基于RGB颜色模型的印章图像分割

薛钰明 沈喆

摘  要：为了更加方便快速分割图像信息，降低背景对印章图像的干扰，加强民航业信息识别技术，提出一种基于RGB颜色模型分割印章图像的方法。该方法采用RGB颜色模型，将RGB印章图像中R分量分离出来得到灰度图，削弱噪声干扰，突出重点区域。接着利用最大类间方差法（OTSU）对得到的灰度图二值化，选取最佳阈值。算法试验结果表明，通过分离R分量和引入OTSU算法可以得到更为清晰、细致的图像，提高了试验的准确性。

关键词：图像分割；RGB颜色模型；灰度化；图像二值化；最大类间方差

中图分类号：TP391.4  文献标识码：A  文章编号：2096-4706（2023）24-0087-05

Seal Image Segmentation Based on RGB Color Model

XUE Yuming， SHEN Zhe

（Shenyang Aerospace University， Shenyang  110136， China）

Abstract： In order to segment the image information more conveniently and quickly， reduce the background interference to the stamp image， and strengthen the information recognition technology of the civil aviation industry， a method of segmenting stamp image based on the RGB color model is proposed. This method uses the RGB color model to separate the R component of the RGB stamp image to obtain a grayscale image， which weakens the noise interference and highlights the key areas. Then it uses the OTSU to binarize the obtained grayscale image and select the optimal threshold. The algorithm test results show that a clearer and more detailed image can be obtained by separating the R component and introducing the OTSU algorithm， which improves the accuracy of the test.

Keywords： image segmentation; RGB color model; grayscale; Image Binarization; OSTU

0  引  言

印章作为当今社会中身份凭证和开具证明的存在仍至关重要，它与我们的生活息息相关，无论是上学读书还是工作就业都离不开印章。随着现代社会科技的日益发展，不法分子企图“踩过界”利用印章图像进行犯罪活动，在民航领域这样的违法事件也屡见不鲜。伪造印章严重地侵犯了法律尊严、影响政府信誉、扰乱经济秩序和破坏诚信环境。给国家、集体和个人带来的损失是不可估量的[1]，因此更加迫切地需要利用信息技术进行印章的提取与识别系统，加强自身防护的同时也打击犯罪、对维护社会信用安全体系责任重大，因此本文主要研究印章图像的分割技术，为后续提取与识别做好铺垫。

文献[2]为了捕捉到完整人体图像，提出一种基于RGB颜色空间和HSV颜色空间相结合的方法，在RGB颜色空间下构建高斯模型分割出完整的人体外形，利用HSV空间解决人体阴影问题；文献[3]重点突出图像三个分量之间的差异，提出一种转换的新空间，再用向量化；文献[4]提出将RGB颜色空间转化为Lab颜色空间，再运行K均值算法，该方法有效解决了色彩饱和度不足的问题，不但提高了分割运行速度，同时还大大降低误差概率；文献[5]的研究和内容为Lab颜色空间和K均值聚类算法的相关性关系，和文献4的区别在于其对OTSU算法进行修改完成图像的提取，分析结果显示把背景图像的像素点占比作为权重放到目标方程中能够更好地降低误差，提高分割效果；文献[6]选取六种病斑苹果图像，设计开发图像分割处理系统，利用OTSU算法对图像进行分割识别，结果显示对于病变适中的苹果果实分割成功率较为可观；文献[7]引入灰度变换函数，结合OTSU阈值优化准确提取裂痕缺陷；文献[8]提取并分析R、G特征直方图，实验結果表明红绿色差点乘和OTSU结合的方法分割效果最优；文献[9]引入OTSU算法和形态学操作实现对图像的分割，实现果实与背景图像的分离；文献[10]研究在灰度值高度聚集的情况下的去雾算法，利用RGB颜色空间下模拟椭球模型，把握像素灰度值的分布，得到最终函数；文献[11]和文献[12]通过实验表明将OTSU和CANNY算法结合可以有效去除图像纹理，把待分割区域从背景图像中分割出来、突出并提取图像边缘信息；文献[13]通过分析对比几种分割算法的优缺点，为了能够实现彩色图像的精准分割，最终选择MRF模型和RGB颜色空间结合的方法，该方法不但能够提高分割精度，还能够加快分割速度，通用性良好，有利于后续的研究与发展。

1.1  图像分割理论

图像分割顾名思义就是把图像按照特定的需求标准化分为具有特定性质的区域并且能够提出所需要目标的技术和过程。它是图像提取与识别的基础，是图像预处理的关键步骤，如果不能正确的分割图像就不能正确的提取和识别。图像分割在航空航天、医学影像、公安司法、安防监控、生物特征识别等领域非常重要，受到广泛应用。

1.2  颜色空间

颜色特征是图像特征提取中最显著的特征，而颜色空间在图像处理中是最常用的模型，颜色空间有很多种类，最被人们广泛应用的模型主要有三种，他们分别是RGB模型、HSI模型、HSV模型。

1.2.1  RGB颜色空间

用红（Red）、绿（Green）、蓝（Blue）三种基色来确定色彩的坐标系统被称为RGB颜色空间，从名字命名角度来说，它包含R、G、B（红、绿、蓝）三种基本颜色，三种颜色分量各自独立，因此RGB模型能够通过各种程度的混合叠加，产生成千上万种丰富的色彩，如图1所示。

RGB颜色模型的各个参数的取值范围分别为R：0～255；G：0～255；B：0～255；参数值被称为三色系数或基色系数，参数值除以255后可以归一到0～1之间，且不是无穷多个而是有限多个值。

1.2.2  HSV颜色空间

HSV模型也是由三種分量表示的，三种分量分别代表的含义是：Hue（色调）、Saturation（饱和度）、Value（明亮度），模型图如图2所示。色调取值范围是0°～360°，0°代表红色、120°代表绿色、240°代表蓝色；通常来说饱和度的取值范围为0%～100%，数值越大，颜色越饱和；明亮度表示颜色的明亮程度，一般情况下明亮度的取值范围在0%（黑）到100%（白）之间。

1.2.3  HSL颜色空间

HSL也是由三种分量组成，组成HSL的三种分量分别为：Hue（色调）、Saturation（饱和度）、Lightness（亮度），S指的是色彩的饱和度，它的取值范围在0%到100%之间，是用来描述在相同的色相、明度下色彩纯度的变化。数值越大，颜色越鲜艳。和HSV模型的区别在于L分量指的是色彩的明度，它的作用是掌控色彩明暗变化的程度。一般情况选它的取值范围在0%到100%，数值越小，颜色越暗沉，越趋近黑色；反之，数值越大，颜色越明亮，越趋近白色。

2  图像分割算法

2.1  流程图

为了提高印章图像分割的质量，本文针对印章图像显著的颜色特征提出一种新的方法。该方法是将RGB图像中的R颜色分量分割出来，这样提取出的图像更加精确。同时引进OTSU算法实现对印章图像的分割。分割总体流程如图3所示。

2.2  颜色空间选取

在图像处理中常用的彩色模型主要有RGB模型、HSL模型、HSV模型这几种。RGB颜色模型应用较为广泛，本文主要是针对民航领域的印章图像进行分割，考虑到图像大多以RGB模式存储，并且印章图像大多为鲜艳明亮的红色，而纸张等背景图像颜色多为浅色，正是因为印章图像与背景存在强烈的差别，因此可以选择使用RGB颜色模型对印章图像进行简单有效的初步处理[14]。

2.3  灰度化

图像灰度化可以将彩色图像转变为灰色全景图像，将彩色图像灰度化的原因一是因为灰度图所占内存比彩色图像更小，这样能有利于运行速度的提高；二是转化为灰度图像后增强图像在视觉上的对比，可以有效去除部分噪声，减少运算量，突出待处理图像的目标区域。

对RGB图像来说，灰度图像是RGB三个分量相同的一种特殊的彩色图像，即R = G = B（这三个值相等，“=”的意思不是程序语言中的赋值，是数学中的相等），则彩色表示一种灰度颜色，其中R = G = B的值叫灰度值。

本文选择灰度化的方法是加权平均值法，公式为：

灰度化后R值= 0.3处理前R值+ 0.59处理前G值+ 0.11处理前B值；

灰度化后G值= 0.3处理前R值+ 0.59处理前G值+ 0.11处理前B值；

灰度化后B值= 0.3处理前R值+ 0.59处理前G值+ 0.11处理前B值；

图4、图6、图8为待检测的印章原始图像，图5、图7、图9是原图经过灰度化后得到的灰度图。

2.4  最大类间方差阈值分割（OTSU）

图像二值化是将待处理灰度图像进行操作后呈现出只有黑白颜色的效果，图像上的点灰度值是0即为黑色，灰度值是255即为白色。通过选取恰当的阈值分割图像能够清楚得到待提取图像和背景分割明显的二值化图像。二值化技术的目的在于进一步增强图像对比，突出我们想要得到的目标区域，同时还可以有效去除图像中部分颜色干扰产生的噪声并且减少运算量。二值化结果好坏的关键在于阈值的选取，当像素灰度值高于选定阈值时，此时像素为白色是背景图像，当像素灰度值低于选定的阈值时，此时像素为黑色是目标图像。

2.4.1  二值化的方法

图像二值化的方法有很多，根据阈值选取的不同，算法大致分为两类，一类是固定阈值法，一类是自适应阈值法。被广泛应用的方法有以下几种：边缘算子法、最大类间方差法（OSTU）、P参数法、双峰直方图阈值分割法和平均灰度值法等。

2.4.2  OTSU算法

由于RGB颜色模型阈值选择不当会受到噪声的干扰，从而无法提取印章图像的完整体，因此提出一种基于RGB颜色模型和图像二值化结合的方法来提取待检测印章图像，通过最大类间方差法（OTSU）能够很好解决阈值处理不当的问题，有效选择出最佳阈值[15]。

1979年来自日本学者大津通过研究分析提出了一种能够自动选取阈值的算法。这种方法依据图像灰度值的特征差异，自动选取出一个合适的阈值，将目标图像分成背景和目标图像，灰度值小于该阈值的视为目标图像，大于该阈值的视为背景图像。能够衡量背景与目标图像差别的标准可以通过方差来判断，因此通过阈值划分能得到待提取图像。

OSTU法的本质是依照最小二乘法的思路演变而来的，其基本思想如下：

图像中的所有像素的灰度级集合为{ p0，p1，…，pk，pn}，其中当i＜j时，pi＜pj，假设p为前景点和背景点的分割点，即如果pi＞p，则灰度级为pi的点为前景点，否则为背景点。

设目标图像为f （x），那么灰度级为i的像素点出现的概率为：

i = 0，1，2，…，L-1；阈值T（k） = k   0≤k≤L-1

将待分割图像f （x）按像素的灰度值分割成裂纹区域和背景两个部分，其中c1表示裂纹区域，c2表示背景（c1 ∈ [0，k]，c2 ∈ [k + 1，L-1]）。

那么最大类间方差为：

或

p1表示像素被分到c1中的概率，p2表示像素被分到c2中的概率，m1表示像素被分到c1的平均灰度值，m2表示像素被分到c2的平均灰度值。

从表达式中可以得出， 越大，即类间距越大。所以只需在0～L-1选择一个最佳阈值k*，使得：

，

此時的k为最大阈值。

使用OTSU算法得到的二值化图像结果如图10所示。

（a）民航图像测试专用章

（b）民航测试章             （c）沈航测试章

为了能够更好提高印章图像分割的质量，对RGB图像各个颜色分量的直方图也进行了分析，图11为民航图像测试专用章的直方图，图12为民航测试章的直方图，图13为沈航测试章的直方图。

由直方图观察分析可以发现红色分量存在明显地波峰和波谷，因此利用R分量的特征，将R分量分离出来再进行阈值分割会更好地把印章图像从背景图像中分离。经过分离R分量和OTSU阈值算法结合得到的图像如图14所示，是三张图片改进后的二值化图像。

3  实验数据分析

对比表1、表2可知，提取红色分量（R）后的印章图像比原始方法阈值数值相对变高，这正是因为印章图像中的红色作为显著特征被分离出来后图像更容易分割。因此，对于印章图像选择R分量作为OTSU阈值分割依据，分割的结果更精确，还能节省时间做更多的研究。

4  结  论

覆盖在文件上面的印章可能受到人工盖章时用力不均匀、印泥质量好坏以及用量多少等因素影响，印章会出现图像模糊、颜色不均等现象，还有伪造印章的出现给印章提取带来重重困难，因此本文提出一种基于RGB颜色模型的印章分割方法，实现印章图像和背景图像的分离，为后续印章的识别奠定基础。该方法通过将RGB颜色模型中的R分量分离出来，能够分割出大范围的主要信息，将分离后的灰度化图像利用OTSU法得到最优印章图像。算法试验结果表明，通过分离R分量和引入OTSU算法可以得到更为清晰、细致的图像，提高了试验的准确性，而且节省时间，可以达到简单、快速、可靠的目的。

参考文献：

[1] 徐亚红.印章的真伪识别方法研究 [D].武汉：华中科技大学，2014.

[2] 杨鸽，郑嘉龙，王莹.基于HSV与RGB颜色空间的人体检测与跟踪算法 [J].自动化技术与应用，2022，41（9）：17-20+28.

[3] 李伟斌，马洪林，易贤，等.基于色彩空间变换的彩色图像分割方法 [J].计算机工程与应用，2019，55（9）：162-167.

[4] 陈梦涛，余粟.基于Lab颜色空间的自适应K均值彩色图像分割方法 [J].软件导刊，2021，20（6）：230-234.

[5] 严晨曦，熊凌.基于改进的Otsu方法的钢渣彩色图像分割 [J].计算机工程与设计，2020，41（9）：2585-2591.

[6] 薛飞，刘立群.基于OTSU算法的苹果果实病斑图像分割方法 [J].计算机技术与发展，2020，30（12）：181-186.

[7] 娄联堂，何慧玲.基于图像灰度变换的OTSU阈值优化算法 [J].中南民族大学学报：自然科学版，2021，40（3）：325-330.

[8] 周文静，赵康，马晓晓，等.基于改进红绿色差和Otsu的葡萄果穗图像分割 [J].中国农机化学报，2023，44（1）：172-177.

[9] 邓子青，王阳，张兵，等.基于Otsu算法与形态学的火龙果图像分割研究 [J].智能计算机与应用，2022，12（6）：106-109+115.

[10] 焦子航.基于RGB颜色空间椭球模型的去雾算法研究 [D].合肥：合肥工业大学，2021.

[11] 牛晗，伍希志，任桂芹，等.基于OTSU与CANNY算法的竹片缺陷图像检测 [J].森林工程，2022，38（6）：75-81.

[12] 李宝芸，范玉刚，高阳.基于OTSU和Canny算子的红外图像特征提取 [J].陕西理工大学学报：自然科学版，2019，35（6）：33-40.

[13] 黄晨雪.基于RGB颜色分布模型的MRF图像分割算法研究 [D].湖北：湖北工业大学，2018.

[14] 刘明兴，刘泽平，李斌，等.基于OTSU处理不均匀光照图像改进算法研究 [J].青岛大学学报：工程技术版，2020，35（3）：27-32.

[15] 刘文丽.票据印章内容自适应提取通用技术研究 [D].青岛：青岛大学，2018.

作者简介：薛钰明（1996—），女，汉族，辽宁本溪人，硕士研究生在读，研究方向：交通信息工程及控制；沈喆（1980—），女，汉族，辽宁鞍山人，讲师，博士，研究方向：图像处理、故障检测等。

收稿日期：2023-03-30

基金项目：辽宁省法庭科学重点实验室开放课题（FTKF202102）