minor bugfixes and speed improvements in polygon intersector
[swftools.git] / lib / gocr / remove.c
1 /*
2 This is a Optical-Character-Recognition program
3 Copyright (C) 2000-2007 Joerg Schulenburg
4
5 This program is free software; you can redistribute it and/or
6 modify it under the terms of the GNU General Public License
7 as published by the Free Software Foundation; either version 2
8 of the License, or (at your option) any later version.
9
10 This program is distributed in the hope that it will be useful,
11 but WITHOUT ANY WARRANTY; without even the implied warranty of
12 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
13 GNU General Public License for more details.
14
15 You should have received a copy of the GNU General Public License
16 along with this program; if not, write to the Free Software
17 Foundation, Inc., 59 Temple Place - Suite 330, Boston, MA  02111-1307, USA.
18
19  see README for EMAIL-address
20 */
21
22 #include <stdlib.h>
23 #include <stdio.h>
24 #include "pgm2asc.h"
25 #include "gocr.h"
26 #include "progress.h"
27
28 /* measure mean thickness as an criteria for big chars */
29 int mean_thickness( struct box *box2 ){
30   int mt=0, i, y, dx=box2->x1-box2->x0+1, dy;
31   for (y=box2->y0+1; y<box2->y1; y++) {
32     i=loop(box2->p,box2->x0+0,y,dx,JOB->cfg.cs,0,RI);
33     i=loop(box2->p,box2->x0+i,y,dx,JOB->cfg.cs,1,RI);
34     mt+=i;
35   } 
36   dy = box2->y1 - box2->y0 - 1; 
37   if (dy) mt=(mt+dy/2)/dy;
38   return mt;
39 }
40
41 /* ---- remove dust ---------------------------------
42    What is dust? I think, this is a very small pixel cluster without
43    neighbours. Of course not all dust clusters can be detected correct.
44    This feature should be possible to switch off via option.
45    -> may be, all clusters should be stored here?
46    speed is very slow, I know, but I am happy that it is working well
47 */
48 int remove_dust( job_t *job ){
49   /* new dust removing  */
50   /* FIXME jb:remove pp */
51   pix *pp = &job->src.p;
52   int i1,i,j,x,y,x0,x1,y0,y1,nC,sX,sY,sP, cs,vvv=job->cfg.verbose;
53   struct box *box2;
54 #define HISTSIZE  220   /* histogramm */
55   int histo[HISTSIZE];
56   cs=job->cfg.cs; sP=sX=sY=nC=0;
57   /*
58    * count number of black pixels within a box and store it in .dots
59    * later .dots is re-used for number of objects belonging to the character
60    * should be done in the flood-fill algorithm 
61    * volume of white pixels is estimated to big here (left/right rot)
62    * ToDo: mean thickness of char lines?
63    *       or interval nesting (minP..maxP) to remove outriders
64    */
65   j=0;
66   for (i1=0;i1<HISTSIZE;i1++) histo[i1]=0;
67   /* mean value over every black object which is big enough */
68   for_each_data(&(job->res.boxlist)) {
69     box2 = (struct box *)list_get_current(&(job->res.boxlist));
70     if (!box2->num_frames) continue;
71     if (box2->frame_vol[0]<0) continue; /* don't count inner holes */
72     j = abs(box2->frame_vol[0]);
73     if ((box2->y1-box2->y0+1)>3) {
74        nC++; /* only count potential chars v0.42 */
75        sX+=box2->x1 - box2->x0 + 1;
76        sY+=box2->y1 - box2->y0 + 1;
77        sP+=j;
78     }
79     if (j<HISTSIZE) histo[j]++;
80   } end_for_each(&(job->res.boxlist));
81   
82   if (job->cfg.dust_size < 0 && nC > 0) { /* auto detection */
83     /* this formula is empirically, high resolution scans have bigger dust */
84     /* maximum allowed dustsize (min=4*7 ca. 32)
85      *  does not work for background pattern!
86      */
87     job->cfg.dust_size = (  ( sX/nC ) * ( sY/nC ) + 16) / 32;
88     if (vvv) fprintf(stderr, "# dust size detection, vol num"
89       " #obj=%d maxDust=%d mpixel= %3d mxy= %2d %2d",
90       nC, job->cfg.dust_size, sP/nC, sX/nC, sY/nC);
91     /* we assume that for random dust applies histo[i+1]<histo[i] */
92     for (i=1;i+3<HISTSIZE;i++){
93       if (vvv) fprintf(stderr,"\n# dust size histogram %3d %5d",i,histo[i]);
94       if (histo[i]>=nC) continue; /* v0.42 lot of pixels -> bg pattern < 3 */
95       if (i>=job->cfg.dust_size) break;   /* maximum = mean size / 32 */
96       if (histo[i+1]==0) break;           /* bad statistic */
97       if ((histo[i+2]+histo[i+3])
98         >=(histo[i]  +histo[i+1])) break;  /* no noise, but to late? */
99       if ( histo[i-1] > 1024*histo[i] &&
100          2*histo[i+1] >=histo[i]) break;  /* bg pattern */
101     }
102     if (vvv) fprintf(stderr," break");
103     if (vvv) for (i1=0,j=i+1;j<HISTSIZE;j++) {
104       /* compressed, output only if something is changing */
105       if (j==HISTSIZE-1 || histo[j]!=histo[j-1] || histo[j]!=histo[j+1]) {
106         fprintf(stderr,"\n# dust size histogram %3d %5d",j,histo[j]);
107         if (++i1>20) break; /* dont do excessive output */
108       }
109     }
110     job->cfg.dust_size=i-1;
111     /* what is the statistic of random dust? 
112      *    if we have p pixels on a x*y image we should have
113      *    (p/(x*y))^1 * (x*y) = p         singlets     
114      *    (p/(x*y))^2 * (x*y) = p^2/(x*y) doublets and
115      *    (p/(x*y))^3 * (x*y) = p^3/(x*y)^2 triplets
116      */
117     if (vvv) fprintf(stderr,"\n# auto dust size = %d nC= %3d .. %3d"
118                             " avD= %2d %2d .. %2d %2d\n",
119                    job->cfg.dust_size, nC, job->res.numC,
120            (job->res.sumX+job->res.numC/2)/job->res.numC,
121            (job->res.sumY+job->res.numC/2)/job->res.numC, sX/nC, sY/nC);
122   }
123   if (job->cfg.dust_size)
124   { i=0;
125     if(vvv){
126        fprintf(stderr,"# remove dust of size %2d",job->cfg.dust_size);
127        /* Warning: better use (1/(x*y))^2 as 1/((x*y)^2),
128         * because (x*y)^2 may overflow */
129        fprintf(stderr," histo=%d,%d(?=%d),%d(?=%d),...\n# ...",
130           histo[1],histo[2],histo[1]*histo[1]/(pp->x*pp->y),
131           histo[3],         histo[1]*histo[1]/(pp->x*pp->y)
132                                     *histo[1]/(pp->x*pp->y)); 
133     }
134     i = 0;
135     for_each_data(&(job->res.boxlist)) {
136       box2 = (struct box *)list_get_current(&(job->res.boxlist));
137       x0=box2->x0;x1=box2->x1;y0=box2->y0;y1=box2->y1;  /* box */
138       j=abs(box2->frame_vol[0]);
139       if(j<=job->cfg.dust_size)      /* remove this tiny object */
140       { /* here we should distinguish dust and i-dots,
141          * may be we should sort out dots to a seperate dot list and
142          * after line detection decide, which is dust and which not
143          * dust should be removed to make recognition easier (ToDo)
144          */
145 #if 0
146         if(get_bw((3*x0+x1)/4,(x0+3*x1)/4,y1+y1-y0+1,y1+8*(y1-y0+1),pp,cs,1)) 
147             continue; /* this idea was to simple, see kscan003.jpg sample */
148 #endif
149         /* remove from average */
150         job->res.numC--;
151         job->res.sumX-=x1-x0+1;
152         job->res.sumY-=y1-y0+1;
153         /* remove pixels (should only be done with dust) */
154         for(x=x0;x<=x1;x++)
155         for(y=y0;y<=y1;y++){ put(pp,x,y,0,255&~7); }
156         /* remove from list */
157         list_del(&(job->res.boxlist),box2);
158         /* free memory */
159         free_box(box2);
160         i++; /* count as dust particle */
161         continue;
162       }
163     } end_for_each(&(job->res.boxlist));
164     if(vvv)fprintf(stderr," %3d cluster removed, nC= %3d\n",i,job->res.numC);
165   }
166   /* reset dots to 0 and remove white pixels (new) */
167   i=0;
168   for_each_data(&(job->res.boxlist)) {
169     box2 = ((struct box *)list_get_current(&(job->res.boxlist)));
170     if (box2->frame_vol[0]<0) continue; /* for black areas only */
171     x0=box2->x0;x1=box2->x1;y0=box2->y0;y1=box2->y1;    /* box */
172     if (x1-x0>16 && y1-y0>30) /* only on large enough chars */
173     for(x=x0+1;x<=x1-1;x++)
174     for(y=y0+1;y<=y1-1;y++){
175       if( pixel_atp(pp,x  ,y  )>=cs
176        && pixel_atp(pp,x-1,y  ) <cs 
177        && pixel_atp(pp,x+1,y  ) <cs 
178        && pixel_atp(pp,x  ,y-1) <cs 
179        && pixel_atp(pp,x  ,y+1) <cs )  /* remove it */
180       {
181         put(pp,x,y,0,0); i++;  /* (x and 0) or 0 */
182       }
183     }
184   } end_for_each(&(job->res.boxlist));
185   if (vvv) fprintf(stderr,"# ... %3d white pixels removed, cs=%d nC= %3d\n",
186      i,cs,job->res.numC);
187   return 0;
188 }
189
190 /* ---- smooth big chars ---------------------------------
191  * Big chars often do not have smooth borders, which let fail
192  * the engine. Here we smooth the borders of big chars (>7x16).
193  * Smoothing is important for b/w scans, where we often have
194  * comb like pattern on a vertikal border. I also received
195  * samples with lot of white pixels (sample: 04/02/25).
196  * ToDo: obsolete if vector code is complete
197  */
198 int smooth_borders( job_t *job ){
199     pix *pp = &job->src.p;
200     int ii=0,x,y,x0,x1,y0,y1,dx,dy,cs,i0,i1,i2,i3,i4,n1,n2,
201         cn[8],cm,vvv=job->cfg.verbose; /* dust found */
202     struct box *box2;
203     cs=job->cfg.cs; n1=n2=0;
204     if(vvv){ fprintf(stderr,"# smooth big chars 7x16 cs=%d",cs); }
205     /* filter for each big box */
206     for_each_data(&(job->res.boxlist)) { n2++; /* count boxes */
207         box2 = (struct box *)list_get_current(&(job->res.boxlist));
208         /* do not touch small characters! but how we define small characters? */
209         if (box2->x1-box2->x0+1<7 || box2->y1-box2->y0+1<16 ) continue;
210         if (box2->c==PICTURE) continue;
211         if (mean_thickness(box2)<3) continue;
212         n1++; /* count boxes matching big-char criteria */
213         x0=box2->x0;        y0=box2->y0;
214         x1=box2->x1;        y1=box2->y1;
215         dx=x1-x0+1;         dy=y1-y0-1;
216         /* out_x(box2);
217          * dont change to much! only change if absolutely sure!
218          *             .......    1 2 3
219          *       ex:   .?#####    0 * 4
220          *             .......    7 6 5
221          * we should also avoid removing lines by sytematic remove
222          * from left end to the right, so we concern also about distance>1  
223          */
224         for(x=box2->x0;x<=box2->x1;x++)
225          for(y=box2->y0;y<=box2->y1;y++){ /* filter out high frequencies */
226            /* this is a very primitive solution, only for learning */
227            cn[0]=getpixel(pp,x-1,y);
228            cn[4]=getpixel(pp,x+1,y);   /* horizontal */
229            cn[2]=getpixel(pp,x,y-1);
230            cn[6]=getpixel(pp,x,y+1);   /* vertical */
231            cn[1]=getpixel(pp,x-1,y-1);
232            cn[3]=getpixel(pp,x+1,y-1); /* diagonal */
233            cn[7]=getpixel(pp,x-1,y+1);
234            cn[5]=getpixel(pp,x+1,y+1);
235            cm=getpixel(pp,x,y);
236            /* check for 5 other and 3 same surrounding pixels */
237            for (i0=0;i0<8;i0++)
238              if ((cn[i0            ]<cs)==(cm<cs)
239               && (cn[(i0+7)     & 7]<cs)!=(cm<cs)) break; /* first same */
240            for (i1=0;i1<8;i1++)
241              if ((cn[(i0+i1)    & 7]<cs)!=(cm<cs)) break; /* num same */
242            for (i2=0;i2<8;i2++)
243              if ((cn[(i0+i1+i2) & 7]<cs)==(cm<cs)) break; /* num other */
244            cn[0]=getpixel(pp,x-2,y);
245            cn[4]=getpixel(pp,x+2,y);   /* horizontal */
246            cn[2]=getpixel(pp,x,y-2);
247            cn[6]=getpixel(pp,x,y+2);   /* vertical */
248            cn[1]=getpixel(pp,x-2,y-2);
249            cn[3]=getpixel(pp,x+2,y-2); /* diagonal */
250            cn[7]=getpixel(pp,x-2,y+2);
251            cn[5]=getpixel(pp,x+2,y+2);
252            /* check for 5 other and 3 same surrounding pixels */
253            for (i0=0;i0<8;i0++)
254              if ((cn[i0            ]<cs)==(cm<cs)
255               && (cn[(i0+7)     & 7]<cs)!=(cm<cs)) break; /* first same */
256            for (i3=0;i3<8;i3++)
257              if ((cn[(i0+i3)    & 7]<cs)!=(cm<cs)) break; /* num same */
258            for (i4=0;i4<8;i4++)
259              if ((cn[(i0+i3+i4) & 7]<cs)==(cm<cs)) break; /* num other */
260            if (i1<=3 && i2>=5 && i3>=3 && i4>=3) { /* change only on borders */
261              ii++;             /*   white    : black */
262              put(pp,x,y,7,((cm<cs)?(cs|32):cs/2)&~7);
263 #if 0
264              printf(" x y i0 i1 i2 i3 i4 cm new cs %3d %3d"
265              "  %3d %3d %3d %3d %3d  %3d %3d %3d\n",
266               x-box2->x0,y-box2->y0,i0,i1,i2,i3,i3,cm,getpixel(pp,x,y),cs);
267 #endif
268            }
269         }
270 #if 0  /* debugging */
271         out_x(box2);
272 #endif
273     } end_for_each(&(job->res.boxlist));
274     if(vvv)fprintf(stderr," ... %3d changes in %d of %d\n",ii,n1,n2);
275     return 0;
276 }
277
278 /* test if a corner of box1 is within box2 */
279 int box_nested( struct box *box1, struct box *box2){
280              /* box1 in box2, +1..-1 frame for pixel-patterns */
281  if (   (    ( box1->x0>=box2->x0-1 && box1->x0<=box2->x1+1 )
282           || ( box1->x1>=box2->x0-1 && box1->x1<=box2->x1+1 ) )
283      && (    ( box1->y0>=box2->y0-1 && box1->y0<=box2->y1+1 )
284           || ( box1->y1>=box2->y0-1 && box1->y1<=box2->y1+1 ) ) )
285    return 1;
286  return 0;
287 }
288
289 /* test if box1 is within box2 */
290 int box_covered( struct box *box1, struct box *box2){
291              /* box1 in box2, +1..-1 frame for pixel-patterns */
292    if (     ( box1->x0>=box2->x0-1 && box1->x1<=box2->x1+1 )
293          && ( box1->y0>=box2->y0-1 && box1->y1<=box2->y1+1 ) )
294    return 1;
295  return 0;
296 }
297
298 /* ---- remove pictures ------------------------------------------
299  *   may be, not deleting or moving to another list is much better!
300  *   should be renamed to remove_pictures and border boxes
301  */
302 int remove_pictures( job_t *job){
303   struct box *box4,*box2;
304   int j=0, j2=0, num_del=0;
305
306   if (job->cfg.verbose)
307     fprintf(stderr, "# "__FILE__" L%d: remove pictures\n# ...",
308             __LINE__);
309
310   /* ToDo: output a list for picture handle scripts */
311   j=0; j2=0;
312   if(job->cfg.verbose)
313   for_each_data(&(job->res.boxlist)) {
314     box4 = (struct box *)list_get_current(&(job->res.boxlist));
315     if (box4->c==PICTURE) j++; else j2++;
316   } end_for_each(&(job->res.boxlist));
317   if (job->cfg.verbose)
318     fprintf(stderr," status: pictures= %d  other= %d  nC= %d\n# ...",
319             j, j2, job->res.numC);
320
321   /* remove table frames */
322   if (job->res.numC > 8)
323   for_each_data(&(job->res.boxlist)) {
324     box2 = (struct box *)list_get_current(&(job->res.boxlist));
325     if (box2->c==PICTURE
326      && box2->x1-box2->x0+1>box2->p->x/2  /* big table? */
327      && box2->y1-box2->y0+1>box2->p->y/2 ){ j=0;
328       /* count boxes nested with the picture */
329       for_each_data(&(job->res.boxlist)) {
330         box4 = (struct box *)list_get_current(&(job->res.boxlist));
331         if( box4 != box2 )  /* not count itself */
332         if (box_nested(box4,box2)) j++;  /* box4 in box2 */
333       } end_for_each(&(job->res.boxlist));
334       if( j>8 ){ /* remove box if more than 8 chars are within box */
335         list_del(&(job->res.boxlist), box2); /* does not work proper ?! */
336         free_box(box2); num_del++;
337       }
338     }
339   } end_for_each(&(job->res.boxlist));
340   if (job->cfg.verbose)
341     fprintf(stderr, " deleted= %d pictures (table frames)\n# ...",
342             num_del);
343   num_del=0;
344
345   /* remove dark-border-boxes (typical for hard copy of book site,
346    *  or spam random border)   */
347   if (job->res.numC > 1) /* dont remove the only char */
348   for_each_data(&(job->res.boxlist)) {
349     box2 = (struct box *)list_get_current(&(job->res.boxlist));
350     if (box2->c!=PICTURE) continue; // ToDo: PICTUREs set already?
351     if ( box2->x1-box2->x0+1 > box2->p->x/2
352       && box2->y1-box2->y0+1 > box2->p->y/2 ) continue;
353     j=0;
354     if (box2->x0==0) j++; 
355     if (box2->y0==0) j++;  /* on border? */
356     if (box2->x1==box2->p->x-1) j++;
357     if (box2->y1==box2->p->y-1) j++; 
358     if (j>2){ /* ToDo: check corner pixel */
359       int cs=job->cfg.cs;
360       j=0;
361       if (getpixel(box2->p,box2->x0,box2->y0)<cs) j++;
362       if (getpixel(box2->p,box2->x1,box2->y0)<cs) j++;
363       if (getpixel(box2->p,box2->x0,box2->y1)<cs) j++;
364       if (getpixel(box2->p,box2->x1,box2->y1)<cs) j++;
365       if (j>2) {
366         list_del(&(job->res.boxlist), box2);
367         free_box(box2); num_del++;
368       }
369     }
370   } end_for_each(&(job->res.boxlist));
371   if (job->cfg.verbose)
372     fprintf(stderr, " deleted= %d pictures (on border)\n# ...",
373             num_del);
374   num_del=0;
375
376   j=0; j2=0;
377   if(job->cfg.verbose)
378   for_each_data(&(job->res.boxlist)) {
379     box4 = (struct box *)list_get_current(&(job->res.boxlist));
380     if( box4->c==PICTURE ) j++; else j2++;
381   } end_for_each(&(job->res.boxlist));
382   if (job->cfg.verbose)
383     fprintf(stderr," status: pictures= %d  other= %d  nC= %d\n# ...",
384             j, j2, job->res.numC);
385   
386   for(j=1;j;){ j=0;  /* this is only because list_del does not work */
387     /* can be slow on gray images */
388     for_each_data(&(job->res.boxlist)) {
389       box2 = (struct box *)list_get_current(&(job->res.boxlist));
390       if( box2->c==PICTURE && box2->num_ac==0)
391       for(j=1;j;){ /* let it grow to max before leave */
392         j=0; box4=NULL;
393         /* find boxes nested with the picture and remove */
394         /* its for pictures build by compounds */
395         for_each_data(&(job->res.boxlist)) {
396           box4 = (struct box *)list_get_current(&(job->res.boxlist));
397           if(  box4!=box2   /* not destroy self */
398            && (box4->num_ac==0)  /* dont remove barcodes etc. */ 
399            && (/* box4->c==UNKNOWN || */
400                   box4->c==PICTURE) ) /* dont remove valid chars */
401           if(
402              /* box4 in box2, +1..-1 frame for pixel-patterns */
403                box_nested(box4,box2)
404              /* or box2 in box4 */
405             || box_nested(box2,box4) /* same? */
406               )
407           if (  box4->x1-box4->x0+1>2*job->res.avX
408              || box4->x1-box4->x0+1<job->res.avX/2
409              || box4->y1-box4->y0+1>2*job->res.avY
410              || box4->y1-box4->y0+1<job->res.avY/2
411              || box_covered(box4,box2) )   /* box4 completely within box2 */ 
412             /* dont remove chars! see rotate45.fig */
413           {
414             /* do not remove boxes in inner loop (bug?) ToDo: check why! */
415             /* instead we leave inner loop and mark box4 as valid */
416             if( box4->x0<box2->x0 ) box2->x0=box4->x0;
417             if( box4->x1>box2->x1 ) box2->x1=box4->x1;
418             if( box4->y0<box2->y0 ) box2->y0=box4->y0;
419             if( box4->y1>box2->y1 ) box2->y1=box4->y1;
420             j=1;   /* mark box4 as valid   */
421             break; /* and leave inner loop */
422           }
423         } end_for_each(&(job->res.boxlist));
424         if (j!=0 && box4!=NULL) { /* check for valid box4 */
425           /* ToDo: melt */
426           list_del(&(job->res.boxlist), box4); /* does not work proper ?! */
427           free_box(box4); /* break; ToDo: necessary to leave after del??? */
428           num_del++;
429         }
430         
431       }
432     } end_for_each(&(job->res.boxlist)); 
433   }
434
435   if (job->cfg.verbose)
436     fprintf(stderr, " deleted= %d nested pictures\n# ...", num_del);
437
438   /* output a list for picture handle scripts */
439   j=0; j2=0;
440   if(job->cfg.verbose)
441   for_each_data(&(job->res.boxlist)) {
442     box4 = (struct box *)list_get_current(&(job->res.boxlist));
443     if( box4->c==PICTURE ) {
444       fprintf(stderr," found picture at %4d %4d size %4d %4d\n# ...",
445          box4->x0, box4->y0, box4->x1-box4->x0+1, box4->y1-box4->y0+1 );
446       j++;
447     } else j2++;
448   } end_for_each(&(job->res.boxlist));
449   if (job->cfg.verbose)
450     fprintf(stderr," status: pictures= %d  other= %d  nC= %d\n",
451             j, j2, job->res.numC);
452   return 0;
453 }
454
455
456
457   /* ---- remove melted serifs --------------------------------- v0.2.5
458                 >>v<<
459         ##########.######## <-y0
460         ###################  like X VW etc.
461         ...###.......###... <-y
462         ...###......###....
463         j1       j2      j3
464   - can generate new boxes if two characters were glued
465   */
466 int remove_melted_serifs( pix *pp ){
467   int x,y,j1,j2,j3,j4,i2,i3,i,ii,ni,cs,x0,x1,xa,xb,y0,y1,vvv=JOB->cfg.verbose;
468   struct box *box2, *box3;
469   progress_counter_t *pc = NULL;
470
471   cs=JOB->cfg.cs; i=0; ii=0; ni=0;
472   for_each_data(&(JOB->res.boxlist)) {
473     ni++; 
474   } end_for_each(&(JOB->res.boxlist));
475   pc = open_progress(ni,"remove_melted_serifs");
476   ni = 0;
477
478   if(vvv){ fprintf(stderr,"# searching melted serifs ..."); }
479   for_each_data(&(JOB->res.boxlist)) {
480     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
481     if (box2->c != UNKNOWN) continue; /* dont try on pictures */
482     x0=box2->x0; x1=box2->x1; 
483     y0=box2->y0; y1=box2->y1;   /* box */
484     /* upper serifs */
485     for(j1=x0;j1+4<x1;){
486       j1+=loop(pp,j1,y0  ,x1-x0,cs,0,RI);
487       x  =loop(pp,j1,y0  ,x1-x0,cs,1,RI);              if(j1+x>x1+1) break;
488       y  =loop(pp,j1,y0+1,x1-x0,cs,1,RI); if(y>x) x=y; if(j1+x>x1+1) break;
489       /* measure mean thickness of serif */
490       for(j2=j3=j4=0,i2=j1;i2<j1+x;i2++){
491         i3 =loop(pp,j1,y0   ,y1-y0,cs,0,DO); if(8*i3>y1-y0) break;
492         i3+=loop(pp,j1,y0+i3,y1-y0,cs,1,DO); if(8*i3>y1-y0) break;
493         if(8*i3<y1-y0){ j2+=i3; j3++; }
494       } if(j3==0){ j1+=x; continue; } 
495       y = y0+(j2+j3-1)/j3+(y1-y0+1)/32;
496
497       /* check if really melted serifs */
498       if( loop(pp,j1,y,x1-x0,cs,0,RI)<1 ) { j1+=x; continue; }
499       if(num_cross(j1 ,j1+x,y,y,pp,cs) < 2 ){ j1+=x;continue; }
500       j2 = j1 + loop(pp,j1,y,x1-x0,cs,0,RI);
501       j2 = j2 + loop(pp,j2,y,x1-x0,cs,1,RI);
502       i3 =      loop(pp,j2,y,x1-x0,cs,0,RI); if(i3<2){j1+=x;continue;}
503       j2 += i3/2;
504       j3 = j2 + loop(pp,j2,y  ,x1-j2,cs,0,RI);
505       i3 = j2 + loop(pp,j2,y+1,x1-j2,cs,0,RI); if(i3>j3)j3=i3;
506       j3 = j3 + loop(pp,j3,y  ,x1-j3,cs,1,RI);
507       i3 =      loop(pp,j3,y  ,x1-j3,cs,0,RI); 
508       if(i3<2 || j3>=j1+x){j1+=x;continue;}
509       j3 += i3/2;
510
511       if(x>5)
512       {
513         i++; /* snip! */
514         for(y=0;y<(y1-y0+1+4)/8;y++)put(pp,j2,y0+y,255,128+64); /* clear highest bit */
515         if(vvv&4){ 
516           fprintf(stderr,"\n"); 
517           //out_x(box2);
518           fprintf(stderr,"# melted serifs corrected on %d %d j1=%d j3=%d",
519             j2-x0, y, j1-x0, j3-x0);
520         }
521         for(xb=0,xa=0;xa<(x1-x0+4)/8;xa++){ /* detect vertical gap */
522           i3=y1; 
523           if(box2->m3>y0 && 2*y1>box2->m3+box2->m4) i3=box2->m3; /* some IJ */
524           if( loop(pp,j2-xa,i3,i3-y0,cs,0,UP) > (y1-y0+1)/2
525            && loop(pp,j2,(y0+y1)/2,xa+1,cs,0,LE) >=xa ){ xb=-xa; break; }
526           if( loop(pp,j2+xa,i3,i3-y0,cs,0,UP) > (y1-y0+1)/2 
527            && loop(pp,j2,(y0+y1)/2,xa+1,cs,0,RI) >=xa ){ xb= xa; break; }
528         }
529         if( get_bw(j2   ,j2   ,y0,(y0+y1)/2,pp,cs,1) == 0
530          && get_bw(j2+xb,j2+xb,(y0+y1)/2,i3,pp,cs,1) == 0 )
531         { /* divide */
532           box3=malloc_box(box2);
533           box3->x1=j2-1;
534           box2->x0=j2+1; x1=box2->x1;
535           cut_box(box2); /* cut vectors outside the box */
536           cut_box(box3);
537           box3->num=JOB->res.numC;
538           list_ins(&(JOB->res.boxlist),box2,box3); JOB->res.numC++; ii++; /* insert box3 before box2 */
539           if(vvv&4) fprintf(stderr," => splitted");
540           j1=x0=box2->x0; x=0; /* hopefully ok, UVW */
541         }
542       }
543       j1+=x;
544     }
545     /* same on lower serifs -- change this later to better function
546     //   ####    ###
547     //    #### v ###       # <-y
548     //  #################### <-y1
549     //  j1     j2     j3
550      */
551     for(j1=x0;j1<x1;){
552       j1+=loop(pp,j1,y1  ,x1-x0,cs,0,RI);
553       x  =loop(pp,j1,y1  ,x1-x0,cs,1,RI);              if(j1+x>x1+1) break;
554       y  =loop(pp,j1,y1-1,x1-x0,cs,1,RI); if(y>x) x=y; if(j1+x>x1+1) break;
555       /* measure mean thickness of serif */
556       for(j2=j3=j4=0,i2=j1;i2<j1+x;i2++){
557         i3 =loop(pp,j1,y1   ,y1-y0,cs,0,UP); if(8*i3>y1-y0) break;
558         i3+=loop(pp,j1,y1-i3,y1-y0,cs,1,UP); if(8*i3>y1-y0) break;
559         if(8*i3<y1-y0){ j2+=i3; j3++; }
560       } if(j3==0){ j1+=x; continue; } 
561       y = y1-(j2+j3-1)/j3-(y1-y0+1)/32;
562
563       /* check if really melted serifs */
564       if( loop(pp,j1,y,x1-x0,cs,0,RI)<1 ) { j1+=x; continue; }
565       if(num_cross(j1 ,j1+x,y,y,pp,cs) < 2 ){ j1+=x;continue; }
566       j2 = j1 + loop(pp,j1,y,x1-x0,cs,0,RI);
567       j2 = j2 + loop(pp,j2,y,x1-x0,cs,1,RI);
568       i3 =      loop(pp,j2,y,x1-x0,cs,0,RI); if(i3<2){j1+=x;continue;}
569       j2 += i3/2;
570       j3 = j2 + loop(pp,j2,y  ,x1-j2,cs,0,RI);
571       i3 = j2 + loop(pp,j2,y-1,x1-j2,cs,0,RI); if(i3>j3)j3=i3;
572       j3 = j3 + loop(pp,j3,y  ,x1-j3,cs,1,RI);
573       i3 =      loop(pp,j3,y,x1-j3,cs,0,RI); 
574       if(i3<2 || j3>=j1+x){j1+=x;continue;}
575       j3 += i3/2;
576
577       /* y  =y1-(y1-y0+1+4)/8; */
578       if(x>5)
579       {
580         i++; /* snip! */
581         for(i3=0;i3<(y1-y0+1+4)/8;i3++)
582           put(pp,j2,y1-i3,255,128+64); /* clear highest bit */
583         if(vvv&4){ 
584           fprintf(stderr,"\n");
585           //out_x(box2);
586           fprintf(stderr,"# melted serifs corrected on %d %d j1=%d j3=%d",j2-x0,y-y0,j1-x0,j3-x0);
587         }
588         for(xb=0,xa=0;xa<(x1-x0+4)/8;xa++){ /* detect vertical gap */
589           if( loop(pp,j2-xa,y0,y1-y0,cs,0,DO) > (y1-y0+1)/2
590            && loop(pp,j2,(y0+y1)/2,xa+1,cs,0,LE) >=xa ){ xb=-xa; break; }
591           if( loop(pp,j2+xa,y0,y1-y0,cs,0,DO) > (y1-y0+1)/2 
592            && loop(pp,j2,(y0+y1)/2,xa+1,cs,0,RI) >=xa ){ xb= xa; break; }
593         }
594         if( get_bw(j2   ,j2   ,(y0+y1)/2,y1,pp,cs,1) == 0
595          && get_bw(j2+xb,j2+xb,y0,(y0+y1)/2,pp,cs,1) == 0 )
596         { /* divide */
597           box3=malloc_box(box2);
598           box3->x1=j2-1;
599           box2->x0=j2; x1=box2->x1;
600           cut_box(box2); /* cut vectors outside the box */
601           cut_box(box3);
602           box3->num=JOB->res.numC;
603           list_ins(&(JOB->res.boxlist),box2,box3); JOB->res.numC++; ii++;
604           /* box3,box2 in correct order??? */
605           if(vvv&4) fprintf(stderr," => splitted");
606           j1=x0=box2->x0; x=0; /* hopefully ok, NMK */
607         }
608       }
609       j1+=x;
610     }
611     progress(ni++,pc);
612   } end_for_each(&(JOB->res.boxlist));
613   close_progress(pc);
614   if(vvv)fprintf(stderr," %3d cluster corrected, %d new boxes\n",i,ii);
615   return 0;
616 }
617
618 /*  remove black borders often seen on bad scanned copies of books
619     - dust around the border
620  */
621 int remove_rest_of_dust() {
622   int i1, i2, vvv = JOB->cfg.verbose, x0, x1, y0, y1, cnt=0;
623   struct box *box2, *box4;
624   progress_counter_t *pc = NULL;
625   
626   i1 = i2 = 0; /* counter for removed boxes */
627   if (vvv)
628     fprintf(stderr, "# detect dust (avX,nC), ... ");
629   /* remove fragments from border */
630   for_each_data(&(JOB->res.boxlist)) {
631     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
632     if (box2->c == UNKNOWN) {
633       x0 = box2->x0; x1 = box2->x1;
634       y0 = box2->y0; y1 = box2->y1;     /* box */
635       /* box in char ??? */
636       if (  2 * JOB->res.numC * (y1 - y0 + 1) < 3 * JOB->res.sumY
637         && ( y1 < box2->p->y/4 || y0 > 3*box2->p->y/4 )  /* not single line */
638         && JOB->res.numC > 1            /* do not remove everything */
639         && ( box2->m4 == 0 ) )  /* remove this */
640       {
641          JOB->res.numC--; /* ToDo: dont count tiny pixels */
642          /* ToDo: res.sumX,Y must also be corrected */
643          i1++;
644          list_del(&(JOB->res.boxlist), box2);
645          free_box(box2);
646       }
647     }
648   } end_for_each(&(JOB->res.boxlist));
649
650   pc = open_progress(JOB->res.boxlist.n,"remove_dust2");
651   for_each_data(&(JOB->res.boxlist)) {
652     box2 = (struct box *)list_get_current(&(JOB->res.boxlist));
653     progress(cnt++,pc);
654     if (box2->c == PICTURE) continue;
655     x0 = box2->x0; x1 = box2->x1;
656     y0 = box2->y0; y1 = box2->y1;       /* box */
657     /* remove tiny box2 if to far away from bigger boxes */
658     /* ToDo: remove clouds of tiny pixels (count near small, compare with num bigger) */
659     /* 0.42: remove far away pixel? ToDo: do it at earlier? */
660     if (x1-x0+1<3 && y1-y0+1<3){
661       int xn, yn, xs, ys;
662       int found=0;  /* nearest bigger box */
663       /* search near bigger box */
664       for_each_data(&(JOB->res.boxlist)) {
665         box4 = (struct box *)list_get_current(&(JOB->res.boxlist));
666         if (found || box4 == box2) continue; 
667         if (box4->x1-box4->x0+1<3 && box4->y1-box4->y0+1<3) continue;
668         xs =  box4->x1-box4->x0+1;
669         ys =  box4->y1-box4->y0+1;
670         xn = abs((box4->x0+box4->x1)/2 - box2->x0);
671         yn = abs((box4->y0+box4->y1)/2 - box2->y0);
672         if (2*xn < 3*xs && 2*yn < 3*ys) { found=1; }
673       } end_for_each(&(JOB->res.boxlist));
674       if (!found) { /* found nothing, box2 to far from big boxes */
675         i2++;
676         list_del(&(JOB->res.boxlist), box2);
677         free_box(box2);
678       }
679     }
680   } end_for_each(&(JOB->res.boxlist));
681   close_progress(pc);
682   if (vvv)
683     fprintf(stderr, " %3d + %3d boxes deleted, nC= %d ?\n",
684             i1, i2, JOB->res.numC);
685
686   return 0;
687 }