CN104680161A - 一种身份证数字识别方法 - Google Patents

Abstract

本发明提供一种身份证数字识别方法，包括：获取分类器训练文件；将待识别彩色图像变换成灰度图像；对身份证的数字元素位置进行精确定位；对身份证数字字符进行精确分割；验证候选区域是否是真实的身份证数字区域；基于最近邻算法进行数字识别；判断当前数字元素是否是最后一组数字元素。本发明采用图像处理技术，进行身份证数字的定位、分割、识别，识别精度较高，不需要特定的设备，成本低，对于各种环境适应性强，可进行多身份证信息同时读取。

Description

一种身份证数字识别方法

技术领域

本发明涉及图像处理技术领域，具体是一种身份证数字识别方法。

背景技术

身份证是证明公民合法身份的唯一有效证件，是公民参加各种政治、经济、社会活动所必须的证件，例如：进入活动会场、办理银行卡、入住宾馆、乘坐飞机火车、网吧上网，办理各类资格证书等。可以说，身份证已经深入我们生活的各个方面。因此，如何快捷、准确地读取身份证信息变得越来越重要。

目前，我国采用的是第二代居民身份证，其特点是内置非接触式IC卡智能芯片、使用个人彩色照片、采用防伪技术等。因此，当前最常用的信息读取做法是采用身份证读卡器，直接读取智能芯片内存储的信息，这种做法的优点是：

(1)读取信息的精准度很高；

(2)对于身份证的污迹和磨损，具有很强的抵抗能力；

(3)不依赖于可见光，可以在粉尘等恶劣环境下使用；

但其也存在明显的缺点，需要专门的读卡设备，设备成本较高。

发明内容

本发明的目的在于针对身份证读卡器读取信息的缺点，提供一种身份证数字识别方法，采用图像处理技术获取身份证的编号信息和有效期信息，设备成本较低，准确度较高。

本发明的技术方案为：

一种身份证数字识别方法，包括以下步骤：

(1)获取分类器训练文件；

(2)将待识别彩色图像变换成灰度图像；

(3)对身份证的数字元素位置进行精确定位；

(4)对身份证数字字符进行精确分割；

(5)验证候选区域是否是真实的身份证数字区域，若是，则执行步骤(6)，若否，则执行步骤(7)；

(6)基于最近邻算法进行数字识别；

(7)判断当前数字元素是否是最后一组数字元素，若是，则输出识别结果，若否，则返回步骤(4)。

所述的身份证数字识别方法，步骤(1)中，所述获取分类器训练文件，具体包括：

(11)加载已有的人脸检测分类器文件；

(12)基于harr特征和adaboost算法，训练关于身份证国徽的分类器文件；

(13)训练身份证编号数字模板；

(14)训练身份证有效期数字模板。

所述的身份证数字识别方法，步骤(2)中，所述将待识别彩色图像变换成灰度图像，具体通过以下公式实现：

f＝0.299R+0.587G+0.114B

其中，f表示灰度图像值，R、G、B分别表示对应像素的红、绿、蓝三通道的值。

所述的身份证数字识别方法，步骤(3)中，所述对身份证的数字元素位置进行精确定位，具体包括：

(31)基于adaboost分类器，检测身份证正面的人脸位置和身份证背面的国徽位置；

(32)根据眼睛位置对身份证正面图像进行倾斜校正；

(33)基于人脸位置选择身份证正面的数字检测有效区域，基于国徽位置选择身份证背面的数字检测有效区域，同时进行反色处理；

(34)对图像进行模糊处理，去除背景图案干扰；

(35)获取模糊处理后的灰度图像的二值垂直边缘特征图；

(36)对二值垂直边缘特征图进行形态学运算，获取连通区域；

(37)根据面积和位置特征，选择相应的连通区域作为候选区域；根据连通区域的上下边缘线对身份证背面图像进行倾斜校正；

(38)基于候选区域内字符间距特征，对身份证正面的编号数字位置和背面的有效期数字位置进行精确定位；

(39)判断当前人脸位置是否是最后一个人脸位置，若是，则输出身份证正面编号定位结果，若否，则继续执行步骤(32)至步骤(39)；判断当前国徽位置是否是最后一个国徽位置，若是，则输出身份证背面有效期定位结果，若否，则继续执行步骤(33)至步骤(39)。

所述的身份证数字识别方法，步骤(4)中，所述对身份证数字字符进行精确分割，具体包括：

(41)采用以下公式，对灰度字符区域进行局部二值化：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.$

$T=\frac{1}{M*N}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}f(x_m,y_n)+\mathrm{offset}$

其中，g(x，y)表示二值化后对应的像素(x，y)处的灰度值，f(x，y)表示二值化前像素(x，y)处的灰度值，f(x_m，y_n)表示二值化前以像素(x，y)为中心的M*N邻域内像素(x_m，y_n)处的灰度值，M、N分别表示邻域的宽度和高度，offset表示偏移量；

(42)按照面积大小，对干扰连通区域进行过滤；

(43)进行垂直投影，获取每一列的前景目标高度；

(44)通过波峰和波谷的位置关系，进行字符分割；

(45)对粘连字符进行二次分割；

(46)对断裂字符进行合并处理。

所述的身份证数字识别方法，步骤(6)中，所述基于最近邻算法进行数字识别，具体包括：

(61)对身份证正面编号数字部分进行识别：

(a)采用以下公式，计算待识别字符与所有模板字符之间的特征距离：

dis_i＝ΣΣs(x，y)

$s(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&NotEqual;m(x,y)\\ 0& f(x,y)=m(x,y)\end{array}\right.$

其中，dis_i表示待识别字符与第i个模板字符之间的特征距离，f(x，y)表示待识别字符的像素(x，y)处的灰度值，m(x，y)表示模板字符的像素(x，y)处的灰度值；

(b)选择最小特征距离对应的模板字符作为识别结果；

(62)对身份证背面有效期数字部分进行识别：

(c)按照正面编号数字的识别步骤，先识别前8个字符；

(d)判断剩下的字符的个数是否小于4，若是，则身份证有效期属于长期，若否，则继续识别剩下的8个字符。

所述的身份证数字识别方法，步骤(32)中，所述根据眼睛位置对身份证正面图像进行倾斜校正，具体包括：

(a1)基于三庭五眼布局规律，对左、右两眼进行粗定位；

(a2)精确定位出眼睛的中心点；

(a3)根据两眼的中心位置计算倾斜角度；

(a4)对身份证正面图像进行倾斜旋转校正；

步骤(37)中，所述根据连通区域的上下边缘线对身份证背面图像进行倾斜校正，具体包括：

(b1)提取连通区域的上下边缘线；

(b2)基于最小二乘法，计算连通区域的倾斜角度；

(b3)对身份证背面图像进行倾斜旋转校正。

所述的身份证数字识别方法，其特征在于，步骤(34)中，所述对图像进行模糊处理，具体通过以下公式实现：

$K=\frac{1}{w*h}\left[\begin{array}{cccccc}1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ 1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\end{array}\right]$

其中，K表示卷积核，w表示卷积核的宽度，h表示卷积核的高度。

所述的身份证数字识别方法，步骤(35)中，所述获取模糊处理后的灰度图像的二值垂直边缘特征图，具体包括：

(a)利用sobel边缘检测算子，通过卷积运算获取垂直边缘特征图，所述sobel边缘检测算子采用以下公式：

$K=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$

其中，K表示sobel边缘检测算子；

(b)利用最大类间距算法，获取二值垂直边缘特征图。

所述的身份证数字识别方法，步骤(36)中，所述对二值垂直边缘特征图进行形态学运算，获取连通区域，具体包括：

(a)逐行计算二值垂直边缘特征图的行相邻跳变点之间的距离，统计得出跳变点之间的平均距离

(b)利用结构元素模板，对二值垂直边缘特征图进行次形态学膨胀运算，其中，表示不大于的最大整数：

(c)利用结构元素模板，对经过次形态学膨胀运算的二值垂直边缘特征图进行次形态学腐蚀运算；

步骤(b)和步骤(c)中的结构元素模板，采用以下公式：

$K=\left[\begin{array}{ccccccc}0& 0& 0& 1& 0& 0& 0\\ 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 0& 0& 0\end{array}\right]$

其中，K表示结构元素模板。

本发明采用图像处理技术，进行身份证数字的定位、分割、识别，和现有的技术相比，具有以下特点：

(1)识别精度较高；

(2)不需要特定的设备，成本低；

(3)对于各种环境适应性强，可进行多身份证信息同时读取。

附图说明

图1是本发明所述方法的逻辑流程图；

图2是身份证正面编号数字定位流程图；

图3是身份证灰度图，其中(a)图表示身份证正面相关图，(b)图表示身份证背面相关图；如无特殊说明，以下图4～图10均表示相同意思；

图4是倾斜校正效果图；

图5是选择有效检测区域且反色处理后的效果图；

图6是二值垂直边缘特征图；

图7是获取候选连通区域效果图；

图8是身份证数字元素精定位效果图；

图9是身份证数字元素精分割效果图；

图10是身份证数字元素识别结果图。

具体实施方式

下面，结合附图和具体实施例进一步说明本发明。

如图1所示，一种身份证数字识别方法，包括以下步骤：

步骤101、获取分类器训练文件，具体步骤如下：

(1)加载已有的人脸检测分类器文件；

(2)基于harr特征和adaboost算法，训练关于身份证国徽的分类器文件；

(3)训练身份证编号数字模板；

(4)训练身份证有效期数字模板。

步骤102、按照公式[1]，将彩色图像变换成灰度图像，效果如图3(a)、3(b)所示：

公式[1]：

f＝0.299R+0.587G+0.114B

其中，f是灰度图像值，R、G、B分别是对应像素的红、绿、蓝三通道的值。

步骤103、精确定位出身份证的数字元素位置，身份证的数字元素包括正面的编号数字部分和背面的有效期数字部分，定位算法也相应分为正面编号数字定位和背面有效期数字定位两部分，具体如下：

情况1、身份证正面编号数字定位算法，如图2所示，具体步骤如下：

步骤201、基于adaboost分类器，检测人脸位置。

步骤202、根据眼睛位置进行图像倾斜校正，效果如图4(a)所示，具体步骤如下：

(1)基于人脸的“三庭五眼”布局规律，粗定位左、右两眼的位置；

(2)精确定位出眼睛的中心点；

(3)根据两眼的中心位置计算倾斜角度；

(4)对图像进行倾斜旋转校正。

步骤203、选择人脸位置的左下方区域作为编号检测有效区域，同时进行反色处理，效果如图5(a)所示。

步骤204、按照公式[2]，进行图像卷积模糊处理，去除背景图案干扰：

公式[2]：

$K=\frac{1}{w*h}\left[\begin{array}{cccccc}1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ 1& 1& 1& ...& 1& 1\\ 1& 1& 1& ...& 1& 1\end{array}\right]$

其中，w是卷积核的宽度，h是卷积核的高度。

步骤205、使用垂直边缘检测算子，获取灰度图像的二值垂直边缘特征图，效果如图6(a)所示，具体步骤如下：

(1)基于sobel边缘检测算子，如公式[3]所示，通过卷积运算获取垂直边缘特征图；

公式[3]：

$K=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$

(2)基于最大类间距算法，获取二值垂直边缘特征图。

步骤206、形态学运算，获取图像连通区域，具体步骤如下：

(1)逐行计算二值垂直边缘特征图的行相邻跳变点之间的距离，统计得出跳变点之间的平均距离

(2)基于结构元素模板，如公式[4]所示，进行次形态学膨胀运算，表示不大于的最大整数：

公式[4]：

$K=\left[\begin{array}{ccccccc}0& 0& 0& 1& 0& 0& 0\\ 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 0& 0& 0\end{array}\right]$

(3)基于结构元素模板，如公式[4]所示，进行次形态学腐蚀运算，表示不大于的最大整数。

步骤207、选择面积最大的连通区域作为编号候选区域，效果如图7(a)所示。

步骤208、基于候选区域内字符间距特征，精确定位编号数字位置，效果如图8(a)所示。

步骤209、判断当前人脸位置是否是最后一个人脸位置，如果是，输出正面编号定位结果，否则，进入下一个人脸位置，继续执行步骤202至步骤209。

情况2、身份证背面有效期数字定位算法，具体步骤如下：

(1)基于adaboost分类器，进行国徽检测；

(2)选择国徽的右下方区域作为有效期检测有效区域，同时进行反色处理，效果如图5(b)所示；

(3)类似步骤204，进行图像模糊处理，去除背景图案干扰；

(4)类似步骤205，使用垂直边缘检测算子，获取灰度图像的二值垂直边缘特征图，效果如图6(b)所示；

(5)类似步骤206，形态学运算，获取图像连通区域；

(6)选择面积最大的前两个连通区域，将其中下面那个连通区域作为有效期候选区域，效果如图7(b)所示；

(7)进行图像倾斜校正，效果如图4(b)，具体步骤如下：

a、提取连通区域的上下边缘线；

b、基于最小二乘法，计算连通区域的倾斜角度；

c、进行旋转运算，倾斜校正；

(8)基于候选区域内字符间距特征，精确定位有效期数字位置，效果如图8(b)所示；

(9)判断当前国徽位置是否是最后一个国徽位置，如果是，输出背面有效期定位结果，否则，进入下一个国徽位置，继续执行步骤(2)至步骤(9)。

步骤104、精确分割身份证数字字符，效果如图9(a)、9(b)所示，具体步骤如下：

(1)按照公式[5]和公式[6]，对灰度字符区域进行局部二值化：

公式[5]：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.$

公式[6]：

$T=\frac{1}{M*N}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}f(x_m,y_n)+\mathrm{offset}$

其中，g(x，y)是二值化后对应的像素(x，y)处的灰度值，f(x，y)是二值化前像素(x，y)处的灰度值，f(x_m，y_n)是二值化前以像素(x，y)为中心的M*N邻域内像素(x_m，y_n)处的灰度值，M、N分别是邻域的宽度和高度，offset是偏移量，一般是一个正的常数。

(2)按照面积大小，去除较小的连通区域干扰；

(3)进行垂直投影，获取每一列的前景目标高度；

(4)通过波峰和波谷的位置关系，进行字符分割；

(5)对粘连字符进行二次分割；

(6)对断裂字符进行合并处理。

步骤105、基于候选区域的长度、宽度、分割字符的个数，验证候选区域是否是真实的身份证数字区域，如果是，进入步骤106，否则，进入步骤107。

步骤106、基于最近邻算法进行数字识别，身份证的正面编号数字和背面有效期数字具有不同的数字样式，因此采用两套模板分开进行识别，效果如图10(a)、10(b)所示，具体如下：

情况1、身份证正面编号数字部分，具体步骤如下：

(1)按照公式[7]和公式[8]，计算待识别字符和所有模板字符之间的特征距离dis_i：

公式[7]：

dis_i＝ΣΣs(x，y)

公式[8]：

$s(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&NotEqual;m(x,y)\\ 0& f(x,y)=m(x,y)\end{array}\right.$

其中，f(x，y)是待识别字符的像素(x，y)处的灰度值，m(x，y)是模板字符的像素(x，y)处的灰度值；

(2)选择最小特征距离对应的模板字符作为识别结果。

情况2、身份证背面有效期数字部分，具体步骤如下：

(1)按照正面编号数字的识别步骤，先识别前8个字符；

(2)判断剩下的字符的个数；

(3)如果小于4，则身份证有效期属于长期；否则，继续识别剩下的8个字符。

步骤107、判断当前数字元素是否是最后一组数字元素，如果是，输出身份证识别结果，否则，进入下一组数字元素，继续执行步骤104至步骤107。

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (10)

1.一种身份证数字识别方法，其特征在于，包括以下步骤：

(1)获取分类器训练文件；

(2)将待识别彩色图像变换成灰度图像；

(3)对身份证的数字元素位置进行精确定位；

(4)对身份证数字字符进行精确分割；

(5)验证候选区域是否是真实的身份证数字区域，若是，则执行步骤(6)，若否，则执行步骤(7)；

(6)基于最近邻算法进行数字识别；

(7)判断当前数字元素是否是最后一组数字元素，若是，则输出识别结果，若否，则返回步骤(4)。

2.根据权利要求1所述的身份证数字识别方法，其特征在于，步骤(1)中，所述获取分类器训练文件，具体包括：

(11)加载已有的人脸检测分类器文件；

(12)基于harr特征和adaboost算法，训练关于身份证国徽的分类器文件；

(13)训练身份证编号数字模板；

(14)训练身份证有效期数字模板。

3.根据权利要求1所述的身份证数字识别方法，其特征在于，步骤(2)中，所述将待识别彩色图像变换成灰度图像，具体通过以下公式实现：

f＝0.299R+0.587G+0.114B

其中，f表示灰度图像值，R、G、B分别表示对应像素的红、绿、蓝三通道的值。

4.根据权利要求1所述的身份证数字识别方法，其特征在于，步骤(3)中，所述对身份证的数字元素位置进行精确定位，具体包括：

(31)基于adaboost分类器，检测身份证正面的人脸位置和身份证背面的国徽位置；

(32)根据眼睛位置对身份证正面图像进行倾斜校正；

(33)基于人脸位置选择身份证正面的数字检测有效区域，基于国徽位置选择身份证背面的数字检测有效区域，同时进行反色处理；

(34)对图像进行模糊处理，去除背景图案干扰；

(35)获取模糊处理后的灰度图像的二值垂直边缘特征图；

(36)对二值垂直边缘特征图进行形态学运算，获取连通区域；

(37)根据面积和位置特征，选择相应的连通区域作为候选区域；根据连通区域的上下边缘线对身份证背面图像进行倾斜校正；

(38)基于候选区域内字符间距特征，对身份证正面的编号数字位置和背面的有效期数字位置进行精确定位；

(39)判断当前人脸位置是否是最后一个人脸位置，若是，则输出身份证正面编号定位结果，若否，则继续执行步骤(32)至步骤(39)；判断当前国徽位置是否是最后一个国徽位置，若是，则输出身份证背面有效期定位结果，若否，则继续执行步骤(33)至步骤(39)。

5.根据权利要求1所述的身份证数字识别方法，其特征在于，步骤(4)中，所述对身份证数字字符进行精确分割，具体包括：

(41)采用以下公式，对灰度字符区域进行局部二值化：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.$

$T=\frac{1}{M*N}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}f(x_m,y_n)+\mathrm{offset}$

其中，g(x，y)表示二值化后对应的像素(x，y)处的灰度值，f(x，y)表示二值化前像素(x，y)处的灰度值，f(x_m，y_n)表示二值化前以像素(x，y)为中心的M*N邻域内像素(x_m，y_n)处的灰度值，M、N分别表示邻域的宽度和高度，offset表示偏移量；

(42)按照面积大小，对干扰连通区域进行过滤；

(43)进行垂直投影，获取每一列的前景目标高度；

(44)通过波峰和波谷的位置关系，进行字符分割；

(45)对粘连字符进行二次分割；

(46)对断裂字符进行合并处理。

6.根据权利要求1所述的身份证数字识别方法，其特征在于，步骤(6)中，所述基于最近邻算法进行数字识别，具体包括：

(61)对身份证正面编号数字部分进行识别：

(a)采用以下公式，计算待识别字符与所有模板字符之间的特征距离：

dis_i＝ΣΣs(x，y)

$s(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&NotEqual;m(x,y)\\ 0& f(x,y)=m(x,y)\end{array}\right.$

其中，dis_i表示待识别字符与第i个模板字符之间的特征距离，f(x，y)表示待识别字符的像素(x，y)处的灰度值，m(x，y)表示模板字符的像素(x，y)处的灰度值；

(b)选择最小特征距离对应的模板字符作为识别结果；

(62)对身份证背面有效期数字部分进行识别：

(c)按照正面编号数字的识别步骤，先识别前8个字符；

(d)判断剩下的字符的个数是否小于4，若是，则身份证有效期属于长期，若否，则继续识别剩下的8个字符。

7.根据权利要求4所述的身份证数字识别方法，其特征在于，步骤(32)中，所述根据眼睛位置对身份证正面图像进行倾斜校正，具体包括：

(a1)基于三庭五眼布局规律，对左、右两眼进行粗定位；

(a2)精确定位出眼睛的中心点；

(a3)根据两眼的中心位置计算倾斜角度；

(a4)对身份证正面图像进行倾斜旋转校正；

步骤(37)中，所述根据连通区域的上下边缘线对身份证背面图像进行倾斜校正，具体包括：

(b1)提取连通区域的上下边缘线；

(b2)基于最小二乘法，计算连通区域的倾斜角度；

(b3)对身份证背面图像进行倾斜旋转校正。

8.根据权利要求4所述的身份证数字识别方法，其特征在于，步骤(34)中，所述对图像进行模糊处理，具体通过以下公式实现：

$K=\frac{1}{w*h}\left[\begin{array}{cccccccc}1& 1& 1& .& .& .& 1& 1\\ 1& 1& 1& .& .& .& 1& 1\\ 1& 1& 1& .& .& .& 1& 1\\ .& .& \text{.}& .& & & .& .\\ .& .& .& .& & & .& .\\ .& .& .& .& & & .& .\\ 1& 1& 1& .& .& .& 1& 1\\ 1& 1& 1& .& .& .& 1& 1\end{array}\right]$

其中，k表示卷积核，w表示卷积核的宽度，h表示卷积核的高度。

9.根据权利要求4所述的身份证数字识别方法，其特征在于，步骤(35)中，所述获取模糊处理后的灰度图像的二值垂直边缘特征图，具体包括：

(a)利用sobel边缘检测算子，通过卷积运算获取垂直边缘特征图，所述sobel边缘检测算子采用以下公式：

$K=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$

其中，K表示sobel边缘检测算子；

(b)利用最大类间距算法，获取二值垂直边缘特征图。

10.根据权利要求4所述的身份证数字识别方法，其特征在于，步骤(36)中，所述对二值垂直边缘特征图进行形态学运算，获取连通区域，具体包括：

(a)逐行计算二值垂直边缘特征图的行相邻跳变点之间的距离，统计得出跳变点之间的平均距离

(b)利用结构元素模板，对二值垂直边缘特征图进行次形态学膨胀运算，其中，表示不大于的最大整数：

(c)利用结构元素模板，对经过次形态学膨胀运算的二值垂直边缘特征图进行次形态学腐蚀运算；

步骤(b)和步骤(c)中的结构元素模板，采用以下公式：

$K=\left[\begin{array}{ccccccc}0& 0& 0& 1& 0& 0& 0\\ 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 0& 0& 0\end{array}\right]$

其中，K表示结构元素模板。