CN106650735B - 一种led字符自动定位识别方法 - Google Patents
一种led字符自动定位识别方法 Download PDFInfo
- Publication number
- CN106650735B CN106650735B CN201611257984.7A CN201611257984A CN106650735B CN 106650735 B CN106650735 B CN 106650735B CN 201611257984 A CN201611257984 A CN 201611257984A CN 106650735 B CN106650735 B CN 106650735B
- Authority
- CN
- China
- Prior art keywords
- single pixel
- edge
- pixel edge
- character
- led
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种LED字符自动定位识别方法,包括,获取LED字符图像,对该LED字符图像提取单像素边缘,并对单像素边缘进行截断处理;对截断的单像素边缘进行配对得到配对单像素边缘,该配对单像素边缘对应于用于显示LED字符的七段数码管中的一段;根据每对单像素边缘之间最近像素点的距离对配对单像素边缘进行组合,实现字符区域定位;根据每个字符所含有的配对单像素边缘及各配对单像素边缘之间的亮度情况得到每段数码管的亮灭,进而识别其所代表的字符。本发明通过提取边缘并分析边缘之间的相对布局关系实现边缘筛选和字符定位,进而实现准确的字符识别。
Description
技术领域
本发明属于图像处理技术领域,涉及一种LED字符自动定位识别方法。
背景技术
LED数码管将若干发光二极管按一定规则排列并封装在一起实现字符显示功能,具有显示清晰、响应速度快、低功耗、寿命长等优点,在电网变电站和配电站中有广泛应用。为了保障电站内设备的正常运行,提高站所运维效率和水平,需要依托智能巡检机器人对站所内LED数码管设备进行图像采集,并自动识别设备读数,实现对站所内设备运行状态的智能识别和实时监控功能。
现有的LED数码管字符识别方法主要依赖字符的二值化处理来实现字符区域定位和识别,其流程一般包括:(1)、图像预处理,如去噪、直方图均衡化等;(2)、图像二值化,即基于局部或全局阈值分割出字符区域;(3)、区域定位,利用水平和垂直方向的投影确定每个字符的位置;(4)、字符识别,利用穿线法或者机器学习的方法(如Tesseract)实现对单个字符的识别。该方法存在的主要问题是图像二值化的效果难以得到保证,受站所内环境光线以及遮挡等因素的影响,二值化后的数码管字符可能存在粘连、缺失等情况,直接影响到单个字符的定位和识别。
发明内容
为解决现有技术存在的问题,本发明提供一种LED字符自动定位识别方法,通过提取边缘并分析边缘之间的相对布局关系实现边缘筛选和字符定位,进而实现准确的字符识别。
本发明提供的LED字符自动定位识别方法,包括以下步骤:(1)获取LED字符图像,对该LED字符图像提取单像素边缘,并对单像素边缘进行截断处理;(2)对截断的单像素边缘进行配对得到配对单像素边缘,该配对单像素边缘对应于用于显示LED字符的七段数码管中的一段;(3)根据每对单像素边缘之间最近像素点的距离对配对单像素边缘进行组合,实现字符区域定位;(4)根据每个字符所含有的配对单像素边缘及各配对单像素边缘之间的亮度情况得到每段数码管的亮灭,进而识别其所代表的字符。
为了抑制噪声干扰,提取单像素边缘之前,先对LED字符图像进行图像预处理,去除噪声。图像预处理具体包括,对LED字符图像进行邻域大小为5×5的中值滤波去噪;将去燥后的图像由RGB空间转换到HSV空间,并提取V通道供提取单像素边缘。
所述步骤(1)中,提取单像素边缘具体包括,用3×3的Sobel算子计算每个像素点的边缘方向和幅值,然后进行非极大值抑制,即,将每个像素点与沿该像素梯度方向的前后两个像素点进行比较,仅当该像素点的梯度幅值不小于邻域点时保留该像素点,否则剔除,最终得到粗边缘图;在粗边缘图上通过阈值法滤除微边缘,然后进行边缘跟踪,以八邻域为基础进行最短路径遍历,得到所有的单像素边缘。
所述步骤(1)中,对单像素边缘进行截断处理是指,在每个单像素边缘的最短路径上,计算每个单像素边缘点与前后三个单像素边缘点之间的夹角,如果出现大的方向变化,表明单像素边缘存在弯折,则截断为单独的线段。
所述步骤(2)中,对单像素边缘进行配对遵照如下约束:(a)单像素边缘在水平或垂直方向需要有较强的直线性,即单像素边缘上所有像素点沿x轴或y轴的坐标方差小于设定阈值6;(b)单像素边缘长度Length满足10≤Length≤30;(c)配对的单像素边缘近似平行,角度误差不超过5°;(d)配对单像素边缘之间的距离Distance满足4≤Distance≤8;(e)配对单像素边缘的重叠度Overlap满足0.7≤Overlap,重叠度的定义为沿边缘梯度方向进行投影后两条单像素边缘的重叠部分与投影总长度的比值。
本发明利用图像的边缘信息对环境光线变化具有很强的鲁棒性,而LED七段数码管的显示具有规则的几何布局,即通过不同段之间的亮灭组合实现特定字符的显示,并且每段均具有两条平行的直线段,通过提取边缘并分析边缘之间的相对布局关系可以实现边缘筛选和字符定位,进而实现准确的字符识别。本发明)基于七段数码管类仪表图像的边缘布局信息可以有效定位并识别LED字符,经测试,识别率达到99.5%。本发明实现了电站智能巡检机器人基于采集的LED数码管仪表图片自动定位字符区域并识别,具有较高的准确率和较强的抗环境光线干扰能力,实现快速、准确、高效的电站智能巡检。
附图说明
图1为本发明流程图;
图2为图像预处理效果图;
图3为Sobel边缘强度效果图;
图4为非极大值抑制效果图;
图5为单像素边缘效果图;
图6为截断的单像素边缘效果图;
图7为边缘配对效果图;
图8为字符定位效果图;
图9为识别结果效果图。
具体实施方式
如图1所示,本发明提供的LED字符自动定位识别方法,主要步骤包括:
1、图像预处理:
为了抑制噪声干扰,首先对输入LED数码字符图像进行邻域大小为5×5的中值滤波去噪。由于HSV空间更符合人眼的颜色感知,因此将图像由RGB空间转换到HSV空间,并提取V通道进行后续的处理和识别。图2给出了预处理后的效果图。
2、单像素边缘提取:
为了实现基于边缘布局分析的字符定位和识别,首先需要提取单像素边缘。如图3所示,首先用3×3的Sobel算子计算每个像素点的边缘方向和幅值,然后进行非极大值抑制,即将每个像素点与沿该像素梯度方向的前后两个像素点进行比较,仅当该像素点的梯度幅值不小于邻域点时保留该像素点,否则剔除,最终得到如图4所示的粗边缘图。
在粗边缘图上通过阈值法滤除微边缘,然后进行边缘跟踪,以八邻域为基础进行最短路径遍历,得到所有的单像素边缘,如图5所示,路径遍历中每个点与上、下、左、右四个点之间的边权重设置为2,而与四个顶点之间的边权重设置为3(权重设置为经验值)。为了进行边缘配对,需要对单像素边缘进行截断处理,在每个单像素边缘的最短路径上,计算每个单像素边缘点与前后三个单像素边缘点之间的夹角,如果出现大的方向变化,如该夹角超过45度,表明单像素边缘存在弯折,需要截断为单独的线段,例如一竖和一横截断为独立的线段得到和如图6所示。
3、边缘配对
为了定位七段数码管的每个段,需要对截断的单像素边缘进行配对,如图7所示。单像素边缘按照如下约束进行配对:
(a)单像素边缘在水平或垂直方向需要有较强的直线性,即单像素边缘上所有像素点沿x轴或y轴的坐标方差小于设定阈值6;
(b)单像素边缘长度满足10≤Length≤30;
(c)配对的单像素边缘近似平行,角度误差不超过5°;
(d)配对单像素边缘之间的距离满足4≤Distance≤8;
(e)配对单像素边缘的重叠度满足0.7≤Overlap,重叠度的定义为沿边缘梯度方向进行投影后两条单像素边缘的重叠部分与投影总长度的比值。
4、字符区域定位
在配对边缘的基础上,根据每对单像素边缘之间最近像素点的距离对配对边缘进行组合,例如图8第一个字符3,由中间三个横杠以及右侧两个竖杠构成,每个横杠或者竖杠都由两个单像素边缘构成(见图7),根据横杠或竖杠之间的边缘像素间的最近距离(不超过6,经验值),将横杠和竖杠组合,得到3,并与旁边的字符4和下面的字符2区分开,实现单个字符的定位。如图8所示,每个字符被筛选出来,各字符被区分开。
5、字符识别
由于每个配对单像素边缘均对应七段数码管中的一段,因此每个字符所含有的配对单像素边缘,及各配对单像素边缘之间的布局关系可以识别每个字符。字符定位之后,还需要根据七段数码管的每一段是亮还是灭确定其对应字符是什么,即,步骤4(字符区域定位)根据横杠和竖杠之间的距离进行组合,从而确定每个字符含有哪些横杠和竖杠,本步骤根据横杠和竖杠的位置布局关系确定该字符对应哪个数字。如图9所示,以左上角的数字3为例,通过字符定位确定包括中间的3个横杠、右边的2个竖杠,根据3个横杠和2个竖杠的位置关系确定该数字为字符3。
Claims (6)
1.一种LED字符自动定位识别方法,其特征在于,包括以下步骤:(1)获取LED字符图像,对该LED字符图像提取单像素边缘,并对单像素边缘进行截断处理;(2)对截断的单像素边缘进行配对得到配对单像素边缘;(3)根据每对单像素边缘之间最近像素点的距离对配对单像素边缘进行组合,判断每对单像素边缘之间最近像素点的距离是否小于预设值,如果小于预设值,则将配对单像素边缘进行组合,实现字符定位;(4)根据各配对单像素边缘之间的布局关系识别字符。
2.如权利要求1所述的LED字符自动定位识别方法,其特征在于,提取单像素边缘之前,先对LED字符图像进行图像预处理,去除噪声。
3.如权利要求2所述的LED字符自动定位识别方法,其特征在于,图像预处理具体包括,对LED字符图像进行邻域大小为5×5的中值滤波去噪;将去燥后的图像由RGB空间转换到HSV空间,并提取V通道供提取单像素边缘。
4.如权利要求1所述的LED字符自动定位识别方法,其特征在于:所述步骤(1)中,提取单像素边缘具体包括,用3×3的Sobel算子计算每个像素点的边缘方向和幅值,然后进行非极大值抑制,即,将每个像素点与沿该像素梯度方向的前后两个像素点进行比较,仅当该像素点的梯度幅值不小于邻域点时保留该像素点,否则剔除,最终得到粗边缘图;在粗边缘图上通过阈值法滤除微边缘,然后进行边缘跟踪,以八邻域为基础进行最短路径遍历,得到所有的单像素边缘。
5.如权利要求1所述的LED字符自动定位识别方法,其特征在于,所述步骤(1)中,对单像素边缘进行截断处理是指,在每个单像素边缘的最短路径上,计算每个单像素边缘点与前后三个单像素边缘点之间的夹角,如果夹角超过45度,表明单像素边缘存在弯折,则截断为单独的线段。
6.如权利要求1所述的LED字符自动定位识别方法,其特征在于,所述步骤(2)中,对单像素边缘进行配对遵照如下约束:(a)单像素边缘在水平或垂直方向需要有较强的直线性,即单像素边缘上所有像素点沿x轴或y轴的坐标方差小于设定阈值6;(b)单像素边缘长度Length满足10≤Length≤30;(c)配对的单像素边缘近似平行,角度误差不超过5°;(d)配对单像素边缘之间的距离Distance满足4≤Distance≤8;(e)配对单像素边缘的重叠度Overlap满足0.7≤Overlap,重叠度的定义为沿边缘梯度方向进行投影后两条单像素边缘的重叠部分与投影总长度的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257984.7A CN106650735B (zh) | 2016-12-30 | 2016-12-30 | 一种led字符自动定位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257984.7A CN106650735B (zh) | 2016-12-30 | 2016-12-30 | 一种led字符自动定位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106650735A CN106650735A (zh) | 2017-05-10 |
CN106650735B true CN106650735B (zh) | 2019-10-01 |
Family
ID=58837618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611257984.7A Active CN106650735B (zh) | 2016-12-30 | 2016-12-30 | 一种led字符自动定位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650735B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344820B (zh) * | 2018-08-06 | 2021-09-17 | 北京邮电大学 | 基于计算机视觉和深度学习的数字式电表读数识别方法 |
US20210383552A1 (en) * | 2019-02-01 | 2021-12-09 | The Johns Hopkins University | Layer boundary evolution for macular optical coherence tomography segmentation |
CN111753708A (zh) * | 2020-06-19 | 2020-10-09 | 珠海格力电器股份有限公司 | 自动判定指示灯状态的方法、存储介质、系统及电子设备 |
CN113449639A (zh) * | 2021-06-29 | 2021-09-28 | 深圳市海亿达科技股份有限公司 | 一种物联网网关对仪表的无接触数据采集方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510265A (zh) * | 2009-03-23 | 2009-08-19 | 浙江大学 | 一种关联运动数字字符智能识别方法 |
CN102044071A (zh) * | 2010-12-28 | 2011-05-04 | 上海大学 | 基于fpga的单像素边缘检测方法 |
CN102236788A (zh) * | 2010-04-20 | 2011-11-09 | 荣科科技股份有限公司 | 电力电能表图像自动识别方法 |
CN102254159A (zh) * | 2011-07-07 | 2011-11-23 | 清华大学深圳研究生院 | 一种数显仪表判读方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN103049750A (zh) * | 2013-01-11 | 2013-04-17 | 广州广电运通金融电子股份有限公司 | 字符识别方法 |
CN103093185A (zh) * | 2011-11-07 | 2013-05-08 | 佳能株式会社 | 字符识别装置、图像处理装置及其方法 |
-
2016
- 2016-12-30 CN CN201611257984.7A patent/CN106650735B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510265A (zh) * | 2009-03-23 | 2009-08-19 | 浙江大学 | 一种关联运动数字字符智能识别方法 |
CN102236788A (zh) * | 2010-04-20 | 2011-11-09 | 荣科科技股份有限公司 | 电力电能表图像自动识别方法 |
CN102044071A (zh) * | 2010-12-28 | 2011-05-04 | 上海大学 | 基于fpga的单像素边缘检测方法 |
CN102254159A (zh) * | 2011-07-07 | 2011-11-23 | 清华大学深圳研究生院 | 一种数显仪表判读方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN103093185A (zh) * | 2011-11-07 | 2013-05-08 | 佳能株式会社 | 字符识别装置、图像处理装置及其方法 |
CN103049750A (zh) * | 2013-01-11 | 2013-04-17 | 广州广电运通金融电子股份有限公司 | 字符识别方法 |
Non-Patent Citations (3)
Title |
---|
Optical Numeral Recognition Algorithm for Seven Segment Display;Prachi H.Kulkami 等;《2016 Conference on Advances in Signal Processing》;20101101;第397-401页 * |
基于图像的计度轮数字识别算法研究;孙智鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160215(第02期);全文 * |
机器视觉的数显仪表读数研究及应用;谭义;《中国优秀硕士学位论文全文数据库》;20071115(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106650735A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN105453153B (zh) | 交通灯检测 | |
CN102646193B (zh) | 一种环形排布字符图像分割方法 | |
CN106446926A (zh) | 一种基于视频分析的变电站工人安全帽佩戴检测方法 | |
US20130136307A1 (en) | Method for counting objects and apparatus using a plurality of sensors | |
US20130070095A1 (en) | Fast obstacle detection | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN102508110A (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
CN104504388A (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN106709518A (zh) | 基于Android平台的盲道识别系统 | |
CN105426828A (zh) | 人脸检测方法、装置及系统 | |
CN109687382B (zh) | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN101510295B (zh) | 基于PCIe和Vision Assistant的机器视觉系统的设计方法 | |
CN110211107A (zh) | 一种基于双波段红外图像的矿用胶带损伤检测方法 | |
CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN104376322B (zh) | 一种集装箱箱号预处理质量的智能评测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |