CN108549889B - 一种简易的印刷体数字识别方法 - Google Patents
一种简易的印刷体数字识别方法 Download PDFInfo
- Publication number
- CN108549889B CN108549889B CN201810210106.2A CN201810210106A CN108549889B CN 108549889 B CN108549889 B CN 108549889B CN 201810210106 A CN201810210106 A CN 201810210106A CN 108549889 B CN108549889 B CN 108549889B
- Authority
- CN
- China
- Prior art keywords
- digital
- image
- vector
- opening
- characteristic
- 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
Images
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
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06V30/158—Segmentation of character regions using character size, text spacings or pitch estimation
-
- 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
Abstract
本发明提供了一种简易的印刷体数字识别方法,属于图像处理技术领域。该方法包括数字检测、数字分类以及决策机制三部分:首先,获取数字图像,以亮度、区域面积、长宽比为特征检测数字区域;然后,根据获得的数字区域,利用数字的封闭特性、直方图特性将其粗分类为四部分,结合数字的穿线特征、局部直方图特征以及局部封闭性特征再对其进行细分类,进而识别各数字;最后,利用滤波与状态机结合的决策机制,提高数字识别的准确度,达到准确识别数字的目的。本发明通过设计分类决策树与决策机制并应用数字框,提高识别的准确性和鲁棒性,实现简易而准确的印刷体数字识别方法,具有很大的实用价值。
Description
技术领域
本发明涉及一种简易的印刷体数字识别方法,属于图像处理技术领域。
背景技术
如今对印刷体数字的识别已经得到了广泛的应用,如何简单、高效且准确地实现印刷体数字的识别是目前各种印刷体数字识别方法接下来面临的挑战。
现有的印刷体数字识别方法主要有三类:基于模版匹配的数字识别方法、基于人工神经网络的数字识别方法以及基于特征分析的数字识别方法。
传统的识别方法是模板匹配,该方法的主要问题在于计算量大、对模板的依赖性很强,导致其鲁棒性较弱,对图像的噪声和位移敏感;基于人工神经网络的数字识别方法是当前最为流行的方法,该方法适用于环境复杂、难以提取特征的情况,对处理器要求较高,需要较大的存储空间以及运行内存,不适用于印刷体数字的识别问题;基于特征分析的方法通过提取号码图像中的具有代表性的特征达到识别该数字的目的,当前研究中的数字特征主要有:焦点特征、封闭半封闭特征、横竖直线特征、投影特征以及分区面积特征等等,但是这些特征鲁棒性不够,受数字字体、倾斜度等因素影响程度不一,直接影响到实际应用中数字识别的准确率。
发明内容
为解决现有技术存在的问题,本发明提出一种简易的印刷体数字识别方法,该识别方法鲁棒性强,准确度高。
本发明为解决现有问题的技术方案为:
一种简易的印刷体数字识别方法,包括如下步骤:
(一)数字检测
为数字增加一个合作的方框将数字包围起来,数字外框与数字的高度之比为2:1,宽度之比为3:1,数字内外框的厚度为外框宽度的1/6,其中数字与外框为黑色白底;
检测算法的具体流程如下:
(1)通过图像采集得到RGB图像,由公式(1)得到图像亮度
Y=((R*299)+(G*587)+(B*114))/100 (1)
设定固定阈值为150,对图像亮度做二值化处理;
(2)利用数字外框与数字的面积比特征、几何关系特征以及数字和数字外框的高宽比作为特征量筛选出经二值化处理的图像中的方框与对应的数字区域;
(3)由数字外框的最左、最右、最上以及最下点确定方框的四个角点,相邻位置连线的斜率表示方框旋转的角度,对截取到的数字图像做旋转矫正;
(二)数字分类
数字分类的算法流程为:
(1)根据上述数字检测三个步骤步骤获得的旋转矫正后的数字图像,得到数字的最小外接矩形,计算在矩形方框内的竖直投影直方图,如果直方图中存在大于数字区域高度90%的值,则数字是1或4;
(2)若数字不是1或4,在竖直1/2的位置获取数字的封闭特征矢量K1,若K1的维数是0,则该数字是0或8;若K1的维数是1,则该数字是2、3、6、7或9;若K1的维数是2,则该数字是2或5;
(3)对数字1和4的区分流程:水平1/3穿线得到交点个数,如果交点数大于3,则该数字是4,反之数字为1;
(4)对数字0和8的区分流程:竖直1/3穿线得到交点个数,如果交点数大于6,则该数字是8,反之数字为0;
(5)对数字2和5的区分流程:如果K1矢量为[2;1],则该数字为2;如果K1矢量为[1;2],则该数字为5;如果该矢量不是[2;1]或者[1;2],则本次识别无效,返回数字-1;
(6)对数字2、3、6、7和9的区分流程:如果K1矢量为[1],则该数字为6;反之竖直3/5位置获取数字的封闭特征K2,若K2的维数是2,则该数字为2;反之计算外接矩形框1/4左上角方框内数字像素的水平投影直方图,若直方图中为0的最大连续区域占高度的比值小于18%,则该数字是9;反之计算外接矩形框1/2下部方框内数字像素的竖直投影直方图,若直方图中为0的最大连续区域占宽度的比值小于18%,则该数字是3;反之数字是7;
(三)决策机制
滤波与状态机结合的数字识别决策机制,具体为:
信号滤波进入初始状态,读入视频流后,由数字分类算法得到一串分类结果,例如:“2,2,2,2,2,2,3,2,2,3,3,3,2,2,2,2”,分析到其中3是数字误识别的结果,图像中的数字应该是2;经过中值滤波器,得到滤波后的结果为“2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2”,提高了数字识别率,进入决策机制的初始状态为S0=2;
基于状态机的切换机制:设现态为S0=m,即当前输出结果为m,0≤m≤9;次态S1=n,即可能切换到的状态,输出结果为n,0≤n≤9且m≠n;由决策时刻得到的最新五个分类结果做成的矩阵H=[h1,h2,h3,h4,h5],作为状态转换的条件函数。状态由S0切换到S1之后,则S1为现态,S0为次态。
更进一步地,步骤二中获取数字封闭特征矢量的具体方式为:在数字区域宽度的1/2或者3/5的位置做一条竖线,对竖线上每一个点判断其左右两侧的开闭性,如果某一点所在行的左侧没有数字区域,则定义为左开性,反之为左闭性;如果某一点所在行的右侧没有数字区域,则定义为右开性,反之为右闭性;
针对竖线上每一点的开闭性,右开左闭设为1,左开右闭设为2,左开右开设为3,左闭右闭设为0,如此即可得到该竖线上所有的点开闭性组成的矢量K;
为提高算法的鲁棒性,对矢量K化简,规定左闭右闭的0不记录,竖线上相邻位置的开闭性如果一致,则只计一次,化简后得到数字封闭特征矢量K1或者K2。
与现有技术相比,本发明的有益效果在于:
本发明中数字框的设计,有益于数字在复杂环境中的准确定位,同时给数字的倾斜程度提供参考,减小识别中数字倾斜对特征提取的影响,提高检测的准确性;滤波与状态机结合的数字识别决策机制的使用降低了检测和分类中干扰因素的影响,有效应对分类后仍有某些数字识别不准确的情况,结合数字分类算法简单、处理速度快的优点,大大提高了数字识别的鲁棒性、准确度和效率,因而具有非常大的实用价值。
附图说明
图1为本发明的数字识别方法流程图;
图2为本发明的数字框示意图;
图3为图像采集原始图;
图4为图3二值化处理的结果;
图5为图4区域筛选结果;
图6为图5旋转矫正结果;
图7为本发明的数字分类算法流程图;
图8为本发明区分数字1和4的算法流程图;
图9为本发明区分数字0和8的算法流程图;
图10为本发明区分数字2和5的算法流程图;
图11为本发明区分数字2、3、6、7和9的算法流程图;
图12为本发明的水平1/3穿线示意图;
图13为本发明的水平投影直方图示意图;
图14为本发明的1/4左上角方框示意图;
图15为本发明的1/2下部方框示意图;
图16为本发明的状态转换机制原理图;
图17为数字识别结果示例一;
图18为数字识别结果示例二;
图19为数字识别结果示例三;
图20为数字识别结果示例四;
其中,图17至图20中,T-数字识别任务号;N-识别到的结果;L-待定位数字;E-数字定位后的坐标位置。
具体实施方式
如图1所示,印刷体数字识别方法主要由数字检测、数字分类以及决策机制三个步骤组成,具体为:
(一)数字检测
如图2所示,为数字增加一个合作的方框将数字包围起来,该合作的方框简称数字框;数字外框与数字的高度之比为2:1,宽度之比为3:1,数字内外框的厚度为外框宽度的1/6,其中数字与外框为黑色白底。
检测算法的具体流程如下:
(1)如图3所示,通过图像采集得到RGB原始图像,由公式(1)得到图像亮度
Y=((R*299)+(G*587)+(B*114))/100 (1)
设定固定阈值为150,对图像亮度做二值化处理,处理结果如图4所示;
(2)利用数字外框与数字的面积比特征、几何关系特征(数字包含在数字框的内部)、数字和数字外框的高宽比作为特征量筛选出经二值化处理的图像中的方框与对应的数字区域,处理结果如图5所示;
(3)由数字外框的最左、最右、最上以及最下点确定方框的四个角点,相邻位置连线的斜率表示方框旋转的角度,对截取到的数字图像做旋转矫正,得到结果如图6所示。
(二)数字分类
数字分类的算法流程如图7所示:
(1)根据上述步骤获得的旋转矫正后的数字图像,得到数字的最小外接矩形,计算在矩形方框内的“竖直投影直方图”,如果直方图中存在大于数字区域高度的90%的值,则数字是1或4;
(2)若数字不是1或4,在竖直1/2的位置获取数字的封闭特征矢量K1,若K1的维数是0,则该数字是0或8;若K1的维数是1,则该数字是2、3、6、7或9;若K1的维数是2,则该数字是2或5;
(3)对数字1和4的区分流程如图8所示,“水平1/3穿线”得交点个数,如果交点数大于3,则该数字是4,反之数字为1;
(4)对数字0和8的区分流程如图9所示,“竖直1/3穿线”得交点个数,如果交点数大于6,则该数字是8,反之数字为0;
(5)对数字2和5的区分流程如图10所示,如果K1矢量为[2;1],则该数字为2;如果K1矢量为[1;2],则该数字为5;如果该矢量不是[2;1]或者[1;2],则本次识别无效,返回数字-1;
(6)对数字2、3、6、7和9的区分流程如图11所示,如果K1矢量为[1],则该数字为6;反之竖直3/5位置获取数字的封闭特征K2,若K2的维数是2,则该数字为2;反之计算外接矩形框“1/4左上角方框”内数字像素的“水平投影直方图”,若直方图中为0的最大连续区域占高度的比值小于18%,则该数字是9;反之计算外接矩形框“1/2下部方框”内数字像素的“竖直投影直方图”,若直方图中为0的最大连续区域占宽度的比值小于18%,则该数字是3;反之数字是7。
上述流程中的交点计数方式是,直线与数字区域边缘的交点个数,例如水平直线与数字4在“水平1/3穿线”的交点个数为4,如图12所示。
上述流程中获取数字封闭特征矢量的具体方式是,在数字区域宽度的1/2或者3/5的位置做一条竖线,对竖线上每一个点判断其左右两侧的开闭性,如果某一点所在行的左侧没有数字区域,则定义为左开性,反之为左闭性;如果某一点所在行的右侧没有数字区域,则定义为右开性,反之为右闭性。针对竖线上每一点的开闭性,右开左闭设为1,左开右闭设为2,左开右开设为3,左闭右闭设为0,如此即可得到该竖线上所有的点开闭性组成的矢量K。为提高算法的鲁棒性,对矢量K化简,规定左闭右闭的0不记录,竖线上相邻位置的开闭性如果一致,则只计一次,化简后得到数字封闭特征矢量K1或者K2。
上述流程中的“水平1/3穿线”是指,在数字区域高度的1/3位置,穿过一条平行于外接矩形宽线的直线,如图12,同理表示“竖直1/3穿线”。
上述流程中的“水平投影直方图”是指,以数字区域的最小外接矩形框的高为横坐标,每个高度中数字区域像素的总数为纵坐标的像素直方图,如图13所示,同理表示“竖直投影直方图”。
上述流程中的“1/4左上角方框”是指将数字区域的最小外接矩形框划分为四个方形区域,取左上角区域做处理,如图14所示,同理表示“1/2下部方框”,如图15所示。
(三)决策机制
信号滤波进入初始状态,读入视频流后,由数字分类算法得到一串分类结果,例如:“2,2,2,2,2,2,3,2,2,3,3,3,2,2,2,2”,分析到其中3是数字误识别的结果,图像中的数字应该是2。经过中值滤波器,得到滤波后的结果为“2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2”,提高了数字识别率,进入决策机制的初始状态为S0=2。
基于状态机的切换机制如图16所示:设现态为S0=m,即当前输出结果为m,0≤m≤9;次态S1=n,即可能切换到的状态,输出结果为n,0≤n≤9且m≠n;由决策时刻得到的最新五个分类结果做成的矩阵H=[h1,h2,h3,h4,h5],作为状态转换的条件函数;状态由S0切换到S1之后,则S1为现态,S0为次态。
图17至图20为相机视野中的数字识别结果示例。
Claims (2)
1.一种简易的印刷体数字识别方法,其特征在于,包括如下步骤:
(一)数字检测
为数字增加一个合作的方框将数字包围起来,数字外框与数字的高度之比为2:1,宽度之比为3:1,数字内外框的厚度为外框宽度的1/6,其中数字与外框为黑色白底;
检测算法的具体流程如下:
(1)通过图像采集得到RGB图像,由公式(1)得到图像亮度
Y=((R*299)+(G*587)+(B*114))/100 (1)
设定固定阈值为150,对图像亮度做二值化处理;
(2)利用数字外框与数字的面积比特征、几何关系特征以及数字和数字外框的高宽比作为特征量筛选出经二值化处理的图像中的方框与对应的数字区域;
(3)由数字外框的最左、最右、最上以及最下点确定方框的四个角点,相邻位置连线的斜率表示方框旋转的角度,对截取到的数字图像做旋转矫正;
(二)数字分类
数字分类的算法流程为:
(1)根据上述数字检测的三个步骤获得的旋转矫正后的数字图像,得到数字的最小外接矩形,计算在矩形方框内的竖直投影直方图,如果直方图中存在大于数字区域高度90%的值,则数字是1或4;
(2)若数字不是1或4,在竖直1/2的位置获取数字的封闭特征矢量K1;若K1的维数是0,则该数字是0或8;若K1的维数是1,则该数字是2、3、6、7或9;若K1的维数是2,则该数字是2或5;
(3)对数字1和4的区分流程:水平1/3穿线得到交点个数,如果交点数大于3,则该数字是4,反之数字为1;
(4)对数字0和8的区分流程:竖直1/3穿线得到交点个数,如果交点数大于6,则该数字是8,反之数字为0;
(5)对数字2和5的区分流程:如果K1矢量为[2;1],则该数字为2;如果K1矢量为[1;2],则该数字为5;如果该矢量不是[2;1]或者[1;2],则本次识别无效,返回数字-1;
(6)对数字2、3、6、7和9的区分流程:如果K1矢量为[1],则该数字为6;反之竖直3/5位置获取数字的封闭特征K2,若K2的维数是2,则该数字为2;反之计算外接矩形框1/4左上角方框内数字像素的水平投影直方图,若直方图中为0的最大连续区域占高度的比值小于18%,则该数字是9;反之计算外接矩形框1/2下部方框内数字像素的竖直投影直方图,若直方图中为0的最大连续区域占宽度的比值小于18%,则该数字是3;反之数字是7;
(三)决策机制
滤波与状态机结合的数字识别决策机制,具体为:
信号滤波进入初始状态,读入视频流后,由数字分类算法得到一串分类结果,例如:“2,2,2,2,2,2,3,2,2,3,3,3,2,2,2,2”,分析到其中3是数字误识别的结果,图像中的数字应该是2;经过中值滤波器,得到滤波后的结果为“2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2”,提高了数字识别率,进入决策机制的初始状态为S0=2;
基于状态机的切换机制:设现态为S0=m,即当前输出结果为m,0≤m≤9;次态S1=n,即可能切换到的状态,输出结果为n,0≤n≤9且m≠n;由决策时刻得到的最新五个分类结果做成的矩阵H=[h1,h2,h3,h4,h5],作为状态转换的条件函数;状态由S0切换到S1之后,则S1为现态,S0为次态。
2.根据权利要求1所述的一种简易的印刷体数字识别方法,其特征在于,步骤二中获取数字封闭特征矢量的具体方式为:在数字区域宽度的1/2或者3/5的位置做一条竖线,对竖线上每一个点判断其左右两侧的开闭性,如果某一点所在行的左侧没有数字区域,则定义为左开性,反之为左闭性;如果某一点所在行的右侧没有数字区域,则定义为右开性,反之为右闭性;
针对竖线上每一点的开闭性,右开左闭设为1,左开右闭设为2,左开右开设为3,左闭右闭设为0,如此即可得到该竖线上所有的点开闭性组成的矢量K;
为提高算法的鲁棒性,对矢量K化简,规定左闭右闭的0不记录,竖线上相邻位置的开闭性如果一致,则只计一次,化简后得到数字封闭特征矢量K1或者K2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810210106.2A CN108549889B (zh) | 2018-03-14 | 2018-03-14 | 一种简易的印刷体数字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810210106.2A CN108549889B (zh) | 2018-03-14 | 2018-03-14 | 一种简易的印刷体数字识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108549889A CN108549889A (zh) | 2018-09-18 |
CN108549889B true CN108549889B (zh) | 2021-07-27 |
Family
ID=63515968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810210106.2A Active CN108549889B (zh) | 2018-03-14 | 2018-03-14 | 一种简易的印刷体数字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108549889B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635863B (zh) * | 2018-12-06 | 2023-08-25 | 邵凌霜 | 智能判断用户乘车的方法和装置 |
CN114926841B (zh) * | 2022-07-22 | 2022-11-08 | 广州能源检测研究院 | 基于改进穿线法的电子式水表读数图像识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574531A (zh) * | 2015-12-11 | 2016-05-11 | 中国电力科学研究院 | 一种基于交点特征提取的数字识别方法 |
CN106257495A (zh) * | 2015-06-19 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种数字识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5948866B2 (ja) * | 2011-12-27 | 2016-07-06 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
-
2018
- 2018-03-14 CN CN201810210106.2A patent/CN108549889B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257495A (zh) * | 2015-06-19 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种数字识别方法及装置 |
CN105574531A (zh) * | 2015-12-11 | 2016-05-11 | 中国电力科学研究院 | 一种基于交点特征提取的数字识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108549889A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
CN110992381B (zh) | 一种基于改进Vibe+算法的运动目标背景分割方法 | |
CN108564030A (zh) | 面向车载热成像行人检测的分类器训练方法和装置 | |
WO2018145470A1 (zh) | 一种图像检测方法和装置 | |
CN104598883B (zh) | 一种多摄像机监控网络中目标再识别的方法 | |
CN107230188B (zh) | 一种视频运动阴影消除的方法 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN105469046B (zh) | 基于pca和surf特征级联的车辆车型识别方法 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
CN109255326B (zh) | 一种基于多维信息特征融合的交通场景烟雾智能检测方法 | |
CN110032932B (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 | |
CN113673541B (zh) | 一种用于目标检测的图像样本生成方法及应用 | |
CN112507911B (zh) | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 | |
CN108549889B (zh) | 一种简易的印刷体数字识别方法 | |
CN111783524A (zh) | 一种场景变换检测方法、装置、存储介质及终端设备 | |
CN113537211A (zh) | 一种基于非对称iou的深度学习车牌框定位方法 | |
CN111028263B (zh) | 一种基于光流颜色聚类的运动物体分割方法及其系统 | |
CN111768455A (zh) | 一种基于图像的木材区域和主色提取方法 | |
CN111695373A (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN108765426A (zh) | 自动图像分割方法及装置 | |
Gui et al. | A fast caption detection method for low quality video images | |
CN109840498B (zh) | 一种实时行人检测方法及神经网络、目标检测层 | |
CN113902667B (zh) | 一种用于机器视觉的螺纹旋向识别方法与系统 | |
CN106295642B (zh) | 一种基于容错率和纹理特征的车牌定位方法 |
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 |