CN109063614A - 一种液晶屏数字识别方法 - Google Patents
一种液晶屏数字识别方法 Download PDFInfo
- Publication number
- CN109063614A CN109063614A CN201810800661.0A CN201810800661A CN109063614A CN 109063614 A CN109063614 A CN 109063614A CN 201810800661 A CN201810800661 A CN 201810800661A CN 109063614 A CN109063614 A CN 109063614A
- Authority
- CN
- China
- Prior art keywords
- image
- liquid crystal
- crystal display
- recognition method
- digit recognition
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/333—Preprocessing; Feature extraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种液晶屏数字识别方法,该方法首先读入含有液晶屏数字的图像,在手动标注出图像中含有的数字区域的基础上,通过中值滤波、二值化、形态学闭运算、轮廓提取、字符图像归一化等处理,得到分割出的待识别的单个数字图像,然后通过提取数字图像的水平方向和垂直方向的直方图作为数字的特征,最后用K最近邻算法识别出各个数字,从而实现了液晶屏数字自动识别功能。
Description
技术领域
本发明属于数字图像处理技术领域,具体是涉及一种液晶屏数字识别方法。
背景技术
作为计算机科学的重要研究方向之一,机器视觉正处于一个飞速发展的时期,在很多行业都得到了成功的应用。目前,机器视觉在数字或符号识别方面的应用主要有车牌识别、数字识别等。随着数字图像处理相关算法的不断改进和优化,识别的准确率不断得到提高。
在工业生产中,液晶屏作为人机交互的输出方式被大量应用。例如在衡器检测中,需要在多种环境中检测衡器的液晶屏读数是否准确,检验人员疲于重复性的记录读数,在此过程中容易产生疏忽,影响检测质量,针对类似应用的特点,设计一种液晶屏数字自动识别方法具有重要的实用价值。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种液晶屏数字识别方法,解决液晶屏读数不准确的问题。
为实现上述技术目的,本发明采取的技术方案为:本发明公开了一种液晶屏数字识别方法,包括以下步骤:步骤一:读取相机拍摄到的含有液晶屏的图像;步骤二:通过鼠标选取数字区域;步骤三:对所述步骤二得到的图像,进行中值滤波处理,去除图像噪声;步骤四:对所述步骤三得到的图像进行二值化处理;步骤五:对二值化后的图像按照进行形态学闭运算;步骤六:遍历图像,找出形态学闭运算后的图像中的所有轮廓区域;步骤七:去除较小轮廓区域;步骤八:根据剩余的每个轮廓的最左、最右、最上和最下像素点的位置,求取对应轮廓的最小外接矩形;步骤九:将分割出的各轮廓的最小外接矩形归一化;步骤十:对所述步骤9得到的归一化的各个数字图像,分别提取其水平方向的直方图和垂直方向的直方图,得到大小为1*48的图像特征向量,作为待识别字符图像的特征。步骤十一:对于每个待识别的数字图像,计算其特征向量u与数字库中每个数字的特征向量x的相似度;步骤十二:输出数字。
优选的,所述步骤一中的所述相机为工业相机,所述图像若为彩色图像,则按照公式(1)转化成灰度图Igray;
Igray=0.299Ir+0.587Ig+0.114Ib (1)
其中,Ir为彩色图像的红色分量,Ig为彩色图像的绿色分量,Ib为彩色图像的蓝色分量;
优选的,所述步骤二中的数字区域为含有多个待识别数字的图像区域;
优选的,所述步骤三中的中值滤波按照公式(2)进行处理,去除图像噪声;
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (2)
其中,f(x,y),g(x,y)分别为原始图像和中值滤波后图像。W为二维模板,本文取3X3的区域;x,y指当前像素的图像坐标,k,l分别指在x方向和y方向偏移二维模板中心的像素数;
优选的,所述步骤四中所述二值化的方法为最大类间方差法:设T为前景图像与背景图像的阈值,图像的平均灰度值为u,前景图像的平均灰度值为u0,前景图像像素数与图像全部像素数的比值为w0,背景图像的平均灰度值为u1,背景图像像素数与图像全部像素数的比值为w1,前景图像与背景图像的方差为g,则
u=u0w0+u1w1 (3)
g=(u0-u)2w0+(u1-u)2w1 (4)
由公示(3)和公示(4)可得
g=(u0-u1)2w0w1 (5)
当g取最大值时,前景和背景的差异也最大,此时的阈值T即为二值化图像的最佳阈值;
优选的,所述步骤五中所述二值化后的图像按照公示(6)进行形态学闭运算,其中表示膨胀运算,表示腐蚀运算,g为方差,结构元素s取为1x7的列向量,结构元素的原点取中心点,
优选的,所述步骤七中所述较小轮廓区域是指面积小于9的轮廓区域;
优选的,所述步骤九归一化后的图像为分辨率为32*16的图像;
优选的,所述步骤十一中计算所述相似度就是按照公式(7)计算两个向量的距离D,则距离最小的D所对应的x即为与u最相似的特征向量,其所对应的数字即为u所对应的数字;
其中,u为待识别数字图像的特征向量,x为数字库中各个数字的特征向量,i为特征向量中每个特征所在的维数,xi为i的特征向量,ui为待识别数字数字i图像的特征向量。
与现有技术相比,本发明的有益效果是:该发明首先读入含有液晶屏数字的图像,在手动标注出图像中含有的数字区域的基础上,通过中值滤波、二值化、形态学闭运算、轮廓提取、字符图像归一化等处理,得到分割出的待识别的单个数字图像,然后通过提取数字图像的水平方向和垂直方向的直方图作为数字的特征,最后用K最近邻算法识别出各个数字,实现了液晶屏自动识别数字的方法,避免检验人员疲于重复性的记录读数,克服了在此过程中容易产生疏忽,影响检测质量的不足。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了如图1所示的一种液晶屏数字识别方法,包括以下步骤
步骤1:读取图像:读取工业相机拍摄到的含有液晶屏的图像,若为彩色图像,则按照公式(1)转化成灰度图Igray;
Igray=0.299Ir+0.587Ig+0.114Ib (1)
其中,Ir为彩色图像的红色分量,Ig为彩色图像的绿色分量,Ib为彩色图像的蓝色分量。
步骤2:鼠标选取数字区域:通过鼠标选取含有多个待识别数字的图像区域,作为感兴趣区域ROI(Region Of Interest)。
步骤3:图像滤波:对步骤2得到的图像,按照公式(2)进行中值滤波处理,去除图像噪声;
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (2)
其中,f(x,y),g(x,y)分别为原始图像和中值滤波后图像。W为二维模板,本文取3X3的区域;x,y指当前像素的图像坐标,k,l分别指在x方向和y方向偏移二维模板中心的像素数;
步骤4:图像二值化:对步骤3得到的图像进行二值化处理,采用的二值化方法为最大类间方差法,设T为前景图像与背景图像的阈值,图像的平均灰度值为u,前景图像的平均灰度值为u0,前景图像像素数与图像全部像素数的比值为w0,背景图像的平均灰度值为u1,背景图像像素数与图像全部像素数的比值为w1,前景图像与背景图像的方差为g,则
u=u0w0+u1w1 (3)
g=(u0-u)2w0+(u1-u)2w1 (4)
由公示(3)和公示(4)可得
g=(u0-u1)2w0w1 (5)
当g取最大值时,前景和背景的差异也最大,此时的阈值T即为二值化图像的最佳阈值;
步骤5:形态学闭运算:考虑到七段码方式显示的数字,同一个数字可能由多个不同的轮廓区域组成,例如图所示的数字7,由3部分组成,为使得同一个数字的不同区域在轮廓检测时能作为一个轮廓检测出来,本文对二值化后的图像按照公示(6)进行形态学闭运算,其中表示膨胀运算,表示腐蚀运算,g为方差,结构元素s取为1x7的列向量,结构元素的原点取中心点;
步骤6:寻找轮廓:遍历图像,找出形态学闭运算后的图像中的所有轮廓区域;
步骤7:去除小轮廓区域:轮廓较小的区域不是数字区域,去除面积小于9的轮廓区域;
步骤8:计算各轮廓的最小外接矩形:根据剩余的每个轮廓的最左、最右、最上和最下像素点的位置,求取对应轮廓的最小外接矩形,分割出各个待识别的数字;
步骤9:字符矩形归一化:将分割出的各轮廓的最小外接矩形归一化成分辨率为32*16的图像,归一化后的待识别数字图像如图所示;
步骤10:特征提取:对步骤9得到的归一化的各个数字图像,分别提取其水平方向的直方图和垂直方向的直方图,得到大小为1*48的图像特征向量,作为待识别字符图像的特征;
步骤11:数字识别:对于每个待识别的数字图像,计算其特征向量u与数字库中每个数字的特征向量x的相似度,即按照公式(7)计算两个向量的距离D。则距离最小的D所对应的x即为与u最相似的特征向量,其所对应的数字即为u所对应的数字;
其中,u为待识别数字图像的特征向量,x为数字库中各个数字的特征向量,i为特征向量中每个特征所在的维数,xi为i的特征向量,ui为待识别数字数字i图像的特征向量;
步骤12:输出数字。
最后应说明的是:以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.一种液晶屏数字识别方法,其特征是:包括以下步骤:
步骤1:读取相机拍摄到的含有液晶屏的图像;
步骤2:通过鼠标选取数字区域;
步骤3:对所述步骤二得到的图像,进行中值滤波处理,去除图像噪声;
步骤4:对所述步骤三得到的图像进行二值化处理;
步骤5:对二值化后的图像按照进行形态学闭运算;
步骤6:遍历图像,找出形态学闭运算后的图像中的所有轮廓区域;
步骤7:去除较小轮廓区域;
步骤8:根据剩余的每个轮廓的最左、最右、最上和最下像素点的位置,求取对应轮廓的最小外接矩形;
步骤9:将分割出的各轮廓的最小外接矩形归一化;
步骤10:对步骤9得到的归一化的各个数字图像,分别提取其水平方向的直方图和垂直方向的直方图,得到大小为1*48的图像特征向量,作为待识别字符图像的特征。
步骤11:对于每个待识别的数字图像,计算其特征向量u与数字库中每个数字的特征向量x的相似度;
步骤12:输出数字。
2.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤1中的所述相机为工业相机,所述图像若为彩色图像,则按照公式(1)转化成灰度图Igray;
Igray=0.299Ir+0.587Ig+0.114Ib (1)
其中,Ir为彩色图像的红色分量,Ig为彩色图像的绿色分量,Ib为彩色图像的蓝色分量。
3.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤2中的所述数字区域为含有多个待识别数字的图像区域。
4.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤3中的所述中值滤波按照公式(2)进行处理,去除图像噪声;
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (2)
其中,f(x,y),g(x,y)分别为原始图像和中值滤波后图像,W为二维模板,本文取3X3的区域。x,y指当前像素的图像坐标,k,1分别指在x方向和y方向偏移二维模板中心的像素数。
5.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤4中所述二值化的方法为最大类间方差法:设T为前景图像与背景图像的阈值,图像的平均灰度值为u,前景图像的平均灰度值为u0,前景图像像素数与图像全部像素数的比值为w0,背景图像的平均灰度值为u1,背景图像像素数与图像全部像素数的比值为w1,前景图像与背景图像的方差为g,则
u=u0wo+u1w1 (3)
g=(u0-u)2w0+(u1-u)2w1 (4)
由公示(3)和公示(4)可得
g=(u0-u1)2wow1 (5)
当g取最大值时,前景和背景的差异也最大,此时的阈值T即为二值化图像的最佳阈值。
6.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤5中所述二值化后的图像按照公示(6)进行形态学闭运算,其中表示膨胀运算,表示腐蚀运算,g为方差,结构元素s取为1x7的列向量,结构元素的原点取中心点;
7.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤7中所述较小轮廓区域是指面积小于9的轮廓区域。
8.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤9中所述归一化后的图像为分辨率为32*16的图像。
9.根据权利要求1所述的一种液晶屏数字识别方法,其特征是:所述步骤11中计算所述相似度就是按照公式(7)计算两个向量的距离D,则距离最小的D所对应的x即为与u最相似的特征向量,其所对应的数字即为u所对应的数字;
其中,u为待识别数字图像的特征向量,x为数字库中各个数字的特征向量,i为特征向量中每个特征所在的维数,xi为i的特征向量,ui为待识别数字数字i图像的特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800661.0A CN109063614A (zh) | 2018-07-19 | 2018-07-19 | 一种液晶屏数字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800661.0A CN109063614A (zh) | 2018-07-19 | 2018-07-19 | 一种液晶屏数字识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109063614A true CN109063614A (zh) | 2018-12-21 |
Family
ID=64817516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810800661.0A Pending CN109063614A (zh) | 2018-07-19 | 2018-07-19 | 一种液晶屏数字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063614A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582262A (zh) * | 2020-05-07 | 2020-08-25 | 京源中科科技股份有限公司 | 段式液晶图片内容识别方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222241A (zh) * | 2010-04-19 | 2011-10-19 | 日本电产三协株式会社 | 字符串识别装置及字符串识别方法 |
CN104102912A (zh) * | 2013-04-02 | 2014-10-15 | 秦海勇 | 一种基于视频图像识别的分项计量能耗数据采集装置及方法 |
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 |
CN106778754A (zh) * | 2016-11-22 | 2017-05-31 | 南京理工大学 | 一种鲁棒的工业电表数字识别方法 |
US20170262722A1 (en) * | 2016-03-09 | 2017-09-14 | Canon Kabushiki Kaisha | Information processing apparatus, program, and information processing method |
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 |
-
2018
- 2018-07-19 CN CN201810800661.0A patent/CN109063614A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222241A (zh) * | 2010-04-19 | 2011-10-19 | 日本电产三协株式会社 | 字符串识别装置及字符串识别方法 |
CN104102912A (zh) * | 2013-04-02 | 2014-10-15 | 秦海勇 | 一种基于视频图像识别的分项计量能耗数据采集装置及方法 |
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 |
US20170262722A1 (en) * | 2016-03-09 | 2017-09-14 | Canon Kabushiki Kaisha | Information processing apparatus, program, and information processing method |
CN106778754A (zh) * | 2016-11-22 | 2017-05-31 | 南京理工大学 | 一种鲁棒的工业电表数字识别方法 |
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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582262A (zh) * | 2020-05-07 | 2020-08-25 | 京源中科科技股份有限公司 | 段式液晶图片内容识别方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816644B (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
CN105069394B (zh) | 二维码加权平均灰度法解码方法及系统 | |
WO2018018788A1 (zh) | 一种基于图像识别的计量表抄表装置及其方法 | |
CN109636824B (zh) | 一种基于图像识别技术的多目标计数方法 | |
CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
CN104217221A (zh) | 基于纹理特征的书画作品检测方法 | |
CN111241927A (zh) | 级联式人脸图像优选方法、系统、设备及可读存储介质 | |
CN103632137B (zh) | 一种人眼虹膜图像分割方法 | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN113449606B (zh) | 一种目标对象识别方法、装置、计算机设备及存储介质 | |
CN104282027B (zh) | 一种基于Hough变换的圆检测方法 | |
CN110008968A (zh) | 一种基于图像视觉的机器人结算自动触发方法 | |
CN109558908A (zh) | 一种给定区域最优边缘的确定方法 | |
Riana et al. | Extraction and classification texture of inflammatory cells and nuclei in normal pap smear images | |
CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
CN116883408A (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116758528A (zh) | 基于人工智能的丙烯酸乳液颜色变化识别方法 | |
CN109063614A (zh) | 一种液晶屏数字识别方法 | |
CN116580059B (zh) | 一种基于智能视觉算法的检测水泡方法及装置 | |
KR20130126386A (ko) | 적응적 피부색 검출 방법, 그리고 이를 이용한 얼굴 검출 방법 및 그 장치 | |
CN109766860A (zh) | 基于改进的Adaboost算法的人脸检测方法 | |
CN110490885B (zh) | 改进的自适应阈值二值化方法及vin码字符分割方法 |
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 |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |