光条纹中心的实时快速提取_江洁
第34卷第2期2008年3月
光学技术OPTICAL TECHN IQU E Vol.34No.2
Mar. 2008
文章编号:100221582(2008)022*******光条纹中心的实时快速提取
Ξ
江洁,邓珏琼,张广军,周富强
(北京航空航天大学仪器科学与光电工程学院,北京 100083)
摘 要:在光电检测系统中,光条纹中心的准确、快速提取是保证系统精度和实时性的必要条件。采用大规模并行算法和串行流水技术,提出了一种基于Steger 算法的串并结合的处理结构。该方法在比原算法节省大量逻辑资源的同时,光条纹中心提取速度得到了大大的提升。给出了基于FPG A 的实现方法,提取精度达到了亚像素级。
关
键
词:FPG A ;实时图像处理;光条纹中心;亚像素
中图分类号:TP391.41 文献标识码:A
R eal 2time implementation of light stripe center extraction
J I ANG Jie ,DE NG J ue 2qiong ,ZH ANG G uang 2jun ,ZHOU Fu 2qiang
(School of Instrument Science and Photoelectric Engineering ,Beijing University of
Aeronautics and Astronautics ,Beijing 100083,China )
Abstract :Accurate high speed extracting light stripes center is very important for an optical system.Based on massively parallel algorithm and pipelining ,a parallel 2and 2serial architecture of Steger Algorithm is proposed.The experiment shows that is a more efficient method than before ,using less logic resources but enhancing the processing speed greatly.High speed imple 2mentation of the method can be realized by using FPG A ,and accuracy of results can reach the magnitude of sub 2pixel.
K ey w ords :FPG A ;real 2time image processing ;light stripe center ;sub 2pixel
1 引 言
在光电检测系统中,带有激光条纹或干涉条纹的图像是实现测量任务的信息源。从所得到的光条纹图像序列中精确提取出光条纹的中心位置是整个检测任务中的关键环节之一。
目前对光条纹中心的提取方法有阈值法、曲线拟合法、模板法等。其中灰度阈值法、极值法、梯度阈值法等的软件实现起来简单,但精度不高;首先在光条截面上进行高斯或抛物线拟合,然后再通过求其极值点来得到光条纹中心的亚像素位置的方法只适合于图像中法线方向变化不大的直线光条纹,通用性差,而且不适合发挥硬件算法并行流水结构的优势,不适于硬件化;基于方向模板的结构光条纹中心检测方法需使用多个方向模板来检测法线方向变化较大的光条纹中心位置,该方法抗噪声能力强,具有一定的断线修补能力,但计算比较复杂,提取精度不高。
Steger [1]提出的基于Hessian 矩阵的边缘检测
算法,其检测精度可达到亚像素级,具有较好的鲁棒性和较强的通用性,并且其算法本身有很强的并行性。胡坤[2]在Steger 方法的基础上采用递归法,在
软件上实现了光条纹中心的快速提取,在原有算法基础上使提取速度再次得到了大幅度的提升。
但在实时性要求较高的光电动态测量的在线实时处理中,由于在Steger 方法中需要进行大量的大模板的卷积运算,用软件实现按时钟节拍顺序执行指令的方式无法满足系统的速度要求,因此采用了并行硬件的条纹中心提取算法,它是一种突破速度瓶颈的有效方法。由于近年来FP G A 芯片的迅速发展以及其并行计算的能力,所以为实现算法的快速计算提供了硬件保证。
本文采用了大规模并行算法和串行流水技术相结合方法,并在FP G A 芯片上实现了基于Steger 算法的光条纹中心亚像素精度的实时快速提取。
2 光条纹中心亚像素点提取原理
基于Hessian 矩阵的亚像素级光条纹中心检测算法从本质上仍属于拟合内插算法,但由于利用了图像的Hessian 矩阵,所以该算法具有较高的精度和较强的通用性。
对于二维图像f (x ,y )来说,在光条纹中心点处的一阶导数为零,即认为法向方向n (x ,y )上的一阶方向导数为零,且二阶方向导数取极大绝对值
71Ξ收稿日期:2007201209 E 2m ail :jueqiong2006@https://www.wendangku.net/doc/8812268733.html,
作者简介:江洁(19732),女,福建省人,北京航空航天大学仪器科学与光电工程学院副教授,博士,主要从事信息处理和光电导航的研究。
的点就是光条纹中心点。
为了求得边缘法线方向n (x ,y )和在该方向上的二阶导数,在此引入了Hessian 矩阵。设r x ,r y ,r x x ,r yy 和r xy 为图像与0,1,2阶高斯核卷积后得到的偏导数,对于任意一幅二维图像来说,其Hessian 矩阵可表示为
H (x ,y )=
r x x r xy
r xy r yy
(1) 光条纹图像灰度函数在n (x ,y )方向上的二阶导数对应于Hessian 矩阵的负极大绝对特征值:
λ=
r x x +r yy
2
-
(r x x -r yy )2+4r 2xy
2
(2)
对应于负极大特征值的特征向量表达式为
(n x ,n y )=r xy
r 2xy +(r x x -λ)2,λ-r x x r 2xy +(r x x -λ
)2(3)亚像素坐标为(p x ,p y )=
r xy [r xy r x +(λ-r x x )r y ]
(λ-r x x )[r 2xy +(λ-r x x )r yy ]+r 2
x x λ,(λ-r x x )[r xy r x +(λ-r x x )r y ](λ-r x x )[r 2xy +(λ-r x x )r yy ]+r 2xy λ
(4)
3 实时快速的硬件实现
基于以上Steger 算法,本文将光条纹中心提取
的硬件分成三个处理模块。总体硬件实现的体系结构如图1所示。
图1 硬件实现的总体结构
3.1 高斯微分卷积
IP 核
基于高斯模板卷积的高斯滤波器是一种应用非常广泛的滤波器,除了进行图像的平滑外,还与其它算法相结合实现精确的边缘提取、光条纹中心提取及角点特征提取等。
高斯函数的数学表达式为
g (x ,y )=e
-(x 2
+y 2
)/2σ
2
=e
-x 2/2σ
2
×e
-y 2/2σ
2
(5)
可以很直观的看出高斯函数的可分离性,即一个二维高斯卷积可以分解为一维水平高斯卷积和一维垂直高斯卷积。由于卷积是服从结合律和交换律的,因此卷积次序也可以颠倒。高斯函数的各阶偏导数也具有以上特性。
所以根据高斯函数及其1,2阶偏导数的可分离性,将二维高斯卷积和其偏导数分解为相对应的列卷积和行卷积。在相应的模板卷积中,二维模板也可分解为两个一维模板。通过模板的分解,原来需要n ×n 的模板大小变成了2n ,一维行模板和一维列模板的值是相同的,因此模板的大小从2n 变成了
n ,在硬件实现中大大减少了所需的模板存储容量。
零阶和2阶高斯模板是偶对称的,1阶高斯模板是奇对称的,因此高斯模板大小还可以从n 精简为
[n/2]+1。如图2所示。
模板的精简减少了模板本身的存储容量,从n 2
减少到[n/2]+1器的使用。图2 高斯模板的可分解性和对称性模板精简示意图
将高斯卷积模块形成IP 核,可方便各种算法直接调用进行计算。该模块包括1个数据缓存模块、1个列卷积模块、1个行卷积模块,根据不同的算法要求设置不同的模板参数,即可直接计
算出二维高斯卷积或高斯微分卷积结果。
3.1.1 数据缓存模块
为了实现多通道的实时并行列卷积运算,对从图像传感器输出的数据进行缓存。如图3所示,7×7的高斯卷积采用6个行缓存器,用有限状态机控制,6个行缓存器被同时同地址读数、循环写入,输出寄存器Row1～7位置固定,以此来实现数据的缓存和整理,按行顺序输出,方便后续的列卷积直接运算。
图3 图像数据缓存模块体系结构图
如图4所示,除空闲状态外,其它6个状态分
别对应于6个行缓存器的写操作,以及相应的数据输出。状态转换由行脉冲newline 来控制,在每一
1
71第2期江洁,等: 光条纹中心的实时快速提取
个newline 到来时检验状态变量Row 。Row =1～6分别表示写1～6#行缓存器的状态
。
图4 数据缓存状态转换图
3.1.2 列卷积运算模块
列卷积模块结构如图5所示。从高斯函数的数
学表达式计算出零阶和2阶高斯模板是偶对称的,1阶高斯模板是奇对称的。设计中采用列项数据合并单元,将对应于相同模板参数的并行图像数据两两相加(0,2阶)、将对应于互为相反数模板参数的数据两两相减(1阶)。通过列向数据合并减少了一半的并行处理的数据量
。
图5 列卷积模块体系结构
由图5可见,列并行处理单元为列项并行乘法
阵列,实现的功能是将合并后的图像数据与高斯模板参数作并行乘法运算。由于前一单元中并行处理数据量因合并而减少,所以乘法器的使用也相应减少。
列加法器树结构是一个二叉树结构,采用多重加法器阵列,实现对列并行处理结果进行并行的和累加。
列卷积运算模块的特点:
(1)列向数据合并(高斯卷积的对称性)可节省逻辑资源,且容易模块化,形成2个成型模块,即0阶模块(用于0,2阶列卷积运算)和1阶模块(用于1阶列卷积运算),且可根据情况更改模板参数,通用性强。
(2)串行流水结构,即使上一模块输出的数据不停顿的输入到该模块,并实时处理,不需要任何运算结果的缓存,在节省存储资源的同时可满足速度要求。3.1.3 行卷积运算模块
该模块利用串行移位寄存器巧妙地实现图像数据的串并转换,使列卷积运算结果串行输入到行卷积模块,并行输出进入行向数据合并单元,进行行卷积运算。
行向数据合并单元、行并行处理单元、行加法器树结构及功能与列卷积中的相应装置相同。在原先的列卷积0阶模块、1阶模块的基础上添加串行移位寄存器,即可形成行卷积的0阶模快、1阶模块。
如图6所示
。
图6 行卷积模块体系结构
3.1.4 高斯微分卷积IP 核模块组合
图7 高斯微分卷积模块体系结构图
在基于Hessian 矩阵的Steger 算法
中需要5个高斯微分卷积结果参与后续运算,分别为r x ,r y ,r x x ,r yy ,r xy 。如
图7所示,它们都是
先后执行列、行卷积的结果。依照前面图8 高斯微分卷积模块体系结构改进图提出的设计思路,此算法中的高斯卷积模块需要1个数据缓存模块、5个列卷积模块和5个行卷
积模块的组合。
从图7中不难
看出,整个算法只需
要3个列卷积运算
结果,然后对它们进行不同的行卷积,即可得到所需的5个二维卷积结果。因此改进算法采用3个列卷积模块和5个行卷积模块即可完成设计,如图8所示。
这样的设计仍然保留了串行流水的数据结构,保证了硬件算法的实时性,大大减少了逻辑资源,即在前算法的基础上节省了8个乘法器、12个加(减)
2
71光 学 技 术 第34卷
法器的逻辑资源。
本文提出的行列卷积分离的高斯微分卷积算法,结合串行流水结构和并行处理技术,较传统的二维卷积算法,不仅避免了大量的冗余运算、提高了运算速度,而且更重要的是对逻辑资源的大量节省。如表1和表2所示。
表1 乘法器需求对比
n
2D convolving implementation
Separated convolving implementation
74989811017
289
18
N
N
2
N +1
表2 处理时间对比(图像尺寸为128×128)
n
软件实现
/102(MHz/ms
)
分离卷积硬件实现/10(MHz/ms )
78.036 1.715913.28 1.74117
47.37
1.843
3.2 特征值求解模块
特征值求解模块通过求特征值的公式得到其特征值。光条纹图像取负极大特征值。
对式(2)进行简化,该模块的硬件实现框图如图9所示。
图9 特征值求解模块硬件实现框图
3.3 亚像素像点坐标求解模块
如式(4)所示,鉴于p x 和p y 公式中的部分因子是完全相同的,即[r xy x x +(λ-r x x )r y ]/{(λ-r x x )[r 2xy +(λ-r x x )r yy ]+r 2
xy λ}部分,可以形成独
立的子模块,该子模块最终经由除法器得到结果商,即将计算公式(4)中的运算由原先的先乘后除改为先除后乘,在节省了与现有算法几乎相同的逻辑资源的基础上,还使该亚像素像点计算模块能够在同一个时钟内计算出p x
和p y 两个结果值,实现实时处理。
经改进,光条纹中心亚像素坐标提取的硬件化实现的初步设计如图10所示。3.4 实验结果
本项目采用美国Xilinx 公司Spartan 2IIE 系列
器件XC2S600E 。该器件系统的门数为600,000
门,15552个LC ,BRAM288Kbits ,满足了算法进行数据缓存的硬件要求,成功地实现了基于Hessian 矩阵的光条纹中心提取算法。
图10 亚像素像点提取硬件实现框图
图11 处理结果
图(Matlab 显示)
对128×128像素图像
进行仿真,高斯模板大小为7×7。逻辑资源占用量约为48万门,BRAM 占用24kbit ,具体占用概况见表3。系统最大工作频率可达
到37.743MHz 。计算结果
达到了亚像素级,应用
Matlab 工具显示结果。整
幅图像在10MHz 工作频率下,处理时间为1.74ms 。
表3 逻辑资源占用概况
G auss
subpixel top Slices 324826805917Slice Flip Flops 2130282949584input LU Ts 501227487777Boned IOBs 121163193BRAMs
6
6
表4 处理过程的时间比较
Size of
image Software
processing (by computer /ms )
Recursive implementation (by computer /ms )
Hardware implementation (10M /ms )
128×128
55.6
33.7
1.74
从表4可以看出,并行硬件实现的速度大大加
快了。随着硬件的实现和所采用的时钟频率的提高,算法实现的速度还可以提高。如图11所示。
4 结 论
本文利用FP G A 的可重构性和硬件电路的并行体系结构,设计出了高斯卷积硬件IP 核模块,基本解决了Steger 算法中由于运算量大造成的速度瓶颈问题,并结合后续的Hessian 矩阵特征值求解模块和亚像素像点坐标求解模块,实现了光条纹中
(下转第177页)
3
71第2期江洁,等: 光条纹中心的实时快速提取
例图像如图5所示,其中图4(a )～图4(c )为CASIA
虹膜图像数据库中的虹膜图像,图4(d )～图4(f )分别是峰值信噪比为30dB ,25dB 和20dB 的加噪图像,图4(g )～图4(i )分别是采用3×3,5×5,7×7的高斯模糊算子处理后得到的模糊图像
。图4 抗噪性实验测试集示例图像
三组试验的识别率如表2所示。
表2 三组对比试验的识别率
实验1
97.78%
实验2
30dB
96.67%25dB 95%20dB 92.78%实验33×3高斯模板
97.22%5×5高斯模板97.22%7×7高斯模板
96.11%
图5
错误识别图像的示例 图5给出了错误
识别的图像。由图5
可以看出,错误识别主要是由于虹膜部分
被眼睑遮挡过多引起的,这就需要在后续的工作中引入对虹膜图像进行质量评价的步骤,遮挡过多、质量较差的图像在预处理阶段需进行预先判断,从而进一步提高识别率。4.3.2 算法运行时间
本算法采用MA TLAB7.0语言对虹膜识别进行了仿真。本算法各部分运行所需要的时间为:单幅虹膜图像预处理的时间为4s ,编码时间为1.5s ,单次模式匹配时间为0.002s 。可见,本算法基本满足实时识别的要求。
5 结 论
本文提出了基于K 2L 变换的虹膜识别方法,并在CASIA 的虹膜数据库中进行了测试,达到了98.33%的识别率。实验结果表明本文的方法是有效的。
通过对试验结果的分析可以看出,在特征选择方法固定的前提下,采用不同的预处理方法和不同的分类器会对识别率产生影响。在今后的工作中,应在预处理阶段进行图像质量评价的步骤,并需采用更优的分类器来进一步提高识别率。参考文献:
[1]Mansfield T ,Kelly G ,Chandler D ,et al.Biometric Product Test 2
ing Final Report [R ].Issue 1.0,National Physical Laboratory of U K ,2001.
[2]Daugman J G.High Confidence Visual Identification of Person by a
Test of Statistical Independence [J ].IEEE Transactions on Pattern Recognition and Machine Intelligence ,1993,15(11):1148—1161.
[3]Daugman J G.Biometrical Personal Identification System Based on
Iris Analysis [P].U S Patent :5291560,1994.
[4]Wildes R P.Automated ,Non 2invasive Iris Recognition System and
Method [P].U S Patent :5572596,1996.
[5]Boles W W ,Boashash B.A Human Identification Technique Using
Images of the Iris and Wavelet Transform [J ].IEEE Transactions on Signal Processing ,1998,46(4):1185—1188.
[6]王蕴红,朱勇,谭铁牛.基于虹膜识别的身份鉴别[J ].自动化
学报,2002,28(1):1—10.[7]何家峰,叶虎年,叶妙元.一种基于子块图像互相关的虹膜识
别方法[J ].计算机工程与应用,2003,93(7):63—64.
[8]古红英,潘红,吴飞,等.虹膜自相似性识别方法研究[J ].计
算机辅助设计与图形学学报,2004,116(17):973—977.[9]边肇祺,张学工.模式识别[M ].北京:清华大学出版社,2000.[10]Chinese Academy of Science 2Institute of Automation Database of
756Grayscale Eye Image [DB/OL ].http :∥www.sinobiometrics.
com ,2003.
(上接第173页)
心的实时提取,处理速度得到了大大的提升。本文的高斯微分卷积IP 核使逻辑资源占用量在原算法的基础上得到了明显的减少,为该算法投入实际应用提供了可行性保障。参考文献:
[1]STEGER C.An Unbiased Detector of Curvilinear Structures[J ].
IEEE Transactions on Pattern Analysis and machine Intelligence ,1998,20(2):113—125.
[2]胡坤,周富强.一种条纹中心线快速亚像素提取方法[J ].光电技
术应用,2005,20(6):60—63.
[3]贺俊吉,张广军.结构光三维视觉检测中光条图像处理方法研究
[J ].北京航空航天大学学报,2003,29(7):593—597.
[4]艾扬利,杨兵.基于FPGA 的Sobel 算子并行计算研究[J ].现代
电子技术,2005,9:41—42.
[5]张广军.机器视觉[M ].北京:科学出版社,2005.
[6]苏光大.图像并行处理技术[M ].北京:清华大学出版社,2002.[7]陈国良.并行计算机体系结构[M ].北京:高等教育出版社,
2002.
7
71第2期于雯雯,等: 基于K 2L 变换的虹膜识别方法
结构光光条提取的混合图像处理方法
?图像和信息处理? 结构光光条提取的混合图像处理方法33 周富强33,陈 强,张广军 (北京航空航天大学仪器科学与光电工程学院,北京100083) 摘要:将大模板高斯递归实现引入到结构光条纹中心提取中,提出了一种基于感兴趣区域(ROI)的结构光条纹 中心混合图像处理方法。结合图像的阈值化和膨胀算法,自动分割出结构光条所在区域作为光条提取的ROI, 利用高斯卷积递归实现获得ROI内光条纹各点的Hessian矩阵,并确定光条纹各点的法线方向,最后在法线方 向利用泰勒级数展开求得ROI内光条纹中心的亚像素图像坐标。实验表明,基于ROI的结构光条纹中心混合 图像处理方法具有精度高、鲁棒性好和自动化程度高等特点,所提出的算法大大地减少了结构光条纹提取的冗 余计算,实现了光条纹中心线的快速高精度提取。在保证光条提取的精度和鲁棒性前提下,所提出的算法将光 条提取速度提高了10多倍,为结构光视觉三维测量的实时应用奠定了基础。 关键词:结构光视觉;条纹;感兴趣区域;亚像素 中图分类号:TP391.41 文献标识码:A 文章编号:100520086(2008)1121534204 C omposite im age p rocessing for center extraction of stru ctu red light strip e ZHOU Fu2qiang33,CHEN Qiang,ZHANG G uang2jun (School of Instrument Science&Opto2electronics Engineering,Beihang University,Beijing100083,China) Abstract:Recursive implement algorithm of G aussian convolution with tremendous template size has been applied to the cen2 ter extrication of structured light stripe.A composite image processing method to detect the sub2pixel center of structured light stripe based on region2of2interest(ROI)is proposed.By combining image threshold with image dilation,ROIs of struc2 tured2light are automatically segmented in a measured image.The normal directions of light stripe in ROI is determ ined by Hessian matrix,which is obtained from recursive implement of G aussian convolution.The sub2pixel center of the light stripes can be found in normal directions with T aylor series expansion.Experiments show that the proposed method drastically re2 duces the redundancy computation and implements high2accurate center extrication of structured light stripe with high speed. K ey w ords:Structured2light vision;stripe ROI;sub pixels 1 引 言 结构光视觉三维测量具有非接触、动态响应快、系统柔性好等特点,广泛应用于产品快速设计和加工质量控制、逆向工程以及自动控制等诸多领域[1～4]。结构光视觉三维测量技术通过向被测对象投射相应模式的结构光,由摄像机拍摄变形光条图像,基于光学三角原理获取物体表面三维信息,已成为解决物体表面形貌测量、空间位置测量、三维运动信息获取等许多在线测量的最有效途径。 在结构光视觉测量系统中,结构光光条经过被测物体表面的深度变化而受到调制,反映到图像中则发生了畸变,其畸变的程度包含了激光器、CCD摄像机之间的相对位置信息以及被测物体表面的深度信息。要想获得这些信息,必须从包含光条的图像中获取光条中心的图像坐标。因此,在结构光视觉检测中,获取结构光光条中心的高精度图像坐标是结构光视觉传感器校准[5]及获得被测物体三维轮廓[6]的关键步骤。 常见的光条中心线提取方法有灰度阈值法、极值法、梯度阈值法等,这些方法实现简单,但精度不高。贺俊吉等[7]在光条截面上进行高斯或抛物线拟合,再通过求其极值点来得到光条纹中心的亚像素位置,该方法只适合于图像中法线方向变化不大的直线光条纹。图像中的光条可以理解为曲线结构或有一定宽度的线条。Steger[8]利用Hessian矩阵得到图像中的道路和血管等类似条纹的法线方向,然后求法线方向上的极值点得到条纹中心线的亚像素位置。Steger方法具有精度高,鲁棒性好等优点,广泛应用于航拍图像和医学图像的自动分割。Steger方法包含对整幅图像的至少5次大模板高斯卷积运算,因此计算量非常大,很难实现光条纹中心线的快速提取,难以满足实时性要求高的应用场合,如钢轨磨耗动态检测。 光电子?激光 第19卷第11期 2008年11月 Journal of Optoelectronics?Laser Vol.19No.11 Nov.2008 3 收稿日期:2007209220 修订日期:2007211223 3 基金项目:国家自然科学基金资助项目(50605002);教育部新世纪优秀人才支持计划资助项目(NCET20520194);航空科学基金资助项目(05151062) 33E2m ail:zfq@https://www.wendangku.net/doc/8812268733.html,
ArcGIS方法利用到路面提取道路中心线的方法
A r c G I S方法-利用到路面提取道路中心线的方法利用到路面提取道路中心线的方法在利用GIS制图时，需要经常跟数据打交道。很多初级的制图人员都存在一种惯性思路，以为数据精度越高，出图的效果就越好。这是错误的观点。假如现在需要制作1:1w的地图，但手头上却只有1:500的地形图，数据精度虽然很高，但却无法在小比例尺下显示出来。回到主题上，1:500的数据，大多数道路都是以面状显示。由于其精度高，有些数据甚至是不带线道路图层的，而在1w的地图下，道路以线状表达才是符合要求的。所以，这就需要涉及到地图制图的一个常规工作—地图缩编。本文主要介绍如何从到路面直接提取出道路中心线，从而辅助小比例尺地图的制作。 由于面状数据一般都是不规则的，所以很难从其提取中心线，一般的GIS软件也没提供直接提取的工具。ArcGIS里面虽然也有一些工具可以辅助一下处理，例如在制图工具箱里面有一个提取中心线的工具，但这个工具的作用是通过道路边线（双线）提取中心线。也有人说ArcGIS里面同样是提供面转线工具，先用工具转一道再提取不就行了吗？可是问题来了，面转线工具传出来的数据是封闭线，而不是道路边线，提取中心线工具依然是不可用，除非在每个路面图形打断两端的封闭，不然无法进行提取，恰好打断工作又是非常的巨大。因此，该方法还是不可用。 为了解决这个问题，那就是ArcScan扩展模块。提到ArcScan扩展，很多专业人员第一时间反应是这只是个栅格矢量化工具，跟当前讨论的中心线提取似乎没有任何关系。只要深入了解ArcScan扩展的具体细节，我们不难发现其自动矢量化里面可以提取面要素和中心线，利用这一特性，我们就可以曲线去完成该任务了。 先来说说总体思路：将路面（矢量面数据）转化为栅格数据，因为ArcScan只能对栅格数据进行处理，由于是从矢量转为栅格而非扫描，栅格质量一般会非常好；通过二值化栅格
一种基于脊线跟踪的冠状动脉中心线提取方法
收稿日期:2006-11-26;修订日期:2007-07-06 基金项目:新世纪优秀人才支持计划资助项目(NCET 20420948) 作者简介:高飞(1968-),男,山东昌乐人,副教授,博士,主要研究方向:智能信息处理、图像图形学; 高新波(1972-),男,山东莱芜人,教授,博士,主要研究方向:智能信息处理、图像工程、视频信号处理. 文章编号:1001-9081(2007)S1-0380-02 一种基于脊线跟踪的冠状动脉中心线提取方法 高 飞1 ,高新波 2 (1.深圳大学信息工程学院,广东深圳518060;2.西安电子科技大学电子工程学院,陕西西安710071)(nels on_gao2010@yahoo .com;nels ongao2010@g mail .com ) 摘 要:冠脉血管中心线的提取是血管造影图像定量分析中的关键步骤。基于脊线跟踪法,提出了一种血管中心线自动提取方法。通过交互式地指定一个起始点和一个终止点,该算法能够自动获取两点间的血管中心线。实验结果表明了该方法的鲁棒性和可重复性。 关键词:中心线提取;定量冠脉分析;脊线跟踪中图分类号:TP391.41 文献标识码:A 0 引言 冠脉血管造影是临床诊断的重要手段。对冠脉血管进行 定量分析具有重要的实际意义。与传统定性诊断方法相比,它克服了医生判断的主观随意性,提供了更为客观准确的诊断依据。血管轮廓线和中心线的自动提取是血管定量分析的前提。在血管造影图像中,血管的提取可以采用基于区域或边缘的图像分割技术。文献[1]中指出血管的剖面灰度分布呈近似高斯型,因此利用二维高斯模板来提取血管,但该方法比较耗时。文献[2]中利用一维旋转高斯模板代替了二维高斯模板,降低了算法的复杂度。不过,从精确分析的角度看,在血管分析中准确提取血管边缘是更好的选择。在现有的许多血管轮廓提取算法中,血管中心线的检测是最为关键和困难的一步。最简单的方法是手工描绘[3],但该方法费时费力且可重复性差,所以逐渐为人机交互的半自动方法所取代。在这些交互式方法中,操作者只需指明待分析血管段的起始点和结束点,就可以自动获得两点间的中心线[4,6]。不过,现有的中心线提取算法大都基于动态规划方法的,搜索时间较长,难以满足临床上实时性的要求。因此急需研究实时性能好的血管中心线提取算法。 既然血管剖面呈近似高斯分布,那么可以将血管的中心线看作脊线。中心线提取问题就转化为脊线的检测。受文献[5]中指纹特征点提取的脊线跟踪法的启发,本文提出了一种基于脊线跟踪的血管中心线提取方法,在实际应用中也取得了比较好的效果。需要指出的是,这里所说的中心线并不是严格的血管的对称轴线,只要求它位于血管内部且与血管走向一致即可,文献[4]中对此有详细说明。 1 血管中心线提取算法 1.1 图像预处理 血管造影图像质量因拍摄条件的不同而参差不齐,一般都有较强的噪声干扰。既然本文方法主要依据的是血管的脊线特征,因此,首先需要降低噪声对脊线特征的破坏。这里采用二维高斯模板来平滑噪声,模板大小一般应大于所选血管段的最大直径。图1显示了滤波的效果:图1(a )是沿血管一个剖面(垂直中心线方向)的灰度分布曲线,可以看到它近似 的反高斯形状;图1(b )是相应位置的梯度强度;图1(c )(d )为对应的平滑处理结果,可以看到,虽然处理后目标与背景的对比度降低了,但目标灰度和梯度的真实结构得到了加强,这有利于后面准确的计算局部脊线方向 。 图1 预处理结果显示 1.2 中心线跟踪 跟踪过程可以分为两步:局部脊线方向计算和中心线上点的更新。局部脊线方向计算方法将在1.3节中详述,这里假设已经得到了这个方向。为了叙述方便,以下将正在处理的点称为当前点。如图2所示,P k -1是当前点,在P k -1处计算 得局部脊线方向为θk -1,由P k -1沿θk -1前进d 个像素到达P ′k ,通过点的更新操作更新到P k ,此时P k 成为当前点。重复以上过程直到停止条件满足。在P ′k 点的更新操作中利用了匹配滤波方法:在P ′k 点得到局部脊线的估计方向θ′k ,以P ′k 为中心,在θ′k +π 2 的方向上获得剖面灰度分布曲线g ′(i )(i =1,…,2l +1)。设f (k )(k =-m ,…,m )为一维高斯 滤波模板,长度为2m +1,满足 ∑k f (k ) =1。通过下式来得到 更新的灰度分布g (i )(i =1,…,2l +1): ∑m v =-m f (v ) g ′ (i +v ),i =m +1,…,2l -m g ′(i ), 其他 (1) 取g (i )的局部极小值点作为更新点P k (如图2所示)。其中,参数l 、m 、d 可以经验地选择,l 应至少大于最大血管直 第27卷2007年6月 计算机应用 Computer App licati ons Vol .27June 2007
冠状动脉中心线提取
冠状动脉中心线提取 2018.12.5 1简介 1.1步骤和实现方式 本次任务是从冠状动脉增强图像提取血管中心线。步骤和实现方式大致如下： ?图像二值化：读入.mha格式CT图像，阈值处理； ?空洞填充 ?图像细化：类似腐蚀，取最大内切球心的集合 ?端点分叉点检测：考虑26邻域内像素个数，卷积实现 ?断裂分支重连：寻找连接点，条件判断，Dijkstra最小代价连接 ?构建中心线：在分叉点集基础上追踪，数组存储在Cell中 1.2运行说明 coronary_refine.m是主要的运行函数。其他函数和脚本：branchReconnect输入细化后的图像和权重（原始CT volume的像素值为可能性），其中调用了三维的Dijkstra函数；directConnect脚本很简短地实现在三维图像中两点连直线，但因为用了最短路径所以没有采用；其余函数都是由比较冗长的小功能封装成的。两张图片运行时间小于一分钟。 2实现方法 2.1阈值 为了不让阈值化后丢失的成分过多，对后续分支重连的步骤造成困难，这里选择了较小的阈值0.1*原图最大值(2^16)。这也导致最后结果中分支会显得比0.5的阈值下丰富很多，但算法能够原图(mha)保证最终中心线和真实血管走向的一致性。 2.2空洞填充 一开始使用的是imfill函数，通过查看源代码可见这个函数调用了imcomplement和imreconstruct对二值图像进行填充。imfill对三维图像的处理速度较慢，最终使用形态学库函数bwmorph3中的fill功能进行处理。
图1:Skeleton of a rectangle defined in terms of bi-tangent circles. 2.3图像细化 程序中调用了bwskel来实现。Thinning在文献中有两种最为常见的方法，一种被称为“Onion peeling”1，顾名思义用不断的腐蚀操作来一层一层地剥开血管，难点是设置一定的条件来保证原有拓扑结构。这个方法也是bwskel的参考文献中使用的方法。2还有一种细化方法也和腐蚀有些类似，基本思路是求连通域内部的内切圆心（三维为球心）集合，如图一。 2.4基于卷积的端点分叉点检测 虽然形态学库函数中同样有branch和endpoint的功能，但这两个功能的feature都导致它们并不适合直接使用。比如bwmorph3中branch会返回所有分叉点以及分叉点各自的相邻点。面对如此古怪的feature，不如构造简单的卷积核来求端点分叉点。 ?分叉点检测 首先考虑3*3*3全1的卷积核。在二值、细化图像非分叉部分，其响应应该为3。如果将响应大于3的视为分叉，其结果中会有很多处于真正的分叉点附近、实际却为原图空白部分的点被误判成分叉。原因就是分叉附近往往点较为密集，空白点的26邻域内也容易出现多个1，导致超出阈值。解决方法很简单，要让卷积能区分出原中心线上的点和空白格，只要在kernel的中心加大权重，这样空白格的响应和值为1的点差距会变得很大，从而被排除在外。代码如下（因为convolution包含padding，最终结果还需删除padding部分）： 1A Sequential3D Thinning Algorithm and Its Medical Applications 2Ta-Chih Lee,Rangasami L.Kashyap and Chong-Nam Chu Building skeleton models via3-D medial surface/axis thinning algorithms. Computer Vision,Graphics,and Image Processing,56(6):462-478,1994.
如何从图片中提取文字
如何从图片中提取文字？ 悬赏分：20 - 提问时间2008-9-20 10:50 因为工作原因，我需要从一些图片中，提取其中的文字，有的时候看的清楚，还没什么关系。但经常图片中的文字，很不清楚，完全没法看。以前用过尚书。但是不行，不是提不出来，就是乱码。 我想问下各位大虾，有没有什么其他的软件可以实现的。或者是有什么办法不借助软件的，也行。谢谢！ 提问者：oakwins - 一级 其他回答共 3 条 基本没有 回答者：gujin170 - 八级2008-9-20 17:49 从图片中提取文字的软件叫OCR软件 你搜索ocr软件就可以了。不借助软件就只有人眼了。 人眼看不清楚，软件就更不能了，除非是军用专业软件。 回答者：尼欧赵- 三级2008-9-24 15:41 微软在Microsoft Office 2003中的工具组件中有一个“Microsoft Office Document Imaging”的组件包，它可以直接执行光学字符识别（OCR），下面笔者就为大家介绍利用Office 2003新增的OCR功能从图片中提取文字的方法。 第一步我们需要安装“Microsoft Office Document Imaging”的组件，点“开始→程序”，在“Microsoft Office 工具” 里点“ Microsoft Office Document Imaging” 即可安装运行（如图1所示）。 图1 安装组件 第二步打开带有文字的图片或电子书籍等，找到你希望提取的页面，按下键盘上的打印屏幕键（PrintScreen）进行屏幕取图。 第三步打开Microsoft Office Word 2003 ，将刚才的屏幕截图粘贴进去；点击“文件”菜单中的“打印”，在安装Microsoft Office Document Imaging组件后，系统会自动安装一个名为“Microsoft Office Document Imaging Writer”的打印机。如图2所示，在“打印机”下拉列表框中选择“Microsoft Office Document Imaging Writer”打印机，其他选项无须额外设置，点击“确定”按钮后，设定好文件输出的路径及文件名（缺省使用源文件名），然后很快就可以自动生成一个MDI格式的文档了。
电脑上如何提取图片中的文字教你3个方法
相信大家在电脑上查找资料时，经常遇到不能复制的内容，很多人只能失望的关闭页面。 那么大家有没有尝试过，将文本内容截图下来，然后再提取图片中的文字。 下面就来教你3个方法，10秒轻松搞定。 方法一、WPS提取 1、图片转文字 WPS也是当前主流的办公软件，这上面有很多特色功能，都是我们在办公时经常用到的，进入软件点击顶部的【特色应用】，在下方找到【图片转文字】功能。 2、具体操作步骤
进入图片转文字功能中，点击【添加图片】按钮，上传图片到这里，然后在右边选择转换方式为【提取纯文本】。 等待10秒左右，我们就可以看到转换的结果了，直接将左边的图片上的文字，提取到右边的空白处，这时就可以自由复制啦。
方法二、Office提取 1、笔记管理平台 在Office软件中，一直隐藏着【OneNote】应用，这其实就是一站式笔记管理平台，只是我们很少去用，里面也具有提取图片文字功能。
2、具体操作步骤 进入我的笔记本，在快速笔记下方，将图片拖入进来，接着鼠标右击，选择【复制图片中的文本】，最后在下方右击选择粘贴，图片中的文本就被提取出来了。
方法三、工具批量提取 1、OCR文字识别 前面的两种方法，只能单张提取，如果有很多张图片需要提取文本，这就需要用到迅捷OCR文字识别软件，支持一键批量提取。 2、具体操作步骤 在电脑上打开这个工具，在左侧工具栏中找到【OCR文字识别】-【批量识别】；接着再选择【添加文件】，找到需要提取的图片，批量选中后点击【打开】。
图片添加完成后，在底部将导出格式改为【TXT文件】；将导出目录改为【自定义】，选择一个保存路径，最后点击【开始识别】按钮，等待提取结果即可。 想要在电脑上提取图片中的文字，大家就用这几个方法试试。
光学显微线条纹图像中心线提取
第25卷一第5期2017年5月一一一一一一一一一一一一光学精密工程一O p t i c s a n dP r e c i s i o nE n g i n e e r i n g 一一一一一一V o l .25一N o .5一一M a y 2 017一一收稿日期:2016-09-29;修订日期:2016-11-29.一一基金项目:国家自然科学基金资助项目(N o .U 1501247,N o .51605166,N o .1609206);广东省科技计划资助项目(N o .201604010100,N o .2015B 020239001)文章编号一1004-924X (2017)05-1340-08 光学显微线条纹图像中心线提取 李一海,张宪民?,黄沿江,单译琳(华南理工大学广东省精密装备与制造技术实验室,广东广州510640) 摘要:由于接近光学衍射极限,微米尺度线条纹在经过高倍显微镜放大成像后边缘通常都很模糊,加上同轴光源产生的光照不均匀现象,成像质量通常很差三为了有效测量微米尺度线条纹间距,本文提出了一种针对光学显微线条纹图像的中心线提取算法三首先,采用R e t i n e x 方法对原图像进行增强, 以克服由光照不均匀所造成的无法准确分割的问题三接着,使用O s t u 最佳阈值对图像进行二值分割三然后, 针对分割后条纹边缘含有大量毛刺和凹陷的现象,使用基于快速步进算法的边缘塌陷法对中心线进行准确提取三最后,对提取中心线进行了最小二乘拟合三实验结果表明:本文提出的方法可以有效实现微米尺度线条纹光学显微图像中心线的准确提取三使用本方法对标准宽度线条纹间距进行实测的最大测量偏差小于2%三关一键一词:显微图像;线条纹;中心线提取;快速步进法;R e t i n e x ;边界塌陷中图分类号:T P 394.1一一文献标识码:A一一d o i :10.3788/O P E .20172505.1340 C e n t e r l i n e e x t r a c t i o no f s t r i p e i m a g e db y o p t i c a lm i c r o s c o p e L IH a i ,Z H A N G X i a n -m i n ?,HU A N G Y a n -j i a n g ,S H A N Y i -l i n (G u a n g D o n g P r o v i n c eK e y L a b o r a t o r y o f P r e c i s i o nE q u i p m e n t a n d M a n u f a c t u r i n g T e c h n o l o g y ,S o u t hC h i n aU n i v .o f T e c h .,G u a n g z h o u 510641,C h i n a )?C o r r e s p o n d i n g a u t h o r ,E -m a i l :z h a n g x m @s c u t .e d u .c n A b s t r a c t :D u et ot h e p r o x i m i t y o ft h eo p t i c a ld i f f r a c t i n g l i m i t a t i o n ,t h ee d g e so ft h es t r i p e si n m i c r o m e t e r s c a l e a r eb l u r r e d a f t e rm a g n i f i c a t i o nb y t h e o p t i c a lm i c r o s c o p e .T o g e t h e rw i t h t h eu n e v e n i l l u m i n a t i o n c a u s e db y c o a x i a l l i g h t i n g s o u r c e ,t h es t r i p e i m a g e q u a l i t y i sv e r yp o o r .T oe f f e c t i v e l y m e a s u r e t h e s t r i p e d i s t a n c eb e t w e e n t w o s t r i p e s i nm i c r o m e t e r s c a l e ,a c e n t e r l i n e e x t r a c t i o n a l g o r i t h m w a s p r o p o s e d .F i r s t ,as i n g l es c a l e R e t i n e x m o d e lw a sa d o p t e dt oe n h a n c et h eo r i g i n a l i m a g et o o v e r c o m e i n a c c u r a t es e g m e n t a t i o nc a u s e db y u n e v e ni l l u m i n a t i o n .A f t e rt h a t ,b i n a r y s e g m e n t a t i o n w a s c o n d u c t e do nt h ee n h a n c e di m a g ev i ao p t i m a l t h r e s h o l dv a l u eo fO s t u .T h e n ,d i r e c t i n g a t t h e p h e n o m e n o n t h a t t h e r ew a s m u c hr a g a n dh o l l o w a t t h eb o u n d a r y o fs t r i p e sa f t e rs e g m e n t a t i o n ,a b o u n d a r y c o l l a p s e m e t h o d b a s e d o n f a s t m a r c h i n g a l g o r i t h m w a s u t i l i z e d t o e x t r a c t c e n t e r l i n e a c c u r a t e l y .F i n a l l y ,l e a s ts q u a r ef i t t i n g m e t h o d w a sc o n d u c t e dt of i tt h e e x t r a c t e d c e n t e r l i n e s .E x p e r i m e n t a l r e s u l t ss h o w t h a tt h e p r o p o s e d m e t h o dc a ne f f e c t i v e l y r e a l i z ea c c u r a t ee x t r a c t i o no f s t r i p e c e n t e r l i n e i nm i c r o s c o p i c i m a g ew i t hm i c r o m e t e r s c a l e ;t h em a x i m u m m e a s u r e dd e v i a t i o no f t h i s m e t h o d i sl e s st h a n2%w h e ni ti su s e df o r m e a s u r i n g s t r i p ed i s t a n c eb e t w e e nt w os t r i p e s w i t h s t a n d a r dw i d t h .K e y w o r d s :m i c r o s c o p i c i m a g e ;s t r i p e s ;c e n t e r l i n e e x t r a c t i o n ;f a s tm a r c h i n g m e t h o d ;r e t i n e x ;b o u n d a r y c o l l a p s e 万方数据
基于Hessian矩阵的线结构光中心线提取方法研究
10.16638/https://www.wendangku.net/doc/8812268733.html,ki.1671-7988.2017.22.013 基于Hessian矩阵的线结构光中心线提取方法研究 李栋梁，唐阳山，黄贤成，朱停仃 （辽宁工业大学汽车与交通工程学院，辽宁锦州121001） 摘要：在现代工业产品制造过程中，线结构光扫描三维视觉系统已经在表面缺陷检测的许多方面得到运用，而线结构光扫描的关键要提取出模型的中心线。研究以Steger算法为前提，在线结构光条纹中心提取中引入了大模板高斯卷积递归得算法，提出了基于Hessian矩阵的线结构光条纹中心线提取的快速算法。此算法借助于高斯卷积递归求得条纹各点矩阵，进而求出条纹各点法线方向，然后运用泰勒级数在法线方向求得条纹中心准确位置。这种方法不仅减小了以前算法的运算量，而且可以快速高效的提取出中心线。 关键词：结构光视觉；光条；亚像素；高斯卷积 中图分类号：TP301 文献标识码：A 文章编号：1671-7988(2017)22-37-03 Based on the Hessian matrix of the linear structured light center Line extraction method research Li Dongliang, Tang Yangshan, Huang Xiancheng, Zhu Tingting ( Cars and traffic engineering of liaoning university of technology college, Liaoning Jinzhou 121001 ) Abstract: In the process of manufacturing modern industrial products, the line-structured optical scanning 3D vision system has been applied in many aspects of surface defect detection, and the key to the line-structured optical scanning is to extract the center line of the model. Based on the Steger algorithm, this paper introduces a large template Gaussian convolution recursive algorithm based on the Hessian matrix, which is based on the Hessian matrix. This algorithm uses the Gaussian convolution to obtain the stripes of each point matrix, and then find the stripes of the normal direction, and then use the Taylor series in the normal direction to find the exact location of the stripes center. This method not only reduces the computational complexity of the previous algorithm, but also can quickly and efficiently extract the center line. Keywords: Structured light vision; Light bar; Sub-pixel; Gaussian convolution CLC NO.: TP301 Document Code: A Article ID:1671-7988(2017)22-37-03 前言 当前阶段，国内外传统的线结构光中心线的提取方法有极值法、阈值法、灰度重心法、Steger算法等[1]。传统的Steger 算法提出了一种利用Hessian矩阵求出结构光条纹的法线方向，进而求出光条纹中心线的法线方向上的极值点得到亚像素位置[2]。但其运算量大以及在光条纹中心线的提取速度方面存在欠缺，难以满足对时间要求较高的工业生产中。本文所研究的线结构光中心线提取方法以传统的Steger算法为前提，在线结构光条纹中心提取中引入大模板高斯卷积递归，提出基于Hessian矩阵的线结构光条纹中心线提取的快速算法[3]。此算法借助于高斯卷积递归求得条纹各点矩阵，进而求出条纹各点法线方向，然后运用泰勒级数在法线方向求得条纹中心准确位置。 作者简介：李栋梁，就读于辽宁工业大学汽车与交通工程学院。基金项目：辽宁省科技厅联合基金项目(201602375)。
学会这2种方法轻松提取图片中的文字
当我们在网上搜索一些资料，很多内容是不能复制粘贴的。有的小伙伴的打字速度挺快的，就一点一点将搜索到的内容手动输入下来了。而对于我们这些职场新手来说，打字那是不可能的，这时我们只要学会图片转文字的操作就可以将需要的资料保存下来了。接下来小编给大家分享两种可以轻松提取图片文字的两种方法。 方法一：使用OCR软件 软件介绍： 迅捷OCR文字识别软件是我们在办公中常用的一种办公工具，该软件支持极速识别、OCR文字识别、票证识别、语音识别、文档翻译。 具体图片转换文字的操作一起看看： 打开电脑上的OCR文字识别软件之后，在极速识别和OCR文字识别都是可以完成图片转换文字的操作的，我们选择其中一个即可。如选择OCR文字识别功能。 在OCR文字识别功能的页面中，我们就选择截图识别功能了，页面中有截图的快捷方式，先打开要截图的页面，返回到OCR文字识别的页面中按下快捷键就可以进行截图了。
截取的图片在OCR文字识别的页面中有显示，我们对导出格式和导出目录进行一个简单的调整，点击页面右下角的“开始识别”就搞定啦。 方法二：使用在线网站 网站介绍： 该网站是一个PDF转换器的网站，支持多种PDF文件的转换。具备文档转换，文档处理，文档文本翻译，音视频转换，图片文字识别，语音识别等功能。以下给大家看看详细的操作： 当进入到PDF转换器在线网站后，选择点击“图片文字识别”功能中。
在跳转出的图片文字识别页面，需要添加一下图片文件，这个需要我们提前保存一下图片了。需要转换的图片上传成功后，该网站就会自动进行识别了。识别好的文件点击立即下载即可。 图片转换文字怎么转？这下大家学会了吧！简单的两种操作，可以帮助我们实现图片转换文字的操作，以后提取图片中的文字再也不用手动码字了，有需要的小伙伴们可以学学哈！
图片文字提取简易方法--有图有真相
在工作中，我常常在想，要是能把纸上有用的文字快速输入到电脑中，不用打字录入便可以大大提高工作效率该有多好呀！随着科技的发展，这个问题在不断的解决，例如，现在市场上的扫描仪就带有OCR软件，可以把扫描的文字转换到电脑中进行编辑。但是，对于我们平常人来说，大多数人都是即不想多花钱购买不常用的设备，又不想费力气打字录入，那我就给大家提供一个我刚刚发现的方法吧！现在数码相机很普遍，也很常用，我们就从这里下手吧。 工具准备： 硬件：电脑一台数码相机 软件： word2003(其它的版本我没有实验) doPDF （百度可以搜索下载，是一款免费的PDF制作软件） AJViewer软件（在百度可以搜索下载，是一款免费的阅读器） 步骤： 1、在电脑中安装 doPDF和AJViewer 2、用数码相机把需要的文字拍下来（相机和照像水平就不多谈了。照片效果越好，可以大大缩小转换文字的误差率） 例如： 3、在word中插入你用数码相机照的书上的文字（打开word——插入菜单——图片——来自文件——选择照片——插入）
4、在word中选择文件菜单——打印——在打印机选项中选择doPDF——确定——点击“浏览”选项——选择文件保存的位置和填写文件名称——保存——确定 5、按照上面的步骤，电脑会自动打开AJViewer软件，若没有自动打开该软件，可以自己打开AJViewer软件，然后在AJViewer中打开刚刚转换的PDF文件。 6、选择AJViewer中的，然后在需要的文字部分拖动鼠标画出虚线。 7、点击发送到word按钮，就可以转换成word文件了。可以编辑了。 第6、7步骤图片如下：
怎样提取图片中的文字
怎样提取图片中的文字 使用电脑过程中，需要抓取文字的地方很多，如提示框、对话框、菜单、图片、PDF、视频等等位置的文字，有时还需批量获取大量文件的文件名，以方便修改名称。这些需求如何快速实现呢，笔者将这方面的技巧总结出来，与朋友们共享。 一、抓取对话框、菜单上文字 CTRL+C快捷键只对系统提示框有效，要抓取对话框和菜单上的文字，就需借助抓取文字工具，这类工具很多，这儿介绍AquaDesktop这款常用工具。它能抓取屏幕上任何程序任何地方的文本，即使被禁止拷贝的文本，也能轻松抓取。
从https://www.wendangku.net/doc/8812268733.html,/soft/28432.html下载AquaDesktop V1.5.0.29绿色版，解压运行后，打开需要抓取文字的菜单，按下CTRL键，再在需要的菜单项的空白处点击鼠标右键，就将该菜单文字抓取，并在弹出菜单中显示，点击菜单上的“点击复制文本”项，将抓取的文字复制到剪切板，随后粘贴到需要的位置即可。该工具也能抓取对话框文字，同时按住CTRL+SHIFT键，再按住鼠标左键拖选需要抓取的文字区域，松开鼠标左键，抓取的文字显示在菜单中（图2）。
二、抓取图片和视频文字 由于工作需要，经常要从扫描或相机拍摄图片上获取文字，甚至要从视频中获得文字，进行二次编辑再使用。可是图片和视频上的文字不能复制，如何解决将图片和视频上文字转换成编辑的文本这一难题呢？ 那就使用“文通慧视”这款绿色版工具来抓取其上的文字吧，这款工具对于能看到的文字，它就能抓取。同时支持图片、PDF和视频上的文字抓取，效率和效果都很出色。 1、抓取图片上文字 从https://www.wendangku.net/doc/8812268733.html,/soft/sort001/sort0370/down-72973.html下载“文通慧视”后，解压到英文目录下，执行其中的注册表文件WtSign32.reg进行注册，随后再执行“文字识别.exe”启动软件，运行后软件的工具条出现在屏幕的上方，默认工具条是自动隐藏的，也可以进行锁定，操作起来非常简单，就像QQ面板一样。
如何提取图片中的文字
如何提取图片中的文字 图片格式的文件是我们经常会遇到的，无论是工作还是学习我们会使用到图片资料，如果想要提取图片中的文字应该怎么做？如何提取图片中的文字呢？ 很多时候我们遇到这种情况都是，用电脑自己手动一个一个输入，但是这样毕竟比较麻烦，有什么简单好用的方法吗？接下来小编就给大家推荐两种文字识别的方法！ 识别工具： 1、捷速ocr文字识别软件https://www.wendangku.net/doc/8812268733.html, 2、迅捷pdf在线转换器 操作方法一： 1、我们首先需要在浏览器上搜索“捷速ocr文字识别软件”然后点击进行下载安装。
2、等到将识别软件安装好之后，点击“高级识别”我们就可以进行图片文字识别了。 3、然后点击上方的“添加文件”将需要识别的图片文件打开，就可以了。
4、等到将图片文件打开之后，我们点击“内容解析”将图片文字的排版先解析出来。 5、这样识别出来的图片文字才不会错乱，然后我们就可以点击“识别”这样图片文字识别就开始了。
6、点击上方的“保存为word”将识别好的文件用我word文档进行保存就可以了。 操作方法二： 1、上述就是利用ocr文字识别软件将图片的文字提取出来，其实我们也可以利用迅捷pdf在线转换器，在线识别图片文字。
2、打开在线转换器之后，我们点击上方菜单栏的“图片ocr识别”选项，然后将需要识别的图片文件打开。 3、等到将需要识别的图片文件打开之后，点击“开始识别”文字识别就开始了。
4、将识别好的文字，点击“立即下载”就可以下载到电脑上使用了。 以上就是提取图片中的文字方法，怎么样小编的这些步骤你们都学会了吗？看完小编的文章因该都会了吧？赶紧自己动手去试一试吧！
怎样提取图片中的文字
现在教你提取图片中（或扫描版PDF）的文字 如果在书上看到一篇好文章用相机拍下来，或是纸质文章需要输入到电脑时，如果数量比较大，手动输入会很慢，下面介绍几中方法将图片中的文字转化为文本，同样适用于影印版PDF。 1 ABBYY FineReader 11软件 泰比（ABBYY）FineReader提供直观的文件扫描和转换成可编辑、可搜索的电子格式工具。泰比（ABBYY）FineReader可以识别和转换几乎所有打印的文档类型，包括书籍、志上的文章与复杂的布局、表格和电子表格、图片，甚至以准确的精度发传真。 下载地址：网上随便一搜就很多例如： https://www.wendangku.net/doc/8812268733.html,/soft/Application/Processing/15768.html 破解补丁： https://www.wendangku.net/doc/8812268733.html,/space/file/l513980209/share/2011/11/2/ABBYY_F ineReader_11_Professional_Edition_-514d-5e8f-5217-53f7-65e0-9650-5236 -7834-89e3-7248-7834-89e3-6587-4ef6.rar/.page# 破解方法：将下载的文件替换安装文件即可。
2 Office200 3 自带组件Microsoft Office Document Imaging 如果Office装的是精简版，那么在就没装这个组件，可以自己装一下或是下载完整版。装完后如下图。 第一步：转换文件格式。用ACDSee打开你的.jpg文件，单击界面上的“浏览器”按钮（或者双击当前图片都可以进入到浏览器界面），在打开的浏览器中，右键这个文件，在右键菜单中选择“工具/转换文件格式”；在转换文件格式对话框中，选择TIFF格式，两次下一步后，就开始转换，结果是将你当前的.jpg 文件转换成了.tif文件。 第二步：将图片转换为文字。选择：开始/所有程序/Microsoft Office/Microsoft Office工具/Microsoft Office Document Imaging，打开这个工具后，菜单：文件/打开，找到你保存的那个.tif文件，打开它。然后选择菜单：工具/使用OCR识别文本；梢等一会儿，继续菜单：工具/将文本发送到Word。这样，这幅图片就到了Word中成了可以编辑的文字内容了。因为OCR识别并非百分之百成功，所以有些位置可能需要你进行手动修改。 界面如下：