朝汉混排古籍的文字切分方法

来源：计算机工程与应用杂志2020年第11期北京时间：

作者：刘星辰，金小峰

单位：延边大学 计算机科学与技术学科智能信息处理研究室，吉林 延吉 133002

摘要：为解决朝鲜语古籍数字化中朝汉文种混排字符切分困难的问题，提出一种朝鲜语古籍图像的文字切分算法。针对古籍列与列之间存在不连续间隔线、倾斜或者粘连等问题，提出一种基于连通域投影的列切分方法。利用连通域的删除、合并、拆分等操作对文字进行切分。使用一种多步切分法完成了具有文字大小不一，横向、纵向混合排版特点图像的字符切分工作。对于粘连字，采用改进的滴水算法进行有效切分。实验结果表明所提出的算法能够很好地完成朝、汉文种混排，文字大小不一，排版情况复杂的朝鲜语古籍图像的文字切分工作。该算法的列切分准确率为97.69%，字切分准确率为87.79%。

关键词：古籍数字化,朝鲜语古籍,列切分,字符切分