CN106339721A - 一种仪表面板读数自动识别方法 - Google Patents
一种仪表面板读数自动识别方法 Download PDFInfo
- Publication number
- CN106339721A CN106339721A CN201610726525.2A CN201610726525A CN106339721A CN 106339721 A CN106339721 A CN 106339721A CN 201610726525 A CN201610726525 A CN 201610726525A CN 106339721 A CN106339721 A CN 106339721A
- Authority
- CN
- China
- Prior art keywords
- value
- speckle
- face plate
- sample
- instrument face
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种仪表面板读数自动识别方法,通过定位、采样、量化以及与样本值进行比对计算四个步骤,最终得到面板读数的识别结果。本发明与使用向量计算特征值等数据的OCR技术相比,其识别过程更为简单,运算量要少很多,因此运算速度也就快很多,大大减少了识别时间;而且本发明不存在特征值等高维运算,因而较为容易实现。
Description
技术领域
本发明属于图像识别技术领域,具体涉及一种仪表面板读数自动识别方法的设计。
背景技术
在实际工作中,我们经常使用电子仪器或仪表来测量物品的重量,而仪器测量得到的数据便会显示在它的面板上。虽然有一些仪器具备接口,可以接入到计算机设备,从而获取其中的数据以进行后续处理,但是为了获取它的数据,需要在计算机上安装厂商提供的软件,而这些软件也需要不少成本;并且另外的那些仪器,尤其是老式的仪器并不具备接口,无法通过计算机设备直接获取测量数据,因此我们需要使用其它方法来获取测量数据。
光学字符识别技术(Optical Character Recognition,OCR)通过采用正对仪表面板的摄像头捕获面板上所显示的字符的影像,然后进行识别处理。OCR技术在字符识别方面有着广泛的应用,例如对纸质印刷品进行识别,在识别率足够高的条件下,比起完全靠人工录入的方法大幅度减少了时间和精力。
OCR技术的优势之处在于,无论文字的大小、角度甚至形状都有所有区别的情况下(比如手写,它就不会很整齐),仍然能够较为准确地识别出预设的字形,但是由于其算法复杂,因而花费的时间也较长。并且从现有的图像文字识别算法来看,开源的算法准确率较低,而准确率高的算法,如Google的OCR接口算法,只提供有限的字符样本,没有给予使用者开发的余地。因此,我们有必要自行设计一种简便的图像文字识别方法。
发明内容
本发明的目的是为了解决现有的OCR技术算法复杂,识别时间较长的问题,提出了一种仪表面板读数自动识别方法。
本发明的技术方案为:一种仪表面板读数自动识别方法,包括以下步骤:
S1、定位:确定仪表面板的位置,并对其中的点阵进行定位;
S2、采样:将面板分成M×N个小区域,M、N的取值取决于面板上点阵的分布,定义每个小区域为一个斑点,获取每个斑点的亮度值;
S3、量化:根据面板中每个斑点的亮度值获得一个M×N的数量矩阵,并对这个矩阵进行二值化计算;
S4、比对计算得到识别结果:从二值化计算后的M×N数量矩阵中提取出位于每个斑点所处位置的值组成向量,然后和每个字符样本进行比对计算,以此对面板上的数字字符逐一进行识别,最后交与计算机进行字符串到数值的转化,得到识别结果。
进一步地,步骤S1中采用三点式定位方法或四点式定位方法对仪表面板中的点阵进行定位。
进一步地,步骤S2中每个斑点的亮度值为该斑点所包含像素的亮度平均值。
进一步地,步骤S2中每个斑点的亮度值为该斑点中心点的亮度值。
进一步地,步骤S4中的样本为包含有数字0~9和小数点的点阵字符所对应的向量集。
进一步地,向量集中的向量长度为35。
进一步地,步骤S4中比对计算的具体过程为:
将向量中每个斑点值与样本对应值进行比对,若相等,则比对值为0,否则比对值为1;将所有比对值按样本加和后,比较它们的大小,比对值的和最小的样本为最相似样本,该样本对应字形即为面板读数所属字形。
本发明的有益效果是:本发明与使用向量计算特征值等数据的OCR技术相比,其识别过程更为简单,运算量要少很多,因此运算速度也就快很多,大大减少了识别时间;而且本发明不存在特征值等高维运算,因而较为容易实现。
附图说明
图1为本发明提供的一种仪表面板读数自动识别方法流程图。
图2为本发明实施例的原始LCD显示屏面板示意图。
图3为本发明实施例的划分斑点后的面板示意图。
图4为本发明实施例的量化后的面板示意图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
本发明提供了一种仪表面板读数自动识别方法,如图1所示,包括以下步骤:
S1、定位:确定仪表面板的位置,并对其中的点阵进行定位。
由于液晶仪器面板为5×7点阵显示,字形相当简单,而且当视角固定的时候,每个字符所处的位置也是固定的,因此我们只需要通过图像的内容来进行分析。液晶的效果是使点阵中的点变得透明(黑色)或不透明(绿色或背光色),因此亮度就成为了特征。
本发明实施例中,关于如何判断确定仪表面板的位置,以及其中的点阵的定位,我们可以通过以下两种方法来完成:
一种是三点式定位方法:在摄像机所照出的图片中,使用者手动点选面板的左上、右上、左下角三个点,然后就可以看到模拟的定位网格。若网格未能正确定位,使用者还可以重新定位三个点。而三点定位的各个坐标是通过插值计算出来的——若记三个点分别为A、B、C,在图片中的坐标(即源坐标)为x、y,则第四个点D的源坐标就是:
D(x,y)=B(x,y)+C(x,y)-A(x,y)
而目标坐标位于(p,q)(其中p、q均为0~1之间的值,表示关于左上角的坐标值)的点P的源坐标位置应为:
P(x,y)=(1-p)A(x,y)+pB(x,y)+(1-q)A(x,y)+qC(x,y)-A(x,y)
=(1-p-q)A(x,y)+pB(x,y)+qC(x,y)
这种定位方法的计算简单,但若面板不与视角垂直,就难以正确地定位。
另一种是四点式定位方法:与三点式定位方法类似,用户手动定位A、B、C三点,但在这种方法中D点也要手动进行定位。定位后,根据四个点组成的四边形的边的关系,可以分为四边平行、两边平行与无边平行三种情况。其中四边平行的运算最简单,与三点式定位方法相似;而后两者需要进行透视计算,因其点阵分布并非均匀。四点式定位方法的运算要比三点式定位方法复杂一些,但可以应对镜头与面板存在角度差的情况。
一旦角点定位,那么面板上每个区域也就定了位。这样只需要计算一次各个区域的位置,以后的捕获过程中便可以直接使用这些坐标值,而无需重复计算。
S2、采样:在确定好面板位置后,将面板分成M×N个小区域,M、N的取值取决于面板上点阵的分布,定义每个小区域为一个斑点。其中有字符的部分,斑点的宽高为点阵的点的宽度和长度,包括其边界留白。而字符与字符之间的空隙,便视作一个宽度(上下分界)或高度(左右分界)和点阵斑点等同的斑点,自然,这些斑点的宽高可能与有字符部分的斑点不同。
如图2所示为一个LCD显示屏面板,对其划分斑点后的效果图如图3所示。
然后对每个斑点进行采样,即获取每个斑点的亮度值。本发明实施例中,每个斑点的亮度值为该斑点所包含像素的亮度平均值或者该斑点中心点的亮度值。采样过程中要求环境中的光照要保持均匀,不能出现一边亮一边暗的情况,而且面板不能投射反光,否则的话就会影响采样的效果。
S3、量化:根据面板中每个斑点的亮度值获得一个M×N的数量矩阵,并对这个矩阵进行二值化计算,即设置一个特定阈值,若该斑点的亮度值大于阈值便认定为该斑点值为0,否则认定为该斑点值为0。其原理是由于在液晶面板显示屏中,笔画的颜色比背景颜色深,若将面板换为LED显示屏,则其二值化计算时的取值相反。
对图3中的LCD显示屏面板进行量化后的效果图如图4所示。
S4、比对计算得到识别结果:从二值化计算后的M×N数量矩阵中提取出位于每个斑点所处位置的值组成向量,然后和每个字符样本进行比对计算。
所谓样本,是一系列5×7的点阵字符,这些字符点阵的笔画点值为1,空白点值为0。通常,样本集应该包含有5×7的大小写字母、数字和特殊符号。但本发明实施例中,由于只需要提取数字字符,故只需要0~9数字和小数点“.”样本,就足够进行识别工作。并且,实际使用中样本更多的不是用5×7的矩阵,而是一个长度为5×7=35的向量,这样在计算过程中更为快捷。
比对计算的具体过程为:
将向量中每个斑点值与样本对应值进行比对,若相等,则比对值为0,否则比对值为1;将所有比对值按样本加和后,比较它们的大小,比对值的和最小的样本为最相似样本,该样本对应字形即为面板读数所属字形。本发明实施例中,为了避免比对值的和较大引起的误判,我们可以设置一个比对值的阈值,当比对值的和大于该值时,即使是最小的样本对应的字形也不能被认定为面板读数所属字形,而用空字形(斑点值全为0)代替。
这样便可以对面板上的数字字符逐一进行识别,然后交与计算机进行字符串到数值的转化,得到识别结果。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种仪表面板读数自动识别方法,其特征在于,包括以下步骤:
S1、定位:确定仪表面板的位置,并对其中的点阵进行定位;
S2、采样:将面板分成M×N个小区域,M、N的取值取决于面板上点阵的分布,定义每个小区域为一个斑点,获取每个斑点的亮度值;
S3、量化:根据面板中每个斑点的亮度值获得一个M×N的数量矩阵,并对这个矩阵进行二值化计算;
S4、比对计算得到识别结果:从二值化计算后的M×N数量矩阵中提取出位于每个斑点所处位置的值组成向量,然后和每个字符样本进行比对计算,以此对面板上的数字字符逐一进行识别,最后交与计算机进行字符串到数值的转化,得到识别结果。
2.根据权利要求1所述的仪表面板读数自动识别方法,其特征在于,所述步骤S1中采用三点式定位方法或四点式定位方法对仪表面板中的点阵进行定位。
3.根据权利要求1所述的仪表面板读数自动识别方法,其特征在于,所述步骤S2中每个斑点的亮度值为该斑点所包含像素的亮度平均值。
4.根据权利要求1所述的仪表面板读数自动识别方法,其特征在于,所述步骤S2中每个斑点的亮度值为该斑点中心点的亮度值。
5.根据权利要求1所述的仪表面板读数自动识别方法,其特征在于,所述步骤S4中的样本为包含有数字0~9和小数点的点阵字符所对应的向量集。
6.根据权利要求5所述的仪表面板读数自动识别方法,其特征在于,所述向量集中的向量长度为35。
7.根据权利要求1所述的仪表面板读数自动识别方法,其特征在于,所述步骤S4中比对计算的具体过程为:
将向量中每个斑点值与样本对应值进行比对,若相等,则比对值为0,否则比对值为1;将所有比对值按样本加和后,比较它们的大小,比对值的和最小的样本为最相似样本,该样本对应字形即为面板读数所属字形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610726525.2A CN106339721A (zh) | 2016-08-25 | 2016-08-25 | 一种仪表面板读数自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610726525.2A CN106339721A (zh) | 2016-08-25 | 2016-08-25 | 一种仪表面板读数自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106339721A true CN106339721A (zh) | 2017-01-18 |
Family
ID=57825747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610726525.2A Pending CN106339721A (zh) | 2016-08-25 | 2016-08-25 | 一种仪表面板读数自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339721A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203768A (zh) * | 2017-06-12 | 2017-09-26 | 歌尔股份有限公司 | Led显示屏数字自动识别方法及系统 |
CN108537231A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 一种数显仪表字符自动识别方法 |
CN112488099A (zh) * | 2020-11-25 | 2021-03-12 | 上海电力大学 | 一种基于视频的电力液晶仪表上数字的检测提取装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011047103A2 (en) * | 2009-10-13 | 2011-04-21 | The Charles Stark Draper Laboratory, Inc. | Mathematical image analysis based cell reprogramming with applications for epigenetic and non-epigenetic base induced pluripotent stem cell derivation |
CN102622593A (zh) * | 2012-02-10 | 2012-08-01 | 北方工业大学 | 一种文本识别方法及系统 |
CN103226706A (zh) * | 2013-05-17 | 2013-07-31 | 广东今盛投资有限公司 | 一种基于滚动匹配的水电气表读数自动识别方法 |
CN103914680A (zh) * | 2013-01-07 | 2014-07-09 | 上海宝信软件股份有限公司 | 一种喷印字符图像识别与校验系统及方法 |
-
2016
- 2016-08-25 CN CN201610726525.2A patent/CN106339721A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011047103A2 (en) * | 2009-10-13 | 2011-04-21 | The Charles Stark Draper Laboratory, Inc. | Mathematical image analysis based cell reprogramming with applications for epigenetic and non-epigenetic base induced pluripotent stem cell derivation |
CN102622593A (zh) * | 2012-02-10 | 2012-08-01 | 北方工业大学 | 一种文本识别方法及系统 |
CN103914680A (zh) * | 2013-01-07 | 2014-07-09 | 上海宝信软件股份有限公司 | 一种喷印字符图像识别与校验系统及方法 |
CN103226706A (zh) * | 2013-05-17 | 2013-07-31 | 广东今盛投资有限公司 | 一种基于滚动匹配的水电气表读数自动识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537231A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 一种数显仪表字符自动识别方法 |
CN107203768A (zh) * | 2017-06-12 | 2017-09-26 | 歌尔股份有限公司 | Led显示屏数字自动识别方法及系统 |
CN112488099A (zh) * | 2020-11-25 | 2021-03-12 | 上海电力大学 | 一种基于视频的电力液晶仪表上数字的检测提取装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934814A (zh) | 表面缺陷侦测系统及其方法 | |
CN111767911A (zh) | 面向复杂环境的印章文字检测识别方法、装置及介质 | |
CN106960208A (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
CN110321895A (zh) | 证件识别方法和装置、电子设备、计算机可读存储介质 | |
US8615129B2 (en) | Pattern separating extraction device, and pattern separating extraction method | |
CN111444781B (zh) | 一种水表读数识别方法、设备及存储介质 | |
CN111046881B (zh) | 基于计算机视觉和深度学习的指针式仪表读数识别方法 | |
CN106339721A (zh) | 一种仪表面板读数自动识别方法 | |
CN113205511B (zh) | 基于深层神经网络的电子元器件批量信息检测方法及系统 | |
CN111353502B (zh) | 数字表识别方法、装置以及电子设备 | |
CN106339460B (zh) | 一种在线绘画处理系统及方法 | |
CN110688996A (zh) | 一种基于视觉传感的嵌入式自动读尺装置与方法 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN111259888A (zh) | 基于图像的信息比对方法、装置及计算机可读存储介质 | |
CN112651315A (zh) | 折线图的信息提取方法、装置、计算机设备和存储介质 | |
CN109508714B (zh) | 一种低成本多通道实时数字仪表盘视觉识别方法及系统 | |
CN113630594B (zh) | 一种显示面板坏点检测系统 | |
Xu et al. | Tolerance Information Extraction for Mechanical Engineering Drawings–A Digital Image Processing and Deep Learning-based Model | |
CN107833631A (zh) | 一种医学影像计算机辅助分析方法 | |
JPWO2016117564A1 (ja) | プログラム、情報記憶媒体及び認識装置 | |
CN113807191B (zh) | 一种非侵入式可视化测试脚本自动录制方法 | |
CN114882059A (zh) | 基于图像分析的尺寸测量方法、装置、设备及存储介质 | |
Armstrong et al. | factorplot: Improving presentation of simple contrasts in GLMs | |
CN111046874A (zh) | 一种基于模板匹配的单号识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170118 |