CN104239888A - 一种基于水表表盘环形排布钢印字符定位方法 - Google Patents

Abstract

本发明公开了一种基于水表表盘环形排布钢印字符定位方法，其特征在于，包括如下步骤：S01：对采集的图像预处理：先对图像进行二值化，然后进行图像腐蚀操作，最后再去除小于一定阈值的连通区域；S02：表盘边缘轮廓提取：查找每个连通域最外层的轮廓，选取最外层轮廓；S03：对最外层轮廓进行椭圆拟合并定位表盘中心；S04：图像映射：将图像展开成矩形；S05：图像再处理：通过高斯高通滤波器滤除图像的低频部分，再顺次进行直方图均衡化、二值化、腐蚀、膨胀操作；S06：利用求投影和最大值的方法确定边界点并定位字符。计算复杂度低，能够快速准确地定位目标字符，并且能够适应各种外界干扰。

Description

一种基于水表表盘环形排布钢印字符定位方法

技术领域

本发明涉及一种基于水表表盘环形排布钢印字符定位方法。

背景技术

字符定位是计算机视觉及图像处理领域必不可少的研究课题，准确地定位字符是提高后续字符识别准确率的关键，在实际生产和生活中具有广泛应用价值。目前国内外对于字符定位的研究取得了大量成果，这些成果被广泛应用于标牌识别、车牌识别等场合，而这些字符定位的研究多是基于字符排布呈直线型的基础上进行的。国内外对于水平或倾斜排布的直线型字符序列定位的研究已经比较成熟。

随着社会的发展，人们的创意不断改进，环形排布的字符在大量的标牌及其他场合随处可见，因此对于环形排布的字符定位研究具有重要的实际意义。

申请号为201210395549.6的中国专利公开了一种啤酒瓶盖激光字符的定位识别方法，其中，啤酒瓶盖激光字符是由两部分组成，即固定不变的字符“A”(被称为定位符)和五位变动的数字字符组成。由于定位符是不变的字符，用定位符的模板通过相关系数法进行粗匹配，找到定位符的位置，再对定位符图像进行精匹配，以找到图像旋转角度，转正图像，从而定位到具体的数字字符。类似的，授权公告号为CN 103077390 A的发明专利公开了一种应用于车轮检测的环形标识字符在线识别装置，是针对车轮检测而设计的。即，对于环形排布字符的定位，目前没有一个通用的方法加以解决，不同的领域有不同检测方法，不具有通用性。

以水表表盘边缘的钢印字符为例，每一个水表钢印字符序列是该水表的唯一标识，因此在出厂前，生产商将会安排工作人员以肉眼观察、手工记录的方式记下水表表盘的字符序列。由于钢印字符与表盘底盘颜色相同，字符不易辨认，并且字符序列比较长，导致人工记录时不仅费时费力，而且出错率很高，效率低下。虽然有学者针对椭圆表盘的轮廓是同心圆这一特点提出了一种同心圆检测的字符定位方法，但这种方法复杂度高，计算耗时，并且对于目标本身以及目标采集的环境要求较高，一旦水表表盘边框有裂痕，或者受到光照或者部分遮挡的影响，同心圆就无法被检测出来，目标字符也就无法被准确定位。此外，对于同样是环形排布但没有同心圆作为背景轮廓的字符定位，该方法将不再适用。

发明内容

针对上述问题，本发明提供一种基于水表表盘环形排布钢印字符定位方法，计算复杂度低，能够快速准确地定位目标字符，并且能够适应各种外界干扰，如：表盘被部分遮挡，光照影响，表盘边缘存在裂痕等。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于水表表盘环形排布钢印字符定位方法，其特征在于，包括如下步骤：

S01：对采集的图像预处理：先对图像进行二值化，然后进行图像腐蚀操作，最后再去除小于一定阈值的连通区域；

S02：表盘边缘轮廓提取：查找每个连通域最外层的轮廓，选取最外层轮廓；

S03：对最外层轮廓进行椭圆拟合并定位表盘中心；

S04：图像映射：将图像展开成矩形；

S05：图像再处理：通过高斯高通滤波器滤除图像的低频部分，再顺次进行直方图均衡化、二值化、腐蚀、膨胀操作；

S06：利用求投影和最大值的方法确定边界点并定位字符。

优选，在步骤S02中，先去除周长或面积小于一定阈值的轮廓之后再选取最外层轮廓。

优选，在步骤S04和步骤S05之间还包括：去除图像下部3/4的无效区域，仅保留图像上部1/4的有效区域。

优选，在步骤S06中，先对垂直区域进行边界点定位：假设图像长为w，字符序列的长度为w₀,则从横坐标x₀＝0处开始计算固定字符序列的长度w₀内的像素和μ，直到x₀＝w时遍历结束，使得μ取最大值max(μ)的点x₀即为字符的左边界点坐标，x₀+w₀为字符右边界点坐标；将截取后的图作为新图，对水平区域进行边界点定位。其中，对水平区域进行边界点定位的具体步骤如下：假设图像宽为ρ，字符序列的宽度为ρ₀,则从纵坐标y₀＝0处开始计算固定字符序列的宽度ρ₀内的像素和ξ，直到y₀＝ρ时遍历结束，使得ξ取最大值max(ξ)的点y₀即为字符的下边界点坐标，y₀+ρ₀为字符上边界点坐标。

优选，在步骤S03中，对最外层轮廓进行椭圆拟合，定位出椭圆的圆心和长、短轴，并且判断长、短轴的值是否大于阈值，如果不满足，则定位失败。

本发明提供了一种基于水表表盘环形排布钢印字符定位方法，能够对环形排布的字符进行快速准确地定位，并且在目标受到光线、部分遮挡等异常情况下仍然能够准确地定位字符，具有较高的鲁棒性，具有很高的应用价值和推广价值。

本发明的有益效果是：计算复杂度低，能够快速准确地定位目标字符，并且能够适应各种外界干扰，如：表盘被部分遮挡，光照影响，表盘边缘存在裂痕等，基于图像处理和计算机视觉技术的环形字符定位方法的研究将大大提高工作效率，达到字符自动定位处理的功能，再结合后续的字符分隔、识别操作，可以实现字符自动识别，因此具有极大的应用价值和推广前景。

附图说明

图1是本发明一种基于水表表盘环形排布钢印字符定位方法的总体流程图；

图2是本发明一种基于水表表盘环形排布钢印字符定位方法的具体流程图；

图3是本发明模拟效果图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

一种基于水表表盘环形排布钢印字符定位方法，如图1和2所示，包括如下步骤：

S01：对采集的图像预处理：

计算机通过图像采集设备读入图像，由于受到采集设备本身以及周围光照、环境等因素的影响，读入的图像具有噪声。因此首先进行图像预处理，即先对图像进行二值化，然后进行图像形态学中的腐蚀操作，去除部分细小噪声点，最后再去除小于一定阈值的连通区域，从而进一步去除较大的噪声点。

S02：表盘边缘轮廓提取：

图像预处理完毕后，对去噪后的图像查找每个连通域最外层的轮廓，忽略内部孔洞，选取最外层轮廓。由于标签等影响，在预处理中不能将多余的噪声全部去除，因此需要对轮廓进行筛选，进一步去除了噪声以及无效区域的干扰。优选，对每个连通域计算大小，将周长或面积低于一定阈值的轮廓剔除之后再选取最外层轮廓，即为表盘的外轮廓，对于其他轮廓直接丢弃。

S03：对最外层轮廓进行椭圆拟合并定位表盘中心：

水表表盘最外层轮廓理想情况下是圆形的，但是由于图像采集时无法做到直接正对表盘，使得采集到的图像中表盘轮廓以椭圆形居多。并且由于表盘本身边缘毛刺的影响，提取的边缘轮廓呈近似椭圆，因此需要对轮廓进行椭圆拟合，并且定位出表盘中心。优选，在步骤S03中，对最外层轮廓进行椭圆拟合，定位出椭圆的圆心和长、短轴，并且判断长、短轴的值是否大于阈值，如果不满足，则说明定位的椭圆不是表盘的外轮廓，则定位失败。

其中，椭圆拟合可参考现有算法，比如：

首先定义如下概念：给定点P_i的坐标(x_i1，x_i2分别是点P_i的横坐标和纵坐标)，假设待拟合的点的个数为m，则m×2的矩阵代表所有坐标点的集合。

考虑曲线的二次方程：

其中，待求矩阵A是正定和对称的。如果理想情况下拟合的点都在曲线上，则成立，但一般情况下给定的坐标点不会全部在曲线上，因此，并且当点的个数m＞3时，该方程组是一个超定方程组，解不一定存在。因此，只能使所有的点代入方程后得到尽可能接近于0的结果。

求解圆心坐标及长、短轴的方法是：引入一个新的坐标使得其中Q是旋转矩阵，且是单位阵，因此旋转后不改变图像大小,是偏移向量。将其带入等式(1)得到：

令则等式变为：

因为A是正定的，因此可以选择Q使得即以A的特征值λ₁,λ₂为主对角线元素的对角矩阵。则和A是相似矩阵，特征值相同。并且如果曲线是椭圆，则选择使得为因此，等式(3)改写为：

如果λ₁＞0，λ₂＞0，γ＜0,则定义了一个椭圆，则没有转换坐标前的系统的圆心坐标和长、短轴a，b可以计算如下：

$a=\sqrt{-\mathrm{\γ}/{\mathrm{\λ}}_1}---\left(6\right)$

$b=\sqrt{-\mathrm{\γ}/{\mathrm{\λ}}_2}---\left(7\right)$

为了使得到的最终解有意义，加入如下的限制：于是问题变为：在满足 ${\mathrm{\λ}}_1^2+{\mathrm{\λ}}_2^2=a_{11}^2+2a_{12}^2+a_{22}^2=1$ 的条件下使得(其中 $A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right],$ )。

定义系数向量

并且定义系数矩阵： $S=\left(\begin{array}{cccccc}{x}_{11}& x_{12}& 1& x_{11}^2& \sqrt{2}{x}_{11}{x}_{12}& x_{12}^2\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ x_{m1}& x_{m2}& 1& x_{m1}^2& \sqrt{2}{x}_{m1}{x}_{m2}& x_{m2}^2\end{array}\right)$

则

同时，(其中，是求向量的模长)。

对系数矩阵S采用QR分解得到形如下式的上三角矩阵：

(其中R₂₁＝0)。

于是根据矩阵相乘的规则得到：

对R₂₂进行奇异值分解，R₂₂＝U∑_V ^T，其中U和V是酉矩阵，Σ是半正定对角矩阵，Σ对角线上的元素即为R₂₂的奇异值，于是得到(是矩阵V的第三行元素),然后求得

于是，根据系数向量的定义求得系数A，c，再根据得到偏移向量接着根据等式得到γ，由于λ₁,λ₂为矩阵A的特征值，而A已经求得，于是能够得到特征值λ₁,λ₂。最后，由式(5)(6)(7)得到椭圆中心的坐标和长、短轴a，b的值，并且由旋转矩阵Q可以求得椭圆的偏转角度θ。

S04：图像映射：

由于水表边缘的钢印字符是环形排列，因此首先在上一步定位到椭圆圆心以及边框的前提下，将原图像沿着圆心展开成矩形，使得环形排布的字符变成传统的直线型排布，便于后续的定位操作。即对于正确定位椭圆的区域进行映射，将原灰度图的椭圆区域映射到矩形区域，得到一幅新的图像。

图像映射的具体步骤可如下所述：

假设映射后图像的宽度为W，高度为H，则图像映射的基本思路是：将椭圆面看作由一个个同心圆组成，由于高度为H，则同心圆个数为H。以椭圆圆心为起点，最大边界为终点，从一个起始角度开始，将一周的ψ＝2π等分成W份，分别计算每一个同心圆的每个1/W的角度所在的位置，并将原图中该位置所在的点的灰度值赋给新图，这样当遍历完所有的H个同心圆，就得到一幅完整的新图。这样的过程可以想象成将所有的同心圆拉成一条直线的过程，并将所有的直线堆叠起来组成一个面，由此得到映射后的新图。新图中原本环形排布的字符被展开成水平直线型，并且集中在图像的上面1/4部分，如图2中映射后的新图S04所示。

S05：图像再处理：

优选，在步骤S04和步骤S05之间还包括：去除图像下部3/4的无效区域，仅保留图像上部1/4的有效区域，此步骤针对水表表盘字符排布的特殊性进行改进，使得后续处理效率更高。在此基础上进行图像再处理，先通过高斯高通滤波器滤除图像的低频部分，这样就初步去除了上下黑色长条，然后再顺次进行直方图均衡化、二值化、形态学去噪(包括腐蚀、膨胀操作)等一系列操作，去除了大量的噪声，有效地将字符凸显出来。

S06：利用求投影和最大值的方法确定边界点并定位字符：

处理后的字符中仍有部分噪声，因此不能采用传统字符定位方法，本发明中首先对垂直区域进行边界点定位：假设图像长为w，字符序列的长度为w₀,则从横坐标x₀＝0处开始计算固定字符序列的长度w₀内的像素和μ，直到x₀＝w时遍历结束，使得μ取最大值max(μ)的点x₀即为字符的左边界点坐标，x₀+w₀为字符右边界点坐标；将截取后的图作为新图，对水平区域进行边界点定位。

同样的，对水平区域进行边界点定位的具体步骤如下：假设图像宽为ρ，字符序列的宽度为ρ₀,则从纵坐标y₀＝0处开始计算固定字符序列的宽度ρ₀内的像素和ξ，直到y₀＝ρ时遍历结束，使得ξ取最大值max(ξ)的点y₀即为字符的下边界点坐标，y₀+ρ₀为字符上边界点坐标。

采用本方法对来自某水表厂提供的五种字体的水表照片进行试验，其中，每种字体200幅，共1000幅。将本发明中提出的算法在该样本上进行实验，定位准确的样本数为987幅，准确率达到98.7％。定位失败的13幅图片，主要是由于表盘被大面积遮挡导致椭圆拟合的位置和大小不准确以及采集时光线过暗使得钢印字符模糊不清，导致字符定位不准确。图3是模拟的效果图，计算复杂度低，能够快速准确地定位目标字符，并且能够适应各种外界干扰，如：表盘被部分遮挡，光照影响，表盘边缘存在裂痕等，基于图像处理和计算机视觉技术的环形字符定位方法的研究将大大提高工作效率，达到字符自动定位处理的功能，再结合后续的字符分隔、识别操作，可以实现字符自动识别，因此具有极大的应用价值和推广前景。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于水表表盘环形排布钢印字符定位方法，其特征在于，包括如下步骤：

S01：对采集的图像预处理：先对图像进行二值化，然后进行图像腐蚀操作，最后再去除小于一定阈值的连通区域；

S02：表盘边缘轮廓提取：查找每个连通域最外层的轮廓，选取最外层轮廓；

S03：对最外层轮廓进行椭圆拟合并定位表盘中心；

S04：图像映射：将图像展开成矩形；

S05：图像再处理：通过高斯高通滤波器滤除图像的低频部分，再顺次进行直方图均衡化、二值化、腐蚀、膨胀操作；

S06：利用求投影和最大值的方法确定边界点并定位字符。

2.根据权利要求1所述的一种基于水表表盘环形排布钢印字符定位方法，其特征在于，在步骤S02中，先去除周长或面积小于一定阈值的轮廓之后再选取最外层轮廓。

3.根据权利要求1所述的一种基于水表表盘环形排布钢印字符定位方法，其特征在于，在步骤S04和步骤S05之间还包括：去除图像下部3/4的无效区域，仅保留图像上部1/4的有效区域。

4.根据权利要求1所述的一种基于水表表盘环形排布钢印字符定位方法，其特征在于，在步骤S06中，先对垂直区域进行边界点定位：假设图像长为w，字符序列的长度为w₀,则从横坐标x₀＝0处开始计算固定字符序列的长度w₀内的像素和μ，直到x₀＝w时遍历结束，使得μ取最大值max(μ)的点x₀即为字符的左边界点坐标，x₀+w₀为字符右边界点坐标；将截取后的图作为新图，对水平区域进行边界点定位。

5.根据权利要求4所述的一种基于水表表盘环形排布钢印字符定位方法，其特征在于，对水平区域进行边界点定位的具体步骤如下：假设图像宽为ρ，字符序列的宽度为ρ₀,则从纵坐标y₀＝0处开始计算固定字符序列的宽度ρ₀内的像素和ξ，直到y₀＝ρ时遍历结束，使得ξ取最大值max(ξ)的点y₀即为字符的下边界点坐标，y₀+ρ₀为字符上边界点坐标。

6.根据权利要求1所述的一种基于水表表盘环形排布钢印字符定位方法，其特征在于，在步骤S03中，对最外层轮廓进行椭圆拟合，定位出椭圆的圆心和长、短轴，并且判断长、短轴的值是否大于阈值，如果不满足，则定位失败。