CN110659645B - 一种数字仪表字符识别方法 - Google Patents

一种数字仪表字符识别方法 Download PDF

Info

Publication number
CN110659645B
CN110659645B CN201910715886.0A CN201910715886A CN110659645B CN 110659645 B CN110659645 B CN 110659645B CN 201910715886 A CN201910715886 A CN 201910715886A CN 110659645 B CN110659645 B CN 110659645B
Authority
CN
China
Prior art keywords
character
image
pixel
digital instrument
area
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
Application number
CN201910715886.0A
Other languages
English (en)
Other versions
CN110659645A (zh
Inventor
刘笑楠
吴凌悦
吕瑞宏
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN201910715886.0A priority Critical patent/CN110659645B/zh
Publication of CN110659645A publication Critical patent/CN110659645A/zh
Application granted granted Critical
Publication of CN110659645B publication Critical patent/CN110659645B/zh
Active 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Character Input (AREA)

Abstract

一种数字仪表字符识别方法，该方法步骤包括：（1）对采集所得的数字仪表图像进行预处理；（2）采用改进的像素点统计的方法对（1）步骤中预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；（3）通过平均分割方法对（2）步骤中的字符区域进行字符分割，分割出图像中的单个字符；然后进入步骤（4）；（4）根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。本发明的优点在于：采用改进的像素点统计的方法进行区域，准确定位出全“0”、全“1”、或者“0”和“1”组合的情况的字符区域；采用基于连通域数量统计及其质心坐标比较的方法进行字符识别，原理简单，计算开销小，识别快速，易于实现。

Description

一种数字仪表字符识别方法
技术领域
本发明涉及图像识别技术领域，具体是涉及一种基于数字仪表字符识别技术，可应用于数字仪表数据的自动获取及仪表监控系统。
背景技术
目前，数字仪表应用于社会生活的方方面面，对数字仪表字符识别方法的研究越来越广泛。现有的数字字符识别方法主要有穿线识别法支持向量机的方法神经网络分析方法，但是这些方法都有一些不足。穿线识别法来识别数显仪表中的数字对前一步骤字符定位与切割准确性要求较高，实现较为困难；用支持向量机的方法，需要解决多分类问题，比较复杂；神经网络分析方法中隐含层的神经元数需要一定的先验知识。
发明内容
发明目的：
本发明的目的在于提供一种数字仪表字符识别方法。该方法具有原理简单，易于实现，识别速度快，准确度高的特点。
技术方案：
一种数字仪表字符识别方法，该方法步骤包括：
(1)对采集所得的数字仪表图像进行预处理；
(2)采用改进的像素点统计的方法对(1)步骤中预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入(4)步骤，如果是多个字符则进入步骤(3)进行字符分割；(具体说：如果图像中只有一个字符，就不用进行字符分割，在区域定位后，根据连通域数目或者质心坐标进行识别，与多个字符图像相比，只是少了一步字符分割操作。单个字符的连通域数量不为零。字符“1”由2个数码管码段组成，理论上，连通域数目为2；字符“2”由5个数码管码段组成，理论上，连通域数目为5；字符“3”由5个数码管码段组成，理论上，连通域数目为5；字符“5”由5个数码管码段组成，理论上，连通域数目为5；若统计出一个字符图像的连通域数目为5，则无法判断字符是“2”“3”还是“5”，此时需判断质心坐标这一特征。)
(3)通过平均分割方法对(2)步骤中的字符区域进行字符分割，分割出图像中的单个字符；然后进入步骤(4)；
(4)根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
步骤(4)中面对(3)步骤中分割之后的字符时，根据(3)步骤中不同单个字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
(1)步骤中的预处理包括对采集的图像依次进行灰度化、中值滤波和二值化处理，通过上述步骤去除背景，消除噪声，提高图像对比度。(1、灰度化的主要目的应该是简化信息，方便下一步处理，中值滤波作用准确说是平滑噪声，二值化是提高图像对比度。2、平滑噪声使图像中噪声点消除或者减弱到二值化处理后图像中不存在除字符以外的其他亮点。经过二值化，清晰地突出字符部分。3、这三个处理都采用现有的方法)
步骤(2)数字仪表图像中字符区域的具体确定方法包括以下步骤：以下步骤按照上边界、下边界、左边界和右边界的次序依次进行；
(2.1)确定上边界：统计对预处理后的字符区域图像矩阵(图像信息在计算机中就是以数值矩阵的方式存储，经过二值化后，图像上字符部分就是数值1，除字符以外的黑色背景部分数值为0。图像矩阵就是由0和1组成的数值矩阵。)中每行像素值为1的像素点数yn，确定像素点数yn最大值所在的行数n；设定阈值a，当像素点数yn大于阈值a时，认为此行在数码管区域内，则继续比较n-1行像素值为1的点数yn-1，若yn-1大于a则比较n-2行，直到n-i行像素值为1的像素点数小于阈值a，则n-i行为字符区域上边界；
(2.2)确定下边界：将n+1行(这个n+1行是像素点数yn最大值所在的行数n再+1行)像素值为1的像素点数yn+1与阈值a进行比较，若像素点数yn+1大于阈值a，则比较n+2行，直到n+j行点数小于阈值a；直到n+j+k行点数小于a,则判定下边界为n+j+k行为字符区域下边界；
(2.3)确定左边界：统计字符区域图像矩阵每列像素值为1的像素点数xn，确定像素点数xn最大值所在的列数n；比较像素点数xn与阈值a，若像素点数xn大于阈值a则比较n-1列像素值为1的点数xn-1，直到n-i列像素值为1的像素点数小于a，则n-i行为字符区域左边界；
(2.4)确定右边界：将n+1列像素值为1的像素点数xn+1与阈值a进行比较，若像素点数xn+1大于a则比较n+2列，直到n+j列点数小于阈值a，确定n+j列为字符区域右边界。
步骤(2.2)中：n+j行点数小于阈值a后，为防止一组字符中行间出现空白，如全“0”、全“1”、或者“0”和“1”组合的情况，还需继续向下验证r行，r为字符长度的十分之一，验证n+j+r行像素逻辑值为1的点数是否为0，若为0，则认为n+j行为下边界；若不为0，则继续将n+j+r行像素为1的像素点数与a进行比较，如大于a，则比较n+j+r+1，直到n+j+k行点数小于a,则判定下边界为n+j+k行为图像下边界。
步骤(2.3)中，为避免字符“1”出现在第一个字符位置时，由于“1”字符宽度窄导致下一步骤中字符分割平均宽度变窄的情况发生，此时需要修订图像的左边界。计算图像长度l，设定阈值b，当l小于b时，确定n-i-t行为图像左边界。
若数字仪表图像的的第一个数字为“1”，采用步骤(A3)平均分割方法分离每个字符会导致字符分割出现错误，无法分割出完整的单个字符，所以在采用步骤(3)进行字符分割前对经过步骤(2)进行区域定位后的图像进行校正：计算定位后图像的长度l，选取合适的阈值，当长度l小于阈值时，左边界定位向左移动适当距离。
所述合适的阈值＝数字仪表图像中所有字符的宽度之和；适当距离为字符宽度的3/4。
步骤(4)具体方法包括以下步骤：
(4.1)对(3)步骤中的单个字符的图像进行形态腐蚀，消除图像上连通域的粘连；
(4.2)统计图像上连通域数目m，数字“1”由2个码段表示，若m＝2，则字符为“1”；数字“4”由4个码段表示，若m＝4，则字符为“4”；数字“7”由3个码段表示，若m＝3，则字符为“7”；数字“8”由7个码段表示，若m＝7，则字符为“8”；根据连通域数目识别出数字“1”、“4”、“7”、“8”；
(4.3)计算图像宽度h，按照从左到右的顺序依次计算图像上各个连通域质心坐标(x(i),y(i)),当m＝5时，若
Figure BDA0002155405350000031
则字符为“5”，若
Figure BDA0002155405350000032
则字符为“3”，
Figure BDA0002155405350000033
则字符为“2”；当m＝6时，若
Figure BDA0002155405350000034
则字符为“9”，若
Figure BDA0002155405350000035
且
Figure BDA0002155405350000036
则字符为“0”，若
Figure BDA0002155405350000037
且
Figure BDA0002155405350000038
则字符为“6”。
一种数字仪表字符识别系统，该系统包括图像预处理模块、区域定位模块、单个字符分割模块和字符数值确定模块；
图像预处理模块对采集的图像进预处理；
区域定位模块采用改进的像素点统计的方法对图像预处理模块预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入字符数值确定模块，如果是多个字符则进入单个字符分割模块进行字符分割；
单个字符分割模块通过平均分割方法对区域定位模块中的多个字符的情形中字符区域进行字符分割，分割出图像中的单个字符；
字符数值确定模块根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
优点效果：
本发明所采用的技术方案包含以下步骤：
(A1)对采集的图像进行灰度化、中值滤波、二值化等预处理，去除背景，消除噪声，使其具有适当的亮度，较大的对比度和清晰可辨性；
(A2)采用改进的像素点统计的方法对预处理后的图像进行区域定位，得到数字仪表图像中字符区域；
(A3)通过平均分割方法对字符区域进行字符分割，分割出单个字符；
(A4)根据不同字符的连通域数目及质心坐标不同对单个字符进行识别，确定每个字符的数值。
其中(A2)所述区域定位方法的主要步骤如下：
(B1)确定上边界。统计图像矩阵每行像素值为1的像素点数yn，确定yn最大值所在的行数n。设定阈值a，当像素点数yn大于a时，认为此行在数码管区域内，则继续比较n-1行像素值为1的点数yn-1，若yn-1大于a则比较n-2行，直到n-i行像素值为1的像素点数小于a，则n-i行为图像上边界；
(B2)确定下边界。将n+1行像素值为1的像素点数yn+1与阈值a进行比较，若大于a，则比较n+2行，直到n+j行点数小于a。为防止一组字符中行间出现空白，如全“0”、全“1”、或者“0”和“1”组合的情况，改进的区域定位方法还需继续向下验证几行，验证n+j+5行像素逻辑值为1的点数是否为0，若为0，则认为n+j行为下边界；若不为0，则继续将n+j+5行像素为1的像素点数与a进行比较，如大于a，则比较n+j+6，直到n+j+k行点数小于a,则判定下边界为n+j+k行为图像下边界；
(B3)确定左边界。统计图像矩阵每列像素值为1的像素点数xn，确定xn最大值所在的列数n。比较素点数xn与a，若大于则比较n-1列像素值为1的点数xn-1，直到n-i列像素值为1的像素点数小于a，则n-i行为图像左边界；
(B4)确定右边界。将n+1列像素值为1的像素点数xn+1与阈值a进行比较，若大于a则比较n+2列，直到n+j列点数小于a，确定n+j列为图像右边界；
(B5)计算图像长度l，设定阈值b，当l小于b时，确定n-i-t行为图像左边界。
(A4)所述字符识别方法具体步骤如下：
(C1)对单个字符的图像进行形态腐蚀，消除图像上连通域的粘连；
(C2)统计图像上连通域数目m。数字“1”由2个码段表示，若m＝2，则字符为“1”；数字“4”由4个码段表示，若m＝4，则字符为“4”；数字“7”由3个码段表示，若m＝3，则字符为“7”；数字“8”由7个码段表示，若m＝7，则字符为“8”。根据连通域数目可以识别出数字“1”、“4”、“7”、“8”；
(C3)计算图像宽度h，按照从左到右的顺序依次计算图像上各个连通域质心坐标(x(i),y(i)),当m＝5时，若
Figure BDA0002155405350000051
则字符为“5”，若
Figure BDA0002155405350000052
则字符为“3”，
Figure BDA0002155405350000053
则字符为“2”。当m＝6时，若
Figure BDA0002155405350000054
则字符为“9”，若
Figure BDA0002155405350000055
且
Figure BDA0002155405350000056
则字符为“0”，若
Figure BDA0002155405350000057
且
Figure BDA0002155405350000058
则字符为“6”。
本发明的优点在于：采用改进的像素点统计的方法进行区域，准确定位出全“0”、全“1”、或者“0”和“1”组合的情况的字符区域；采用基于连通域数量统计及其质心坐标比较的方法进行字符识别，原理简单，计算开销小，识别快速，易于实现。
附图说明
图1为数字仪表字符识别方法总体流程图；
图2为原始图像；
图3为二值图像；
图4为区域定位后的图像；
图5为字符分割后的图像；
图6为腐蚀操作后的图像；
图7为连通域质心标记示意图；
图8为最终识别结果。
具体实施方式
一种数字仪表字符识别方法，该方法步骤包括：
(1)对采集所得的数字仪表图像进行预处理；
(2)采用改进的像素点统计的方法对(1)步骤中预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入(4)步骤，如果是多个字符则进入步骤(3)进行字符分割；(具体说：如果图像中只有一个字符，就不用进行字符分割，在区域定位后，根据连通域数目或者质心坐标进行识别，与多个字符图像相比，只是少了一步字符分割操作。单个字符的连通域数量不为零。字符“1”由2个数码管码段组成，理论上，连通域数目为2；字符“2”由5个数码管码段组成，理论上，连通域数目为5；字符“3”由5个数码管码段组成，理论上，连通域数目为5；字符“5”由5个数码管码段组成，理论上，连通域数目为5；若统计出一个字符图像的连通域数目为5，则无法判断字符是“2”“3”还是“5”，此时需判断质心坐标这一特征。)
(3)通过平均分割方法对(2)步骤中的字符区域进行字符分割，分割出图像中的单个字符；然后进入步骤(4)；
(4)根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
步骤(4)中面对(3)步骤中分割之后的字符时，根据(3)步骤中不同单个字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
(1)步骤中的预处理包括对采集的图像依次进行灰度化、中值滤波和二值化处理，通过上述步骤去除背景，消除噪声，提高图像对比度。(1、灰度化的主要目的应该是简化信息，方便下一步处理，中值滤波作用准确说是平滑噪声，二值化是提高图像对比度。2、平滑噪声使图像中噪声点消除或者减弱到二值化处理后图像中不存在除字符以外的其他亮点。经过二值化，清晰地突出字符部分。3、这三个处理都采用现有的方法)
步骤(2)数字仪表图像中字符区域的具体确定方法包括以下步骤：以下步骤按照上边界、下边界、左边界和右边界的次序依次进行；
(2.1)确定上边界：统计对预处理后的字符区域图像矩阵(图像信息在计算机中就是以数值矩阵的方式存储，经过二值化后，图像上字符部分就是数值1，除字符以外的黑色背景部分数值为0。图像矩阵就是由0和1组成的数值矩阵。)中每行像素值为1的像素点数yn，确定像素点数yn最大值所在的行数n；设定阈值a，当像素点数yn大于阈值a时，认为此行在数码管区域内，则继续比较n-1行像素值为1的点数yn-1，若yn-1大于a则比较n-2行，直到n-i行像素值为1的像素点数小于阈值a，则n-i行为字符区域上边界；
(2.2)确定下边界：将n+1行(这个n+1行是像素点数yn最大值所在的行数n再+1行)像素值为1的像素点数yn+1与阈值a进行比较，若像素点数yn+1大于阈值a，则比较n+2行，直到n+j行点数小于阈值a；直到n+j+k行点数小于a,则判定下边界为n+j+k行为字符区域下边界；
(2.3)确定左边界：统计字符区域图像矩阵每列像素值为1的像素点数xn，确定像素点数xn最大值所在的列数n；比较像素点数xn与阈值a，若像素点数xn大于阈值a则比较n-1列像素值为1的点数xn-1，直到n-i列像素值为1的像素点数小于a，则n-i行为字符区域左边界；
(2.4)确定右边界：将n+1列像素值为1的像素点数xn+1与阈值a进行比较，若像素点数xn+1大于a则比较n+2列，直到n+j列点数小于阈值a，确定n+j列为字符区域右边界。
步骤(2.2)中：n+j行点数小于阈值a后，为防止一组字符中行间出现空白，如全“0”、全“1”、或者“0”和“1”组合的情况，还需继续向下验证r行，r为字符长度的十分之一，验证n+j+r行像素逻辑值为1的点数是否为0，若为0，则认为n+j行为下边界；若不为0，则继续将n+j+r行像素为1的像素点数与a进行比较，如大于a，则比较n+j+r+1，直到n+j+k行点数小于a,则判定下边界为n+j+k行为图像下边界。
步骤(2.3)中，为避免字符“1”出现在第一个字符位置时，由于“1”字符宽度窄导致下一步骤中字符分割平均宽度变窄的情况发生，此时需要修订图像的左边界。计算图像长度l，设定阈值b，当l小于b时，确定n-i-t行为图像左边界。
若数字仪表图像的的第一个数字为“1”，采用步骤(A3)平均分割方法分离每个字符会导致字符分割出现错误，无法分割出完整的单个字符，所以在采用步骤(3)进行字符分割前对经过步骤(2)进行区域定位后的图像进行校正：计算定位后图像的长度l，选取合适的阈值，当长度l小于阈值时，左边界定位向左移动适当距离。
所述合适的阈值＝数字仪表图像中所有字符的宽度之和；适当距离为字符宽度的3/4。
步骤(4)具体方法包括以下步骤：
(4.1)对(3)步骤中的单个字符的图像进行形态腐蚀，消除图像上连通域的粘连；
(4.2)统计图像上连通域数目m，数字“1”由2个码段表示，若m＝2，则字符为“1”；数字“4”由4个码段表示，若m＝4，则字符为“4”；数字“7”由3个码段表示，若m＝3，则字符为“7”；数字“8”由7个码段表示，若m＝7，则字符为“8”；根据连通域数目识别出数字“1”、“4”、“7”、“8”；
(4.3)计算图像宽度h，按照从左到右的顺序依次计算图像上各个连通域质心坐标(x(i),y(i)),当m＝5时，若
Figure BDA0002155405350000071
则字符为“5”，若
Figure BDA0002155405350000072
则字符为“3”，
Figure BDA0002155405350000073
则字符为“2”；当m＝6时，若
Figure BDA0002155405350000074
则字符为“9”，若
Figure BDA0002155405350000075
且
Figure BDA0002155405350000076
则字符为“0”，若
Figure BDA0002155405350000077
且
Figure BDA0002155405350000078
则字符为“6”。
一种数字仪表字符识别系统，该系统包括图像预处理模块、区域定位模块、单个字符分割模块和字符数值确定模块；
图像预处理模块对采集的图像进预处理；
区域定位模块采用改进的像素点统计的方法对图像预处理模块预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入字符数值确定模块，如果是多个字符则进入单个字符分割模块进行字符分割；
单个字符分割模块通过平均分割方法对区域定位模块中的多个字符的情形中字符区域进行字符分割，分割出图像中的单个字符；
字符数值确定模块根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
以图2为例，具体说明本发明方法的实现过程。
图2为一副采集到的原始图像。对图2进行灰度化、中值滤波、二值化一系列预处理最终得到图3所示的目标与背景分明，无噪声点的二值图像。
对图3进行区域定位，去掉多余背景，分割得到图4所示的字符区域。
采用平均分割的方法将图四等长度分割成6份，从而得到每一个字符的图像如图5所示。
采用形态学腐蚀操作处理图5中的每一个字符图像，消除图像中连通域的粘连，经过腐蚀处理得到图像如图6所示。统计单个字符图像中连通域的数量m。图6中第一个字符图像连通域数量m＝2，可判定字符数值为“1”。图6中第二个字符图像连通域数量m＝6，计算图像宽度h，按照从左到右的顺序计算图像中各个连通域质心坐标(x(i),y(i))，图7为标识的各个连通域质心位置，判断
Figure BDA0002155405350000081
且
Figure BDA0002155405350000082
则字符数值为“6”。图6中第三个字符图像连通域数量m＝4，可判定字符数值为“0”。图6中第四个字符图像连通域数量m＝7，可判定字符数值为“8”。图6中第五个字符图像连通域数量m＝5，按照从左到右的顺序计算图像中各个连通域质心坐标心(x(i),y(i))，判断
Figure BDA0002155405350000083
则字符数值为“2”。图6中第六个字符图像连通域数量m＝4，可判定字符数值为“4”。由此可识别出图2中的全部字符，得到识别结果如图8所示。
本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (9)

1.一种数字仪表字符识别方法，其特征在于：该方法步骤包括：
(1)、对采集所得的数字仪表图像进行预处理；
(2)、采用改进的像素点统计的方法对(1)步骤中预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入(4)步骤，如果是多个字符则进入步骤(3)进行字符分割；
(3)、通过平均分割方法对(2)步骤中的字符区域进行字符分割，分割出图像中的单个字符；然后进入步骤(4)；
(4)、根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值；
步骤(4)具体方法包括以下步骤：
(4.1)对(3)步骤中的单个字符的图像进行形态腐蚀，消除图像上连通域的粘连；
(4.2)统计图像上连通域数目m，数字“1”由2个码段表示，若m＝2，则字符为“1”；数字“4”由4个码段表示，若m＝4，则字符为“4”；数字“7”由3个码段表示，若m＝3，则字符为“7”；数字“8”由7个码段表示，若m＝7，则字符为“8”；根据连通域数目识别出数字“1”、“4”、“7”、“8”；
(4.3)计算图像宽度h，按照从左到右的顺序依次计算图像上各个连通域质心坐标(x(i),y(i)),当m＝5时，若
Figure FDA0003989799620000011
则字符为“5”，若
Figure FDA0003989799620000012
则字符为“3”，
Figure FDA0003989799620000013
则字符为“2”；当m＝6时，若
Figure FDA0003989799620000014
则字符为“9”，若
Figure FDA0003989799620000015
且
Figure FDA0003989799620000016
则字符为“0”，若
Figure FDA0003989799620000017
且
Figure FDA0003989799620000018
则字符为“6”。
2.根据权利要求1所述的数字仪表字符识别方法，其特征在于：步骤(4)中面对(3)步骤中分割之后的字符时，根据(3)步骤中不同单个字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值。
3.根据权利要求1所述的数字仪表字符识别方法，其特征在于：(1)步骤中的预处理包括对采集的图像依次进行灰度化、中值滤波和二值化处理，通过上述步骤去除背景，消除噪声，提高图像对比度。
4.根据权利要求1所述的数字仪表字符识别方法，其特征在于：步骤(2)数字仪表图像中字符区域的具体确定方法包括以下步骤：以下步骤按照上边界、下边界、左边界和右边界的次序依次进行；
(2.1)确定上边界：统计对预处理后的字符区域图像矩阵中每行像素值为1的像素点数yn，确定像素点数yn最大值所在的行数n；设定阈值a，当像素点数yn大于阈值a时，认为此行在数码管区域内，则继续比较n-1行像素值为1的点数yn-1，若yn-1大于a则比较n-2行，直到n-i行像素值为1的像素点数小于阈值a，则n-i行为字符区域上边界；
(2.2)确定下边界：将n+1行像素值为1的像素点数yn+1与阈值a进行比较，若像素点数yn+1大于阈值a，则比较n+2行，直到n+j行点数小于阈值a；直到n+j+k行点数小于a,则判定下边界为n+j+k行为字符区域下边界；
(2.3)确定左边界：统计字符区域图像矩阵每列像素值为1的像素点数xn，确定像素点数xn最大值所在的列数n；比较像素点数xn与阈值a，若像素点数xn大于阈值a则比较n-1列像素值为1的点数xn-1，直到n-i列像素值为1的像素点数小于a，则n-i行为字符区域左边界；
(2.4)确定右边界：将n+1列像素值为1的像素点数xn+1与阈值a进行比较，若像素点数xn+1大于a则比较n+2列，直到n+j列点数小于阈值a，确定n+j列为字符区域右边界。
5.根据权利要求4所述的数字仪表字符识别方法，其特征在于：步骤(2.2)中：n+j行点数小于阈值a后，为防止一组字符中行间出现空白，如全“0”、全“1”、或者“0”和“1”组合的情况，还需继续向下验证r行，r为字符长度的十分之一，验证n+j+r行像素逻辑值为1的点数是否为0，若为0，则认为n+j行为下边界；若不为0，则继续将n+j+r行像素为1的像素点数与a进行比较，如大于a，则比较n+j+r+1，直到n+j+k行点数小于a,则判定下边界为n+j+k行为图像下边界。
6.根据权利要求4所述的数字仪表字符识别方法，其特征在于：步骤(2.3)中，为避免字符“1”出现在第一个字符位置时，由于“1”字符宽度窄导致下一步骤中字符分割平均宽度变窄的情况发生，此时需要修订图像的左边界；计算图像长度l，设定阈值b，当l小于b时，确定n-i-t行为图像左边界。
7.根据权利要求1-5中任意一项所述的数字仪表字符识别方法，其特征在于：若数字仪表图像的的第一个数字为“1”，在采用步骤(3)进行字符分割前对经过步骤(2)进行区域定位后的图像进行校正：计算定位后图像的长度l，选取合适的阈值，当长度l小于阈值时，左边界定位向左移动适当距离。
8.根据权利要求7所述的数字仪表字符识别方法，其特征在于：所述合适的阈值＝数字仪表图像中所有字符的宽度之和；适当距离为字符宽度的3/4。
9.根据权利要求1所述的数字仪表字符识别方法，其特征在于：
一种数字仪表字符识别系统，其特征在于：该系统包括图像预处理模块、区域定位模块、单个字符分割模块和字符数值确定模块；
图像预处理模块对采集的图像进预处理；
区域定位模块采用改进的像素点统计的方法对图像预处理模块预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入字符数值确定模块，如果是多个字符则进入单个字符分割模块进行字符分割；
单个字符分割模块通过平均分割方法对区域定位模块中的多个字符的情形中字符区域进行字符分割，分割出图像中的单个字符；
字符数值确定模块根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值；
该数字仪表字符识别系统的识别方法按以下步骤进行，包括：
(1)、对采集所得的数字仪表图像进行预处理；
(2)、采用改进的像素点统计的方法对(1)步骤中预处理后的图像进行区域定位，得到数字仪表图像中字符区域，完成区域定位；完成区域定位后，分成一个字符和多个字符两种情况，如果是一个字符则直接进入(4)步骤，如果是多个字符则进入步骤(3)进行字符分割；
(3)、通过平均分割方法对(2)步骤中的字符区域进行字符分割，分割出图像中的单个字符；然后进入步骤(4)；
(4)、根据字符的连通域数目及质心坐标的不同，对单个字符进行识别，确定每个字符的数值；
步骤(4)具体方法包括以下步骤：
(4.1)对(3)步骤中的单个字符的图像进行形态腐蚀，消除图像上连通域的粘连；
(4.2)统计图像上连通域数目m，数字“1”由2个码段表示，若m＝2，则字符为“1”；数字“4”由4个码段表示，若m＝4，则字符为“4”；数字“7”由3个码段表示，若m＝3，则字符为“7”；数字“8”由7个码段表示，若m＝7，则字符为“8”；根据连通域数目识别出数字“1”、“4”、“7”、“8”；
(4.3)计算图像宽度h，按照从左到右的顺序依次计算图像上各个连通域质心坐标(x(i),y(i)),当m＝5时，若
Figure FDA0003989799620000031
则字符为“5”，若
Figure FDA0003989799620000032
则字符为“3”，
Figure FDA0003989799620000033
则字符为“2”；当m＝6时，若
Figure FDA0003989799620000041
则字符为“9”，若
Figure FDA0003989799620000042
且
Figure FDA0003989799620000043
则字符为“0”，
若
Figure FDA0003989799620000044
且
Figure FDA0003989799620000045
则字符为“6”。
CN201910715886.0A 2019-08-05 2019-08-05 一种数字仪表字符识别方法 Active CN110659645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910715886.0A CN110659645B (zh) 2019-08-05 2019-08-05 一种数字仪表字符识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910715886.0A CN110659645B (zh) 2019-08-05 2019-08-05 一种数字仪表字符识别方法

Publications (2)

Publication Number Publication Date
CN110659645A CN110659645A (zh) 2020-01-07
CN110659645B true CN110659645B (zh) 2023-01-31

Family

ID=69036870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910715886.0A Active CN110659645B (zh) 2019-08-05 2019-08-05 一种数字仪表字符识别方法

Country Status (1)

Country Link
CN (1) CN110659645B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627511A (zh) * 2020-05-29 2020-09-04 北京大恒普信医疗技术有限公司 眼科报告内容识别方法及装置、可读存储介质
CN112686264B (zh) * 2020-12-31 2023-10-20 中广核研究院有限公司 数字式仪表读数方法、装置、计算机设备和存储介质
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
CN113486892B (zh) * 2021-07-02 2023-11-28 东北大学 基于智能手机图像识别的生产信息采集方法及系统
CN113392838B (zh) * 2021-08-16 2021-11-19 智道网联科技(北京)有限公司 字符分割方法、装置及字符识别方法、装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306283A (zh) * 2011-07-23 2012-01-04 浙江大学 Lcd数显仪示值的图像识别方法
CN103984930A (zh) * 2014-05-21 2014-08-13 南京航空航天大学 基于视觉的数字仪表识别系统及其识别方法
CN104504385A (zh) * 2014-12-10 2015-04-08 上海大学 手写粘连数字串的识别方法
CN106709484A (zh) * 2015-11-13 2017-05-24 国网吉林省电力有限公司检修公司 数字式仪表的数字识别方法
CN106960208A (zh) * 2017-03-28 2017-07-18 哈尔滨工业大学 一种仪表液晶数字自动切分和识别的方法及系统
CN110084241A (zh) * 2019-05-05 2019-08-02 山东大学 一种基于图像识别的电表自动读数方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100369049C (zh) * 2005-02-18 2008-02-13 富士通株式会社 灰度字符的精确分割装置及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306283A (zh) * 2011-07-23 2012-01-04 浙江大学 Lcd数显仪示值的图像识别方法
CN103984930A (zh) * 2014-05-21 2014-08-13 南京航空航天大学 基于视觉的数字仪表识别系统及其识别方法
CN104504385A (zh) * 2014-12-10 2015-04-08 上海大学 手写粘连数字串的识别方法
CN106709484A (zh) * 2015-11-13 2017-05-24 国网吉林省电力有限公司检修公司 数字式仪表的数字识别方法
CN106960208A (zh) * 2017-03-28 2017-07-18 哈尔滨工业大学 一种仪表液晶数字自动切分和识别的方法及系统
CN110084241A (zh) * 2019-05-05 2019-08-02 山东大学 一种基于图像识别的电表自动读数方法

Also Published As

Publication number Publication date
CN110659645A (zh) 2020-01-07

Similar Documents

Publication Publication Date Title
CN110659645B (zh) 一种数字仪表字符识别方法
US10572728B2 (en) Text image processing method and apparatus
CN108197644A (zh) 一种图像识别方法和装置
CN115063430B (zh) 基于图像处理的电气管道裂纹检测方法
CN101114335A (zh) 全角度快速指纹识别方法
CN113763371B (zh) 病理图像的细胞核分割方法及装置
CN114387591A (zh) 车牌识别方法、系统、设备及存储介质
CN115063797B (zh) 基于弱监督学习和分水岭处理的荧光信号分割方法和装置
CN108446702B (zh) 一种图像字符分割方法、装置、设备及存储介质
CN114820625A (zh) 一种汽车顶块缺陷检测方法
CN110766711A (zh) 一种视频镜头分割方法、系统、装置和存储介质
CN112819840A (zh) 一种融合深度学习与传统处理的高精度图像实例分割方法
US20230065041A1 (en) Geometric pattern matching method and device for performing the method
CN112101351A (zh) 一种基于投影的文本行旋转校正方法及装置
CN111553886B (zh) 一种沥青混合料ct图像中颗粒的自适应识别方法
CN111242051B (zh) 一种车辆识别优化方法、装置及存储介质
CN116563786A (zh) 一种teds跨接线故障识别检测方法、存储介质及设备
CN108510636B (zh) 图像分割方法、图像分割装置及终端设备
CN110929773A (zh) 一种基于深度学习的芯片表面缺陷分类装置和方法
CN115690104A (zh) 一种晶圆裂缝检测方法、装置及存储介质
CN113378847B (zh) 字符分割方法、系统、计算机设备和存储介质
CN111932515B (zh) 产品残留类缺陷的短路检测方法及系统及缺陷分类系统
CN111126455B (zh) 一种基于Lightweight CNN与SVM的磨粒两阶段识别方法
CN111325789B (zh) 一种基于离散方向变化序列的曲率不连续点检测方法
CN113591670A (zh) 一种基于卷积神经网络的车道线检测方法

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