素组成的白游程长度记WRL
4、 返回游程统计分析的意义 可以反映汉字内部笔划结构的分布情况 对汉字特征选择和汉字压缩编码都有一定参考意义 返回不同角度的平均黑游程长度 从八个离散方向对4040 点阵的汉字进行游程分布统计，不同角度的平均黑游程长度列于下表中：返回离散方向0090045013507001 1002001600平均黑游程4.159 4.470 2.667 2.939 3.445 3.547 2.261 3.348黑游程的分布特点 横竖方向的黑游程比其余方向长 从水平方向看，黑游程长度(BRL)大多是1-5 个像素，白游程长度(WRL)大多是1-15 个像素。游程的概率随长度迅速下降。返回笔划特性分析 笔划特性统
5、计的方法 不同笔划的出现频率 不同的笔划总数直方图 不同的笔划长度直方图 返回笔划特性统计的方法 采用已有的图像处理算法,对4848 点阵的国际两级汉字(6763 个)自动提取横、竖、撇、捺，统计整个两级汉字的笔划分布情况 一级汉字3755个 返回不同笔划的出现频率 每种笔划在汉字中出现的频率是不同的。据统计，横为28%，竖为18%，撇为15%，点、捺为13%，折为7%，其他为19%返回不同的笔划总数直方图 用 分别表示一个字的笔划总数、横笔划总数、竖笔划总数、撇笔划总数和捺笔划总数。返回 笔划总数直方图 横笔划总数直方图 竖笔划总数直方图 撇笔划总数直方图 捺笔划总数直方图笔划总数直方图 返
6、回横笔划总数直方图 返回竖笔划总数直方图 返回撇笔划总数直方图 返回捺笔划总数直方图 返回不同的笔划长度直方图 用 分别表示一个字的横笔划长度、竖笔划长度、撇笔划长度和捺笔划长度。返回 横笔划长度直方图 竖笔划长度直方图 撇笔划长度直方图 捺笔划长度直方图横笔划长度直方图 返回竖笔划长度直方图 返回撇笔划长度直方图 返回捺笔划长度直方图 返回字根统计特性分析 提取字根的困难性 统计字根与传统字根的区别 几种字根的统计结果 返回提取字根的困难性 汉字有很多字根，这些字根繁简不一，用图像处理技术自动提取这些字根还不能达到实用水平 返回统计字根与传统字根的区别 在进行统计分析时，所用的字根与传统意义上的字根有所不同 例如，“俺”和“缚”中都不包含传统意义上的字根“田”，但是它们都含有图形“田”。使用程序寻找传统意义上的字根更困难，因此统计时认为“俺”和“缚”都含有字根“田”返回几种字根的统计结果 几种字根在6763个汉字中出现的频率见下表：返回课堂练习 计算右边字符矩阵的四周边空程长度 计算结果返回计算结果 返回100421000121111111101 0 0 0 0 0 1 91 0 0 0 1 0 0 0