‫ارﺗﻘﺎي ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮ ﻫﺎي ﻣﻮرﻓﻮﻟﻮژي‬

‫ﻫﺪي رﺟﺎﻳﻲ‬
‫ﺑﺨﺶ ﻣﻬﻨﺪﺳﻲ ﺑﺮق‬
‫داﻧﺸﻜﺪه ﻓﻨﻲ داﻧﺸﮕﺎه ﺷﻬﻴﺪ ﺑﺎﻫﻨﺮ ﻛﺮﻣﺎن‬
‫‪hodarajaee@yahoo.com‬‬

‫ﭼﻜﻴﺪه‪ :‬در اﻳﻦ ﻣﻘﺎﻟﻪ روﺷﻲ ﺟﻬﺖ ﺑﻬﺒﻮد ﻛﻴﻔﻴﺖ ﻳﺎ ارﺗﻘﺎء ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﺑﺎ اﺳﺘﻔﺎده از روش ﻫـﺎي ﻣﻮرﻓﻮﻟـﻮژي اراﻳـﻪ ﺷـﺪه‬
‫اﺳﺖ‪ .‬ارﺗﻘﺎء ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﺑﺎ دو ﻫﺪف ﺑﻬﺒﻮد ﻛﻴﻔﻴﺖ ﺗﺼﻮﻳﺮ ‪ ،‬ﺟﻬﺖ اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﺗﻮﺳﻂ ﻣﺎﺷـﻴﻦ و ﻫﻤﭽﻨـﻴﻦ اﻓـﺰاﻳﺶ‬
‫ﺧﻮا ﻧﺎﻳﻲ ﺑﻪ ﻛﺎر ﻣﻲ رود‪ .‬در اﻳﻦ روش اﺑﺘﺪا ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﺑﺮاي اﻓﺰاﻳﺶ ﻛﺎراﻳﻲ ﻋﻤﻠﻴﺎت ﻣﻮرﻓﻮﻟﻮژي ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘـﻪ‬
‫اﺳﺖ‪ .‬ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮﻫﺎي ﻣﻮرﻓﻮﻟﻮژي ﺗﻘﺮﻳﺒﻲ از زﻣﻴﻨﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه و زﻣﻴﻨﻪ ﺑﻪ دﺳﺖ آﻣﺪه از ﺗﺼﻮﻳﺮ اﺻـﻠﻲ ﺣـﺬف‬
‫ﻣﻲ ﺷﻮد‪ .‬ﺑﺮاي از ﺑﻴﻦ ﺑﺮدن ﻧﻮﻳﺰ ﺑﺎﻗﻲ ﻣﺎﻧﺪه از ﻓﻴﻠﺘﺮ وﻳﻨﺮ و‪ unsharp mask‬اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬

‫ﻛﻠﻤﺎت ﻛﻠﻴﺪي‪ :‬ارﺗﻘﺎء‪ ،‬ﺗﺼﺎوﻳﺮ ﻣﺘﻦ‪ ،‬زﻣﻴﻨﻪ‪ ،‬ﻣﻮرﻓﻮﻟﻮژي‬

‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫از ﺟﻤﻠﻪ ﺗﺼﺎوﻳﺮي ﻛﻪ در ﺑﺴﻴﺎري از ﻛﺎرﺑﺮد ﻫﺎي ﭘﺮدازش ﺗﺼﻮﻳﺮ دﻳﺪه ﻣﻲ ﺷﻮد‪ ،‬ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﻳﺎ ﻧﻮﺷﺘﻪ ﻫﺴﺘﻨﺪ‪ .‬در ﺑﺴﻴﺎري‬
‫از اﻳﻦ ﻛﺎرﺑﺮدﻫﺎ‪ ،‬ﺗﺼﺎوﻳﺮ ﺗﻮﺳﻂ اﻧﺴﺎن ﺑﻪ ﻛﺎر ﻣﻲ روﻧﺪ‪ ،‬ﺑﺮاي ﻣﺜﺎل ﻣﻲ ﺗﻮان اﻳﺠﺎد ﻧﺴﺨﻪ ﺗﺼﻮﻳﺮي اﺳﻨﺎد ﺗـﺎرﻳﺨﻲ و ﻣﺘـﻮن‬
‫ﻗﺪﻳﻤﻲ را ﻋﻨﻮان ﻛﺮد‪.‬در اﻳﻦ ﻛﺎرﺑﺮد ﺑﻪ ﻣﻨﻈﻮر ﺳﻬﻮﻟﺖ دﺳﺘﺮﺳﻲ ﺑﻪ اﺳﻨﺎد و ﻣﺘﻮن ﻗﺪﻳﻤﻲ و در ﻋﻴﻦ ﺣﺎل ﻣﺤﺎﻓﻈﺖ ﺑﻴﺸﺘﺮ‬
‫از آﻧﻬﺎ ﺗﺼﻮﻳﺮ اﻳﻦ اﺳﻨﺎد در اﺧﺘﻴﺎر ﻣﺘﻘﺎﺿﻴﺎن ﻗﺮار ﻣﻲ ﮔﻴﺮد‪ .‬اﻛﺜﺮ اﺳﻨﺎد ﺗﺎرﻳﺨﻲ در اﺛﺮ ﮔﺬر زﻣﺎن ﺷﺮاﻳﻂ ﻧﺎﻣﻨﺎﺳﺒﻲ دارﻧـﺪ‬
‫ﻛﻪ ﻣﻮﺟﺐ ﻣﻲ ﺷﻮد ﺗﺼﺎوﻳﺮ آﻧﻬﺎ از ﻛﻴﻔﻴﺖ ﻣﻨﺎﺳﺒﻲ ﺑﺮاي ﺧﻮاﻧﺪن ﺑﺮﺧﻮردار ﻧﺒﺎﺷﻨﺪ‪ .‬در اﻳﻦ ﻣﻮرد ارﺗﻘﺎي ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﻣـﻲ‬
‫ﺗﻮاﻧﺪ ﻛﻴﻔﻴﺖ دﻳﺪاري اﻳﻦ ﺗﺼﺎوﻳﺮ را ﺑﻬﺒﻮد ﺑﺨﺸﺪ‪.‬‬
‫دﺳﺘﻪ دﻳﮕﺮ از ﻛﺎرﺑﺮدﻫﺎي ﺗﺼﺎوﻳﺮ ﻣﺘﻦ اﺳﺘﺨﺮاج اﻃﻼﻋﺎت از آﻧﻬﺎ ﺗﻮﺳﻂ ﻣﺎﺷﻴﻦ اﺳﺖ‪ .‬ﺳﻴﺴﺘﻢ ﻫﺎي ﺧﻮدﻛﺎر ﺑﺴﻴﺎري وﺟﻮد‬
‫دارﻧﺪ ﻛﻪ ﺑﻪ ﻋﻨﻮان ورودي‪ ،‬ﺗﺼﺎوﻳﺮ ﻣﺘﻦ را درﻳﺎﻓﺖ ﻣﻲ ﻛﻨﻨﺪ‪ ،‬ﻣﺎﻧﻨﺪ ﺳﻴﺴﺘﻢ ﻫﺎي ﭘﺴﺖ ﺧﻮدﻛﺎر‪ ،‬ﺳﻴﺴﺘﻢ ﻫﺎي دﺳﺘﻪ ﺑﻨﺪي‬
‫ﻣﺤﺼﻮﻻت ﺑﺮاﺳﺎس ﺑﺎر ﻛﺪ ﺣﻚ ﺷﺪه ﺑﺮ روي آﻧﻬﺎ‪ ،‬ﺳﻴﺴﺘﻢ ﻫﺎي ﺧﻮدﻛﺎر ﺧﻮاﻧﺪن ﭼﻚ ﻫـﺎي ﺑـﺎﻧﻜﻲ و‪....‬اﻳـﻦ ﺳﻴـﺴﺘﻢ ﻫـﺎ‬
‫ﺑﺮاي ﺧﻮاﻧﺪن ﻣﺘﻦ واﺳﺘﺨﺮاج اﻃﻼﻋﺎت از ﺑﺮﻧﺎﻣﻪ ﻫﺎي ﺗﺸﺨﻴﺺ ﺧﻮدﻛﺎر ﺣﺮوف‪ 1‬اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻨﺪ‪ .‬اﻳﻦ ﺑﺮﻧﺎﻣـﻪ ﺑـﺮاي ﺟـﺪا‬
‫ﻛﺮدن ﺣﺮوف از زﻣﻴﻨﻪ ﺗﺼﻮﻳﺮ را دو ﺳﻄﺤﻲ ﻣﻲ ﻛﻨﺪ‪ .‬اﮔﺮ ﺗﺼﻮﻳﺮ ورودي از ﻛﻴﻔﻴﺖ ﻣﻨﺎﺳﺒﻲ ﺑﺮﺧﻮردار ﻧﺒﺎﺷـﺪ‪ ،‬دو ﺳـﻄﺤﻲ‬
‫ﺳﺎزي ﺑﻪ ﻃـﻮر ﻣﻨﺎﺳـﺐ اﻧﺠـﺎم ﻧـﺸﺪه‪ ،‬ﺑﺎزﺷﻨﺎﺳـﻲ ﻛـﺎراﻛﺘﺮ ﻫـﺎ ﺑـﺎ ﺧﻄـﺎي زﻳـﺎدي ﻫﻤـﺮاه ﺧﻮاﻫـﺪ ﺑـﻮد‪.‬ﺑﻨـﺎﺑﺮاﻳﻦ ﺑﻬﺒـﻮد‬

‫)‪1- OCR (Optical Character Recognition‬‬

‫ﻛﻴﻔﻴﺖ ﺗﺼﻮﻳﺮ ﻣﻮﺟﺐ ﻣﻲ ﺷﻮد ﻛﻪ دو ﺳﻄﺤﻲ ﺳﺎزي ﻣﻨﺎﺳﺐ ﺗﺮ و ﻛﺎراﻛﺘﺮ ﻫـﺎ ﺑـﺎ ﺧﻄـﺎي ﻛﻤﺘـﺮي ﺷﻨﺎﺳـﺎﻳﻲ ﺷـﻮﻧﺪ‪ .‬در‬
‫ﺷﻜﻞ ‪ 1‬ﻳﻚ ﻧﻤﻮﻧﻪ ﺗﺼﻮﻳﺮ و ﺗﺼﻮﻳﺮ دوﺳﻄﺤﻲ ﺷﺪه آن ﺑﺎ اﺳﺘﻔﺎده از آﺳﺘﺎﻧﻪ ﮔﻴﺮي ﻛﻠﻲ ﻧـﺸﺎن داده ﺷـﺪه اﺳـﺖ‪ .‬ﭼﻨﺎﻧﭽـﻪ‬
‫دﻳﺪه ﻣﻲ ﺷﻮد ﺑﺴﻴﺎري ﻟﺰ اﻃﻼﻋﺎت از ﺑﻴﻦ رﻓﺘﻪ اﻧﺪ‪.‬‬
‫روش ﻫﺎي ﺑﺴﻴﺎر ﻣﺘﻔﺎوﺗﻲ ﺑﺮاي ﺑﻬﺒﻮد ﻛﻴﻔﻴﺖ ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﺑﻪ ﻛﺎر رﻓﺘﻪ اﻧﺪ‪ .‬در ] ‪ [ 2‬ﻳﻚ روش ﻏﻴﺮ ﺧﻄـﻲ ﺑـﺮاي ﻛـﺎﻫﺶ‬
‫ﻧﻮﻳﺰ و در ﻋﻴﻦ ﺣﺎل ﺣﻔﻆ ﻟﺒﻪ ﻫﺎ ﻣﻄﺮح ﺷﺪه اﺳﺖ‪ .‬در ] ‪ [ 1‬ﻧﻴﺰ ﺑﺎ ﭘﺮدازش ﻣﺤﻠﻲ ﺗﺼﻮﻳﺮ ﺗﻘﺮﻳﺒﻲ از زﻣﻴﻨﻪ ﺑﻪ دﺳﺖ آﻣﺪه‬
‫وﺳﭙﺲ زﻣﻴﻨﻪ ﺗﺎ ﺣﺪ زﻳﺎدي ﺣﺬف ﺷﺪه اﺳﺖ‪ .‬ﺑﺴﻴﺎري از ﺗﺼﺎوﻳﺮي ﻛﻪ در آﻧﻬﺎ ﻣﺘﻦ ﭘﺸﺖ ﺻﻔﺤﻪ ﺑﻪ ﺻـﻮرت ﻧـﻮﻳﺰ در روي‬
‫ﺗﺼﻮﻳﺮ ﻇﺎﻫﺮ ﺷﺪه اﺳﺖ ﺑﺎ اﺳﺘﻔﺎده از روش وﻳﻮﻟﺖ ﺟﻬﺘﻲ ] ‪ [ 4‬و ﻳﺎ روش ﻟﺒﻪ ﻳﺎﺑﻲ ارﺗﻘﺎء ﻳﺎﻓﺘـﻪ ] ‪ [ 3‬ﺑﻬﺒـﻮد ﻳﺎﻓﺘـﻪ اﻧـﺪ‪.‬‬
‫ﻫﻤﭽﻨﻴﻦ از روش ﻫﺎي ﻓﺎزي ﻧﻴﺰ ﺑﺮاي ﺣﻞ اﻳـﻦ ﻣـﺴﺎ ﻟـﻪ اﺳـﺘﻔﺎده ﺷـﺪه اﺳـﺖ ) ] ‪ [ 6‬و ] ‪ .( [ 5‬در ] ‪ [ 7‬از ﻣﻌـﺎدﻻت‬
‫دﻳﻔﺮاﻧﺴﻴﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﻳﻲ اﺳﺘﻔﺎده ﺷﺪه و ] ‪ [ 8‬ﻧﻴﺰ ﺑﺮاﺳﺎس ﺗﻘﺮﻳﺐ ﺧﻄﻲ و ﻏﻴـﺮ ﺧﻄـﻲ زﻣﻴﻨـﻪ ﺑـﺎ ﺑـﻪ دﺳـﺖ آوردن‬
‫ﭘﺎراﻣﺘﺮ ﻫﺎي ﻣﻌﺎدﻟﻪ رﻳﺎﺿﻲ ﻛﻪ ﺻﻔﺤﻪ زﻣﻴﻨﻪ را ﺗﻘﺮﻳﺐ ﻣﻲ زﻧﺪ‪ ،‬ﺗﺼﺎوﻳﺮ را ﺑﻬﺒﻮد داده اﺳﺖ‪ .‬ﭼﻨﮓ و ﻓﺎن ) ] ‪( [ 10‬روﺷﻲ‬
‫اراﻳﻪ داده اﻧﺪ ﻛﻪ در آن ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕـﺮ ﻫـﺎي ﻣﻮرﻓﻮﻟـﻮژي ﻗـﺴﻤﺖ ﻫـﺎﻳﻲ از ﺗـﺼﻮﻳﺮ ﻛـﻪ ﺷـﺎﻣﻞ ﻣـﺘﻦ ﺑـﻮده اﻧـﺪ از‬
‫ﻗﺴﻤﺖ ﻫﺎﻳﻲ ﻛﻪ داراي ﻋﻜﺲ ﺑﻮده اﻧﺪ ﺟﺪا ﺷﺪه اﺳﺖ‪.‬‬
‫‪2‬‬
‫روش اراﻳﻪ ﺷﺪه در اﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺗﺮﻛﻴﺐ ﻋﻤﻠﻴﺎت ﻣﻮرﻓﻮﻟﻮژي و ﻓﻴﻠﺘـﺮ وﻳﻨـﺮ زﻣﻴﻨـﻪ را ﺣـﺬف و ﻛﻴﻔﻴـﺖ ﺗـﺼﻮﻳﺮ را ﺑﻬﺒـﻮد‬
‫ﻣﻲ ﺑﺨﺸﺪ‪ .‬در اداﻣﻪ‪ ،‬در ﺑﺨﺶ دوم اﻟﮕﻮرﻳﺘﻢ ﺑﻪ ﻛﺎر رﻓﺘﻪ ﺗﺸﺮﻳﺢ ﺷﺪه اﺳﺖ‪ .‬در ﺑﺨﺶ ﺳﻮم ﻧﺘﺎﻳﺞ ﭘﻴـﺎده ﺳـﺎزي اﻟﮕـﻮرﻳﺘﻢ‬
‫اراﻳﻪ و در ﺑﺨﺶ ﭼﻬﺎرم ﺟﻤﻊ ﺑﻨﺪي ﻣﻄﺎﻟﺐ آورده ﺷﺪه اﺳﺖ‪.‬‬

‫‪a‬‬ ‫‪b‬‬
‫ﺷﻜﻞ ‪ -1‬دو ﺳﻄﺤﻲ ﺳﺎزي ﻧﺎﻣﻨﺎﺳﺐ ﺗﺼﻮﻳﺮ‪ ( a .‬ﺗﺼﻮﻳﺮ اﺻﻠﻲ ‪ ( b‬ﺗﺼﻮﻳﺮ دوﺳﻄﺤﻲ ﺷﺪه‬

‫‪ -2‬اﻟﮕﻮرﻳﺘﻢ ﭘﻴﺸﻨﻬﺎد ﺷﺪه‬

‫در اﻳﻦ روش ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﻴﺎت ﻣﻮرﻓﻮﻟﻮژي زﻣﻴﻨﻪ ﺗﺼﻮﻳﺮ ﺗﺨﻤﻴﻦ زده ﺷﺪه و از ﺗﺼﻮﻳﺮ اﺻﻠﻲ ﺣﺬف ﻣﻲ ﺷـﻮد‪ ،‬ﺑـﻪ اﻳـﻦ‬
‫ﺻﻮرت ﻛﻪ اﺑﺘﺪا ﺗﺼﻮﻳﺮ ﻣﻨﻔﻲ ﺗﺼﻮﻳﺮ اﺻﻠﻲ ﻣﺤﺎﺳﺒﻪ ﺷﺪه واﻳﻦ ﺗﺼﻮﻳﺮ ﺗﻮﺳﻂ ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﭘﺮدازش ﻣﻲ ﺷﻮد‪ .‬ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﻳـﻚ‬
‫ﻓﻴﻠﺘﺮ ﭘﺎﻳﻴﻦ ﮔﺬر ﺧﻄﻲ اﺳﺖ ﻛﻪ ﺑﺮ اﺳﺎس وﻳﮋﮔﻲ ﻫﺎي آﻣﺎري ﻫﻤﺴﺎﻳﮕﻲ ﻳﻚ ﭘﻴﻜـﺴﻞ ﻣﺎﻧﻨـﺪ ﻣﻴـﺎﻧﮕﻴﻦ و اﻧﺤـﺮاف ﻣﻌﻴـﺎر‪،‬‬
‫ﻣﻘﺪار ﭘﻴﻜﺴﻞ ﺧﺮوﺟﻲ را ﺑﻪ ﻃﻮر ﺗﻄﺒﻴﻘﻲ ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﻛﻨﺪ‪.‬‬

‫)‪µ = 1 /( M × N )∑n1,n 2∈η α (n1, n 2‬‬ ‫)‪( 1‬‬

‫‪2- Weiner filter‬‬

 ‫‪1‬‬
‫= ‪σ2‬‬
‫‪N ×M‬‬
‫‪∑ αη‬‬
‫∈‪n1, n 2‬‬
‫‪2‬‬
‫‪(n1, n 2) − µ 2‬‬ ‫)‪(2‬‬

‫‪ µ‬ﻣﻴﺎﻧﮕﻴﻦ ‪ σ 2 ،‬اﻧﺤﺮاف ﻣﻌﻴﺎر و ‪ η‬ﻳﻚ ﻫﻤﺴﺎﻳﮕﻲ ‪ N *M‬اﻃﺮاف ﻫﺮ ﭘﻴﻜﺴﻞ اﺳﺖ‪ .‬ﻣﻘﺪار ﭘﻴﻜﺴﻞ ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت‬
‫زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﺷﻮد‪:‬‬

‫‪σ 2 −ν 2‬‬
‫‪b(n1, n2) = µ +‬‬ ‫) ‪(α (n1, n 2) − µ‬‬ ‫)‪(3‬‬
‫‪σ2‬‬
‫ﺑﻪ ﻃﻮرﻳﻜﻪ ‪ν 2‬وارﻳﺎﻧﺲ ﻧﻮﻳﺰ اﺳﺖ‪ .‬در ﺻﻮرﺗﻲ ﻛﻪ ‪ ν 2‬ﻧﺎﻣﻌﻠﻮم ﺑﺎﺷﺪ‪ ،‬ﻣﻴﺎﻧﮕﻴﻦ اﻧﺤﺮاف ﻣﻌﻴـﺎر ﻫـﺎي ﺗﺨﻤـﻴﻦ زده ﺷـﺪه‬
‫ﻣﺤﻠﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲ ﮔﻴﺮد ] ‪ . [ 11‬در اﻳﻦ ﻣﺮﺣﻠﻪ ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﺳﺒﺐ ﻣﻲ ﺷﻮد ﺗﻔﺎوت ﺑﻴﻦ ﻣـﺘﻦ و زﻣﻴﻨـﻪ اﻓـﺰاﻳﺶ‬
‫ﻳﺎﺑﺪ‪ .‬زﻣﻴﻨﻪ ﻣﺎت ﺷﺪه اﻣﺎ ﻟﺒﻪ ﻫﺎ ﭼﻨﺪان ﺗﻐﻴﻴﺮي ﻧﻤﻲ ﻛﻨﻨﺪ‪ .‬اﻳﻦ اﻣﺮ ﻣﻮﺟﺐ ﻣﻲ ﺷﻮد ﻣﺘﻦ در ﻗﺴﻤﺖ ﺑﻌـﺪي ﺑﻬﺘـﺮ ﺣـﺬف‬
‫ﺷﻮد‪ .‬اﺛﺮ ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﺑﺮ روي ﺗﺼﻮﻳﺮ ﻫﻤﺎﻧﻨﺪ دﻳﮕﺮ ﻓﻴﻠﺘﺮﻫﺎي ﭘﺎﻳﻴﻦ ﮔﺬر آرام ﻛﺮدن ﺗﺼﻮﻳﺮ اﺳﺖ‪ .‬اﻣﺎ اﻳﻦ آرام ﺳﺎزي ﺗﻈﺒﻴﻘﻲ‬
‫ﺧﻮاﻫﺪ ﺑﻮد ﺑﻪ ﻃﻮرﻳﻜﻪ در ﻧﻮاﺣﻲ ﻛﻪ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻣﻘﺎدﻳﺮ ﭘﻴﻜﺴﻞ زﻳﺎد ﺑﺎﺷﺪ‪ ،‬آرام ﺳـﺎزي ﻛﻤﺘـﺮ ودر ﻧـﻮاﺣﻲ ﻛـﻪ اﻧﺤـﺮاف‬
‫ﻣﻌﻴﺎر ﻛﻮﭼﻚ ﺑﺎﺷﺪ آرام ﺳﺎزي ﺑﻴﺸﺘﺮ اﻋﻤﺎل ﻣﻲ ﺷﻮد‪[ 11 ].‬‬
‫ﺗﺼﻮﻳﺮ ﺑﻪ دﺳﺖ آﻣﺪه ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮ ﻣﻮرﻓﻮﻟﻮژي ‪ opening‬ﭘﺮدازش ﻣﻲ ﺷﻮد‪ .‬ﻋﻤﻠﮕﺮ ‪ opening‬ﺑﺎ ﺗﻮﺟﻪ ﺑـﻪ‬
‫ﺷﻜﻞ واﻧﺪازه ﻫﻤﺴﺎﻳﮕﻲ ﺗﻌﺮﻳﻒ ﺷﺪه ﺑﺮاي آن‪ ،‬ﻣﺘﻦ را از زﻣﻴﻨﻪ ﺣﺬف ﻣﻲ ﻛﻨﺪ‪ .‬ﺑﻪ اﻳﻦ وﺳﻴﻠﻪ ﺗﻘﺮﻳﺒﻲ از زﻣﻴﻨﻪ ﺑـﻪ دﺳـﺖ‬
‫ﻣﻲ آﻳﺪ‪ .‬زﻣﻴﻨﻪ ﺗﺨﻤﻴﻦ زده ﺷﺪه از ﺗﺼﻮﻳﺮ ﻣﻨﻔﻲ ﺗﺼﻮﻳﺮ اﺻﻠﻲ ﻛـﻢ ﻣـﻲ ﺷـﻮد‪ .‬ﻧﺘﻴﺠـﻪ آن ﺑـﺎر دﻳﮕـﺮ ﺑـﻪ ﻣﻨﻈـﻮر ﻛـﺎﻫﺶ‬
‫ﻧﻮﻳﺰ ﻫﺎي ﺑﺎﻗﻲ ﻣﺎﻧﺪه از زﻣﻴﻨﻪ ﺗﻮﺳﻂ ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﭘﺮدازش ﻣﻲ ﺷﻮد‪ .‬ﭘﺲ از آن ﺗـﺼﻮﻳﺮ اﺻـﻼح ﺗﻤـﺎﻳﺰ‪ 3‬ﻣـﻲ ﺷـﻮد‪ .‬در اﻳـﻦ‬
‫ﻣﺮﺣﻠﻪ ﺑﺮاي اﻓﺰاﻳﺶ ﺗﻤﺎﻳﺰ ﺗﺼﻮﻳﺮ از ﺗﺎﺑﻊ اﺻﻼح ﮔﺎﻣﺎ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬اﮔﺮ ﮔﺎﻣﺎ ﺑﺮاﺑﺮ ﺑﺎ‪ 1‬اﻧﺘﺨﺎب ﺷـﻮد ﻋﻤﻠﻴـﺎت ﺧﻄـﻲ‬
‫ﺧﻮاﻫﺪ ﺑﻮد‪ ،‬ﺑﺎ اﻧﺘﺨﺎب ﮔﺎﻣﺎ ﻛﻮﭼﻜﺘﺮ از ‪ 1‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ روﺷﻨﺘﺮ و ﮔﺎﻣﺎ ﺑﺰرﮔﺘﺮ از ‪ 1‬ﺗﺼﻮﻳﺮ ﺗﻴﺮه ﺗﺮ ﻣﻲ ﺷﻮد‪ .‬در ﭘﻴﺎده ﺳﺎزي‬
‫اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﮔﺎﻣﺎ ﺑﺮاﺑﺮ ﺑﺎ ‪ m/L‬اﻧﺘﺨﺎب ﺷﺪه اﺳﺖ‪ ،‬ﻛﻪ ‪ m‬ﻣﻴﺎﻧﮕﻴﻦ ﺗﺼﻮﻳﺮ ﭘﺮدازش ﺷﺪه و ‪ L‬ﺗﻌﺪاد ﺳـﻄﻮح ﺧﺎﻛـﺴﺘﺮي‬
‫اﺳﺖ] ‪. [ 1‬‬
‫ﻋﻤﻠﮕﺮ ﻫﺎي ﻣﻮرﻓﻮﻟﻮژي ﺑﺮاﺳﺎس ﺷﻜﻞ ﺣﺮوف و ﻛﺎراﻛﺘﺮ ﻫﺎ‪ ،‬آﻧﻬﺎ را ﺣﺬف ﻣﻲ ﻛﻨﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﻧـﻮﻳﺰ ﻫـﺎﻳﻲ ﻛـﻪ ﺑـﻪ ﺻـﻮرت‬
‫ﺣﺮوف ﻇﺎﻫﺮ ﺷﺪه اﻧﺪ ﻧﻴﺰ ﺣﺬف ﺷﺪه و در زﻣﻴﻨﻪ ﺗﺨﻤﻴﻦ زده ﺷﺪه وارد ﻧﻤﻲ ﺷـﻮﻧﺪ‪ .‬در ﻧﺘﻴﺠـﻪ اﻳـﻦ ﺣـﺮوف در ﺗـﺼﻮﻳﺮ‬
‫ﻧﻬﺎﻳﻲ ﻫﻤﭽﻨﺎن دﻳﺪه ﻣﻲ ﺷﻮﻧﺪ‪ .‬اﻳﻦ ﺣﺮوف ﻣﻌﻤﻮﻻ ﻧﻮﺷﺘﻪ ﻫﺎي ﭘﺸﺖ ﺻﻔﺤﻪ ﻫﺴﺘﻨﺪ ﻛﻪ ﺑـﺮ اﺛـﺮ ﻋﻮاﻣـﻞ ﻣﺨﺘﻠـﻒ در روي‬
‫ﺻﻔﺤﻪ ﻧﻴﺰ ﻇﺎﻫﺮ ﺷﺪه اﻧﺪ‪ .‬از اﻳﻦ رو اﻳﻦ ﺣﺮوف داراي ﻟﺒﻪ ﻫﺎي ﺿﻌﻴﻒ ﺑﻮده ودر ﻛﻞ ﻛﻤﺮﻧﮓ و ﻣﺎت ﻫﺴﺘﻨﺪ‪ .‬ﺑﺮاي از ﺑـﻴﻦ‬
‫ﺑﺮدن اﻳﻦ ﻧﻮﻳﺰﻫﺎ ﻓﻴﻠﺘﺮ ‪ unsharp mask‬ﺑﺴﻴﺎر ﻣﻮﺛﺮ اﺳﺖ ] ‪ . [ 2‬در اﻳﻦ روش ﺗﺼﻮﻳﺮ ﻓﻴﻠﺘﺮ ﺑﺎﻻ ﮔﺬر ﺷـﺪه ﺑـﺎ ﺗـﺼﻮﻳﺮ‬
‫اﺻﻠﻲ ﺟﻤﻊ ﻣﻲ ﺷﻮد‪ .‬ﻓﻴﻠﺘﺮ ﺑﺎﻻ ﮔﺬر ﻣﻮﺟﺐ ﻣﻲ ﺷﻮد ﻛﻪ ﻣﻮﻟﻔﻪ ﻫﺎي ﻓﺮﻛﺎﻧﺲ ﭘﺎﻳﻴﻦ ﺗﺼﻮﻳﺮ ﻛﻪ ﺟﺰﺋﻴﺎت ﻣﺎت وآرام ﺗـﺼﻮﻳﺮ‬
‫را ﺷﺎﻣﻞ ﻣﻲ ﺷﻮد‪ ،‬ﺣﺬف ﺷﻮﻧﺪ‪ .‬ﺷﻜﻞ ‪ 2‬ﺗﺼﻮﻳﺮ اﺻﻠﻲ و ﺣﺎﺻﻞ ﭘﺮدازش ﺷﺪه آن ﺑـﺎ روش اراﺋـﻪ ﺷـﺪه وﺷـﻜﻞ‪ 3‬ﻧﺘﻴﺠـﻪ را‬
‫ﺑﺎﭘﺮدازش ﻓﻴﻠﺘﺮ ‪ unsharp mask‬ﻧﺸﺎن ﻣﻲ دﻫﺪ‪.‬‬

‫‪ -3‬ﭘﻴﺎده ﺳﺎزي و ﻧﺘﺎﻳﺞ‬

‫اﻟﮕﻮرﻳﺘﻢ ﻓﻮق ﺑﺮ روي ﻣﺠﻤﻮﻋﻪ ﺗﺼﺎوﻳﺮ داﻧﺸﮕﺎه ﺗﺮﺑﻴﺖ ﻣﺪرس ﭘﻴﺎده ﺳﺎزي ﺷﺪه اﺳﺖ‪ .‬اﻳﻦ ﻣﺠﻤﻮﻋﻪ ﺷﺎﻣﻞ ‪ 40‬ﺗﺼﻮﻳﺮ ﻣﺘﻦ‬
‫اﺳﺖ‪ .‬در ﭘﻴﺎده ﺳﺎزي اﻟﮕﻮرﻳﺘﻢ ﻓﻮق‪ ،‬در ﻣﺮﺣﻠﻪ اول اﺳﺘﻔﺎده از ﻓﻴﻠﺘـﺮ وﻳﻨـﺮ‪ ،‬ﻫﻤـﺴﺎﻳﮕﻲ ‪ 7*7‬در ﻣﺮﺣﻠـﻪ دوم ﻫﻤـﺴﺎﻳﮕﻲ‬
‫‪ 3*3‬ﺑﻪ ﻛﺎر رﻓﺘﻪ اﺳﺖ‪ .‬ﻫﻤﭽﻨﻴﻦ ﻧﺘﺎﻳﺞ اﺳﺘﻔﺎده از ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﺑﺎ ﻓﻴﻠﺘﺮ ﻫﺎي ﻣﻴﺎﻧﻪ و ﻣﻴـﺎﻧﮕﻴﻦ ﻣﻘﺎﻳـﺴﻪ ﺷـﺪه اﻧـﺪ‪ ،‬ﻛـﻪ ﺑـﺎ‬

‫‪3- Contrast adjustment‬‬

 ‫اﺳﺘﻔﺎده از ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﻧﺘﺎﻳﺞ ﺑﻬﺘﺮي ﺣﺎﺻﻞ ﺷﺪه اﺳﺖ‪.‬‬
‫ﻫﻤﺴﺎﻳﮕﻲ ﺗﻌﺮﻳﻒ ﺷﺪه ﺑﺮاي ﻋﻤﻠﻴﺎت ﻣﻮرﻓﻮﻟﻮژي ﺑﺎ ﺗﻮﺟﻪ ﺑـﻪ ﺳـﺎﺧﺘﺎر ﺣـﺮوف ﺗﻌﺮﻳـﻒ ﻣـﻲ ﺷـﻮد‪ ،‬ﻛـﻪ در ﭘﻴـﺎده ﺳـﺎزي‪،‬‬
‫ﻫﻤﺴﺎﻳﮕﻲ ﻣﺮﺑﻌﻲ و داﻳﺮه اي ﺑﻪ ﺗﺮﺗﻴﺐ ﺑﺎ اﻧﺪازه ﻫﺎي ‪ 10‬و ‪ 6‬ﺑﻪ ﻛﺎر رﻓﺘﻪ اﻧﺪ‪.‬ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از اﺳﺘﻔﺎده از اﻳﻦ دو ﻫﻤﺴﺎﻳﮕﻲ‬
‫ﺗﺎ ﺣﺪ زﻳﺎدي ﻣﺸﺎﺑﻬﻨﺪ‪ .‬در ﺷﻜﻞ ﻫﺎي ‪ 2‬اﻟﻲ ‪ 9‬ﻧﻤﻮﻧﻪ ﻫﺎﻳﻲ از ﻧﺘﺎﻳﺞ اﻳﻦ روش ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ .‬روش ﺑﻪ ﻛﺎر رﻓﺘـﻪ‪،‬‬
‫زﻣﻴﻨﻪ را ﺗﺎ ﺣﺪ زﻳﺎدي ﻳﻜﻨﻮاﺧﺖ ﻣﻲ ﻛﻨﺪ و در ﻛﺎﻫﺶ ﻧﻮﻳﺰ ﺑﺴﺎر ﻣﻮﺛﺮ اﺳﺖ‪.‬‬

‫‪ -4‬ﺟﻤﻊ ﺑﻨﺪي‬
‫در اﻳﻦ ﻣﻘﺎﻟﻪ ﻳﻚ روش ارﺗﻘﺎء ﺗﺼﺎوﻳﺮ ﻣﺘﻦ ﺑﺎ اﺳﺘﻔﺎده از ﺗﺮﻛﻴﺐ ﻋﻤﻠﮕﺮ ﻫﺎي ﻣﻮرﻓﻮﻟﻮژي و ﻓﻴﻠﺘﺮ وﻳﻨﺮ اراﻳﻪ ﺷـﺪه اﺳـﺖ‪ .‬در‬
‫اﻳﻦ روش ﻧﻮﺷﺘﻪ ﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از ﻋﻤﻠﮕﺮ ﻣﻮرﻓﻮﻟﻮژي ‪ opening‬ﺣﺬف ﺷﺪه و ﺗﻘﺮﻳﺒﻲ از زﻣﻴﻨﻪ ﺑﻪ دﺳﺖ ﻣﻲ آﻳﺪ‪ .‬ﭘﺮدازش‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻓﻴﻠﺘﺮ وﻳﻨﺮ ﻗﺒﻞ از اﺟﺮاي ﻋﻤﻠﻴﺎت ﻣﻮرﻓﻮﻟﻮژي ﺑﺎﻋﺚ اﻓﺰاﻳﺶ ﻛﺎراﻳﻲ اﻳﻦ ﻋﻤﻠﻴﺎت ﺧﻮاﻫﺪ ﺷﺪ‪ .‬زﻣﻴﻨﻪ ﺑﻪ دﺳـﺖ‬
‫آﻣﺪه از ﺗﺼﻮﻳﺮ اﺻﻠﻲ ﻛﻢ ﻣﻲ ﺷﻮد و ﺑﺎﻋﺚ ﺑﻪ وﺟﻮد آﻣﺪن زﻣﻴﻨﻪ اي ﺗﻘﺮﻳﺒﺎ ﻳﻜﻨﻮاﺧﺖ در ﺗﺼﻮﻳﺮ ﺣﺎﺻﻞ ﻣﻲ ﺷﻮد‪ .‬ﻧﻮﻳﺰ ﻫﺎي‬
‫ﺑﺎﻗﻲ ﻣﺎﻧﺪه ﺑﺎ اﺳﺘﻔﺎده ﻣﺠﺪد از ﻓﻴﻠﺘﺮ وﻳﻨﺮ از ﺑﻴﻦ ﻣﻲ روﻧﺪ‪ .‬در ﻣﻮاردي ﻛﻪ ﻧﻮﻳﺰ ﺗﺼﻮﻳﺮ ﺑﻪ ﺷﻜﻞ ﻛﺎراﻛﺘﺮ ﻫﺎ وﺣـﺮوف اﺳـﺖ‬
‫ﭘﺲ ﭘﺮدازش ﺑﺎ ﻓﻴﻠﺘﺮ ‪ unsharp mask‬ﻛﺎرﺳﺎز اﺳﺖ‪ .‬اﻳـﻦ روش ﺑـﺮروي ﻣﺠﻤﻮﻋـﻪ ﺗـﺼﺎوﻳﺮ داﻧـﺸﮕﺎه ﺗﺮﺑﻴـﺖ ﻣـﺪرس‬
‫اﻣﺘﺤﺎن ﺷﺪه اﺳﺖ‪ .‬ﺑﻬﻴﻨـﻪ ﺳـﺎزي ﻫﻤـﺴﺎﻳﮕﻲ ﻫـﺎي ﺗﻌﺮﻳـﻒ ﺷـﺪه ﺑـﺮاي ﻋﻤﻠﻴـﺎت ﻣﻮرﻓﻮﻟـﻮژي و ﻫﻤﭽﻨـﻴﻦ ﻓﻴﻠﺘـﺮ ﻫـﺎي‬
‫ﻣﻨﺎﺳﺐ ﺗﺮي ﺑﺮاي ﭘﺲ ﭘﺮدازش روش ﻓﻮق‪ ،‬ﺑﻪ ﻋﻨﻮان اداﻣﻪ ﻛﺎر ﻣﺪ ﻧﻈﺮ ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬

‫‪a‬‬ ‫‪b‬‬
‫ﺷﻜﻞ ‪ -2‬ﺗﺼﻮﻳﺮ ﭘﺮدازش ﺷﺪه ﺑﺎ روش اراﺋﻪ ﺷﺪه‪ ( a .‬ﺗﺼﻮﻳﺮ اوﻟﻴﻪ ‪ ( b‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ‬
 ‫ﺷﻜﻞ ‪ -3‬ﺗﺼﻮﻳﺮ ‪ b‬ﭘﺮدازش ﺷﺪه ﺑﺎ ﻓﻴﻠﺘﺮ ‪unsharp mask‬‬

‫‪a‬‬ ‫‪b‬‬
‫ﺷﻜﻞ ‪ ( a -4‬ﺗﺼﻮﻳﺮ اوﻟﻴﻪ ‪ ( b‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ‬

‫‪a‬‬ ‫‪b‬‬
 ‫ﺷﻜﻞ ‪ ( a -5‬ﺗﺼﻮﻳﺮ اوﻟﻴﻪ ‪( b‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ‬

‫‪a‬‬ ‫‪b‬‬ ‫ﺷﻜﻞ ‪ -6‬ﺗﺼﻮﻳﺮ ‪ b-5‬ﭘﺮدازش ﺷﺪه ﺑﺎ ﻓﻴﻠﺘﺮ‬

‫ﺷﻜﻞ ‪ (a – 7‬ﺗﺼﻮﻳﺮ اوﻟﻴﻪ ‪ ( b‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ‬ ‫‪unharp mask‬‬

‫ﺷﻜﻞ ‪ – 8‬ﺗﺼﻮﻳﺮ ‪ b - 7‬ﭘﺮدازش ﺷﺪه‪ 8‬ﺑﺎ ﻓﻴﻠﺘﺮ ‪unsharp mask‬‬

‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬

‫ﺷﻜﻞ ‪(a – 9‬ﺗﺼﻮﻳﺮ اوﻟﻴﻪ ‪ ( b‬ﺗﺼﻮﻳﺮ ﻧﻬﺎﻳﻲ ‪( c‬ﺗﺼﻮﻳﺮ ﭘﺮدازش ﺷﺪه ﺑﺎ ‪unsharp mask‬‬
 ‫ ﻣﺮاﺟﻊ‬-5
[1]Nezamabadi-pour,H.,Saryazdi,S.,“An Efficient Method for Document Image
Enhancement”, IST2005

[2]Chiandussi,S.,Ramponi,G.,“Nonlinear Unsharp Masking for the Enhancement of

DocumentImages”

[3]Lim Tan,C.,Cao,R.,Wang,Q.and Shen,P.,“Character extraction from interfering

background – analysis of double-sided handwritten archival documents", proceedings of
second International conference on advance in pattern recognition,vol. 2013,
pp 93-104,2001

[4]Wang,Q.,Xia,T.,Li,L., and Lim Tan, C., “Document Image Enhancement Using

Directional Wavelet”,IEEE Conference on Computer Vision and Pattern
Recognition,vol.2.pp.534-539,2003

[5]Sattar,F.,Tay,D.B.,“ Enhancement of document images using multiresolution and

fuzzy logic techniqes”,IEEE Signal Processing Letters,vol. 6,no .10,pp.249-252,1999.

[6]Leung,C.C.,Kwok,P.C.K.,Chan,F.H.Y. and Tsui,W.K.,“Normalization of Contrast in

Document Images Using Generalized Fuzzy Operator With Least Square Method”,
IEEE proceedings of 16th International conference on pattern recognition,vol .3,
pp 115-118,2002

[7]Cheriet,M.,“Shock Filters for Character Image Enhancement and Peeling”,IEEE

peoceedings of 17th International conference on Document analysis and recognition,
pp .1247-1251,2003

[8]Shi,Z.,Govindaraju,V.,“Historical handwritten document image segmentation using

background light intensity normalization”,Proceeding of the 17th International
Conference on Pattern Recognition,vol.1,pp.473-476,2004

[9]Zhang,Z.,He,L.H.,“Notetaking with camera:whteboard scanning and image

enhancement”, in Image and multidimensional signal processing,ICASSP2004,
IMDSP-P9.7

[10]Cheng,H.,Zhigang,F.,“background identification based segmentation and multilayer

tree representation of document images”, in International conference on Image
Processing,IEEE ICIP2002.
[11] matlab help, image processing toolbox help, morphological operation,wiener2