CN106570501A - 一种仪表面板字符自动识别方法 - Google Patents

一种仪表面板字符自动识别方法 Download PDF

Info

Publication number
CN106570501A
CN106570501A CN201610946381.1A CN201610946381A CN106570501A CN 106570501 A CN106570501 A CN 106570501A CN 201610946381 A CN201610946381 A CN 201610946381A CN 106570501 A CN106570501 A CN 106570501A
Authority
CN
China
Prior art keywords
character
face plate
instrument face
template
segmentation
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
Application number
CN201610946381.1A
Other languages
English (en)
Inventor
石振辉
张会雄
吴学璋
邢新国
张永康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHENGDU JUNSHENG TECHNOLOGY CO LTD
Original Assignee
CHENGDU JUNSHENG TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CHENGDU JUNSHENG TECHNOLOGY CO LTD filed Critical CHENGDU JUNSHENG TECHNOLOGY CO LTD
Priority to CN201610946381.1A priority Critical patent/CN106570501A/zh
Publication of CN106570501A publication Critical patent/CN106570501A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种仪表面板字符自动识别方法，通过区域分割、字符定位、字符分割、字符量化以及模板匹配五个步骤，最终得到仪表面板字符的识别结果。本发明与使用向量计算特征值等数据的OCR技术相比，只需要简单的计算过程和极少的运算时间就能达到很好的识别效果，并且不存在特征值等高维运算，因而较为容易实现。

Description

一种仪表面板字符自动识别方法
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字符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字符识别方法。
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字符自动识别方法。
本发明的技术方案为：一种仪表面板字符自动识别方法，包括以下步骤：
S1、区域分割：根据仪表面板呈现的颜色与周围环境的差异，采用颜色分割和传统灰度分割相结合的办法，将仪表面板区域从环境背景当中分割出来；
S2、字符定位：对步骤S1分割出的仪表面板区域，根据阈值进行二值化，使字符和背景完全分开，并顺序扫描获得第一个字符的位置；
S3、字符分割：根据步骤S2中确定的第一个字符的位置，计算字符的范围，并以第一个字符的位置和范围逐个往后定位，将后续的字符逐一分割出来；
S4、字符量化：计算每个分割后字符的最小外接矩形，取分割后字符的最小外接矩形部分，将其投影到与模板一样的大小；
S5、模板匹配：将步骤S4中量化后的字符与字符库中的模板进行逐一的匹配，获取二者绝对值之差最小的模板，即为该字符的识别结果。
进一步地，步骤S1具体为：
对待识别的仪表面板图像的颜色空间进行转换，将RGB颜色空间转换到HSV颜色空间，根据H分量、S分量以及灰度图像共同将仪表面板区域从环境背景当中分割出来。
进一步地，步骤S1还包括：根据分割出来的效果，自动选择是否使用透视变换将仪表面板区域矫正为正常的矩形形状。
进一步地，步骤S2中二值化的阈值为使用Otsu算法获得的阈值减去15～20的值。
进一步地，步骤S5具体为：
步骤S4中量化后的字符与字符库中的模板都是由0和1的点阵构成，将二者相减，则相同的部分相减结果为0，不同的部分相减结果为1或-1；对相减的结果取绝对值后求和，作为匹配的相似度，匹配相似度最小的模板即为该字符的最终识别结果。
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，只需要简单的计算过程和极少的运算时间就能达到很好的识别效果，并且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字符自动识别方法流程图。
图2为本发明实施例的原始LCD显示屏面板图像。
图3为本发明实施例中进行区域分割后的仪表面板区域图像。
图4为本发明实施例中对仪表面板区域图像中的部分字符进行量化前的示意图。
图5为本发明实施例中对仪表面板区域图像中的部分字符进行量化后的示意图。
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字符自动识别方法，如图1所示，包括以下步骤：
S1、区域分割：根据仪表面板呈现的颜色与周围环境的差异，采用颜色分割和传统灰度分割相结合的办法，将仪表面板区域从环境背景当中分割出来。
如图2所示，本发明实施例中的待识别仪表面板图像为RGB图像，尺寸为1280×760，对其颜色空间进行转换，将RGB颜色空间转换到HSV颜色空间，利用颜色特征和饱和度特征，根据H分量、S分量以及灰度图像共同将仪表面板区域从环境背景当中分割出来。
其中，H分量表示色调，用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°，品红为300°。
S分量为饱和度，表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果，其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0％～100％，值越大，颜色越饱和。
将仪表面板区域从环境背景当中分割出来之后，还需要根据分割出来的效果，判断是否使用透视变换将仪表面板区域矫正为正常的矩形形状。如果仪表面板区域四个顶点的横坐标或者纵坐标的差值大于10，则需要对其进行透视变换矫正为矩形区域。本发明实施例中，对图2所示待识别仪表面板图像进行区域分割后的图像如图3所示。
S2、字符定位：对步骤S1分割出的仪表面板区域，根据阈值进行二值化，使字符和背景完全分开，并顺序扫描获得第一个字符的位置。
二值化的阈值会影响背景与字符的分开效果，本发明实施例中，二值化的阈值为使用Otsu算法(大津法或最大类间方差法)获得的阈值减去15～20的值，此时的二值化的效果最好。该步骤完全将字符和背景分离开来，不存在模糊的边界。
S3、字符分割：根据步骤S2中确定的第一个字符的位置，计算字符的范围，并以第一个字符的位置和范围逐个往后定位，将后续的字符逐一分割出来。
本发明实施例中，如图3所示，第一个字符为“L”，则程序将在步骤S1中分割好的区域中查找第一个“L”的位置，以此来确定后续每个字符的位置，从而将后续的字符逐一分割出来。
S4、字符量化：计算每个分割后字符的最小外接矩形，取分割后字符的最小外接矩形部分，将其投影到与模板一样的大小。
该步骤中，每个分割后的字符都要进行重新量化，这样可以提高每个字符之间的差异性，提高识别准确度。对图3中的部分字符，量化前的图像如图4所示，量化后的图像如图5所示。
S5、模板匹配：将步骤S4中量化后的字符与字符库中的模板进行逐一的匹配，获取二者绝对值之差最小的模板，即为该字符的识别结果。
步骤S4中量化后的字符与字符库中的模板都是由0和1的点阵构成，将二者相减，则相同的部分相减结果为0，不同的部分相减结果为1或-1；对相减的结果取绝对值后求和，作为匹配的相似度，匹配相似度最小的即为最终的识别结果，然后根据模板字符库即可获取识别出来的字符。
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 (5)

1.一种仪表面板字符自动识别方法，其特征在于，包括以下步骤：
S1、区域分割：根据仪表面板呈现的颜色与周围环境的差异，采用颜色分割和传统灰度分割相结合的办法，将仪表面板区域从环境背景当中分割出来；
S2、字符定位：对步骤S1分割出的仪表面板区域，根据阈值进行二值化，使字符和背景完全分开，并顺序扫描获得第一个字符的位置；
S3、字符分割：根据步骤S2中确定的第一个字符的位置，计算字符的范围，并以第一个字符的位置和范围逐个往后定位，将后续的字符逐一分割出来；
S4、字符量化：计算每个分割后字符的最小外接矩形，取分割后字符的最小外接矩形部分，将其投影到与模板一样的大小；
S5、模板匹配：将步骤S4中量化后的字符与字符库中的模板进行逐一的匹配，获取二者绝对值之差最小的模板，即为该字符的识别结果。
2.根据权利要求1所述的仪表面板字符自动识别方法，其特征在于，所述步骤S1具体为：对待识别的仪表面板图像的颜色空间进行转换，将RGB颜色空间转换到HSV颜色空间，根据H分量、S分量以及灰度图像共同将仪表面板区域从环境背景当中分割出来。
3.根据权利要求2所述的仪表面板字符自动识别方法，其特征在于，所述步骤S1还包括：根据分割出来的效果，自动选择是否使用透视变换将仪表面板区域矫正为正常的矩形形状。
4.根据权利要求1所述的仪表面板字符自动识别方法，其特征在于，所述步骤S2中二值化的阈值为使用Otsu算法获得的阈值减去15～20的值。
5.根据权利要求1所述的仪表面板字符自动识别方法，其特征在于，所述步骤S5具体为：步骤S4中量化后的字符与字符库中的模板都是由0和1的点阵构成，将二者相减，则相同的部分相减结果为0，不同的部分相减结果为1或-1；对相减的结果取绝对值后求和，作为匹配的相似度，匹配相似度最小的模板即为该字符的最终识别结果。
CN201610946381.1A 2016-10-26 2016-10-26 一种仪表面板字符自动识别方法 Pending CN106570501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610946381.1A CN106570501A (zh) 2016-10-26 2016-10-26 一种仪表面板字符自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610946381.1A CN106570501A (zh) 2016-10-26 2016-10-26 一种仪表面板字符自动识别方法

Publications (1)

Publication Number Publication Date
CN106570501A true CN106570501A (zh) 2017-04-19

Family

ID=58534912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610946381.1A Pending CN106570501A (zh) 2016-10-26 2016-10-26 一种仪表面板字符自动识别方法

Country Status (1)

Country Link
CN (1) CN106570501A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832763A (zh) * 2017-11-07 2018-03-23 青岛理工大学 图形图像处理方法和设备
CN108171236A (zh) * 2018-01-08 2018-06-15 亿嘉和科技股份有限公司 一种led字符自动定位方法
CN108366204A (zh) * 2018-03-05 2018-08-03 山东锋士信息技术有限公司 一种嵌入水位流量计算模型的智能监控摄像机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739556A (zh) * 2010-01-21 2010-06-16 上海交通大学 钢坯号自动识别方法
CN104463195A (zh) * 2014-11-08 2015-03-25 沈阳工业大学 基于模板匹配的印刷体数字识别方法
CN105373794A (zh) * 2015-12-14 2016-03-02 河北工业大学 一种车牌识别方法
CN105740774A (zh) * 2016-01-25 2016-07-06 浪潮软件股份有限公司 一种图像的文本区域定位方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739556A (zh) * 2010-01-21 2010-06-16 上海交通大学 钢坯号自动识别方法
CN104463195A (zh) * 2014-11-08 2015-03-25 沈阳工业大学 基于模板匹配的印刷体数字识别方法
CN105373794A (zh) * 2015-12-14 2016-03-02 河北工业大学 一种车牌识别方法
CN105740774A (zh) * 2016-01-25 2016-07-06 浪潮软件股份有限公司 一种图像的文本区域定位方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832763A (zh) * 2017-11-07 2018-03-23 青岛理工大学 图形图像处理方法和设备
CN108171236A (zh) * 2018-01-08 2018-06-15 亿嘉和科技股份有限公司 一种led字符自动定位方法
CN108366204A (zh) * 2018-03-05 2018-08-03 山东锋士信息技术有限公司 一种嵌入水位流量计算模型的智能监控摄像机

Similar Documents

Publication Publication Date Title
CN105913093B (zh) 一种用于文字识别处理的模板匹配方法
CN109635818B (zh) 印章防伪检验方法、装置及计算机可读存储介质
CN108229296B (zh) 人脸皮肤属性识别方法和装置、电子设备、存储介质
JP4006224B2 (ja) 画像品質判定方法、判定装置、判定プログラム
CN111028213A (zh) 图像缺陷检测方法、装置、电子设备及存储介质
CN106096610B (zh) 一种基于支持向量机的文档图像二值化方法
US8615129B2 (en) Pattern separating extraction device, and pattern separating extraction method
KR20000047428A (ko) 문자 인식 장치 및 방법
JP5616308B2 (ja) 文字の形状特徴を使用した文字比較による文書改変検知方法
Wesolkowski Color image edge detection and segmentation: A comparison of the vector angle and the euclidean distance color similarity measures
CN104732200A (zh) 一种皮肤类型和皮肤问题的识别方法
CN106570501A (zh) 一种仪表面板字符自动识别方法
CN107358184A (zh) 文档文字的提取方法及提取装置
CN111724396A (zh) 图像分割方法及装置、计算机可读存储介质、电子设备
CN112836692A (zh) 用于处理图像的方法、装置、设备和介质
CN117576101A (zh) 一种油墨印刷品质检智能控制方法及系统
CN108090476A (zh) 一种针对具有外部遮挡的3d人脸识别方法
CN111241974A (zh) 票据信息获取方法、装置、计算机设备和存储介质
CN106339721A (zh) 一种仪表面板读数自动识别方法
CN116012860B (zh) 一种基于图像识别的教师板书设计水平诊断方法及装置
Fedotkin et al. Automatic processing of microhardness images using computer vision methods
KR100703528B1 (ko) 영상 인식 장치 및 방법
JPH11306325A (ja) 対象物検出装置及び対象物検出方法
CN113421257B (zh) 一种点阵字体文本行旋转校正方法及装置
CN112884002B (zh) 智能电表版本分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20170419