CN102426649A - 一种简单的高准确率的钢印数字自动识别方法 - Google Patents
一种简单的高准确率的钢印数字自动识别方法 Download PDFInfo
- Publication number
- CN102426649A CN102426649A CN2011103100741A CN201110310074A CN102426649A CN 102426649 A CN102426649 A CN 102426649A CN 2011103100741 A CN2011103100741 A CN 2011103100741A CN 201110310074 A CN201110310074 A CN 201110310074A CN 102426649 A CN102426649 A CN 102426649A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- width
- gradient
- edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 54
- 239000010959 steel Substances 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 239000002775 capsule Substances 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101100153581 Bacillus anthracis topX gene Proteins 0.000 description 1
- 101150041570 TOP1 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种简单的高准确率的钢印数字自动识别方法,它首先对字符区域进行粗定位,分割出字符区域;然后将数字图像由RGB空间转换到YCbCr空间,并采用分块自适应阈值的Canny算子和边缘闭合相结合的方法从数字图像的Y分量提取字符轮廓;再分割出单个字符并进行归一化处理;最后采用级联模板匹配分组的方法识别数字。本发明采用分块自适应阈值的Canny算子和边缘闭合相结合的方法从数字图像的Y分量提取字符轮廓,并采用级联模板匹配分组的方法识别数字,具有检测结果边缘连接程度好,噪声敏感程度低,实时性强等优点,可实时准确地识别强干扰下的钢印数字、满足工业自动检测和信息化的需求。
Description
技术领域
本发明涉及一种能够在工业现场自动识别液化气钢瓶上的钢印数字的方法,属识别技术领域。
背景技术
液化气钢瓶的标识编码为压印在护罩上的凹字符,与一般利用前景和背景色差形成的字符相比, 有着其固有的特点: 压印字符是下凹的,具有一定深度,而其他字符大多数都属于二维字符;压印字符与背景是同色, 字符图像显示质量不佳;压制字符时,由于字模松动、倾斜或钢瓶材质等现场因素的影响,压印字符有倾斜、缺损等变形,且深浅不一、字符周围有较强的干扰。尽管压印字符的识别属于光学字符识别(optical Character Recognition,OCR)的范畴,而且有很多OCR技术研究已经非常成熟,但因其与其他字符相比区别非常大,所以还不能将字符识别领域现有的识别方法直接用于压印字符,必须针对其图像特点,研究与之相适应的图像处理和识别算法。
目前,人们对钢印字符识别技术的研究还处在起步阶段,已有的数字识别系统一般是先对采集的图像二值化处理,再提取字符特征。针对压印的凹凸字符图像, 从分割的错误概率、区域的均匀性和形状参数三方面评价常用的50多个二值化方法, 没有一个方法能同时在所有的试验凹凸字符图像上, 三方面评价参数上都占首位。如有的学者提出利用圆周投影和矢量和直接获取灰度压印字符的质量判别特征值, 以标准压印字符为模板进行快速的标牌压印字符在线检测。这种识别方法适用于平面钢印字符,而钢瓶字符处在一个弯曲的弧面上,这种钢印数字受光照影响很大,打印的钢印数字易发生畸变,字符深度不一,加大了字符识别的难度。有的学者采用Canny算子和边缘闭合相结合的方法提取字符轮廓,将字符与背景分割;然后用穿线法和NMI特征进行模板匹配。但采用的Canny算子和边缘闭合相结合的方法使用同一个固定阈值,不能有效提取复杂背景下的所有字符轮廓,这种方法通用性不好,无法实现工业自动检测。
发明内容
本发明的目的在于克服现有技术的不足,提供一种简单高效的钢印数字自动识别方法,实时准确地识别强干扰下的钢印数字,以满足工业自动检测和信息化的需求。
本发明所称问题是以下述技术方案实现的:
一种简单的高准确率的钢印数字自动识别方法,它首先对字符区域进行粗定位,分割出字符区域;然后将数字图像由RGB空间转换到YCbCr空间,并采用分块自适应阈值的Canny算子和边缘闭合相结合的方法从数字图像的Y分量提取字符轮廓;再分割出单个字符并进行归一化处理;最后采用级联模板匹配分组的方法识别数字,具体步骤如下:
a、字符区域粗定位:
从采集到的钢瓶钢印数字图像中,截取包含字符的矩形区域,区域大小为固定值Width×Height。
b、提取字符边缘:
首先将粗定位后的钢瓶钢印数字图像由RGB空间转换到YCbCr空间;
然后根据单个字符大小把图像平均分成M×N块,每块大小为(Width/M)×(Height/N);采用自适应阈值的Canny算子和边缘闭合相结合的方法逐块提取字符轮廓,具体步骤为:
③ 对梯度幅值进行非极大值抑制:
使用3×3大小,包含8方向的邻域对梯度幅值阵列的所有像素沿梯度方向进行梯度幅值的插值,在每一个点上,邻域的中心像素与沿梯度方向的2个梯度幅值的插值结果进行比较,如果邻域中心点的幅值不比梯度方向上的2个插值结果大,则将对应的边缘标志位赋值为0;
④ 检测和连接边缘:
对经过非极大值抑制和梯度直方图分类的子图像分别使用高阈值和低阈值分割,得到2个阈值边缘图像和,然后在中把边缘连接成轮廓,若轮廓上有间断,则在达到轮廓端点时,在由低阈值得到的边缘图像的8邻域位置寻找可以连接到轮廓上的边缘, 这样,利用递归跟踪的算法不断地在中搜集边缘,直到将中所有的间隙都连接起来为止,所述高阈值和低阈值由以下方法确定:
则类间方差为:
c、数字的分割与归一化处理:
① 数字分割:
首先在边缘检测图上计数竖直积分投影的平滑曲线p(x),再搜索p(x)的局部最小值,得到一个波谷位置序列v(0),v(1),…,v(n),然后将相邻两个波谷v(i)和v(i+1)分别作为左右边界提取出一组矩形区r(i),并根据下列规则对矩形序列r(i)进行删除、分裂、合并和调整大小,中值宽度等于单个数字的标准宽度:
Ⅰ、若相邻矩形r(i-1)和r(i)的宽度均小于矩形序列的中值宽度且合并后的宽度接近矩形序列的中值宽度,则将r(i-1)和r(i)合并;
Ⅱ、若矩形r(i)的宽度接近两倍中值宽度,且前后相邻矩形的宽度接近中值宽度,则将r(i)等分成两块;
Ⅲ、若相邻矩形r(i-1)和r(i)的宽度之和接近两倍中值宽度,但其中一个矩形宽度小于中值宽度,另一个矩形宽度大于中值宽度,调整r(i-1)的右边界和r(i)的左边界,使得两个矩形等宽;
② 定位单个数字上下左右边界:
首先对图像进行滤波:扫描整个图像,当发现一个白色的点时,考察和该白色点直接或者间接相连接的白色点的个数,如果个数小于规定的阈值,则把它去掉,滤波完成后按以下方法确定单个数字边界:
上下边界的定位:对分割出的单个数字图像从上到下逐行扫描,遇到第一白色像素点时,认为是字符的上边界;遇到第j行有白色像素点,第j+1行白色像素点为0时,则认为是字符的下边界;
左右边界的定位:在每个数字高度范围之内自左向右逐列进行扫描,遇到第一个白色象素时认为是字符的左边界,然后继续扫描,直至遇到有一列中没有白色象素,则认为是这个字符的右边界;
计算分割出的单个数字的宽度,若宽度小于中值宽度的2/3,则直接识别该数字为“1”;
③ 对字符进行归一化处理:
将经过分割的非“1”数字进行缩放处理,使其高度等于标准图像高度,然后根据缩放处理后数字的宽度,把图像中的像素点按照插值的方法映射到标准图像中,并进行连通性检测和边缘连接;
d、采用模板匹配分组的方法对除去数字“1”之外的9个数字进行识别。
,
上述简单的高准确率的钢印数字自动识别方法,为了提高Canny算子的运算速度,将高斯函数梯度矢量 的二维卷积模板分解为两个一维滤波器;通过不同模板匹配方法把待识别数字逐级分组,直到分离并识别出单个数字;
,
式中:
其中,k为常数,
然后将两个模板分别与图像的Y分量进行卷积。
本发明采用分块自适应阈值的Canny算子和边缘闭合相结合的方法从数字图像的Y分量提取字符轮廓,并采用级联模板匹配分组的方法识别数字,具有检测结果边缘连接程度好,噪声敏感程度低,实时性强等优点,可实时准确地识别强干扰下的钢印数字(准确率,满足工业自动检测和信息化的需求。自适应Canny算法中的高斯滤波尺度参数通过快速积分图像进行计算,大大缩短计算时间。
附图说明
下面结合附图对本发明作进一步详述。
图1 是钢印数字识别流程图;
图2 是钢印数字图像;
图3 是粗定位后的钢印数字图像;
图4 是积分图像中窗口W内像素和的求解;
图5是传统Canny算子与分块自适应Canny算法处理光线较强图像的效果对比图;
图6 是传统Canny算子与分块自适应Canny算法处理光线较暗图像的效果对比图;
图7 是传统Canny算子与分块自适应Canny算法处理亮度不均图像的效果对比图;
图8 是对图7中分块自适应Canny算法边缘检测图的竖直积分投影的平滑曲线;
图9 是字符分割结果;
图10 是水平投影定位单个数字的上下边界结果;
图11 是精确定位单个数字的左右边界结果;
图12 是标准化后的数字图像;
图13 是采用级联模板匹配分组法的数字识别过程描述图。
图中各标号为:1、液化气钢瓶;2、钢印数字(实际图2和图3均为彩色图像,且数字和钢瓶颜色较复杂,这里仅用数字1和2表示出他们的区域)。
文中各符号为:RGB、数字图像的色彩模式之一,其中R代表红色,G代表绿色,B代表蓝色;YCbCr、数字图像的模式之一,其中Y是代表亮度分量,Cb代表蓝色色度分量,Cr代表红色色度分量;Width、粗定位后图像的宽度;Height、粗定位后图像的高度;M、是粗定位后图像的宽度被分成的块数;N、是粗定位后图像的高度被分成的块数;是、高斯滤波器参数;、高阈值;、低阈值;、高斯函数;、高斯函数的梯度矢量;k、常数;、邻域的中心像素;、数字图像当前像素点亮度值;、窗口内的亮度值总和;、平滑后的数据阵列;、的梯度幅值;、的梯度方向、、在方向偏导数的阵列;、在方向偏导数的阵列;、由得到的阈值边缘图像;、由得到的阈值边缘图像;、0阶矩;、1阶矩;、幅值为i的像素点总数;、所有像素点总数;p(x)、在边缘检测图上计数竖直积分投影的平滑曲线;、点处的积分图像;、图像点处的亮度值;、图像一列的积分;
具体实施方式
本发明的具体识别步骤如下:
一、字符区域粗定位
本发明中工件钢瓶与摄像头的位置相对固定,因此我们先对其字符区域粗定位。这样减少了钢印数字背景对字符提取的影响。图2是采集到的钢瓶钢印数字图像,大小为320×240。()图3是经字符区域粗定位后截取的图像,在本发明中截取的矩形范围是[(30,150),(289,209)]。区域大小是260×60。
二、边缘提取
边缘是图像信号突变的地方,是图像的重要特征之一。Canny算子自从提出以来,在各种边缘检测中表现出良好性能,已经成为评估其它新的边缘检测算子的标准,并随之产生了许多改进的Canny算法,使其性能获得显著提高。使用传统Canny 算子进行边缘检测时,高斯滤波方差参数和对像素梯度进行模非极大值抑制后的高、低阈值都需要人工设定,不同的参数对于边缘检测的结果影响很大,实际图像易受到光照不均和噪声等干扰,人为修改这些参数不仅费时,而且参数大小不易把握。
2.1 Canny算子的基本原理
Canny 算法在边缘检测中满足最优准则:
①信噪比准则,即对边缘点的判定要准确,将非边缘点错判为边缘点和将边缘点错判为非边缘点的概率要低;
②定位精度准则,检测出的边缘定位精准,尽量不偏离实际边缘中心;
③单边响应准则, 对单一边缘仅有一个响应并且能抑制虚假边缘产生。
传统的Canny边缘检测算法包含以下几个步骤:
(1)用高斯滤波器平滑图像。
其梯度矢量为:
其中:
然后将两个模板分别与图像进行卷积。其中,k为常数,为高斯滤波器参数,它控制着平滑程度。对于较小的滤波器,边缘的定位精度高,但图像的信噪比较低;大的情况则相反。因此,要根据实际需要选取适当的高斯滤波参数。
(2)计算梯度的幅值和方向
像素的梯度幅值和梯度方向用直角坐标到极坐标的坐标转化公式来计算, 用二阶范数来计算梯度幅值为
, (7)
梯度方向为
(3)对梯度幅值进行非极大值抑制。
为了精确定位边缘, 必须细化梯度幅值图像中的屋脊带, 只保留幅值局部变化最大的点, 这一过程就是非极大值抑制。Canny算法使用3×3大小,包含8方向的邻域对梯度幅值阵列的所有像素沿梯度方向进行梯度幅值的插值。在每一个点上,邻域的中心像素与沿梯度方向的2个梯度幅值的插值结果进行比较,如果邻域中心点的幅值不比梯度方向上的2个插值结果大,则将对应的边缘标志位赋值为0,这一过程把宽屋脊带细化为一个像素宽,并且保留了屋脊的梯度幅值。
(4)检测和连接边缘。
双阈值算法是对经过非极大值抑制和梯度直方图分类的子图像分别使用高、低阈值和分割得到两个阈值边缘图像和。由高阈值得到的图像不含假边缘, 但可能在轮廓上有间断。因此双阈值算法要在中把边缘连接成轮廓,当达到轮廓端点时,该算法就在由低阈值得到的边缘图像的8邻域位置寻找可以连接到轮廓上的边缘, 这样,利用递归跟踪的算法不断地在中搜集边缘,直到将中所有的间隙都连接起来为止。
通过上面的过程,可以看出,传统Canny 算法在实际应用中存在如下问题:
(1)传统Canny算法的噪声平滑能力与边缘定位能力相矛盾。
(2)传统Canny算子在阈值化处理时的阈值需要预先设定。而实际的图像因受光照、场景等变化因素的影响,高、低阈值系数不可能是一个固定值,所以传统的方法不具有自适应能力,在许多情况下也难以得到好的检测结果。
2.2 颜色空间转化
本发明研究的钢印数字是下凹的空间立体字符,这种字符与背景没有色差,是通过字符区域同背景区域对光线的不同反射成像,而印刷字符等一般的光学字符是通过色差成像的。通过分析钢印数字的特点及实验测试,本发明中采用了YCbCr作为边缘提取的空间。在YCbCr空间中,Y分量给出了所有的亮度信息,Cb和Cr分量分别表示蓝色和红色的色度。YCbCr空间的优点是将亮度分量Y分离,且Cb和Cr不受亮度的影响。因此我们直接在Y分量上进行边缘提取。
一个RGB表示下的像素点在YCbCr空间的值可以通过下面的变换得到:
,
逆变换:
,
2.3 分块自适应阈值的Canny算子
为解决高斯滤波器中噪声平滑能力与边缘定位能力相矛盾的问题,本发明先根据标准字符大小把图像分块,本发明将采集的钢印数字图像分成10×3块,由此得到的边缘相对较好,这样每一块图像大小是26×20,窗口W就在分割后的每一块大小为26×20的图像块上做平滑去噪处理。然后在YCbCr颜色空间的Y分量上利用尺度自适应调整的高斯滤波器来对分割后的每一小块图像进行平滑。即
当像素点为噪声点时,(9)式差值较大;像素点为平滑区域点时,差值小;而为边缘时,介于两者之间。可见,该差值的大小与理想的滤波窗口平滑度保持一致,而窗口平滑度又由尺度参数控制,因此,可将该差值作为高斯滤波器尺度大小,从而实现滤波器尺度参数的自适应调整。
建立积分图像后,窗口内的亮度值总和,便可通过式(13)快速计算出来。积分图像如图4所示。因此,采用积分图像求窗口均值只需3次加法,计算量小,能大大提高计算速度。且对于不同大小的窗口,计算量都是相等的。
2.3.2 自适应的动态阈值方法
,
则类间方差为:
为了检验改进Canny算法的有效性, 实验时所用计算机主频为2.91GHz, 内存2G, 采用了Matlab 7.8对文中方法进行了程序实现。用传统Canny算子和本文提出的分块自适应Canny算法处理工业检测中采集到的钢瓶钢印数字图像,实验结果如图5-图7所示(图5-图7中,左侧为传统Canny算子的处理效果,右侧为分块自适应Canny算法的处理效果),运算时间见表1:
表1运算时间 (单位:ms)
从图5-图7可以看出,通过对三种不同光线的图像实验,用传统的canny 算子检测可能出现噪声点过多和假边缘现象,而且需要手工输入各个参数,参数大小需要实验多次才能选择一个最佳值。本文分块自适应Canny算法能根据图像的灰度特性进行参数计算,获得较合适的高斯滤波器尺度值和高低阈值,检测结果较好,不仅有效抑制了噪声,去掉了虚假边缘,而且对光线较暗和较亮的图像及不均匀图像都能获得准确的边缘。且运行速度相对较快,能满足工业实时性需求。
三、数字分割归一化
3.1 数字分割
钢印数字分割是将单个数字从图像中分离出来,但在实际环境中由于一些不确定因素的影响,分割存在一定的难度。主要是噪声的影响,钢印数字存在粘连或不连通的情况。如果直接进行分割,就会造成误差。
本发明中数字分割采用的是竖直投影谷值分析与钢印数字宽度信息相结合的方法。
谷值分析的目的是按照一定的规则分析竖直积分投影图上的波谷位置。
首先在边缘检测图上计数竖直积分投影的平滑曲线p(x),如图8所示。再搜索p(x)的局部最小(波谷)值,得到一个波谷位置序列v(0),v(1),…,v(n)。然后将相邻两个波谷v(i)和v(i+1)分别作为左右边界提取出一组矩形区r(i),并根据下列规则对矩形序列r(i)进行删除、分裂、合并和调整大小,中值宽度等于单个数字的标准宽度。
(1)若相邻矩形r(i-1)和r(i)的宽度较小,且合并后宽度接近矩形序列的中值宽度,将r(i-1)和r(i)合并,便于解决提取的数字边缘不连通问题。
(2)若矩形r(i)的宽度接近两倍中值宽度,且前后相邻矩形的宽度接近中值宽度,将r(i)等分成两块,以解决数字间噪声等引起的数字粘连问题。
(3)若相邻矩形r(i-1)和r(i)的宽度之和接近两倍中值宽度,但其中一个矩形宽度小于中值宽度,另一个矩形宽度大于中值宽度,调整r(i-1)的右边界和r(i)的左边界,使得两个矩形等宽。
本文中经过粗定位后的单个数字宽度为35。图9是结合数字宽度及竖直投影分析得到字符分割图。
3.2 精确定位单个数字上下左右边界
在精确定位前,我们先对图像进行滤波,去除孤立的杂点。具体算法如下,扫描整个图像,当发现一个白色点的时候,就考察和该白色点直接或者间接相连接的白色点的个数有多少,如果大于一定的值,那就说明不是离散点,否则就是离散点,把它去掉。
为确定单个数字上下边界,我们采用水平投影分割法,就是根据波峰的起始和终止位置对字符进行界定,其算法描述如下:
(1)对上述步骤分割出的单个数字图像从上到下逐行扫描,遇到第一白色像素点,认为是字符的起始位置,记录位置top1;
(2)继续扫描,遇到第j行有白色像素点,第j+1行白色像素点为0,则认为是字符的结束位置,记录位置bottom1;
水平投影定位得到的单个数字图像如图10所示。
接下来,精确定位每个数字的左右边界。其方法描述如下:
在每个数字高度范围之内在自左向右逐列进行扫描,遇到第一个白色象素时认为是字符分割的起始位置,然后继续扫描,直至遇到有一列中没有白色象素,则认为这个字符分割结束,计算出数字的宽度。这样就得到了每个字符的比较精确宽度范围。但是,数字“1”的宽度相比其它数字会窄很多,在这里,我们还要判断单个字符的宽度,若其宽度小于23(中值宽度(35)的2/3),则直接识别为数字“1”。
图11是经过垂直扫描精确定位左右边界得到的分割图像。
3.3 归一化
将经过分割的数字,进行缩放处理使他们的宽和高一致,以方便特征的提取。在系统实现中是统一到同一高度,然后根据高度来调整字符的宽度。具体算法如下:先得到原来数字的高度,跟系统要求的高度做比较;得出要变换的系数,然后根据得到的系数求得变换后应有的宽度。在得到宽度高度之后,把原图像中的像素点按照插值的方法映射到新的标准大小的图像中。这样得到的归一化数字可能存在断裂现象,在此,我们需进行连通性检测,并且进行边缘连接。
图12是经过归一化后得到的数字图像(这里我们的标准高度统一为51,宽度为30)
四、数字识别
4.1 数字识别算法
接下来,我们仅需要对除去数字“1”之外的9个数字进行识别。
在本专利中,我们采用模板匹配分组的方法对数字进行识别。图13是本算法的过程描述图。
4.2 数字识别测试结果
本文采集了1000幅钢印数字图像,运用本发明提出的识别算法对其进行识别。表2是识别结果。(每幅钢印数字图像有7个数字,总共有7000个数字)。
表1 实验结果
从实验结果可以看出,本发明提出的识别算法可以有效识别出钢印数字,识别率高。能够满足工业检测的需求。
因为本发明提取的是钢印数字的边缘信息,其识别方法不能遵循传统的二值化后数字图像的识别方法。这样我们就不能运用神经网络等识别率较高的识别算法。另外,我们得到的数字边缘可能存在不完整或多一些噪声点。也不能把这种边缘图像细化为单像素边缘图像。在这种情况下,我们采用不同模板匹配分组的方法,就能基本识别这些数字。因为是经过级联模板匹配分组,误识率和拒识率非常低。这种方法不需要训练大量的样本,识别时间很快。该识别方法对识别钢印数字这类图像很有效。
模板匹配是数字图像处理的重要组成部分之一。把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准,或根据已知模式到另一幅图中寻找相应模式的处理方法就叫做模板匹配。 简单而言,模板就是一幅已知的小图像。模板匹配就是在一幅大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像,通过一定的算法可以在图中找到目标,确定其坐标位置。 以8 位图像(其1个像素由1 个字节描述)为例,模板T( m × n 个像素)叠放在被搜索图S( W × H 个像素)上平移,模板覆盖被搜索图的那块区域叫子图Si,j。i,j为子图左上角在被搜索图S 上的坐标。搜索范围是:
1 ≤ i ≤ W – m ,
1 ≤ j ≤ H – n ,
通过比较T 和Sij 的相似性,完成模板匹配过程。
衡量模板T和子图Si,j的匹配程度,可用下列两种测度:
需要说明的是,本文中的匹配成功是指D(i,j)等于零的情况,即图像与模板中对应位置的像素值需要完全相等才可以。
Claims (2)
1.一种简单的高准确率的钢印数字自动识别方法,其特征是,它首先对字符区域进行粗定位,分割出字符区域;然后将数字图像由RGB空间转换到YCbCr空间,并采用分块自适应阈值的Canny算子和边缘闭合相结合的方法从数字图像的Y分量提取字符轮廓;再分割出单个字符并进行归一化处理;最后采用级联模板匹配分组的方法识别数字,具体步骤如下:
a、字符区域粗定位:
从采集到的钢瓶钢印数字图像中,截取包含字符的矩形区域;
b、提取字符边缘:
首先将粗定位后的钢瓶钢印数字图像由RGB空间转换到YCbCr空间;
然后把图像分成M×N块,采用自适应阈值的Canny算子和边缘闭合相结合的方法逐块提取字符轮廓,具体步骤为:
;
③ 对梯度幅值进行非极大值抑制:
使用3×3大小,包含8方向的邻域对梯度幅值阵列的所有像素沿梯度方向进行梯度幅值的插值,在每一个点上,邻域的中心像素与沿梯度方向的2个梯度幅值的插值结果进行比较,如果邻域中心点的幅值不比梯度方向上的2个插值结果大,则将对应的边缘标志位赋值为0;
④ 检测和连接边缘:
对经过非极大值抑制和梯度直方图分类的子图像分别使用高阈值和低阈值分割,得到2个阈值边缘图像和,然后在中把边缘连接成轮廓,若轮廓上有间断,则在达到轮廓端点时,在由低阈值得到的边缘图像的8邻域位置寻找可以连接到轮廓上的边缘, 这样,利用递归跟踪的算法不断地在中搜集边缘,直到将中所有的间隙都连接起来为止,所述高阈值和低阈值由以下方法确定:
,
则类间方差为:
c、数字的分割与归一化处理:
① 数字分割:
首先在边缘检测图上计数竖直积分投影的平滑曲线p(x),再搜索p(x)的局部最小值,得到一个波谷位置序列v(0),v(1),…,v(n),然后将相邻两个波谷v(i)和v(i+1)分别作为左右边界提取出一组矩形区r(i),并根据下列规则对矩形序列r(i)进行删除、分裂、合并和调整大小,中值宽度等于单个数字的标准宽度:
Ⅰ、若相邻矩形r(i-1)和r(i) 的宽度均小于矩形序列的中值宽度且合并后的宽度接近矩形序列的中值宽度,则将r(i-1)和r(i)合并;
Ⅱ、若矩形r(i)的宽度接近两倍中值宽度,且前后相邻矩形的宽度接近中值宽度,则将r(i)等分成两块;
Ⅲ、若相邻矩形r(i-1)和r(i)的宽度之和接近两倍中值宽度,但其中一个矩形宽度小于中值宽度,另一个矩形宽度大于中值宽度,调整r(i-1)的右边界和r(i)的左边界,使得两个矩形等宽;
② 定位单个数字上下左右边界:
首先对图像进行滤波:扫描整个图像,当发现一个白色的点时,考察和该白色点直接或者间接相连接的白色点的个数,如果个数小于规定的阈值,则把它去掉,滤波完成后按以下方法确定单个数字边界:
上下边界的定位:对分割出的单个数字图像从上到下逐行扫描,遇到第一白色像素点时,认为是字符的上边界;遇到第j行有白色像素点,第j+1行白色像素点为0时,则认为是字符的下边界;
左右边界的定位:在每个数字高度范围之内自左向右逐列进行扫描,遇到第一个白色象素时认为是字符的左边界,然后继续扫描,直至遇到有一列中没有白色象素,则认为是这个字符的右边界;
计算数字的宽度,若宽度小于中值宽度的2/3,则直接识别该数字为“1”;
③ 对字符进行归一化处理:
将经过分割的非“1”数字进行缩放处理,使其高度等于标准图像高度,然后根据缩放处理后数字的宽度,把图像中的像素点按照插值的方法映射到标准图像中,并进行连通性检测和边缘连接;
d、采用级联模板匹配分组的方法对除去数字“1”之外的9个数字进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110310074 CN102426649B (zh) | 2011-10-13 | 2011-10-13 | 一种简单的高准确率的钢印数字自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110310074 CN102426649B (zh) | 2011-10-13 | 2011-10-13 | 一种简单的高准确率的钢印数字自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102426649A true CN102426649A (zh) | 2012-04-25 |
CN102426649B CN102426649B (zh) | 2013-08-21 |
Family
ID=45960628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110310074 Expired - Fee Related CN102426649B (zh) | 2011-10-13 | 2011-10-13 | 一种简单的高准确率的钢印数字自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102426649B (zh) |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
CN103544491A (zh) * | 2013-11-08 | 2014-01-29 | 广州广电运通金融电子股份有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
CN103886554A (zh) * | 2014-03-12 | 2014-06-25 | 王好贤 | 自动识别系统中的代码定位方法 |
CN104408432A (zh) * | 2014-11-28 | 2015-03-11 | 中国电子科技集团公司第二十八研究所 | 一种基于直方图修正的红外图像目标检测方法 |
CN104881665A (zh) * | 2015-04-29 | 2015-09-02 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN105095897A (zh) * | 2015-07-29 | 2015-11-25 | 周秀芝 | 一种基于梯度图像和相似度加权的数字识别方法 |
CN105976355A (zh) * | 2016-04-26 | 2016-09-28 | 北京航空航天大学 | 一种空间目标太阳能帆板的检测方法 |
CN106022298A (zh) * | 2016-06-01 | 2016-10-12 | 天津市长龙宏业燃气设备有限公司 | 钢瓶钢印号动态读取方法与装置 |
CN104021546B (zh) * | 2014-05-14 | 2016-11-23 | 北京理工大学 | 基于图像处理的工件标签在线快速定位方法 |
CN106384110A (zh) * | 2016-09-12 | 2017-02-08 | 上海汇众汽车制造有限公司 | 具有自适应能力的钢印字符在线自动识别方法 |
CN106650735A (zh) * | 2016-12-30 | 2017-05-10 | 亿嘉和科技股份有限公司 | 一种led字符自动定位识别方法 |
CN107330470A (zh) * | 2017-07-04 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 识别图片的方法和装置 |
CN107578039A (zh) * | 2017-10-08 | 2018-01-12 | 王奕博 | 基于数字图像处理技术的字迹轮廓比对方法 |
CN108898187A (zh) * | 2018-07-03 | 2018-11-27 | 国网福建晋江市供电有限公司 | 一种自动识别配电房指示设备图像的方法及装置 |
CN109034154A (zh) * | 2018-07-23 | 2018-12-18 | 西安电子科技大学昆山创新研究院 | 发票专用章税号的提取和识别方法 |
CN109059775A (zh) * | 2016-08-30 | 2018-12-21 | 大连民族大学 | 图像边缘提取的方法 |
CN109389612A (zh) * | 2018-08-31 | 2019-02-26 | 南京理工大学 | 一种城轨列车受电弓滑板边缘检测方法 |
CN109697983A (zh) * | 2017-10-24 | 2019-04-30 | 上海赛趣网络科技有限公司 | 汽车钢印号快速获取方法、移动终端及存储介质 |
CN109727363A (zh) * | 2018-11-16 | 2019-05-07 | 恒银金融科技股份有限公司 | 一种在票据中识别大写金额的方法 |
CN109740601A (zh) * | 2019-01-04 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 一种压印类型识别方法及装置 |
CN109858480A (zh) * | 2019-01-08 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种数字式仪表识别方法 |
WO2019127619A1 (zh) * | 2017-12-29 | 2019-07-04 | 中国科学院深圳先进技术研究院 | 一种手腕骨的分割识别方法及系统、终端及可读存储介质 |
CN110135288A (zh) * | 2019-04-28 | 2019-08-16 | 佛山科学技术学院 | 一种电子证照的快速核对方法及装置 |
CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
CN110460813A (zh) * | 2019-08-12 | 2019-11-15 | 兰州交通大学 | 一种基于视频流的集装箱图像采集装置及采集方法 |
CN111027546A (zh) * | 2019-12-05 | 2020-04-17 | 北京嘉楠捷思信息技术有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
CN111046862A (zh) * | 2019-12-05 | 2020-04-21 | 北京嘉楠捷思信息技术有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
CN111079735A (zh) * | 2018-10-22 | 2020-04-28 | 莱芜钢铁集团电子有限公司 | 一种铸坯端面字符识别方法及装置 |
CN111578838A (zh) * | 2020-05-25 | 2020-08-25 | 安徽工业大学 | 一种齿轮尺寸视觉测量装置及测量方法 |
CN111967526A (zh) * | 2020-08-20 | 2020-11-20 | 东北大学秦皇岛分校 | 基于边缘映射和深度学习的遥感图像变化检测方法及系统 |
CN112634262A (zh) * | 2020-12-31 | 2021-04-09 | 浙江优学智能科技有限公司 | 一种基于互联网的写字质量评价方法 |
CN112733836A (zh) * | 2014-07-10 | 2021-04-30 | 赛诺菲-安万特德国有限公司 | 用于执行光学字符识别的装置和方法 |
WO2021109697A1 (zh) * | 2019-12-05 | 2021-06-10 | 嘉楠明芯(北京)科技有限公司 | 字符分割方法、装置以及计算机可读存储介质 |
CN113240633A (zh) * | 2021-04-28 | 2021-08-10 | 小孚科技(杭州)有限公司 | 基于智能图像识别与ocr技术的重工钢材数字化方案 |
CN113362427A (zh) * | 2021-06-29 | 2021-09-07 | 深圳市创想三维科技股份有限公司 | 斜边立体字的轮廓生成方法、装置、计算机设备和介质 |
CN113392833A (zh) * | 2021-06-10 | 2021-09-14 | 沈阳派得林科技有限责任公司 | 一种工业射线底片图像铅字编号识别方法 |
TWI744283B (zh) * | 2016-02-29 | 2021-11-01 | 香港商阿里巴巴集團服務有限公司 | 一種單詞的分割方法和裝置 |
CN113674270A (zh) * | 2021-09-06 | 2021-11-19 | 深邦智能科技(青岛)有限公司 | 一种轮胎花纹一致性检测系统及其方法 |
CN114187289A (zh) * | 2021-12-23 | 2022-03-15 | 武汉市坤瑞塑胶模具制品有限公司 | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 |
CN114241014A (zh) * | 2021-12-03 | 2022-03-25 | 上海锡鼎智能科技有限公司 | 一种用于实验考头戴式微型摄像头智能抓拍方法 |
CN116309296A (zh) * | 2022-12-31 | 2023-06-23 | 中山市天柏包装制品有限公司 | 一种包装箱缺陷的智能检测方法及检测系统 |
CN116434243A (zh) * | 2023-02-25 | 2023-07-14 | 江苏乐易智慧科技有限公司 | 一种笔迹练习系统的练习笔迹自动评测方法 |
CN117037185A (zh) * | 2023-10-10 | 2023-11-10 | 天津普传控制设备有限公司 | 一种基于光学字符识别技术的导线线号识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040037460A1 (en) * | 2002-08-22 | 2004-02-26 | Eastman Kodak Company | Method for detecting objects in digital images |
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
-
2011
- 2011-10-13 CN CN 201110310074 patent/CN102426649B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040037460A1 (en) * | 2002-08-22 | 2004-02-26 | Eastman Kodak Company | Method for detecting objects in digital images |
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
Non-Patent Citations (1)
Title |
---|
陈宏彩: "汽车牌照定位检测技术研究", 《河北省科学院学报》 * |
Cited By (65)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750530B (zh) * | 2012-05-31 | 2014-11-26 | 贺江涛 | 一种字符识别方法及装置 |
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
CN103544491A (zh) * | 2013-11-08 | 2014-01-29 | 广州广电运通金融电子股份有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
US9613266B2 (en) | 2013-11-08 | 2017-04-04 | Grg Banking Equipment Co., Ltd. | Complex background-oriented optical character recognition method and device |
CN103886554A (zh) * | 2014-03-12 | 2014-06-25 | 王好贤 | 自动识别系统中的代码定位方法 |
CN103886554B (zh) * | 2014-03-12 | 2016-08-31 | 哈尔滨工业大学(威海) | 自动识别系统中的代码定位方法 |
CN104021546B (zh) * | 2014-05-14 | 2016-11-23 | 北京理工大学 | 基于图像处理的工件标签在线快速定位方法 |
CN112733836A (zh) * | 2014-07-10 | 2021-04-30 | 赛诺菲-安万特德国有限公司 | 用于执行光学字符识别的装置和方法 |
CN104408432B (zh) * | 2014-11-28 | 2017-05-10 | 中国电子科技集团公司第二十八研究所 | 一种基于直方图修正的红外图像目标检测方法 |
CN104408432A (zh) * | 2014-11-28 | 2015-03-11 | 中国电子科技集团公司第二十八研究所 | 一种基于直方图修正的红外图像目标检测方法 |
CN104881665B (zh) * | 2015-04-29 | 2019-05-03 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN104881665A (zh) * | 2015-04-29 | 2015-09-02 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN105095897B (zh) * | 2015-07-29 | 2018-04-17 | 周秀芝 | 一种基于梯度图像和相似度加权的数字识别方法 |
CN105095897A (zh) * | 2015-07-29 | 2015-11-25 | 周秀芝 | 一种基于梯度图像和相似度加权的数字识别方法 |
TWI744283B (zh) * | 2016-02-29 | 2021-11-01 | 香港商阿里巴巴集團服務有限公司 | 一種單詞的分割方法和裝置 |
CN105976355B (zh) * | 2016-04-26 | 2018-02-06 | 北京航空航天大学 | 一种空间目标太阳能帆板的检测方法 |
CN105976355A (zh) * | 2016-04-26 | 2016-09-28 | 北京航空航天大学 | 一种空间目标太阳能帆板的检测方法 |
CN106022298A (zh) * | 2016-06-01 | 2016-10-12 | 天津市长龙宏业燃气设备有限公司 | 钢瓶钢印号动态读取方法与装置 |
CN109059775B (zh) * | 2016-08-30 | 2020-11-24 | 大连民族大学 | 具有图像边缘提取步骤的钢轨磨耗检测方法 |
CN109059775A (zh) * | 2016-08-30 | 2018-12-21 | 大连民族大学 | 图像边缘提取的方法 |
CN106384110B (zh) * | 2016-09-12 | 2019-07-09 | 上海汇众汽车制造有限公司 | 具有自适应能力的钢印字符在线自动识别方法 |
CN106384110A (zh) * | 2016-09-12 | 2017-02-08 | 上海汇众汽车制造有限公司 | 具有自适应能力的钢印字符在线自动识别方法 |
CN106650735B (zh) * | 2016-12-30 | 2019-10-01 | 亿嘉和科技股份有限公司 | 一种led字符自动定位识别方法 |
CN106650735A (zh) * | 2016-12-30 | 2017-05-10 | 亿嘉和科技股份有限公司 | 一种led字符自动定位识别方法 |
CN107330470B (zh) * | 2017-07-04 | 2020-03-27 | 北京京东尚科信息技术有限公司 | 识别图片的方法和装置 |
CN107330470A (zh) * | 2017-07-04 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 识别图片的方法和装置 |
CN107578039A (zh) * | 2017-10-08 | 2018-01-12 | 王奕博 | 基于数字图像处理技术的字迹轮廓比对方法 |
CN109697983A (zh) * | 2017-10-24 | 2019-04-30 | 上海赛趣网络科技有限公司 | 汽车钢印号快速获取方法、移动终端及存储介质 |
CN109697983B (zh) * | 2017-10-24 | 2024-06-11 | 上海赛趣网络科技有限公司 | 汽车钢印号快速获取方法、移动终端及存储介质 |
WO2019127619A1 (zh) * | 2017-12-29 | 2019-07-04 | 中国科学院深圳先进技术研究院 | 一种手腕骨的分割识别方法及系统、终端及可读存储介质 |
CN108898187A (zh) * | 2018-07-03 | 2018-11-27 | 国网福建晋江市供电有限公司 | 一种自动识别配电房指示设备图像的方法及装置 |
CN109034154A (zh) * | 2018-07-23 | 2018-12-18 | 西安电子科技大学昆山创新研究院 | 发票专用章税号的提取和识别方法 |
CN109389612A (zh) * | 2018-08-31 | 2019-02-26 | 南京理工大学 | 一种城轨列车受电弓滑板边缘检测方法 |
CN111079735B (zh) * | 2018-10-22 | 2023-12-22 | 莱芜钢铁集团电子有限公司 | 一种铸坯端面字符识别方法及装置 |
CN111079735A (zh) * | 2018-10-22 | 2020-04-28 | 莱芜钢铁集团电子有限公司 | 一种铸坯端面字符识别方法及装置 |
CN109727363B (zh) * | 2018-11-16 | 2022-03-29 | 恒银金融科技股份有限公司 | 一种在票据中识别大写金额的方法 |
CN109727363A (zh) * | 2018-11-16 | 2019-05-07 | 恒银金融科技股份有限公司 | 一种在票据中识别大写金额的方法 |
CN109740601A (zh) * | 2019-01-04 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 一种压印类型识别方法及装置 |
CN109858480A (zh) * | 2019-01-08 | 2019-06-07 | 北京全路通信信号研究设计院集团有限公司 | 一种数字式仪表识别方法 |
CN110135288A (zh) * | 2019-04-28 | 2019-08-16 | 佛山科学技术学院 | 一种电子证照的快速核对方法及装置 |
CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
CN110460813A (zh) * | 2019-08-12 | 2019-11-15 | 兰州交通大学 | 一种基于视频流的集装箱图像采集装置及采集方法 |
CN111046862A (zh) * | 2019-12-05 | 2020-04-21 | 北京嘉楠捷思信息技术有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
WO2021109697A1 (zh) * | 2019-12-05 | 2021-06-10 | 嘉楠明芯(北京)科技有限公司 | 字符分割方法、装置以及计算机可读存储介质 |
CN111046862B (zh) * | 2019-12-05 | 2023-10-27 | 嘉楠明芯(北京)科技有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
CN111027546B (zh) * | 2019-12-05 | 2024-03-26 | 嘉楠明芯(北京)科技有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
CN111027546A (zh) * | 2019-12-05 | 2020-04-17 | 北京嘉楠捷思信息技术有限公司 | 一种字符分割方法、装置以及计算机可读存储介质 |
CN111578838A (zh) * | 2020-05-25 | 2020-08-25 | 安徽工业大学 | 一种齿轮尺寸视觉测量装置及测量方法 |
CN111967526A (zh) * | 2020-08-20 | 2020-11-20 | 东北大学秦皇岛分校 | 基于边缘映射和深度学习的遥感图像变化检测方法及系统 |
CN111967526B (zh) * | 2020-08-20 | 2023-09-22 | 东北大学秦皇岛分校 | 基于边缘映射和深度学习的遥感图像变化检测方法及系统 |
CN112634262A (zh) * | 2020-12-31 | 2021-04-09 | 浙江优学智能科技有限公司 | 一种基于互联网的写字质量评价方法 |
CN113240633A (zh) * | 2021-04-28 | 2021-08-10 | 小孚科技(杭州)有限公司 | 基于智能图像识别与ocr技术的重工钢材数字化方案 |
CN113392833A (zh) * | 2021-06-10 | 2021-09-14 | 沈阳派得林科技有限责任公司 | 一种工业射线底片图像铅字编号识别方法 |
CN113362427B (zh) * | 2021-06-29 | 2024-03-15 | 深圳市创想三维科技股份有限公司 | 斜边立体字的轮廓生成方法、装置、计算机设备和介质 |
CN113362427A (zh) * | 2021-06-29 | 2021-09-07 | 深圳市创想三维科技股份有限公司 | 斜边立体字的轮廓生成方法、装置、计算机设备和介质 |
CN113674270B (zh) * | 2021-09-06 | 2023-11-14 | 深邦智能科技集团(青岛)有限公司 | 一种轮胎花纹一致性检测系统及其方法 |
CN113674270A (zh) * | 2021-09-06 | 2021-11-19 | 深邦智能科技(青岛)有限公司 | 一种轮胎花纹一致性检测系统及其方法 |
CN114241014A (zh) * | 2021-12-03 | 2022-03-25 | 上海锡鼎智能科技有限公司 | 一种用于实验考头戴式微型摄像头智能抓拍方法 |
CN114187289B (zh) * | 2021-12-23 | 2022-08-09 | 武汉市坤瑞塑胶模具制品有限公司 | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 |
CN114187289A (zh) * | 2021-12-23 | 2022-03-15 | 武汉市坤瑞塑胶模具制品有限公司 | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 |
CN116309296A (zh) * | 2022-12-31 | 2023-06-23 | 中山市天柏包装制品有限公司 | 一种包装箱缺陷的智能检测方法及检测系统 |
CN116434243B (zh) * | 2023-02-25 | 2023-10-24 | 江苏乐易智慧科技有限公司 | 一种笔迹练习系统的练习笔迹自动评测方法 |
CN116434243A (zh) * | 2023-02-25 | 2023-07-14 | 江苏乐易智慧科技有限公司 | 一种笔迹练习系统的练习笔迹自动评测方法 |
CN117037185A (zh) * | 2023-10-10 | 2023-11-10 | 天津普传控制设备有限公司 | 一种基于光学字符识别技术的导线线号识别方法及装置 |
CN117037185B (zh) * | 2023-10-10 | 2024-01-12 | 天津普传控制设备有限公司 | 一种基于光学字符识别技术的导线线号识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102426649B (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102426649A (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN111310558B (zh) | 一种基于深度学习和图像处理法的路面病害智能提取方法 | |
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
CN108319973B (zh) | 一种树上柑橘果实检测方法 | |
CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN107610114B (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
WO2018145470A1 (zh) | 一种图像检测方法和装置 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN104794502A (zh) | 一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法 | |
CN106446894A (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN107195069A (zh) | 一种人民币冠字号自动识别方法 | |
CN108389215A (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
CN115661110B (zh) | 一种透明工件识别与定位的方法 | |
CN111724375A (zh) | 一种屏幕检测方法及系统 | |
CN111768455A (zh) | 一种基于图像的木材区域和主色提取方法 | |
CN108520252B (zh) | 基于广义霍夫变换和小波变换的路标识别方法 | |
CN114581658A (zh) | 一种基于计算机视觉的目标检测方法及装置 | |
CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 | |
CN111192280B (zh) | 一种基于局部特征的视盘边缘检测方法 | |
CN110956200A (zh) | 一种轮胎花纹相似度检测方法 | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
CN105844641A (zh) | 一种动态环境下的自适应阈值分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20161213 Address after: 050081 Hebei, Shijiazhuang friendship south street, building 46, No. 1 Patentee after: INSTITUTE OF APPLIED MATHEMATICS HEBEI ACADEMY OF SCIENCES Address before: 050081 Hebei Institute of Applied Mathematics, Youyi South Street, Shijiazhuang, Hebei, China Patentee before: SHIJIAZHUANG DEVELOPMENT ZONE YIKE SHUANGSHI TECHNOLOGY Co.,Ltd. |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130821 |
|
CF01 | Termination of patent right due to non-payment of annual fee |