Preproceso de caracteres extraidos de documentos Andoni Cortés Vidal Director: Clemente Rodríguez Lafuente

Indice presentación Motivación y problemas Procesos Experimentación

Motivación y problemas Reconocimiento off-line de digitos escritos a máquina, obtenidos a partir de formularios del Banco de España. Fases del reconocimiento: Preprocesado del dígito Extracción de las características Clasificación del dígito.

Motivación y problemas Problemas en los dígitos Segmentación Impresora / Escaner Tipo de fuente Números de baja calidad Solución: Mejorar la calidad y eliminar las distorsiones que presentan , utilizando preprocesos

1. Errores de segmentación Extracción del campo segmentación

2. Impresora / escáner Extracción del campo segmentación

3 3 3 3. Tipo de fuente normal cursiva negrita Tipos de fuentes de 3 distintas:

Preproceso Escala Trazo discontinuo : Ruido : Grosor : Union dirigida del trazo Dilatación Ruido : Suavizado Eliminación Grosor : Erosión Abrir Agujeros

Preproceso Escala: Inconvenientes: Beneficios: Aumento del cómputo Beneficios: Mayor eficiencia de algunos preprocesos. Librerías: StrechBlt , Leadtools

Preproceso Trazo discontinuo Componentes Conexas Metodos: Problemas: Unión del trazo Dilatación del contenido Problemas: Uniones indeseadas

Preproceso Dilatación Imagen Original Imagen Dilatada EE 1 1 1 · 1

Preproceso Recuperar Trazo Dilataciones y erosiones Horizontal  Vertical  H/V/Diagonal

ALGORITMO COMPONENTES CONEXAS CASOS UNIR TRAZO DILATACIÓN EL CONTENIDO Numero de componentes conexas: 8 CASOS UNIR TRAZO DILATACIÓN EL CONTENIDO

Preproceso Ruido Componentes Conexas Perfiles Tipos de Ruido: Con estructura Sin estructura RUIDO CON ESTRUCTURA RUIDO GAUSSIANO

Quitar ruido Suavizar Imagen 1 Quitar Punto (perfiles) Cortar Imagen Tras cortar Por arriba un 20% Suavizar Imagen CONVOLUCION 1 Divisor: 3

Quitar ruido Suavizar Imagen a b c d p e f g h Quitar Punto Cortar Imagen Tras cortar Por arriba un 20% Suavizar Imagen a b c d p e f g h SUAVIZADO FU Mejorar contorno del número. Coincidencia de patrones Dos patrones: Para entrantes de un píxel Para salientes de un píxel.

Preproceso Para el grosor Disminuir grosor del número. Adelgazar imagen con el operador morfológico de erosión. SIN ROTURA SIN ROTURA CON ROTURA CON ROTURA

Preproceso Erosión Imagen Original Imagen Erosionada EE 1 1 1 · 1

Engordar la imagen Densidad de píxeles negros. Operador dilatación. engordado El zoom suaviza los efectos del engordado

Preproceso Crear Agujeros Curvas de nivel Creación de agujeros no deseados

Experimentación Red 300 patrones Conjunto de test 20000 patrones de más de 1 nCC Sistema 17 clasificadores en paralelo Para trazo discontinuo, para cortados y para basura

Resultados Mejora el reconocimiento con respecto al zoning un 16,7% en nCC ZOOM 17 Clasificadores RR Mis Rej nC 79,6 20,4 96,31 0,56 3,13 3C 87,1 12,9 95,55 0,75 3,7 2C 90,55 9,45 95,6 0,83 3,57 Media 85,75 14,25 95,82 0,72 3,46

Resultados Justificación de los clasificadores nCC 3CC 2CC 32 25 24 Clasificador 2-9 39 36 Clasificador 10-19 4