摘　要:首先使用一种综合多帧差异积累、形态滤波和Sobel边缘检测的方法实现了数字区域的准确定位分割,然后采用基于局部门限处理的方法,解决了图像亮度分布不均的二值化问题,最后运用连续子集迭代分割算法实现了粘连和断裂数字的准确切分。

　　数字仪表以其高精度、易读取、可设置等优点在工业和控制领域得到了广泛的应用。虽然大多数字仪表都有数字输出接口,但在相当一部分应用环境,如仪表检定、科学实验、测量控制等,仍需要对仪表显示值进行人工记录。因此,开展仪表显示值实时识别研究,采用OCR技术实现仪表数值自动采集具有十分重要的实用价值。

　　要实现仪表显示值的自动识别,必须首先将数字区域从原始图像中正确分割出来,同时为便于后继的特征提取,往往要对数字区域图像进行二值化、滤波和数字切分处理,这些统称为预处理。由于后继的特征提取和数字识别将直接作用于预处理后的单个数字图像,因此预处理性能的优劣已成为制约系统识别率的一个重要因素。本文提出了一种适合仪表显示值识别的预处理算法,该算法主要包括数字区域自动定位分割、目标图像二值化和数字精确切分三部分。实验证明,该算法抗干扰能力强、预处理效果好,完全满足了应用系统的要求。

　　1　理论基础

　　1.1　帧间差分法

　　在运动或变化目标检测研究中,帧间差分法是一种行之有效的方法,该方法通过对不同图像帧进行差异分析确定发生变化的目标[1]。帧间差分法主要包括以下两步:

　　(1)计算差分图像。设ft(x,y),f′t(x,y)分别是t和t′时刻的两帧图像,则差分图像可由公式(1)求得

　　1.2　数学形态学滤波

　　数学形态学是基于集合论而发展起来的,其基本操作是腐蚀和膨胀。腐蚀可以滤除图像中的噪声,而膨胀可以恢复目标原始大小。开运算充分结合了两者的优点,可以得到形状、尺寸和灰度值与原目标相似的图像,并达到去除噪声和干扰的目的。设结构元素为B,图像点阵构成的集合记为A,则B对A的开运算[2]可定义为

　　开运算的关键是选择合适的结构元素B。B选得太小,则不能完全消除噪声;选得太大又会丢失数字细节部分。本文对标准开运算进行了调整,采用不同的腐蚀和膨胀结构元素。试验表明,当腐蚀采用3×3的结构元素,而膨胀运算采用5×5的结构元素时可获得非常好的效果。滤波实例如图1所示。

　　1.3　投影直方图

　　投影直方图是以图像的某个方向作为横轴,将与该轴正交方向上所有图像点的灰度值总和作为纵轴的直方图[3]。投影直方图可以非常直观地反映出图像点相对于轴向的空间分布情况。对于大小为M×N的二值图像f(x,y),取X轴或Y轴作为投影的横轴,由式(4)和式(5)可分别求出X轴的投影分布函数HX(x)和Y轴的投影分布函数HY(y)。

2　数字区域自动定位分割

　　多数仪表在较短时间内只有部分数字发生变化,未变化数字在差分二值图像中会被作为背景滤除,同时受光照及仪表刷新等因素影响,在差分二值图像中会存在大量噪声,这些噪声也会严重干扰数字区域的分割。基于以上因素,使用传统的帧间差分法无法实现各数字区域的准确定位分割。

　　在实际应用中,由于摄像头与仪表位置是固定的,定位分割操作仅需执行一次,对时间的要求不高,因此本文采用了一种综合多帧差异积累、形态滤波和Sobel边缘检测的数字区域分割算法。该算法首先运用形态滤波对差分二值图像去噪,然后对差分二值图像进行差异积累,并且运用Sobel边缘图像对未变化数字进行补偿,最后采用一种基于投影直方图的连续子集搜索算法实现了各数字区域的准确分割。

　　2.1　基于投影直方图的连续子集搜索算法

　　算法1 CSubsetSearch算法

　　2.2　数字区域定位分割算法

　　算法2 DigitAreaLS算法

　3　二值化

　　受光照不均匀、仪表屏幕磨损等因素影响,所摄取的仪表图像中往往存在灰度分布不均和灰度突变的情况。这种图像若使用简单的全局阈值法很难获得良好的二值图像。

　　本文采用一种基于局部门限处理的二值化方法,其基本原理为:对图像中任意像素,其位于目标内的概率与位于背景内的概率大体相等,因此若对传统的直方图方法进行改进,以梯度值作为横轴,只考虑位于数字和背景边缘上或附近的像素,则改进的直方图会出现等高的尖峰,并且被很深的波谷分开,从而可以找到一个较好的门限T。根据T和各个像素的梯度f和拉普拉斯值 2f可以从原始图像中搜索出目标,从而实现重建一幅具有较高质量的二值图像。具体步骤如下:(1)由式(6)和式(7)分别计算各像素的梯度 f和拉普拉斯值 2f。

　　(2)以梯度值为横轴对所有梯度值大于门限值F(本文中F取5)的像素作直方图统计,求直方图波谷中点的梯度值,记为T。

　　(3)根据T, f和 2f,由式(8)生成一幅三级图像P,其中,①所有不在边缘上的像素(由 f小于门限T确定)标为0;②所有在边缘暗的一边的像素标记为+;③所有在边缘亮的一边的像素标记为-。

　　(4)根据P进行二值图像的重建,沿水平或垂直方向扫描整个图像。若图像为亮背景暗对象,则搜索具有(…)(+,-)(0或+)(+,-)(…)结构的部分,反之则搜索具有(…)(+,-)(0或+)(-,+)(…)结构的部分,将最内层括号对应的像素点标为1,其他标为0,即可得到相应的二值图像。

　　4　数字切分

　　为准确识别仪表的显示值,必须首先将单个数字提取分离出来。在字符识别中,投影直方图法是最常用的字符切分方法,它具有算法简单、计算量小的优点,但适用性较差。在定位分割后的数字区域图像中,受亮度分布不均及仪表刷新的影响,其二值图像中通常会出现数字粘连和断裂的情况,这给数字的精确分割带来了难度。本文提出了一种基于连续子集的迭代分割算法实现粘连和断裂数字的精确切分。对产生粘连的数字块,将其在水平方向进行投影,通过投影所得的笔画分布密度,参考字符平均宽度,选择切分点,可将产生粘接的数字正确分开。对产生断裂的数字块,根据字符平均宽度对分割后的候选区域进行合并,将其复原为一个完整的数字。具体算法描述如下:

　　算法3DigitSegment算法

　　5　结束语

　　本文探讨了仪表显示值识别中的预处理问题。针对仪表图像的特点,基于多帧差异积累、形态滤波和Sobel边缘检测方法实现了数字区域的自动定位分割,在很大程度上提高了目标图像分割的准确率和精度;使用局部门限处理方法解决了亮度分布不均图像的二值化问题;提出了一种基于连续子集的迭代分割算法,实现了粘连和断裂数字的精确切分,为识别奠定了很好的基础。通过对2 470幅图像进行实验,定位分割成功率为99.7%,字符切分成功率达到99.1%。该方法已在我们开发的仪表检定系统中得到了成功的应用。

　　参考文献:

　　[1] Shu-Ching Chen, Mei-Ling Shyu. Video Scene Change Detection MethodUsing Unsupervised Segmentation and ObjectTracking[C]. IEEE Interna-tional Conference on Multimedia&Expo (ICME), 2001.57-60.

　　[2] Rafael C Gonzalez,et al. Digital Image Processing(Second Edition)[M]. PublishingHouse of ElectroNIcs Industry, 2002.608-610.

　　[3] [日]谷口庆治·数字图像处理基础篇[M]·北京:科学出版社,2002.128-129.

　　作者简介:

　　张海波(1978-),男,硕士生,主要研究方向为数字图像处理与模式识别;段会川(1965-),男,教授,主要研究方向为数字图像处理;

        谢术富(1981-),男,硕士生,主要研究方向为数字图像处理;刘弘(1962-),女,博士生导师,主要研究方向为软件智能化技术。

上一篇 : 暂无             下一篇 : 烤地瓜机 烤地瓜机烤地瓜的原理