CN108960239B - 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法 - Google Patents

一种基于图像处理的激光蚀刻金属雷管编码字符分割方法 Download PDF

Info

Publication number
CN108960239B
CN108960239B CN201810748680.3A CN201810748680A CN108960239B CN 108960239 B CN108960239 B CN 108960239B CN 201810748680 A CN201810748680 A CN 201810748680A CN 108960239 B CN108960239 B CN 108960239B
Authority
CN
China
Prior art keywords
character
coded
detonator
image
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.)
Expired - Fee Related
Application number
CN201810748680.3A
Other languages
English (en)
Other versions
CN108960239A (zh
Inventor
陈�光
徐望明
伍世虔
尹亮
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.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201810748680.3A priority Critical patent/CN108960239B/zh
Publication of CN108960239A publication Critical patent/CN108960239A/zh
Application granted granted Critical
Publication of CN108960239B publication Critical patent/CN108960239B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V20/63—Scene text, e.g. street names
    • 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
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Input (AREA)

Abstract

本发明属于数字图像处理领域，具体涉及一种激光蚀刻金属雷管编码字符分割方法。包括：步骤S1，定位所采集到的雷管图像中的编码区域，得到雷管编码图像并进行增强处理；步骤S2，对增强的雷管编码图像进行灰度化和二值化处理；步骤S3，对二值化雷管编码图像进行连通域标记，保留符合字符结构特征的连通域；步骤S4，判定字符连通域宽度大于一定宽度的区域为粘连编码字符，否则为非粘连单个字符；步骤S5，对粘连编码字符进一步分割为单个字符；步骤S6，按位置关系对所有单个字符进行排序，得到最终分割完成的顺序编码字符。本发明对激光蚀刻金属雷管编码字符分割准确，且实时性能满足需求，有助于提高工业场景中雷管编码识别的准确率及效率。

Description

一种基于图像处理的激光蚀刻金属雷管编码字符分割方法
技术领域
本发明属于数字图像处理领域，特别是涉及一种激光蚀刻金属雷管编码字符分割方法。
背景技术
雷管是一种起爆材料，在桥梁爆破、房屋爆破、矿山爆破等爆破场景中，一般用它来引爆各种炸药、传爆管和导爆索。同时，雷管也属于国家严格管控的危险物品，雷管流失可能会危害人们的生命及财产安全。为了有效管理雷管的生产及使用，国家有关部门规定每一发雷管在生产时其外壳表面都需印有独一无二的识别编码。在雷管生产及日常爆破作业中，对雷管编码的记录大多还是使用人工识别和手工抄录的方式。这种传统的工作方式无法满足现代信息化作业的高效和便捷，而且存在因人为因素产生错误，因此像光学字符识别及车牌识别那样将机器视觉技术应用在雷管编码识别中很有必要。
传统的光学字符识别在经历了近多年的发展后已经较为成熟，在字符识别系统中“字符分割”这一步尤为重要，对字符识别的准确率有着很大的影响。针对字符分割算法人们已经进行了很多研究，例如常见的投影法、模板匹配法、连通区域标记法、识别反馈法。上述字符分割方法在传统光学字符分割中取得了不错的效果，但在面对复杂的工业现实场景时仍然存在很多挑战。雷管壳是采用金属材料制作，且表面呈圆弧形，尺寸较小，所以雷管表面的编码字符不同于常规光学印刷字符和车牌字符，它的字符笔划很小，字符间隔近，笔划颜色与背景区分度较低且容易受磨损、划痕和锈迹等噪声干扰，极易出现二值化雷管编码图像中字符粘连的现象，这就导致许多传统的字符分割方法在雷管编码字符分割上无法取得较好的效果。
针对金属雷管编码字符识别这种特殊且复杂的应用场景，本发明提出了一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，该方法能够对激光蚀刻金属雷管编码字符进行有效分割。
发明内容
针对上述存在的问题，为了提高工业场景激光蚀刻金属雷管编码识别的准确度，本发明提出一种基于图像处理的激光蚀刻金属雷管编码字符分割方法。
本发明一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，具体步骤如下：
步骤S1，首先定位出所采集到的雷管图像中的编码区域并把它作为待处理的金属雷管编码图像，然后对其进行图像增强处理；
步骤S2，对增强后的金属雷管编码图像进行灰度化和二值化处理；
步骤S3，对二值化的金属雷管编码图像进行编码字符连通域标记，获得连通域的最小外接矩形，并滤除不符合字符结构的连通域；
步骤S4，对字符连通域宽度进行判断，提取出其中字符宽度大于一定宽度的粘连编码字符，剩下的为非粘连的单个编码字符；
步骤S5，对粘连的金属雷管编码字符进一步分割；
步骤S6，按位置关系对粘连字符分割后得到的单个字符和非粘连单个字符进行排序，得到最终分割完成的顺序编码字符。
进一步的，步骤S1中采用限制对比度自适应直方图均衡化法(Contrast LimitedAdaptive Histogram Equalization，CLAHE)对金属雷管编码图像进行图像增强。
进一步的，步骤S2的具体实现方式如下，
首先，对增强后的金属雷管编码图像进行灰度化处理，公式如下，
gray(i,j)＝0.299R(i,j)+0.587G(i,j)+0.114B(i,j)；
其中，R、G、B分别表示图像的红、绿、蓝通道，(i,j)表示图像像素坐标，gray是得到的灰度图像；
接着采用中值滤波对灰度图像进行降噪处理；
最后采用自适应局部阈值法将激光蚀刻金属雷管编码灰度图像转换为二值图像。
进一步的，步骤S3中采用8连通域分析法对雷管编码二值图像进行连通域标记，筛选出初步的编码字符连通域，然后根据字符结构特征，包括连通域的最小外接矩形的宽高比、宽度最小值、高度最小值及面积，滤除不符合字符结构的连通域轮廓。
进一步的，步骤S4的具体实现方式如下，
首先根据步骤S3筛选后保留的连通域轮廓信息初步估算出单个雷管编码字符的平均宽度，计算方法如下式，
Figure BDA0001724997160000021
其中k和wr分别为步骤S3筛选后保留的连通域个数以及相应单个连通域的宽度，分母13是雷管编码的总长度(根据我国工业雷管编码的基本规则，雷管编码由13位字符组成)。
为了排除粘连字符连以及字符“1”这类宽度过大或过小的字符连通域对单个字符平均宽度估算的影响，将其中宽度在
Figure BDA0001724997160000031
之间的编码字符连通域按宽度值大小进行排序，然后取宽度的中间值为单个编码字符的有效宽度估计值，作为本发明中单个编码字符的参考宽度Wi；进一步的，当编码字符宽度大于1.4*Wi时，判定该编码字符连通域为粘连字符区域，反之，判定该编码字符连通域为正常的非粘连单个字符区域。
进一步的，步骤S5的具体实现包括如下子步骤，
S5.1，对粘连的编码字符区域进行垂直投影，然后提取字符竖直方向列像素个数、上边界位置、下边界位置，得到粘连编码字符的垂直投影像素统计直方图、上边界位置图和下边界位置图；
S5.2，再分别在上述三种图中寻找谷底点，即纵坐标方向的局部极小值；
S5.3，提取字符笔划的穿越特性和字符上下边界的距离特性来判定得到的谷底是否为粘连编码字符的候选分割点，判定规则为：当谷底点处编码字符笔划的穿越特性值小于3且上下边界的距离特性值小于0.8*h(其中h为粘连编码字符连通域的高度)时，判定该谷底点为粘连编码字符的候选分割点；
S5.4，再对所有候选分割点给出一个可信值，候选分割点的可信值等于该候选分割点出现在上述三种图中谷底处的次数之和；
S5.5，计算完所有候选分割点的可信值后，从粘连编码字符的左端向右端寻找，确定一组有效分割点，得到一条分割路径，再从粘连编码字符的右端向左端寻找，确定另一组有效分割点，得到另一条分割路径；
S5.6，分别求取两条分割路径的方差，并选取方差值最小的分割路径作为粘连编码字符的最佳分割路径。
进一步的，步骤S5.5中选取有效分割点的规则为，
①选取当前分割点时，以上一个分割点为当前起点(在寻找第一个分割点时，当前起点为初始端点)，在距离起点的[Wi-d,Wi+d]的范围寻找分割点，Wi为单个编码字符参考宽度，d为按宽度寻找切分点的可容许误差参数；
②在[Wi-d,Wi+d]的范围内寻找分割点时，优先选取可信值大的候选分割点为有效分割点；
③当在[Wi-d,Wi+d]的范围内存在多个可信值相等的候选分割点时，选取离该范围中心最近的候选分割点为有效分割点；
④当前起点沿着寻找方向到字符区域终点的距离小于1.4*Wi或在[Wi-d,Wi+d]的范围内不存在候选分割点时，结束选取过程，根据选取的一组有效分割点即得到一条分割路径。
进一步的，步骤S5.6中方差求取公式为，
Figure BDA0001724997160000041
其中，s2代表分割路径的方差，n代表分割路径将粘连编码字符分割后得到的字符个数，Wd代表沿着分割路径分割出来的单个字符的实际宽度，Wi代表单个编码字符的参考宽度。
综上所述，采用上述技术方案，本发明的有益效果是：能够有效克服金属雷管编码磨损、划痕和生锈等引起的字符分割误差大的问题。对激光蚀刻金属雷管编码字符分割准确，且实时性能满足需求，提高了工业场景中对激光蚀刻金属雷管编码识别的准确率及效率。
附图说明
图1是本发明整体算法流程图；
图2是粘连编码字符区域的垂直投影像素统计直方图、上边界位置图和下边界位置图。
图3是寻找到的谷底点效果图。
图4是本发明激光蚀刻金属雷管编码字符分割后的效果图，其中(a)为粘连编码字符切分前；(b)为粘连编码字符切分后。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明进行进一步地详细描述。
步骤S1，首先定位出所采集到的雷管图像中的编码区域并把它作为待处理的金属雷管编码图像，然后对其进行图像增强处理；
在进行图像增强处理前，为了提升图像增强及后续连通域标记的效率，先定位出雷管图像中的编码区域，并把该区域作为待处理的金属雷管编码图像，后续步骤再对其进行图像增强处理。
由于金属雷管编码图像中编码字符与雷管表面辨识度低，所以需要对激光蚀刻金属雷管编码图像进行图像增强。常用的图像增强有直方图均衡化法、小波变换法，直方图均衡化法对雷管编码这种复杂背景增强效果不佳，而小波变换法虽然有一定的效果但是过程复杂耗时比较长。因此本发明采用限制对比度自适应直方图均衡化法对金属雷管编码图像进行图像增强，此方法相对简单、运算速度快，且效果优于传统的图像增强方法。
步骤S2，由于激光蚀刻金属雷管编码彩色图像中背景信息较多，因此在进行字符分割之前需要对雷管编码图像进行灰度化和二值化处理。其中，灰度化处理公式如下：
gray(i，j)＝0.299R(i，j)+0.587G(i，j)+0.114B(i，j)。
其中，R、G、B分别表示图像的红、绿、蓝通道，(i,j)表示图像像素坐标，gray是得到的灰度图像；
得到雷管编码灰度图之后，为了减少二值化后图像中的噪声，对灰度图像进行中值滤波操作，中值滤波是一种典型的非线性滤波技术，它能够在去除图像中无用噪声的同时又较好的保留图像的边缘细节。
在通过中值滤波对灰度图像进行处理之后再将其转换为二值化图像。本发明采用自适应局部阈值法对激光蚀刻金属雷管编码灰度图像进行二值化操作，它的效果要优于传统的固定阈值的二值化方法。
步骤S3，对二值化的金属雷管编码图像进行编码字符连通域标记，获得连通域的最小外接矩形；本发明采用8连通域分析法对雷管编码二值图像进行连通域标记，筛选出初步的编码字符连通域，然后根据字符结构特征，包括连通域的最小外接矩形的宽高比、宽度最小值、高度最小值及面积，滤除不符合字符结构的连通域轮廓。本发明实施例选用的激光蚀刻金属雷管编码图像的大小为1080*1440，经过实验得到的具体滤除规则为：
①当该连通域的最小外接矩形的宽度小于8个像素且高度小于10个像素时，滤除该连通域轮廓。
②当该连通域的最小外接矩形的面积小于15个像素点时，滤除该连通域轮廓。
步骤S4，对字符连通域宽度进行判断，提取出字符宽度大于一定宽度的粘连编码字符；粘连编码字符的主要表现特征为它的字符宽度比正常非粘连字符的宽度大。由于现实工业场景使用的雷管可能由不同的厂家生产以及雷管编码字符采用蚀刻方式可能不同，从而使不同雷管的编码字符宽度可能不一致。因此无法根据先验知识给定一个通用的单个编码字符参考宽度，需要在上文提取到雷管编码字符之后再估计出当前雷管单个编码字符的参考宽度。
首先根据步骤S3筛选后保留的连通域轮廓信息初步估算出单个雷管编码字符的平均宽度，计算方法如下式：
Figure BDA0001724997160000051
其中k和wr分别为步骤S3筛选后保留的连通域个数以及相应单个连通域的宽度，分母13是雷管编码的总长度(根据我国工业雷管编码的基本规则，雷管编码由13位字符组成)。
为了排除粘连字符连以及字符“1”这类宽度过大或过小的字符连通域对单个字符平均宽度估算的影响，将其中宽度在
Figure BDA0001724997160000061
之间的编码字符连通域按宽度值大小进行排序，然后取宽度的中间值为单个编码字符的有效宽度估计值，作为本发明中单个编码字符的参考宽度Wi；进一步的，当编码字符宽度大于1.4*Wi时，判定该编码字符连通域为粘连字符区域。反之，判定该编码字符连通域为正常的非粘连单个字符区域。
步骤S5，对粘连的金属雷管编码进行分割，包括以下子步骤；
S5.1，对粘连的编码字符区域进行垂直投影，然后提取字符竖直方向列像素个数、上边界位置、下边界位置，得到粘连编码字符的垂直投影像素统计直方图、上边界位置图和下边界位置图。参见图2可以看到粘连编码字符的垂直投影像素统计直方图、上边界位置图和下边界位置图。
S5.2，再分别在上述三种图中寻找谷底点(即纵坐标方向的局部极小值)，图3是根据上述步骤寻找到的谷底点效果图。
S5.3，分析字符的结构特征，字符“0”、“5”等会在其字符宽度的中间处产生垂直投影的谷底，但这些谷底并不是粘连字符正确的切分点。因此本发明提取字符笔划的穿越特性和字符上下边界的距离特性来判定得到的谷底是否为粘连编码字符的候选分割点。穿越特性是指以该谷底点进行切分时，分割路径穿越编码字符笔划的次数，它能反映出以该谷底点对粘连编码字符进行切分时对字符笔划的切断次数。距离特性是指以该谷底点进行切分时，分割路径穿越上、下边界的距离。穿越特性及距离特性对谷底点的判定规则为：当谷底点处编码字符笔划的穿越特性值小于3且上下边界的距离特性值小于0.8.*h(其中h为粘连编码字符连通域的高度)时，判定该谷底点为粘连编码字符的候选分割点；
S5.4，对所有候选分割点给出一个可信值，候选分割点的可信值等于该分割点出现在上述步骤三种图中谷底处的次数之和，例如某一候选分割点在三种图中均为谷底的位置，则该候选分割点的可信值为3。首先计算出所有候选分割点的可信值，为减少寻找路径过程中的计算量，当两个分割点距离小于3个像素时，则对其进行合并，合并后的分割点可信值为二者可信值之和。
S5.5，计算完所有候选分割点的可信值后，从粘连编码字符的左端向右端寻找，确定一组有效分割点，得到一条分割路径，再从粘连编码字符的右端向左端寻找，确定另一组有效分割点，得到另一条分割路径。选取有效分割点的规则为：
①选取当前分割点时，以上一个分割点为当前起点(在寻找第一个分割点时，当前起点为初始端点)，在距离起点的[Wi-d,Wi+d]的范围寻找分割点，Wi为单个编码字符参考宽度，d为按宽度寻找切分点的可容许误差参数；
②在[Wi-d,Wi+d]的范围内寻找分割点时，优先选取可信值大的候选分割点为有效分割点；
③当在[Wi-d,Wi+d]的范围内存在多个可信值相等的候选分割点时，选取离该范围中心最近的候选分割点为有效分割点；
④当前起点沿着寻找方向到字符区域终点的距离小于1.4*Wi或在[Wi-d,Wi+d]的范围内不存在候选分割点时，结束选取过程，根据选取的一组有效分割点即得到一条分割路径。
S5.6，分别求取两条路径的方差，并选取方差值最小的分割路径对粘连编码字符进行分割，方差求取公式为：
Figure BDA0001724997160000071
其中，s2代表分割路径的方差，n代表分割路径将粘连编码字符分割后得到的字符个数，Wd代表沿着分割路径分割出来的单个字符的实际宽度，Wi代表单个编码字符的参考宽度。步骤S6，按位置关系对粘连字符分割后得到的单个字符和非粘连单个字符进行排序，得到最终分割完成的顺序编码字符。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于，包括如下步骤：
步骤S1，首先定位出所采集到的雷管图像中的编码区域并把它作为待处理的金属雷管编码图像，然后对其进行图像增强处理；
步骤S2，对增强后的金属雷管编码图像进行灰度化和二值化处理；
步骤S3，对二值化的金属雷管编码图像进行编码字符连通域标记，获得连通域的最小外接矩形，并滤除不符合字符结构的连通域；
步骤S4，对字符连通域宽度进行判断，提取出其中字符宽度大于一定宽度的粘连编码字符，剩下的为非粘连的单个编码字符；
步骤S5，对粘连的金属雷管编码字符进一步分割；具体实现包括如下子步骤，
S5.1，对粘连的编码字符区域进行垂直投影，然后提取字符竖直方向列像素个数、上边界位置、下边界位置，得到粘连编码字符的垂直投影像素统计直方图、上边界位置图和下边界位置图；
S5.2，再分别在上述三种图中寻找谷底点，即纵坐标方向的局部极小值；
S5.3，提取字符笔划的穿越特性和字符上下边界的距离特性来判定得到的谷底是否为粘连编码字符的候选分割点，判定规则为：当谷底点处编码字符笔划的穿越特性值小于3且上下边界的距离特性值小于0.8*h时，判定该谷底点为粘连编码字符的候选分割点，其中h为粘连编码字符连通域的高度；
S5.4，再对所有候选分割点给出一个可信值，候选分割点的可信值等于该候选分割点出现在上述三种图中谷底处的次数之和；
S5.5，计算完所有候选分割点的可信值后，从粘连编码字符的左端向右端寻找，确定一组有效分割点，得到一条分割路径，再从粘连编码字符的右端向左端寻找，确定另一组有效分割点，得到另一条分割路径；
S5.6，分别求取两条分割路径的方差，并选取方差值最小的分割路径作为粘连编码字符的最佳分割路径；
步骤S6，按位置关系对粘连字符分割后得到的单个字符和非粘连单个字符进行排序，得到最终分割完成的顺序编码字符。
2.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S1中采用限制对比度自适应直方图均衡化法对金属雷管编码图像进行图像增强。
3.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S2的具体实现方式如下，
首先，对增强后的金属雷管编码图像进行灰度化处理，公式如下，
gray(i,j)＝0.299R(i,j)+0.587G(i,j)+0.114B(i,j)；
其中，R、G、B分别表示图像的红、绿、蓝通道，(i,j)表示图像像素坐标，gray是得到的灰度图像；
接着采用中值滤波对灰度图像进行降噪处理；
最后采用自适应局部阈值法将激光蚀刻金属雷管编码灰度图像转换为二值图像。
4.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S3中采用8连通域分析法对雷管编码二值图像进行连通域标记，筛选出初步的编码字符连通域，然后根据字符结构特征，包括连通域的最小外接矩形的宽高比、宽度最小值、高度最小值字符结构特征及面积，滤除不符合字符结构的连通域轮廓。
5.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S4的具体实现方式如下，
首先根据步骤S3筛选后保留的连通域轮廓信息初步估算出单个雷管编码字符的平均宽度，计算方法如下式，
Figure FDA0002751486820000021
其中k和wr分别为步骤S3筛选后保留的连通域个数以及相应单个连通域的宽度，分母13是我国工业雷管编码基本规则规定的雷管编码总长度；
为了排除粘连字符连以及字符“1”这类宽度过大或过小的字符连通域对单个字符平均宽度估算的影响，将其中宽度在
Figure FDA0002751486820000022
之间的编码字符连通域按宽度值大小进行排序，然后取宽度的中间值为单个编码字符的有效宽度估计值，作为单个编码字符的参考宽度Wi；进一步的，当编码字符宽度大于1.4*Wi时，判定该编码字符连通域为粘连字符区域，反之，判定该编码字符连通域为正常的非粘连单个字符区域。
6.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S5.5中选取有效分割点的规则为，
①选取当前分割点时，以上一个分割点为当前起点，在寻找第一个分割点时，当前起点为初始端点，在距离起点的[Wi-d,Wi+d]的范围寻找分割点，Wi为单个编码字符参考宽度，d为按宽度寻找切分点的可容许误差参数；
②在[Wi-d,Wi+d]的范围内寻找分割点时，优先选取可信值大的候选分割点为有效分割点；
③当在[Wi-d,Wi+d]的范围内存在多个可信值相等的候选分割点时，选取离该范围中心最近的候选分割点为有效分割点；
④当前起点沿着寻找方向到字符区域终点的距离小于1.4*Wi或在[Wi-d,Wi+d]的范围内不存在候选分割点时，结束选取过程，根据选取的一组有效分割点即得到一条分割路径。
7.如权利要求1所述的一种基于图像处理的激光蚀刻金属雷管编码字符分割方法，其特征在于：步骤S5.6中方差求取公式为，
Figure FDA0002751486820000031
其中，s2代表分割路径的方差，n代表分割路径将粘连编码字符分割后得到的字符个数，Wdr代表沿着分割路径分割出来的单个字符的实际宽度，Wi代表单个编码字符的参考宽度。
CN201810748680.3A 2018-07-10 2018-07-10 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法 Expired - Fee Related CN108960239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810748680.3A CN108960239B (zh) 2018-07-10 2018-07-10 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810748680.3A CN108960239B (zh) 2018-07-10 2018-07-10 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法

Publications (2)

Publication Number Publication Date
CN108960239A CN108960239A (zh) 2018-12-07
CN108960239B true CN108960239B (zh) 2021-02-19

Family

ID=64483355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810748680.3A Expired - Fee Related CN108960239B (zh) 2018-07-10 2018-07-10 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法

Country Status (1)

Country Link
CN (1) CN108960239B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727265B (zh) * 2018-12-28 2022-03-22 北京行易道科技有限公司 目标分割方法及装置
CN111079762B (zh) * 2019-11-26 2022-02-08 合肥联宝信息技术有限公司 一种粘连字符的切割方法及电子设备
CN111414920B (zh) * 2020-03-27 2023-12-26 日钢营口中板有限公司 一种提高钢坯号识别准确率的方法
CN112633289B (zh) * 2020-12-30 2024-04-26 凌云光技术股份有限公司 一种粘连字符分割方法和系统
CN112836541B (zh) * 2021-02-03 2022-06-03 华中师范大学 一种香烟32位条码的自动采集及识别方法及装置
CN113378847B (zh) * 2021-06-28 2022-10-25 华南理工大学 字符分割方法、系统、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN101770576A (zh) * 2008-12-31 2010-07-07 北京新岸线网络技术有限公司 字符提取方法和装置
CN103310435A (zh) * 2012-03-21 2013-09-18 华中科技大学 将垂直投影和最优路径相结合对车牌字符进行分割的方法
WO2015147764A1 (en) * 2014-03-28 2015-10-01 Kisa Mustafa A method for vehicle recognition, measurement of relative speed and distance with a single camera
CN104992175A (zh) * 2015-07-10 2015-10-21 河海大学常州校区 一种基于树型关系的过粘连钢坯字符分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8934676B2 (en) * 2012-05-04 2015-01-13 Xerox Corporation Robust character segmentation for license plate images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN101770576A (zh) * 2008-12-31 2010-07-07 北京新岸线网络技术有限公司 字符提取方法和装置
CN103310435A (zh) * 2012-03-21 2013-09-18 华中科技大学 将垂直投影和最优路径相结合对车牌字符进行分割的方法
WO2015147764A1 (en) * 2014-03-28 2015-10-01 Kisa Mustafa A method for vehicle recognition, measurement of relative speed and distance with a single camera
CN104992175A (zh) * 2015-07-10 2015-10-21 河海大学常州校区 一种基于树型关系的过粘连钢坯字符分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"金属雷管编码字符识别方法研究";孙小虎;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170515(第5期);正文第13-33页 *
孙小虎."金属雷管编码字符识别方法研究".《中国优秀硕士学位论文全文数据库 信息科技辑》.2017,(第5期),正文第13-33页. *

Also Published As

Publication number Publication date
CN108960239A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
CN108960239B (zh) 一种基于图像处理的激光蚀刻金属雷管编码字符分割方法
CN109919039B (zh) 一种基于手掌和手指特征的静态手势识别方法
CN105488492B (zh) 一种彩色图像预处理方法、道路识别方法及相关装置
WO2020177470A1 (zh) 验证码识别方法、装置、终端及存储介质
CN103824091B (zh) 一种用于智能交通系统的车牌识别方法
CN109241973B (zh) 一种纹理背景下的字符全自动软分割方法
CN110263635B (zh) 基于结构森林和PCANet的标志物检测与识别方法
CN104732183A (zh) 一种基于图像采样线灰度信息分析的一维条码识别方法
CN112819094A (zh) 一种基于结构相似度度量的目标检测与识别方法
CN105678213B (zh) 基于视频特征统计的双模式蒙面人事件自动检测方法
CN116309600B (zh) 基于图像处理的环保纺织品质量检测方法
CN106096491B (zh) 一种眼底彩色照相图像中微动脉瘤自动化识别方法
CN110427979B (zh) 基于K-Means聚类算法的道路水坑识别方法
CN109064419A (zh) 一种基于wls滤波和多尺度稀疏表达的单幅图像去雨方法
CN114037691A (zh) 一种基于图像处理的碳纤维板裂纹检测方法
CN106529540A (zh) 一种基于灰度投影的车牌字符分割方法
CN110427909B (zh) 一种移动端驾驶证检测方法、系统及电子设备和存储介质
CN108205678B (zh) 一种含有亮斑干扰的铭牌文字识别处理方法
CN105184802A (zh) 一种图像处理的方法及装置
CN108520252B (zh) 基于广义霍夫变换和小波变换的路标识别方法
CN113053164A (zh) 一种利用环视图像的车位识别方法
CN110378337B (zh) 金属切削刀具图纸标识信息视觉输入方法及系统
CN115619799B (zh) 一种基于迁移学习的晶粒图像分割方法及系统
CN109002821B (zh) 一种基于连通域和切线斜率的网银盾数字识别方法
CN103065137A (zh) 一种车牌字符识别方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210219

Termination date: 20210710