自然场景图像中嵌入的文本,是图像高层语义内容的有机组成部分。场景文本有诸多表现形式,如交通标志牌、字幕、商店名称、文本条幅、建筑物额匾等,这些信息可以为场景理解提供极有价值的帮助。对自然场景图像中文本内容的提取和识别,将有助于场景图像资料的检索、查询、理解、压缩,近而提高图像资料的管理效率。以OCR为代表的传统文档分析技术经过几十年的发展已经趋于成熟并取得了巨大的成果,能够准确高效地处理人工文本,但仍无法有效地处理自然场景中的文本字符。目前,对场景文本的研究刚刚起步,停留在算法设计阶段。本文结合科研课题,设计和实现了场景图像文本提取软件包,该软件包主要包括图像采集模块和文本提取模块。图像采集模块利用网络摄像头采集图像,该模块采用基于Directshow技术的开源视频处理库实现对摄像头的控制,并通过Qt设计实现了操作友好的图形界面。文本提取模块是场景图像文本提取软件包的核心,该模块对基于灰度统计和多尺度边缘检测的文本定位结果进行数据融合,可以有效地精确定位出场景图像中文本并保持较高的检测率,另外,文本提取模块成功地移植到嵌入式系统平台并运行良好。通过对定位结果分析,本文采用一种图像增强方法以提高检测率；另外,对字符填充、文本域整行提取做了一定的探索。软件包的实现基于C++编程语言和OpenCV图像处理库,该系统能够较为准确地定位场景图像中的文本,且对字体的大小、颜色、排列方向等具有良好的鲁棒性。Windows平台上,处理一张640×480图片的时间少于5秒,能够满足实时应用；在嵌入式平台上程序运行正确,但耗时较长,约为1分钟。