CN103489254B - 彩票的识别方法及系统 - Google Patents

Abstract

本发明适用于图像识别领域，提供了一种彩票的识别方法及系统，该方法包括：采用CMOS黑白图像传感器获取彩票图像；对该彩票图像进行预处理；对预处理后的彩票图像进行彩票识别获取彩票投注信息；所述预处理包括：图像二值化处理、图像桶形失真校正；所述彩票识别包括：定位区的识别和填投区字符的识别。本发明提供的技术方案具有识别准确度高的优点。

Description

彩票的识别方法及系统

技术领域

本发明属于图像识别领域，尤其涉及一种彩票的识别技术。

背景技术

随着社会的进步和福利的增加，各种彩票随之产生，每注彩票的数字可由购买人自主确定，称之为自选，或由电脑终端机随机产生，称之为机选。对于自选的彩票要在投注单相应的位置进行涂黑，涂黑后送入彩票识别终端进行识别，识别出所选的数字号码，然后再打印出一张兑换票给购买者作为兑奖凭证在整个购买过程中，彩票识别终端扮演着相当重要的角色，识别率要求相当高。

现有的彩票识别的方式一般是通过光电二极管来获取填涂的信息，每一列有一个发光二极管，与之对应有一个光电二极管，涂黑的位置感应电平较低，没涂黑的位置则电平较高，通过判断电平的高低从而判断对应位置是否涂黑。

在实现现有技术的技术方案中，发现现有技术存在如下问题：

现有的彩票识别方式仅仅利用了彩票图像的一维信息，对于填涂不太规则或彩票填涂处有折痕的情况识别不准确。

发明内容

本发明实施例的目的在于提供一种彩票的识别方法，旨在解决现有的技术方案识别率不高的问题。

本发明实施例是这样实现的，一种彩票的识别方法，所述方法包括：

采用CMOS黑白图像传感器获取彩票图像；

对该彩票图像进行预处理；

对预处理后的彩票图像进行彩票识别获取彩票投注信息；

所述预处理包括：图像二值化处理、图像桶形失真校正、图像的旋转校正、图像分割和图像滤波；

所述彩票识别包括：定位区的识别和填投区的识别。

另一方面，本发明提供一种彩票的识别系统，所述系统包括：

图像采集单元，用于采用CMOS黑白图像传感器获取彩票图像；

预处理单元，用于对该彩票图像进行预处理；

识别单元，用于对预处理后的彩票图像进行彩票识别获取彩票投注信息；

所述预处理单元包括：

图像二值化处理模块、图像桶形失真校正模块、图像的旋转校正模块、图像分割模块和图像滤波模块；

所述识别单元包括：定位区的识别模块和填投区的识别模块。

在本发明实施例中，本发明提供的技术方案通过CMOS黑白图像传感器快速获取彩票图像，然后充分利用彩票图像的二维特性，并采用先进的图像识别算法，从而快速准确的识别出彩票的填涂信息，所以其具有识别准确度高的优点。

附图说明

图1是本发明提供的一种彩票的识别方法的流程图；

图2是本发明具体实施方式提供的二值化处理和桶形失真校正后的图像的示意图；

图3为未处理的示意图；

图4为本发明具体实施方式提供的固定定位和浮动定位相结合示意图；

图5为本发明具体实施方式提供的移动后图像示意图；

图6是本发明具体实施方式提供的识别示意图；

图7是本发明具体实施方式提供的识别示意图；

图8是本发明提供的一种彩票的识别系统的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供的一种彩票的识别方法，该方法如图1所示，包括：

S11、采用CMOS黑白图像传感器获取彩票图像；

S12、对该彩票图像进行预处理；

S13、对预处理后的彩票图像进行彩票识别获取彩票投注信息。

本发明提供的方法通过CMOS黑白图像传感器获取彩票图像后，对彩票进行预处理得到处理后的图像，然后对彩票进行识别处理以达到识别精度高的目的，因为本发明是对彩票的整体图像进行预处理后进行识别的，其利用彩票图像的二维特性，并采用先进的图像识别算法，从而快速准确的识别出彩票的填涂信息，所以其具有识别准确度高的优点。

可选的，实现S 12的方法具体可以为：

图像二值化处理、图像桶形失真校正、图像的旋转校正、图像分割和图像滤波。

下面具体介绍上述各个方法采用的具体算法。

图像的二值化处理和桶形失真校正

在获得图像后，先对图像进行二值化处理，从而把图像处理为黑白二值图像。二值化时，阈值的取值采用改进的OTSU法。本发明提出的灰度拉伸的改进OTSU法，通过增加灰度级来增强目标和背景的灰度差，从而解决当目标与背景灰度差别不明显的时候，会出现大块黑色区域的问题，现有的OTSU法的不同的图像，最大类间方差可能不同，不同的最大类间方差，确定的灰度级数就不同，而本发明具体实施方式的改进OTSU法通过灰度拉升来解决灰度差别不明显的时候，会出现大块黑色区域的问题，此时的改进OTSU法在现有的OTSU法获取的灰度级数上在增加灰度级，本发明具体实施方式的改进OTSU法只需增加灰度级数即可，对具体增加的程度没有要求。

镜头的几何失真是由于镜头中心（靠近光轴）和镜头边缘（远离光轴）对光线的放大倍数不一样而造成的。在本设计中经常遇到的几何失真是桶形失真，它是由于镜头远离径向失真中心点的放大倍数小于靠近光轴的放大倍数而造成象素点向心径收缩。桶形失真可用以下模型表示：

r=(rp)+k₁(rp)³+k₂(rp)⁵+k₃(rp)⁷+… （1）

其中r是失真后的象素距离光轴的半径，k是失真系数,rp是未失真的原始图象素距离光轴的半径。

在实际工程应用中，可以做近似计算，只考虑这个无线序列的第一阶和第三阶的情况，从而把上述模型简化如下：

r＝rp+k(rp)³ （2）

采用上述二值化处理和桶形失真校正后的图像如图2所示，图3为原始图像。

歪斜图图像的校正

设校正前图像中任意一点(象素)的坐标为(x,y)，校正后的坐标为(u,v)，则我们有如下传统的图象旋转校正算法：

该算法由于涉及大量的乘法和三角函数运算，运算速度很慢。而且由于运算结果不是整数，取整运算以后，新图像中的某些点找不到对应点，产生毛刺。本发明提供的方法采用快速旋转算法，该快速旋转算法如下:

使用逆向变换的方法对新图像中(U,V)进行计算得出原图像中的(x,y)，则有:

x=ucosθ+vsinθ

y=vcosθ-usinθ

这样可减少变换后图像中的噪声。由于图像中象素是相连的，我们力求从已经求得的一点位置计算出其它相邻点的位置。假设M(Xm,Ym)和N(Xn,Yn)是新图像中的两点，其位置关系为：

x_n=x_m+Δx

y_n＝y_m+Δy

原图像中对应的两点分别为MM,NN,θ为旋转角。那么有：

x_nn=x_ncosθ+y_nsinθ

y_nn=y_ncosθ-x_nsinθ

x_mm=x_mcosθ+y_msinθ

y_mm=y_mcosθ-x_msinθ

x_nn=x_mm+Δxcosθ+Δysinθ

则有：

y_nn＝y_mm+Δycosθ-Δxsinθ

当M和N是同一行的相邻象素时，即△Y=0,△X=1，则有:

x_nn=x_mm+cosθ

y_nn=y_mm-sinθ

当M和N是同一列的相邻象素时，即△Y=1,△X＝0，则有：

x_nn=x_mm+sinθ

y_nn=y_mm+cosθ

用加法运算代替了乘法运算，大大缩短了校正处理所需的时间，实践证明有很好的效果。

图像的分割

正确的字符图像分割是识别的前提，分割是指将单个有意义的字符从背景中提取出来，分割有很多不同的方法。它们各自基于不同的图像模型，利用不同的特征，各自有一定的使用范围和优缺点。总的来说，分割方法可分为两大类:边缘检测法和区域提取法，边缘检测法是基于不连续性原理检测出物体的边缘，将图像分成不同的区域，该方法常被称为基于点相关的分割技术;区域提取法是基于相似的原理，将具有同一灰度级或相同组织结构的像素聚集在一起，形成图像的不同区域，该方法常被称为基于区域相关的分割技术。对于二值图像的边缘检测，实际上就是点的连通性检测，因而，比灰度图像的边缘检测要简单的多，但是对于存在连笔、断笔及噪声的扫描二值图象的分割，边缘检测法则显得无能为力。在本发明中的二值图像的分割，采用固定定位和浮动定位相结合的方法进行字符图像的分割。其中固定定位和浮动定位相结合示意图如图4所示，这种方法分割速度快而准确，同时不受断笔、连笔的影响。

图像的滤波

去噪的目的是为了消除笔画外的孤立的像素点、笔画内的白点、笔画边缘的毛刺以及改善图像，便于以后的识别处理。对于二值图像的去噪，本发明采用经常采用的算法是平滑算法。

可选的，上述方法在S12和S13之间还可以包括：投注单的学习；

投注单的学习具体可以包括：

为了在进行图像分割与识别时具有一定的先验知识，需要进行投注单的学习，在投注单的学习完成以后，把相应的先验知识存为参数文件，以备图像分割和识别时使用。

投注单学习的步骤如下：

1)扫描仪扫描一张没有填写任何内容的投注单，并把原图显示在屏幕上。如果显示的图像清晰正确，没有大的歪斜，则继续；否则重新扫描投注单。

2)移动图像的位置，图像移动后的位置如图5所示；

A、图像向上移动，使列定位标志的边沿与屏幕菜单区的底边齐平；

B、图像左右移动，使行定位标志的左边沿与菜单区内第一根线段在同一垂直直线上，并保证定位块的左边不出现任何其他信息；

3)输入行和列的数目参数并存盘。

可选的，实现S13的步骤具体可以为：

彩票投注单的识别包括两部分：定位区的识别和填投区的识别。其中定位区的识别是填投区识别的基础，若定位区的识别不准确，将直接导致填投区的识别出错。

a定位区的识别

对于定位块的识别，我们利用区域探测窗口法寻找图像中定位标志的位置坐标。区域探测窗口是一个长方形的浮动窗口，其短边比定位标志的对角线稍微长一点。我们先采用扫描的方法确定投注单中页定位标志的位置，然后以页定位标志作为起点横向纵向地移动区域探子来探测行和列的定位标志位置，当定位标志恰好落在区域探子的窗口里时，区域探子内的黑象素的总数目

b填投区的识别

彩票投注单填投区内的填投字符比较规一，都是条状的字符块，故与定位区的识别类似，我们仍然可以利用字符块的统计特性来识别填投区的内容。我们设定一个域值来判别检测到的黑象素块是噪声还是有用信息。若黑象素块的大小小于域值，则视其为噪声，否则认为是有用信息。

为了增强程序的通用性，我们应用了域值自适应算法来进行填投区的识别。所谓域值自适应算法，就是让程序根据每张投注单的填涂清况，自行检测、设定出域值的大小。该算法基于这样一个假设事：一张投注单通常由一个人填写，而每人的填写习惯有其一致性。设投注单的填投区内共有N个黑像素块，每个黑象素块的大小为Ai(1≤i≤N)，则可由N个黑像素块的平均值和方差得出一个域值P的。尽管每人的书写习惯不尽相同，但程序仍然可以较好好地识别出填涂内容。试验识别结果如图6和图7所示。图6中横线和竖线的交叉点如果是黑点,表明这点被填涂。图7更为直观的显示出了识别结果,黑方块表示没有填涂,白方块中的数字表明的就是该填涂出填涂的数字,也就彩票的填涂号码。

本发明提供一种彩票的识别系统，该系统如图8所示，包括：

图像采集单元81，用于采用CMOS黑白图像传感器获取彩票图像；

预处理单元82，用于对该彩票图像进行预处理；

识别单元83，用于对预处理后的彩票图像进行彩票识别获取彩票投注信息；

预处理单元82包括：

图像二值化处理模块821、图像桶形失真校正模块822、图像的旋转校正模块823、图像分割模块824和图像滤波模块825；

识别单元83包括：定位区的识别模块831和填投区的识别模块832。

可选的，桶形失真校正模块822具体用于选择输入图像6×9个采样点对应的行和列，对初始图像进行3×1中值滤波，对滤波后的图像进行失真校正，失真校正的具体为：每四个相邻的采样点中插值100×100个点，先取相邻两行方向的四个点距离，算出插值点的行数，再取列方向两个点距离，算出插值点的列数，依次类推直至算出所有的采样点。

可选的，图像分割模块824具体用于采用固定定位和浮动定位相结合的方法进行图像分割。

可选的，填投区的识别模块832具体用于采用域值自适应算法来进行填投区的识别。

需要说明的是，上述各个模块以及单元对应的功能的具体实现方法可以参见方法实施例的具体描述，这里不在赘述。

上述单元和系统实施例中，所包括的各个模块或单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

本领域技术人员可以理解，本发明实施例提供的方法中，其全部或部分步骤是可以通过程序指令相关的硬件来完成。比如可以通过计算机运行程来完成。该程序可以存储在可读取存储介质，例如，随机存储器、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种彩票的识别方法，其特征在于，所述方法包括：

采用CMOS黑白图像传感器获取彩票图像；

对该彩票图像进行预处理；

对预处理后的彩票图像进行彩票识别获取彩票投注信息；

所述预处理包括：图像二值化处理、图像桶形失真校正、图像的旋转校正、图像分割和图像滤波；

所述图像的旋转校正采用快速旋转算法，所述快速旋转算法包括：使用逆向变换的方法对新图像中(u，v)进行计算得出原图像中的(x，y)，则有：

x＝u cosθ+v sinθ；

y＝v cosθ-u sinθ；

其中，(x，y)为设校正前图像中任意一点像素的坐标，(u，v)为校正后的坐标；当已求得一点像素校正后的坐标后，根据该点像素的坐标计算其他相邻点像素校正后的坐标，具体的：假设M(x_m,y_m)和N(x_n,y_n)是新图像中的两点，其位置关系为：

x_n＝x_m+Δx

y_n＝y_m+Δy

原图像中对应的两点分别为MM(x_mm,y_mm),NN(x_nn,y_nn),θ为旋转角，那么有：

x_nn＝x_n cosθ+y_n sinθ

y_nn＝y_n cosθ-x_n sinθ

x_mm＝x_m cosθ+y_m sinθ

y_mm＝y_m cosθ-x_m sinθ

则有：

当M和N是同一行的相邻象素时，即Δy＝0,Δx＝1，则有:

x_nn＝x_mm+cosθ

y_nn＝y_mm-sinθ

当M和N是同一列的相邻象素时，即Δy＝1,Δx＝0，则有：

x_nn＝x_mm+sinθ

y_nn＝y_mm+cosθ

所述图像分割采用固定定位和浮动定位相结合的方法进行字符图像的分割；所述图像滤波采用平滑算法；

所述彩票识别包括：定位区的识别和填投区的识别。

2.根据权利要求1所述的方法，其特征在于，所述二值化处理包括：

在对整幅图像做二值化时，采用恒定阈值进行二值化，阈值的取值采用改进的OTSU法，所述改进的OTSU法是通过增加OTSU法的灰度值的技术来增强前后景的灰度差。

3.根据权利要求1所述的方法，其特征在于，所述图像桶形失真校正具体包括：桶形失真可用以下模型表示：

r＝(rp)+k₁(rp)³+k₂(rp)⁵+k₃(rp)⁷+…

其中r是失真后的象素距离光轴的半径，k是失真系数,rp是未失真的原始图象素距离光轴的半径。

4.根据权利要求1所述的方法，其特征在于，所述定位区的识别方法具体包括：

在每张彩票的一边都会有一排黑标，通过寻找这一排黑标的位置来确定要处理的彩票图像的定位区域。

5.根据权利要求1所述的方法，其特征在于，所述填投区字符的识别具体包括：

依次每行判断填涂位置电平的高低，如果是黑点，电平就是1，相应位置就有填涂，如果是白点，电平就是0，相应位置就没有填涂，所以这些识别信息输入到一个二维数组，然后和另外一个二维数组进行比对，对应1的数组位置里面的数字就是填涂的数字。