随着数字科技的迅速发展,从图像中提取文本信息的研究越来越受到人们的关注。图像中的文本能够提供有用的信息,是描述图像内容的关键,这些信息可以作为图像资料的自动注释、索引、压缩等方面的重要参考。从图像中提取文本信息需要经过文本区域检测、定位,字符提取,字符识别等步骤,文本字符提取是从图像中自动提取文本信息的重要一步。本文首先改进了一种基于图分割理论的阈值分割方法。将待处理的图像转为灰度值0~255的灰度图像,利用像素点和邻域内像素点的相似关系,构建一个256*256的灰度矩阵M。矩阵M表示了待处理图像的灰度图像内各灰度值的相似度,采用遍历的方式找出其中应用图谱分割评价标准的值最小的灰度值。选用这个灰度值,作为阈值分割点。本文提出了一种基于直方图的谱聚类分割方法。首先将待处理的图像转为灰度值0~255的灰度图像,利用像素点和邻域内像素点的相似关系,构建一个256*256的灰度矩阵M。然后应用图谱分割的算法,对矩阵M进行分类,最后的分类结果将256个灰度值分成了两类,进而实现了对原图像的分割。纹理是文本图像中的重要特征,文本区域往往具有不同于背景的特殊纹理。本文利用字符区域的纹理特征结合直方图的图谱分割方法,构建了一个二次聚类框架实现对复杂背景图像的字符提取。本文还将灰度图像中的字符提取方法推广到彩色图像中,对彩色图像的每一个分量应用基于直方图的图分割方法,运用投票策略,实现了彩色图像中的字符提取。最后,本文提出了一种用来评价字符提取效果的标准,在此标准下,验证了前文中提出的各种方法,实验结果表明,基于直方图的谱聚类字符分割方法优于阈值化分割,对具有复杂背景的字符图像能够有效地分离出字符。