초록
본 논문에서는 PDA에 장착된 카메라로 얻어진 명함 영상을 효과적으로 이진화하기 위하여 변형된 quadratic 필터(modified quadratic filter: MQF)를 이용한 블록 적응 이진화 방법을 제안한다. 제안된 방법에서는 영상을 8${\times}$8 크기의 블록으로 나누고 각 블록을 문자 블록과 배경 블록으로 분류한다. 그런 다음 분류된 각 문자 블록을 중심으로 24${\times}$24 크기의 사각 창(rectangular window)을 씌우고 그 결과 블록을 전처리 필터인 QF에서 이진화를 위한 역치 선택 과정을 변형한 MQF를 이용하여 개선한다. 마지막으로 MQF에서 선택한 역치를 기준으로 하여 개선된 블록의 8${\times}$8 크기의 중심 블록에 대하여 이진화를 수행하고 영상의 원래의 위치에 채워서 이진화된 영상을 얻는다. 실험 결과 제안된 MQF와 블록 적응 이진화 방법은 PDA로 획득한 시험 명함 영상에 대하여 각각 기존의 QF와 전역 이진화 방법보다 이진화 성능에 미치는 영향이 우수하였다. 그리고 제안된 MQF를 이용한 블록적응 이진화 방법은 기존의 QF를 이용한 전역 이진화 방법에 비하여 문자가 훨씬 선명하게 나타나는 우수한 화질의 이진화 영상을 얻을 수 있었다. 또한 이들 이진화 영상들에 대하여 현재 상용화되고 있는 문자 인식 프로그램으로 문자 인식률을 비교한 결과, 제안된 방법에 의한 이진화 영상이 약 87.7%의 문자 인식률을 보여 약 55.7%의 문자 인식률을 보인 기존의 QF를 이용한 전역 이진화 방법에 의한 이진화 영상에 비하여 약 32.0%의 문자 인식률 증가를 보였다.
In this paper, we propose a block adaptive binarization (BAB) using a modified quadratic filter (MQF) to binarize business card images acquired by personal digital assistant (PDA) cameras effectively. In the proposed method, a business card image is first partitioned into blocks of 8${\times}$8 and the blocks are then classified into character Hocks (CBs) and background blocks (BBs). Each classified CB is windowed with a 24${\times}$24 rectangular window centering around the CB and the windowed blocks are improved by the pre-processing filter MQF, in which the scheme of threshold selection in QF is modified. The 8${\times}$8 center block of the improved block is barbarized with the threshold selected in the MQF. A binary image is obtained tiling each binarized block in its original position. Experimental results show that the MQF and the BAB have much better effects on the performance of binarization compared to the QF and the global binarization (GB), respectively, for the test business card images acquired in a PDA. Also the proposed BAB using MQF gives binary images of much better quality, in which the characters appear much better clearly, over the conventional GB using QF. In addition, the binary images by the proposed BAB using MQF yields about 87.7% of character recognition rate so that about 32.0% performance improvement over those by the GB using QF yielding about 55.7% of character recognition rate using a commercial character recognition software.