Chƣơng trình đƣợc cài đặt bàng công cụ Visual C#. Chƣơng trình có giao diện nhƣ hình sau:
Hình 3.1: Giao diện chƣơng trình thử nghiệm
Hai chức năng chính của chƣơng trình là lọc ảnh và phát hiện góc nghiêng của ảnh văn bản theo một số kỹ thuật đã nghiên cứu ở chƣơng 2. Ngoài ra, trên thanh công cụ còn có các chức năng thao tác ảnh nhƣ Rotate Image (quay ảnh),
Zoom In (phóng to) Zoom Out (thu nhỏ), Undo (quay trở lại ảnh gốc) và Save
(lƣu ảnh thành file trên ổ cứng).
Chức năng quay ảnh cho phép ngƣời dùng quay lại ảnh cho chính xác sau khi đã phát hiện góc nghiêng, hoặc có thể điều khiển góc lệch văn bản để kiểm tra độ chính xác của thuật toán với các góc lệch khác nhau, ngƣời dùng sẽ đƣợc nhập một góc quay bất kỳ rồi sử dụng các chức năng dò góc nghiêng để kiểm tra tính chính xác của thuật toán, chƣơng trình cài đặt 3 thuật toán dò tìm góc nghiêng của ảnh văn bản là thuật toán áp dụng biến đổi Hough, thuật toán láng giềng gần nhất và thuật toán áp dụng phép chiếu nghiêng. Các chức năng phóng to, thu nhỏ cho phép ngƣời dùng có thể tăng hoặc giảm kích thƣớc ảnh trƣớc và sau mỗi thao tác cho phù hợp với tầm quan sát. Chức năng Save ảnh cho phép lƣu lại ảnh mới sau khi đã lọc ảnh hay hiệu chỉnh góc nghiêng từ ảnh đầu vào.
Sau khi chọn một file ảnh (định dạng bmp, jpg, png) và click chuột chọn chức năng Skew Detection (Hough, K Nearest Neighbor hoặc Project Profile), chƣơng trình sẽ hiển thị góc nghiêng nếu ảnh bị nghiêng hoặc sẽ thông báo không xác định đƣợc góc nghiêng cho văn bản với những trƣờng hợp đặc biệt.
Các hình vẽ dƣới đây là màn hình giao diện chƣơng trình trƣớc và sau khi hiệu chỉnh góc nghiêng.
PHẦN KẾT LUẬN
Ngày nay, do sự phát triển và nhu cầu đòi hỏi của xã hội, một lƣợng lớn thông tin cần phải đƣợc nhập vào máy để xử lý. Trong số những thông tin cần nhập đó các phiếu điều tra dƣới dạng dấu ngày càng có chiều hƣớng gia tăng bởi do các nhà sản xuất muốn điều tra thị hiếu và mức tiêu thụ sản phẩm và cũng bởi do các nhà hoạch định chính sách muốn có những cuộc điều tra để xây dựng những chính sách phù hợp với thực tế và có thể nói còn muôn vàn lý do khác.
Hơn nữa, sự phát triển nhanh chóng của công nghệ thông tin trên cả hai lĩnh vực: Phần cứng và phần mềm đã cho phép kỹ thuật nhập liệu tự động phát triển theo nhiều phƣơng hƣớng khác nhau và đã đạt đƣợc những thành công nhất định. Chẳng hạn, ngày nay có thể mua đƣợc các scanner có thể quét nhiều trang (ADF) với tốc độ cao nhƣng giá lại rẻ chẳng khác gì scanner quét trang một so với trƣớc đó. Kỹ thuật nhập liệu tự động liên quan chặt chẽ với đồ hoạ, nhận dạng và thuật xử lý ảnh.
Trong các hệ thống nhập dữ liệu tự động, chất lƣợng của các phiếu thu nhận trong quá trình quét liên quan mật thiết đối với chất lƣợng nhận dạng phiếu. Những vấn đề thƣờng gặp phải trong quá trình thu nhận đó là: Độ lệch, độ dịch chuyển, xoay, biến dạng v.v.. của phiếu điều tra, cũng nhƣ vấn tách đƣợc các đối tƣợng hình học đƣợc dùng để đánh dấu trong phiếu. Xuất phát từ thực tế đó, luận văn nhằm nghiên cứu một số kỹ thuật xử lý ảnh giúp nâng cáo chất lƣợng ảnh FORM đầu vào nhằm nâng cao chất lƣợng các hệ thống nhận dạng Form mẫu và đã đạt đƣợc một số kết quả cụ thể sau:
Trình bày khái quát về xử lý ảnh và xử lý form tài liệu
Hệ thống hóa một số kỹ thuật nâng cao chất lƣợng nhận dạng form tài liệu liên qua đến việc khử nhiễu và hiệu chỉnh góc nghiêng
Cài đặt thử nghiệm chƣơng trình hiệu chỉnh góc nghiêng tài liệu
Luận văn đáp ứng yêu cầu thực tiễn: nâng cao chất lƣợng ảnh Form đầu vào nhằm nâng cao chất lƣợng các hệ thống nhận dạng Form mẫu, từ đó có thể áp dụng vào các lĩnh vực nhƣ tự động thu thập dữ liệu từ các mẫu đơn/báo biểu, tự động xử lý các hoá đơn, tự động phục hồi và copy tài liệu từ các ảnh quét, …
Do thời gian có hạn và khả năng còn nhiều hạn chế nên luận văn khó tránh khỏi những sai sót nhất định, rất mong đƣợc sự góp ý của thầy cô và bạn bè để luận văn đƣợc hoàn thiện hơn.
TÀI LIỆU THAM KHẢO
[1]. Junichi Kanai, Andrew D. Bagdanov. Projection profile based skew estimation algorithm for JBIG compressed images. Information Science Research Institute, University of Nevada, Las Vegas, USA, 1997
[2]. JONATHAN J. HULL. Document image skew detection: survey and annotated
bibliography. Ricoh California Research Center, 2882 Sand Hill Road, Suite 115, Menlo Park, CA 94025
[3]. Yue Lu *, Chew Lin Tan, A nearest neighbor chain based approach to skew estimation in document images. Department of Computer Science, School of Computing, National University of Singapore, 2003.
[4]. H.-F.Jiang, C.-C.Han, and K.-C.Fan. A fast approach to the detection and correction of skew documents. Pattern Recognition Letters, Vol.18, No.7, pp.675-686, 1997. [5]. Pal, U., Chaudhuri, B.B. An improved document skew angle estimation technique.
Pattern Reconigtion Letters 17:8, 899-904 (1996).
[6]. Sauvola, J., Pietikäinen, M. Skew angle detection using texual diection analysis. In: Proc 9th Scandinavian Conf, on Image Analysis, Sweden, 1995.
[7]. Pal, U and B.B Chudhiri. An Improved document skew angle estimation techique, Pattern Reconigtion Letters 17 Computer Vision and Pattern Reconigtion Units, Indian Statistical Institue, Kolkatta, Indian, 1996, pp 899-904.
[8]. Huiyma and Zhenwei Yu. An Enhanced Skew Angle Estimation Techique for Binary
Document Image, Bejjing Grauate School of China University of Mining and Technology, Beijjing China, 1999.
[9]. X, Jaing, H, Bunke, D, Widmer-Kljajo. Skew detection of document image by focused nearest-neighbour-clustering. Proc. Of the 5th International Conference on Document Analysis and Recognition, Bangalore. Pp. 629-632,1999.
[10]. N. Liolios, N. Fakotkis and G. Kokkinakis. Improved Document Dkew Detection based on text line connection component clustering. Proc of International Conference on Image Processing, Thessaloniki, vol.1, pp 1098-1101, 2001.
[11]. H. F Jiang, C.C Han, C.K Fan. A fast Aproach to the Detecion and Correction of Skew Document . Pattern Reconigtion Letter, vol.18, pp675-686,1997. (adsbygoogle = window.adsbygoogle || []).push({});
[12]. A.K. Das, B.Chada. A fast algorithm for skew detection of document images using morphological. Proc of International Journal on Document Analysis and Recognition, vol.4, No.2 pp109-114, 2001.