Санкт-Петербургский государственный университет Математико-механический факультет

Теоретическая часть

• 
  Сегментация текста
  
• 
  Распознавание символов
  
• 
  Формирование данных
  

Сегментация текста

1. 
   Выделение изображения непосредственно чека (кадрирование изображения)
   
2. 
   Разбиение полученного изображения на строки (горизонтальная сегментация)
   
3. 
   Выделение левой и правой части строк (если присутствует явное разделение)
   
4. 
   Разбиение участков строки на символы
   

Рис.1 Бинаризация изображения. Слева – исходное изображение, справа – его бинарное представление



Для выделения фона вводится понятие связности точек:

Две точки называются непосредственно связными, если расстояние между ними не более одного пикселя, и их значения⁴ совпадают. Другими словами, точки, непосредственно связные с фиксированной точкой – это те точки из ее восьми соседних, у которых значение совпадает со значением в этой точке.

Свойство связности – транзитивное замыкание непосредственной связности.

Связная область с центром в точке А – это множество всех точек, связных с точкой А.



Рис.2 Связные области. На изображении слева красным выделена точка А. На изображении справа красным выделена область с центром в точке А

Для удаления фона обнуляются значения всех точек из областей, связанных с угловыми точками изображения. После этого удаляются все крайние столбцы и строки изображения, не содержащие ненулевых точек.

Рис.3 Удаление фона. Слева на изображении красным цветом выделены области, связные с угловыми точками изображения, Справа приведено изображение после удаления фона.



Изучение существующих образцов кассовых чеков и механизмов их построения выявило, что несмотря на различия между различными кассовыми аппаратами, все чеки имеют четко выделенные строки, т.е. можно определить глобальное для всего изображения разделение на строки.

Горизонтальная сегментация заключается в выделении из изображения текста изображений его строк. Для этого строится горизонтальная гистограмма⁵. Для выделения строк необходимо обнаружить пропуски между ними. Такие пропуски соответствуют нулям либо минимальным значениям гистограммы. Критерием разделителя строк могут быть две подряд идущие строки со значением горизонтальной гистограммы ниже порога.

Рис.4 Строка после горизонтальной сегментации


Для последующего разбиения строк на символы используется вертикальная гистограмма⁶: ее минимумам соответствуют границы между словами и между символами внутри одного слова в зависимости от сохранения гистограммой минимального значения в последующих точках.


Рис.5 Результат вертикальной сегментации. Сверху – символы левой половины чека. Снизу - правой