CN109271986B - 一种基于Second-Confirm的数字识别方法 - Google Patents
一种基于Second-Confirm的数字识别方法 Download PDFInfo
- Publication number
- CN109271986B CN109271986B CN201810709509.1A CN201810709509A CN109271986B CN 109271986 B CN109271986 B CN 109271986B CN 201810709509 A CN201810709509 A CN 201810709509A CN 109271986 B CN109271986 B CN 109271986B
- Authority
- CN
- China
- Prior art keywords
- image
- digital
- confirm
- template
- value
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Second‑Confirm的数字识别方法,该方法包括以下步骤:将图像进行滤波去噪处理;将滤波后的数字图像做局部自适应二值化处理,获得只含有黑白灰度值的图像,并获取用于识别数字的数字模板;对图像进行First‑Confirm处理,病通过模板方法把其中一个数值分割出来;从分割的数值中分割出数字;对分割后的数字进行Second‑Confirm处理,对模板图像与数字图像进行差分后识别出数字,并计算最终数值。本发明在完成了数字识别的条件下,既保提高了数字识别的速度,又显著提高数字识别的精度和数字识别率,更好的弥补了数字发生尺度变化识别率低的问题,对数字识别更加准确,识别率更高。
Description
技术领域
本发明属于机器视觉数字识别的技术领域,尤其涉及一种基于Second-Confirm的数字识别方法。
背景技术
数字识别是模式识别领域中的一个非常活跃的分支。这一方面是由于问题本身的难度使之成为一个极具挑战性的课题。另一方面,是因为数字识别不是一项孤立的应用技术,其中包含了模式识别领域中其它分之都会遇到的一些最基本的和共性的问题。由于字符识别技术的飞速发展,其在在财务、税务、金融领域中,液位测量中均有着广泛的应用。
基于数字结构不同的分割法利用了数字识别任务的识别目标数量有限,根据数字的基本结构、大小、形状等特征进行标示,进而对不同的数字进行切割完成识别,但是这种方法应对不同字体的数字时识别率比较低,因此经过改进,学者又提出了边缘跟踪方法,在对数字进行边缘跟踪扫描后,完成对数字的初步分类,然后在同类别的数字中应用切割法完成最终的识别任务,实验表明该方法有着很好的识别效率。
模板匹配是一种较原始和最常用的模式识别方法,它在研究某一特定图案位于整个图像中的什么位置,并根据相似度来确定该图案是否存在以及确切位置等问题上有着明显的优势。模板匹配是根据已有的要搜寻的目标的特征向量串或者识别符号串,然后在目标区域内依据模板逐点扫描计算相关因子,最后通过对相关因子进行分析,给出识别结果。但是,这种方法计算量比较大,而且对于相对模板发生尺度变化的数字识别度低。
发明内容
本发明的目的在于提供一种基于Second-Confirm的数字识别方法及系统,旨在解决现有数字识别方法的计算量大、准确率低、速度慢等问题。
本发明是这样实现的,一种基于Second-Confirm的数字识别方法,该方法包括以下步骤:
S1、将图像进行滤波去噪处理;
S2、将滤波后的数字图像做局部自适应二值化处理,获得只含有黑白灰度值的图像,并获取用于识别数字的数字模板;
S3、对图像进行First-Confirm处理,病通过模板方法把其中一个数值分割出来;
S4、从分割的数值中分割出数字;
S5、对分割后的数字进行Second-Confirm处理,对模板图像与数字图像进行差分后识别出数字,并计算最终数值。
优选地,在步骤S1中,采用高斯滤波方法去除图像中干扰的噪声;
在步骤S2中,所述数字模板通过手动在原图像上进行截图后得到。
优选地,所述步骤S3包括以下具体包括:
(1)假设搜索窗口的大小是k*l,若N>(k*l)/2,其中k、l分别是搜索窗口的高和宽,N是灰度值为0的个数,记录搜索窗口的最小坐标值;
(2)若y1<h/6,执行步骤(1)以搜索数字图像(0,h/2)作为起点;若h/6<y1<5h/6,(0,y1-2l)作为起点和大小来分割标尺图像,其中h是数字图像的高,y1是(1)中记录的坐标值。
优选地,所述步骤S4包括以下具体步骤:
(1)在数字图由左向右遍历数字图像,当第一次遍历到黑色像素值时停止并记录坐标y1值;
(2)由步骤(1)判断遍历跳跃到下一行从左向右开始遍历,直到在图像的某一行为遍历到黑色像素时记录坐标y2值;
(3)根据记录坐标值,其中x=0;分割图像的w即是图像的宽,hseg是分割图像的高,hseg=y2-y1,然后分割数字;
(4)继续换行遍历图像,重复步骤(1)、(2)、(3)步骤分割数字,直至图像遍历完成。
优选地,所述步骤S5包括以下具体步骤:
(1)利用差分算法对分割出的数字和模板数字图像T0~T9做差分处理,差分图像即是对差分图像和被差分图像的灰度值做做差运算,最后得到差分图像;
(2)统计各个差分图像中灰度值非0的像素个数n,然后求取n的最小值对应的数字,则该数字即为识别结果;
(3)由以下公式计算最终识别的数值结果:Z=n0+n1*10+…nt*10t-1。
本发明公开了一种基于Second-Confirm的数字识别方法。在本发明方法中,首先将图像进行滤波去噪处理,减少图像中噪声对数字识别的影响;将滤波后的数字图像做局部自适应二值化处理,获得只含有黑白灰度值的图像,使得图像中数字和液位更清晰的呈现,并获得二值化图像中获取数字模板用于数字的识别;对图像进行First-Confirm,由于图像中可能含有多个数值,所以使用模板算法把其中一个数值分割出来,这样可以减少其他数值对数字识别的影响和提高数字识别的速度;从分割的数值中分割出数字,因为数值中有可能由多个数字组成,所以利用灰度值变换分割出数字;识别数字,数字分割后进行Second-Confirm,模板图像与数字图像进行差分由此识别出数字,并计算最终数值;本发明在完成数字识别的同时,较现有算法更好的弥补了数字识别的准确度低、速度慢的问题,提高了数字识别的精度。
相比于现有技术的缺点和不足,本发明具有以下有益效果:本发明在完成了数字识别的条件下,既保提高了数字识别的速度,又显著提高数字识别的精度和数字识别率,更好的弥补了数字发生尺度变化识别率低的问题,对数字识别更加准确,识别率更高。
附图说明
图1是本发明基于Second-Confirm的数字识别方法的步骤流程图;
图2是通过本发明数字识别方法获得的数字图像;
图3是本发明实施例中以“2”为例所计算的结果;
图4是本发明实施例中的数字识别结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明公开了一种基于Second-Confirm的数字识别方法,如图1所示,该方法包括以下步骤:
S1、将图像进行滤波去噪处理;
S2、将滤波后的数字图像做局部自适应二值化处理,获得只含有黑白灰度值的图像,并获取用于识别数字的数字模板;
S3、对图像进行First-Confirm处理,病通过模板方法把其中一个数值分割出来;
S4、从分割的数值中分割出数字;
S5、对分割后的数字进行Second-Confirm处理,对模板图像与数字图像进行差分后识别出数字,并计算最终数值。
在步骤S1中,选用高斯滤波将图像进行滤波去噪处理,减少图像中噪声对数字识别的影响。高斯滤波的思路就是:对高斯函数进行离散化,以离散点上的高斯函数值为权值,对本发明采集到的灰度矩阵的每个像素点做一定范围邻域内的加权平均,即可有效消除高斯噪声。其公式:
h(x,y)为滤波后的图像,其中(x,y)为图像的点坐标,在图像处理中可认为是整数;σ是标准差。
在步骤S2中,选用局部自适应对图像进行二值化,获得只含有黑白灰度值的图像,使得图像中数字和液位更清晰的呈现。局部自适应阈值则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样做的好处在于每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。然后获取数字模板用于数字的识别。数字模板的获取是通过手动在原图像截图获取。
在步骤S3中,对图像进行First-Confirm,First-Confirm的实现是基于模板匹配算法实现的。即是利用模板匹配算法确定数字在图像中的位置即为First-Confirm。由于图像中可能含有多个数值,所以使用模板算法把其中一个数值分割出来,这样可以减少其他数值对数字识别的影响和提高数字识别的速度。
步骤S3更具体步骤如下:
1、假设搜索窗口的大小是k*l,如果N>(k*l)/2,搜索窗口的最小坐标值将被记录;
2、如果y1<h/6,执行操作1以搜索数字图像(0,h/2)作为起点;如果h/6<y1<5h/6,(0,y1-2l)作为起点和大小来分割标尺图像。分割图像是数字区域的图像。如图2(a)所示是分割出来的数字。
以上步骤S3内容即是First-Confirm,分割出的数字图像即为First-Confirm的结果。
在步骤S4中,从分割的数值中分割出数字,因为数值中有可能由多个数字组成,所以利用灰度值变换分割出单个数字。如图2(b)所示是分割出的单个数字图像。
分割单个数字步骤:
(1)在数字图由左向右遍历数字图像,当第一次遍历到黑色像素值时停止并记录坐标y1值;
(2)由步骤(1)判断遍历跳跃到下一行从左向右开始遍历,直到在图像的某一行为遍历到黑色像素时记录坐标y2值;
(3)根据记录坐标值,其中x=0;分割图像的w即是图像的宽,hseg=y2-y1,然后分割数字;
(4)继续换行遍历图像,重复步骤(1)、(2)、(3)步骤分割数字,直至图像遍历完成。
在步骤S5中,识别数字,数字分割后进行Second-Confirm,模板图像与数字图像进行差分由此识别出数字,并计算最终数值。
步骤S5更具体为:数字分割后进行Second-Confirm,模板图像f(x,y)与数字图像g(x,y)进行差分可以获得图像h(x,y)。公式如(1)所示:
h(x,y)=|f(x,y)-g(x,y)| (1)
如图3为以“2”为例与T0~T9差分的结果图,其中T0~T9是模板图像;然后比较h(x,y),最小h(x,y)对应的图像即为识别结果。图4显示了h(x,y)比较的结果图,图中离散点最小值即为最终数字识别结果。完成数字识别后,计算识别的数值。计算公式如(2)所示:
Z=n0+n1*10+…nt*10t-1 (2)
式(2)中,Z是最终识别出的数值,nt是识别出的单个数字;
步骤S5是Second-Confirm内容,其具体步骤:
(1)利用差分算法对分割出的数字和模板数字图像T0~T9做差分处理。差分图像即是对差分图像和被差分图像的灰度值做做差运算。最后得到差分图像。
(2)统计各个差分图像中灰度值非0的像素个数n,然后求取n的最小值对应的数字,则该数字即为识别结果,记录为nt,并记录数字识别索引t(t=0,1,2…)。
(3)由公式(2)计算最终识别的数值结果。
本发明在完成了数字识别的条件下,既保提高了数字识别的速度,又显著提高数字识别的精度和数字识别率,更好的弥补了数字发生尺度变化识别率低的问题,对数字识别更加准确,识别率更高。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于Second-Confirm的数字识别方法,其特征在于,该方法包括以下步骤:
S1、将图像进行滤波去噪处理;
S2、将滤波后的数字图像做局部自适应二值化处理,获得只含有黑白灰度值的图像,并获取用于识别数字的数字模板;
S3、对图像进行First-Confirm处理,并通过模板方法把其中一个数值分割出来;
S4、从分割的数值中分割出数字;
S5、对分割后的数字进行Second-Confirm处理,对模板图像与数字图像进行差分后识别出数字,并计算最终数值。
2.如权利要求1所述的基于Second-Confirm的数字识别方法,其特征在于,在步骤S1中,采用高斯滤波方法去除图像中干扰的噪声;
在步骤S2中,所述数字模板通过手动在原图像上进行截图后得到。
3.如权利要求1所述的基于Second-Confirm的数字识别方法,其特征在于,所述步骤S3包括以下具体包括:
(1)假设搜索窗口的大小是k*l,若N>(k*l)/2,其中k、l分别是搜索窗口的高和宽,N是灰度值为0的个数,记录搜索窗口的最小坐标值;
(2)若y1<h/6,执行步骤(1)以搜索数字图像(0,h/2)作为起点;若h/6<y1<5h/6,(0,y1-2l)作为起点和大小来分割标尺图像,其中h是数字图像的高,y1是(1)中记录的坐标值。
4.如权利要求1所述的基于Second-Confirm的数字识别方法,其特征在于,所述步骤S4包括以下具体步骤:
(1)在数字图像中由左向右遍历数字图像,当第一次遍历到黑色像素值时停止并记录坐标y1值;
(2)由步骤(1)判断遍历跳跃到下一行从左向右开始遍历,直到在图像的某一行为遍历到黑色像素时记录坐标y2值;
(3)根据记录坐标值,其中x=0;分割图像的w即是图像的宽,h seg是分割图像的高,hseg=y2-y1,然后分割数字;
(4)继续换行遍历图像,重复步骤(1)、(2)、(3)分割数字,直至图像遍历完成。
5.如权利要求1所述的基于Second-Confirm的数字识别方法,其特征在于,所述步骤S5包括以下具体步骤:
(1)利用差分算法对分割出的数字和模板数字图像T0~T9做差分处理,差分图像的获取是通过计算分割出的数字图像和模板数字图像T0~T9的差值;
(2)统计各个差分图像中灰度值非0的像素个数n,然后求取n的最小值对应的数字,则该数字即为识别结果;
(3)由以下公式计算最终识别的数值结果:Z=n0+n1*10+…nt *10t-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810709509.1A CN109271986B (zh) | 2018-07-02 | 2018-07-02 | 一种基于Second-Confirm的数字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810709509.1A CN109271986B (zh) | 2018-07-02 | 2018-07-02 | 一种基于Second-Confirm的数字识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109271986A CN109271986A (zh) | 2019-01-25 |
CN109271986B true CN109271986B (zh) | 2021-11-26 |
Family
ID=65152954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810709509.1A Active CN109271986B (zh) | 2018-07-02 | 2018-07-02 | 一种基于Second-Confirm的数字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271986B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105184265A (zh) * | 2015-09-14 | 2015-12-23 | 哈尔滨工业大学 | 一种基于自学习的手写表格数字字符串快速识别的方法 |
CN106874911A (zh) * | 2017-03-03 | 2017-06-20 | 沈阳工程学院 | 一种应用划分法得到的面积比例来进行印刷体数字识别的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7302099B2 (en) * | 2003-11-10 | 2007-11-27 | Microsoft Corporation | Stroke segmentation for template-based cursive handwriting recognition |
-
2018
- 2018-07-02 CN CN201810709509.1A patent/CN109271986B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105184265A (zh) * | 2015-09-14 | 2015-12-23 | 哈尔滨工业大学 | 一种基于自学习的手写表格数字字符串快速识别的方法 |
CN106874911A (zh) * | 2017-03-03 | 2017-06-20 | 沈阳工程学院 | 一种应用划分法得到的面积比例来进行印刷体数字识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109271986A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN110210477B (zh) | 一种数字式仪表读数识别方法 | |
CN110197153B (zh) | 一种户型图中墙体自动识别方法 | |
CN111626190A (zh) | 基于聚类分区进行刻度识别的水位监测方法 | |
CN106529550B (zh) | 基于连通域分析的多维特征量提取方法及装置 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
US20080031531A1 (en) | Line noise eliminating apparatus, line noise eliminating method, and line noise eliminating program | |
CN114529459B (zh) | 一种对图像边缘进行增强处理的方法和系统及介质 | |
CN112614062A (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN110738106A (zh) | 一种基于fpga的光学遥感图像船舶检测方法 | |
CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
CN112734729A (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN114419006A (zh) | 一种随背景变化的灰度视频文字类水印去除方法及系统 | |
CN114529715B (zh) | 一种基于边缘提取的图像识别方法及系统 | |
CN109271986B (zh) | 一种基于Second-Confirm的数字识别方法 | |
CN107704864A (zh) | 基于图像对象性语义检测的显著目标检测方法 | |
CN113284158B (zh) | 一种基于结构约束聚类的图像边缘提取方法及系统 | |
CN114581901A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 | |
CN112329674B (zh) | 基于多纹理特征融合的结冰湖泊检测方法和装置 |
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 |