名片文字行方向分析

為了將前一節得到的文字連通元件建構成文字行，需要作文字行方向分

析，在此需要找到文字行的排列角度，本節使用 Hough 轉換和角度投影量統計

分析不同區域文字行的排列角度，再用 RLSA （Run-length smoothing algorithm）

[15]將混雜兩種排列角度的區域分開，最後得到名片各個區域的文字行方向。

3.2.1 Hough 轉換

在此研究中，使用 Epshtein 的 Hough 轉換方法[24]，修改為針對特定區域

尋找文字行排列的角度。Hough(1962)首次提出一種方法，用來辨識影像中，特

定的圖形，如影像中的直線或是圓弧等可以用簡單的數學公式表現出來的圖

形。此方法將影像中的點由座標空間轉換到參數空間( Parameter Space )，使得

經過轉換後原圖上所有點都集中到轉換後空間的某些位置上。極座標（ρ,θ）

為參數空間，（x,y）為空間中之一點，直線方程式為：





  xsin  ycos (7)

其中ρ為直線到原點的垂直距離，θ代表ρ和 X 軸的夾角，如圖 18。

圖 18、參數空間示意圖

若影像大小為 m*m，則ρ的最大範圍為 2m ，θ介於90到 90之間 ，可

以用 0 到 179 代換，初始化一個大小為 2m *180 之二維累加用表格 Hough

accumulator，此表格中的每格累計暫存器稱為 Hough cell。將原始影像點座標

（x,y）轉換到參數空間，找出相對應的（ρ,θ）值，並在 Hough accumulator

相對應的位置處加 1，所有原始影像點座標皆計算完後，將 accumulator 中累計

值超過門檻值之 Hough cell 取出，此時這些 Hough cell 所對應的（ρ,θ）值即

代表影像中的直線方程式參數。

Epshtein 修改之 Hough 轉換，方法為利用文字行與行之間的空白處計算文 件影像傾斜角度，流程如下：

1. 文件影像轉換為二值化影像 B，1 為前景色，0 為背景色。

2. 以 B 產生一複本影像 M，並做 dilate 運算。

3. 將 B 中的每個 pixel 分為兩類，若 pixel 值為 0，且其 M 相對應位置 pixel

值為 1，此 pixel 可能屬於文字行之間空白處，則在 Hough accumulator 中

對應的所有 Hough cell 之值皆加 1；若 pixel 值為 1，此 pixel 可能是文字的

一部份，對應的所有 Hough cell 之值皆減去一固定值δ，δ值實驗中為 8。

4. 計算一門檻值 T，T 值為所有 Hough cell 累積值之第 99 百分位數

5. 將累積值大於 T 之 Hough cell 保留，其餘歸零。

6. 最後對θ軸作一投影，投影量最大之對應θ值即為文件傾斜角度，也

就是主要文字行的排列角度。

由於名片影像不一定只有一種文字行排列角度，見圖 19(a)，左方文字為直

排，右方文字為橫排，因此針對特定區域各別尋找文字行排列的角度可以更精

確達到文字行方向分析的效果。

本研究和 Epshtein 最大的不同為，使用 dilation 運算製作出影像 M 後，利

用影像 M（見圖 19(b)）作相連元件抽取，並將較大的封閉區域視為分割不同方

向文字行之特定區域，見圖 19(c)，一次以一個封閉區域內的範圍進行上述步驟

3 到步驟 6，分別計算文字行排列角度，如圖 19(d)所示。

(a)連通元件偵測影像 (b) dilation 操作

(c)影像分割成數個區域 (d) 各區域找出的文字方向

圖 19、計算文字行排列角度示意圖

3.2.2 角度投影量統計分析

前段之 Hough 轉換作法可找出大多數文字行的正確排列角度，但有一種情

況是，一個封閉區域內有兩種不同的的文字行排列角度。探究其原因，由於封

閉區域是以 dilate 運算得到，若兩種不同排版方式的文字行太過靠近，在切割

封閉區域時會被合併為同一區域來計算，見圖 20(a),(b)。而在英文名片中這樣

的情況並不常見，因直排會令可讀性（legibility）受影響，所以混合兩種排版

方式的研究並不多，中文是方塊字型，可讀性不受直排或橫排影響，在中文存

在直橫混排的情況下，需要分析文字行區域內是否有此情況，此處藉由觀察前

一節(3.2.1)所述對θ軸作投影之 histogram，如果出現雙峰情況，判斷此區域有

兩種文字排版角度，之後以 RLSA 將區域分割，將不同文字排版角度之區域分

開。若 histogram 為單一峰值，則直接延續本章第三節的方法。

(a)原始影像 (b) 右方和下方相連區域的文字方向

圖 20、區域內存在直橫混排示意圖

區域分割方法為：

1. 針對單一封閉區域，統計前一步驟(3.2.1)的 Hough transform 結果，每一 個有值的 Hough cell，以θ為橫軸，累積數目為縱軸繪出 histogram，如 圖 21

0 90 179

圖 21、角度投影 histogram

2. 如果 histogram 出現非單峰情況，表示此區域需要分割，此時只知道此 區域有兩種文字排版角度，但尚未得知此兩種排版角度的個別所在位

置，需藉 Run-length smoothing algorithm （RLSA）輔助文字行方向選

取。

3. 在需要分割的區域內使用 RLSA，若 histogram 最高峰橫座標為 90，則 以水平塗抹，如圖 22，若 histogram 最高峰靠近 0 或 179，則以垂直塗

抹。

圖 22、水平方向 RLSA 塗抹

4. RLSA 塗抹後，將較長的塗抹區域合併，捨去過短的塗抹區域，如圖

23，合併後的塗抹區域內文字排列角度為最高峰之橫座標值，剩餘區 域內文字排列角度為次高峰之橫座標值。

圖 23、RLSA 水平塗抹篩選區域

最後每個封閉區域內都得到一個代表文字排列角度的值(見圖 19)。假設 有 n 個區域，每個區域的角度值以 θ_k表示，k 1,2,...,n。

圖 24、區域分割後的文字排列角度示意圖