CN110751158B - 一种治疗床显示器中的数字识别方法、装置及存储介质 - Google Patents
一种治疗床显示器中的数字识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110751158B CN110751158B CN201911015689.4A CN201911015689A CN110751158B CN 110751158 B CN110751158 B CN 110751158B CN 201911015689 A CN201911015689 A CN 201911015689A CN 110751158 B CN110751158 B CN 110751158B
- Authority
- CN
- China
- Prior art keywords
- image
- digital
- character
- straight line
- single digital
- 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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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)
- Image Analysis (AREA)
Abstract
本发明提供了一种治疗床显示器中的数字识别方法、装置及存储介质,其中的治疗床显示器中的数字识别方法包括:获取治疗床显示器中的图像;从所述图像中获取包含数字字符的待识别图像;对待识别图像进行二值化处理,得到二值化图像;根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像;依次对各所述单数字图像中的数字字符进行识别。本发明提供的技术方案基于图像识别技术实现了对治疗床显示器中的床值的自动识别,从而显著地提升了识别效果。
Description
技术领域
本发明涉及治疗床控制领域,尤其涉及一种治疗床显示器中的数字识别方法、装置及存储介质。
背景技术
治疗床控制系统中,通常需要识别治疗床显示器中的床值(数字表征),然后根据床值对治疗床进行角度调整以实现对患者摆位的调节。
现阶段,一般采取人工读取的方式对治疗床显示器中的床值进行识别,由于人眼疲劳,容易出现识别错误的情况。
鉴于现有技术中的人工识别方式存在的缺陷,有必要提出一种能够实现对治疗床显示器中的床值进行自动识别的解决方案,以提高识别效果。
发明内容
为了实现上述目标,本发明一方面提供了一种治疗床显示器中的数字识别方法,其基于图像识别技术实现了对治疗床显示器中的床值的自动识别,从而提升了识别效果。本发明的治疗床显示器中的数字识别方法的详细技术方案如下:
一种治疗床显示器中的数字识别方法,其特征在于,包括:
获取治疗床显示器中的图像;
从所述图像的预定区域中获取包含数字字符的待识别图像;
对待识别图像进行二值化处理,得到二值化图像;
根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像;
依次对各所述单数字图像中的数字字符进行识别。
进一步的,所述对各所述单数字图像中的数字字符进行识别包括:
对所述单数字图像进行轮廓检测以获取所述单数字图像中的数字字符的轮廓,根据获取到的轮廓的数目做出如下选择:
a、轮廓数目为3,输出所述数字字符的识别结果“8”;
b、轮廓数目为2,提取所述数字字符的内轮廓,对所述内轮廓进行多边形逼近以获取到所述内轮廓的关键点,根据获取到的关键点数量做出如下选择:
b1、关键点数目为3,输出所述数字字符的识别结果“4”;
b2、关键点数目大于3,根据获取到的各关键点的坐标位置计算出所述内轮廓的中心点的坐标位置,根据内轮廓的中心点的坐标位置做出如下选择:
b21、内轮廓的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“0”;
b22、内轮廓的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“6”;
b23、内轮廓的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“9”;
c、轮廓数目为1,对所述单数字图像进行边缘检测及直线检测,判断所述数字字符内是否存在直线,根据判断结果做出如下选择:
c1、不存在直线,输出所述数字字符的识别结果“3”;
c2、存在直线,计算直线与预定坐标轴之间的夹角,根据所述夹角大小做出如下选择:
c21、夹角角度值处于预定角度范围内,输出所述数字字符的识别结果“7”;
c22、否则,获取直线的中心点的坐标位置,根据直线的中心点的坐标位置做出如下选择:
c221、直线的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“1”;
c222、直线的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“2”;
c223、直线的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“5”。
进一步的,所述预定坐标轴为横坐标轴,所述预定角度范围为30°~80°。
进一步的,所述边缘检测基于Canny边缘检测算法,所述直线检测基于霍夫直线检测算法,所述多边形逼近基于Douglas-Peucker多边形逼近算法。
本发明第二方面提供了一种治疗床显示器中的数字识别装置,其包括:
图像获取模块,用于获取治疗床显示器中的图像;
图像提取模块,用于从所述图像的预定区域中获取包含数字字符的待识别图像
图像处理模块,用于对待识别图像进行二值化处理,得到二值化图像;
图像分割模块,用于根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像;
图像识别模块,用于依次对各所述单数字图像中的数字字符进行识别。
进一步的,所述对各所述单数字图像中的数字字符进行识别包括:
对所述单数字图像进行轮廓检测以获取所述单数字图像中的数字字符的轮廓,根据获取到的轮廓的数目做出如下选择:
a、轮廓数目为3,输出所述数字字符的识别结果“8”;
b、轮廓数目为2,提取所述数字字符的内轮廓,对所述内轮廓进行多边形逼近以获取到所述内轮廓的关键点,根据获取到的关键点数量做出如下选择:
b1、关键点数目为3,输出所述数字字符的识别结果“4”;
b2、关键点数目大于3,根据获取到的各关键点的坐标位置计算出所述内轮廓的中心点的坐标位置,根据内轮廓的中心点的坐标位置做出如下选择:
b21、内轮廓的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“0”;
b22、内轮廓的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“6”;
b23、内轮廓的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“9”;
c、轮廓数目为1,对所述单数字图像进行边缘检测及直线检测,判断所述数字字符内是否存在直线,根据判断结果做出如下选择:
c1、不存在直线,输出所述数字字符的识别结果“3”;
c2、存在直线,计算直线与预定坐标轴之间的夹角,根据所述夹角大小做出如下选择:
c21、夹角角度值处于预定角度范围内,输出所述数字字符的识别结果“7”;
c22、否则,获取直线的中心点的坐标位置,根据直线的中心点的坐标位置做出如下选择:
c221、直线的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“1”;
c222、直线的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“2”;
c223、直线的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“5”。
进一步的,所述预定坐标轴为横坐标轴,所述预定角度范围为30°~80°。
进一步的,所述边缘检测基于Canny边缘检测算法,所述直线检测基于霍夫直线检测算法,所述多边形逼近基于Douglas-Peucker多边形逼近算法。
本发明的第三方面提供了一种计算机可读存储介质,所述存储介质中存储有指令,所述指令由计算机设备的处理器执行以实现本发明第一方面所提供的治疗床显示器中的数字识别方法。
本发明提供的技术方案基于图像识别技术实现了对治疗床显示器中的床值的自动识别,从而显著地提升了识别效果。
附图说明
图1为本发明提供的治疗床显示器中的数字识别方法的流程图;
图2为本发明实施例的对各单数字图像中的数字字符进行识别的算法的流程图;
图3为本发明提供的治疗床显示器中的数字识别装置的结构框图;
图4为二值化图像的示意图;
图5为经边缘检测获取到的数字字符“1”、“2”、“3”、“5”、“7”的边缘的示意图;
图6为经多边形逼近获取到的数字字符“4”的内轮廓关键点的示意图;
图7为经关键点坐标计算出的数字字符“0”、“6”、“9”的内轮廓的中心点的位置示意图。
具体实施方式
下面结合附图来详细介绍一下本发明的具体实施方式。
在本发明中,各处的“在一些实施例中”并不是特别指在同一实施例,它们可以是同一个实施例,也可以是不同的实施例。
如图1所示,本发明提供的治疗床显示器中的数字识别方法100包括如下步骤:
S110:获取治疗床显示器中的图像。
具体实施过程中,可以采用图像采集卡采集到治疗床显示器所显示的图像。治疗床显示器中显示的图像格式为标准格式,其中包括数字字符显示的床值信息。当然,该数字字符显示的床值信息位于图像内的预定位置处的显示区域内,如图像的右上角的预定大小的显示区域内。
S120:从采集到的所述图像的预定区域获取包含数字字符的待识别图像。
待识别图像位于图像内预定区域的显示区域内,且待识别图像的显示面积一般也是预先设定好的。因此只需要截取该预定区域内的区域图像即能实现对待识别图像的采集。
S130:对待识别图像进行二值化处理,得到二值化图像。
经过二值化处理后,图像变得简单,数据量减小,待识别图像中的数字字符充分凸显。对图像进行二值化处理的技术已经非常成熟,具体实施过程中可以根据需要选择各种已知的二值化处理算法,本说明书不再进行赘述。如图4所示,其示出了一张经二值化处理后的二值化图像,从图中可以看出,图中的数字字符上的像素点的灰度值与周边区域的像素点的灰度值的差异度非常明显,从而方便了后续的识别。
S140:根据单个数字字符所占的图像宽度对二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像。
由于每个数字字符的在图像中的显示宽度都是相同的且是预先定义好的,因此根据单个字符的宽度对二值化图像进行分割即能获取到若干仅包含单个数字字符的矩形的单数字图像,该单数字图像的宽度即为单个字符的宽度。
S150:依次对各所述单数字图像中的数字字符进行识别,从而实现对床值的自动识别。
现有技术中,对单数字图像中的数字字符进行识别的相关技术非常多,如通过模板匹配的方法进行识别,通过卷积神经网络进行识别。当然,在实施本发明的数字识别时,可以直接采用这些已知的识别算法。但是,鉴于模板匹配算法的识别准确率不高,卷积神经网络算法则需要大量的训练数据进行模型,因此这些算法并不是本发明最理想的选择。
为此,本发明实施例提供了一种更优的用于对各单数字图像中的数字字符进行识别的算法,其不需要进行模型训练,也不需要进行模板匹配,即能实现对单数字图像中的数字的快速、精确识别。如图2所示,该算法的具体实施过程如下:
对单数字图像进行轮廓检测以获取单数字图像中的数字字符的轮廓,数字字符的轮廓包括外轮廓和内轮廓。
“0”至“9”中的任一个数字字符都具有一个外轮廓,不同数字字符的内轮廓的情况则不尽相同,如:“0”、“4”、“6”、“9”均具有一个内轮廓(闭合空间),“8”具有两个内轮廓,而“1”、“2”、“5”、“7”则不具有内轮廓。
基于此,统计待识别的数字字符的轮廓数目,并根据轮廓的数目做出如下选择:
a、轮廓数目为3,识别出该数字字符为“8”,输出识别结果。
b、轮廓数目为2,此时,该数字字符可能为“0”、“4”、“6”、“9”中的任意一个,无法确定识别结果。为此,提取该数字字符的内轮廓,对内轮廓进行多边形逼近(如采用Douglas-Peucker多边形逼近算法)以获取到内轮廓的关键点。如图6所示,由于数字“4”的内轮廓为三角形,因此其关键点的数目为3个,“0”、“6”、“9”的内轮廓为椭圆形,其关键点数目大于3个。
基于此,根据获取到的关键点数目做出如下选择:
b1、关键点数目为3,识别出该数字字符为“3”,输出识别结果。
b2、关键点数目大于3,此时,该数字字符可能为“0”、“6”、“9”中的任意一个,无法确定识别结果。为此,根据获取到的各关键点的坐标位置计算出内轮廓的中心点的坐标位置。
如图7所示,参考坐标系为笛卡尔坐标系,横坐标轴X为数字字符的宽度方向,纵坐标轴Y为数字字符的高度方向。“0”的内轮廓的中心点位于图像的中部,“6”的内轮廓的中心点位于图像的下部,“9”的内轮廓的中心点则位于图像的下部。
基于此,根据该数字字符内轮廓的中心点的位置做出如下选择:
b21、内轮廓的中心点位于单数字图像的中部,识别出该数字字符为“0”,输出识别结果。
b22、内轮廓的中心点位于单数字图像的下部,识别出该数字字符为“6”,输出识别结果。
b23、内轮廓的中心点位于单数字图像的上部,识别出该数字字符为“9”,输出识别结果。
c、轮廓数目为1,此时,该数字字符可能为“1”、“2”、“3”、“5”、“7”中的任意一个,无法确定识别结果。为此,如图5所示,对单数字图像进行边缘检测(如采用canny边缘检测算法)获取到数字字符的边缘。
然后对获取到的边缘进行直线检测(如采用霍夫直线检测算法),判断数字字符内是否存在直线。
需要说明的是,采用霍夫直线检测算法在目标轮廓中检测直线是已知的成熟技术,本说明书中不再对其检测原理进行详细描述。作为一种示例,在一些实施例中,预先确定一个阈值T,直线需满足所占像素个数大于该阈值T,然后在满足条件的直线中,选取像素个数最多的直线作为目标直线。
由于,数字字符“1”、“2”、“5”、“7”中均具有一条直线,而数字“3”中没有直线,基于此,根据直线检测的检测判断结果做出如下选择:
c1、不存在直线,识别出该单数字图像中的数字字符进行识别为“3”,输出识别结果;
c2、存在直线,则该数字字符可能为“1”、“2”、“5”、“7”中的任意一个,无法确定识别结果,为此,以横坐标轴X为参考基准,计算直线与横坐标轴X之间的夹角。当然也可以选择以纵坐标Y为参考基准。
由于,数字字符“2”、“5”中的直线均为横向,其中的直线与横坐标轴X之间的夹角略等于0度,数字字符“1”中的直线为纵向,其中的直线与横坐标轴X之间的夹角略等于90°,而数字字符“7”中的直线与横坐标轴X之间的夹角约为70°。为此,根据夹角大小做出如下选择:
c21、夹角角度值处于30°~80°。范围内,识别出该数字字符为“7”,输出识别结果;
c22、夹角角度值超出30°~80°。范围,则该数字字符可能为“1”、“2”、“5”中的任意一个,无法确定识别结果,为此,计算出直线的中心点的坐标位置。
由于,“1”中的直线的中心点位于图像的中部,“2”中的直线的中心点位于图像的的下部,而“5”中的直线的中心点位于图像的上部,基于此,根据计算出的中心点的位置做出如下选择:
c221、直线的中心点位于单数字图像的中部,识别出数字为“1”,输出识别结果。
c222、直线的中心点位于所述单数字图像的下部,识别出数字为“2”,输出识别结果。
c223、直线的中心点位于所述单数字图像的上部,识别出数字为“5”,输出识别结果。
通过上述数字字符识别算法,本发明能够快速、准备地识别出单数字图像中的数字字符。
按顺序依次对各单数字图像中的数字字符进行识别并顺序输出识别结果,即能获取到实现对床值的自动识别。
如图3所示,本发明还提供了一种治疗床显示器中的数字识别装置200,该识别装置200包括:
图像获取模块210,用于获取治疗床显示器中的图像。
具体实施过程中,可以采用图像采集卡作为图像获取模块210采集到治疗床显示器所显示的图像。治疗床显示器中显示的图像格式为标准格式,其中包括数字字符显示的床值信息。当然,该数字字符显示的床值信息位于图像内的预定位置处的显示区域内,如图像的右上角的预定大小的显示区域内。
图像提取模块220,从采集到的所述图像的预定区域获取包含数字字符的待识别图像。
由于待识别图像位于图像内的预定区域内,且待识别图像的显示面积一般也是预先设定好的。因此像提取模块220只需要截取该预定区域内的图像即能实现对待识别图像的采集。
图像处理模块230,用于对待识别图像进行二值化处理,得到二值化图像。
经过二值化处理后,图像变得简单,数据量减小,待识别图像中的数字字符充分凸显。对图像进行二值化处理的技术已经非常成熟,具体实施过程中可以根据需要选择各种已知的二值化处理算法,本说明书不再进行赘述。
图像分割模块240,用于根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像。
由于每个数字字符的在图像中的显示宽度都是相同的且是预先定义好的,因此根据单个字符的宽度对二值化图像进行分割即能获取到若干仅包含单个数字字符的矩形的单数字图像,该单数字图像的宽度即为单个字符的宽度。
图像识别模块250,用于依次对各所述单数字图像中的数字字符进行识别。
图像识别模块250可以基于现有技术中的模板匹配算法、卷积神经网络算法实现对各所述单数字图像中的数字的自动识别。
当然,更优的,图像识别模块250也可以基于本发明上文中提供的数字字符识别算法对各所述单数字图像中的数字的自动识别。由于上文已经对该算法的实施过程进行了详细描述,因此,此处不再进行赘述。
本发明还提供了一种计算机可读存储介质,存储介质中存储有指令,指令由计算机设备的处理器执行以实现本发明所提供的治疗床显示器中的数字识别方法。由于前文中已经对该治疗床显示器中的数字识别方法的执行过程进行过详细描述,因此,此处不再进行赘述。
上文对本发明进行了足够详细的具有一定特殊性的描述。所属领域内的普通技术人员应该理解,实施例中的描述仅仅是示例性的,在不偏离本发明的真实精神和范围的前提下做出所有改变都应该属于本发明的保护范围。本发明所要求保护的范围是由所述的权利要求书进行限定的,而不是由实施例中的上述描述来限定的。
Claims (7)
1.一种治疗床显示器中的数字识别方法,其特征在于,包括:
获取治疗床显示器中的图像;
从所述图像的预定区域中获取包含数字字符的待识别图像;
对待识别图像进行二值化处理,得到二值化图像;
根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像;
依次对各所述单数字图像中的数字字符进行识别;
所述对各所述单数字图像中的数字字符进行识别包括:
对所述单数字图像进行轮廓检测以获取所述单数字图像中的数字字符的轮廓,根据获取到的轮廓的数目做出如下选择:
a、轮廓数目为3,输出所述数字字符的识别结果“8”;
b、轮廓数目为2,提取所述数字字符的内轮廓,对所述内轮廓进行多边形逼近以获取到所述内轮廓的关键点,根据获取到的关键点数量做出如下选择:
b1、关键点数目为3,输出所述数字字符的识别结果“4”;
b2、关键点数目大于3,根据获取到的各关键点的坐标位置计算出所述内轮廓的中心点的坐标位置,根据内轮廓的中心点的坐标位置做出如下选择:
b21、内轮廓的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“0”;
b22、内轮廓的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“6”;
b23、内轮廓的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“9”;
c、轮廓数目为1,对所述单数字图像进行边缘检测及直线检测,判断所述数字字符内是否存在直线,根据判断结果做出如下选择:
c1、不存在直线,输出所述数字字符的识别结果“3”;
c2、存在直线,计算直线与预定坐标轴之间的夹角,根据所述夹角大小做出如下选择:
c21、夹角角度值处于预定角度范围内,输出所述数字字符的识别结果“7”;
c22、否则,获取直线的中心点的坐标位置,根据直线的中心点的坐标位置做出如下选择:
c221、直线的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“1”;
c222、直线的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“2”;
c223、直线的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“5”。
2.如权利要求1所述的治疗床显示器中的数字识别方法,其特征在于,所述预定坐标轴为横坐标轴,所述预定角度范围为30°~80°。
3.如权利要求1所述的治疗床显示器中的数字识别方法,其特征在于,所述边缘检测基于Canny边缘检测算法,所述直线检测基于霍夫直线检测算法,所述多边形逼近基于Douglas-Peucker多边形逼近算法。
4.一种治疗床显示器中的数字识别装置,其特征在于,包括:
图像获取模块,用于获取治疗床显示器中的图像;
图像提取模块,从所述图像的预定区域中获取包含数字字符的待识别图像;
图像处理模块,用于对待识别图像进行二值化处理,得到二值化图像;
图像分割模块,用于根据单个数字字符所占图像宽度对所述二值化图像进行分割,得到若干仅包含单个数字字符的矩形的单数字图像;
图像识别模块,用于依次对各所述单数字图像中的数字字符进行识别;
所述对各所述单数字图像中的数字字符进行识别包括:
对所述单数字图像进行轮廓检测以获取所述单数字图像中的数字字符的轮廓,根据获取到的轮廓的数目做出如下选择:
a、轮廓数目为3,输出所述数字字符的识别结果“8”;
b、轮廓数目为2,提取所述数字字符的内轮廓,对所述内轮廓进行多边形逼近以获取到所述内轮廓的关键点,根据获取到的关键点数量做出如下选择:
b1、关键点数目为3,输出所述数字字符的识别结果“4”;
b2、关键点数目大于3,根据获取到的各关键点的坐标位置计算出所述内轮廓的中心点的坐标位置,根据内轮廓的中心点的坐标位置做出如下选择:
b21、内轮廓的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“0”;
b22、内轮廓的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“6”;
b23、内轮廓的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“9”;
c、轮廓数目为1,对所述单数字图像进行边缘检测及直线检测,判断所述数字字符内是否存在直线,根据判断结果做出如下选择:
c1、不存在直线,输出所述数字字符的识别结果“3”;
c2、存在直线,计算直线与预定坐标轴之间的夹角,根据所述夹角大小做出如下选择:
c21、夹角角度值处于预定角度范围内,输出所述数字字符的识别结果“7”;
c22、否则,获取直线的中心点的坐标位置,根据直线的中心点的坐标位置做出如下选择:
c221、直线的中心点位于所述单数字图像的中部,输出所述数字字符的识别结果“1”;
c222、直线的中心点位于所述单数字图像的下部,输出所述数字字符的识别结果“2”;
c223、直线的中心点位于所述单数字图像的上部,输出所述数字字符的识别结果“5”。
5.如权利要求4所述的治疗床显示器中的数字识别装置,其特征在于,所述预定坐标轴为横坐标轴,所述预定角度范围为30°~80°。
6.权利要求4所述的治疗床显示器中的数字识别装置,其特征在于,所述边缘检测基于Canny边缘检测算法,所述直线检测基于霍夫直线检测算法,所述多边形逼近基于Douglas-Peucker多边形逼近算法。
7.一种计算机可读存储介质,其特征在于,所述存储介质中存储有指令,所述指令由计算机设备的处理器执行以实现如权利要求1至3任一所述的治疗床显示器中的数字识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015689.4A CN110751158B (zh) | 2019-10-24 | 2019-10-24 | 一种治疗床显示器中的数字识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015689.4A CN110751158B (zh) | 2019-10-24 | 2019-10-24 | 一种治疗床显示器中的数字识别方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751158A CN110751158A (zh) | 2020-02-04 |
CN110751158B true CN110751158B (zh) | 2023-05-23 |
Family
ID=69279678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911015689.4A Active CN110751158B (zh) | 2019-10-24 | 2019-10-24 | 一种治疗床显示器中的数字识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751158B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464928B (zh) * | 2020-11-27 | 2024-03-15 | 广东电网有限责任公司 | 数字式表计读数识别方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103320A (zh) * | 2017-04-28 | 2017-08-29 | 常熟理工学院 | 嵌入式医疗数据图像识别及集成方法 |
CN107729896A (zh) * | 2017-10-24 | 2018-02-23 | 武汉科技大学 | 一种适用于变电站宽刻度指针式仪表的自动识别方法 |
CN109784341A (zh) * | 2018-12-25 | 2019-05-21 | 华南理工大学 | 一种基于lstm神经网络的医疗单据识别方法 |
-
2019
- 2019-10-24 CN CN201911015689.4A patent/CN110751158B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103320A (zh) * | 2017-04-28 | 2017-08-29 | 常熟理工学院 | 嵌入式医疗数据图像识别及集成方法 |
CN107729896A (zh) * | 2017-10-24 | 2018-02-23 | 武汉科技大学 | 一种适用于变电站宽刻度指针式仪表的自动识别方法 |
CN109784341A (zh) * | 2018-12-25 | 2019-05-21 | 华南理工大学 | 一种基于lstm神经网络的医疗单据识别方法 |
Non-Patent Citations (1)
Title |
---|
孟彩霞 ; 魏荣娟 ; .移动端体检报告影像识别及数据分析应用研究.计算机技术与发展.2017,(03),第193-197页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110751158A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919160B (zh) | 验证码识别方法、装置、终端及存储介质 | |
US8611662B2 (en) | Text detection using multi-layer connected components with histograms | |
CN109426814B (zh) | 一种发票图片特定板块的定位、识别方法、系统、设备 | |
CN110647882A (zh) | 图像校正方法、装置、设备及存储介质 | |
CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
CN107256410B (zh) | 眼底图像分类方法及装置 | |
CN110619333A (zh) | 一种文本行分割方法、文本行分割装置及电子设备 | |
CN105740872B (zh) | 图像特征提取方法及其装置 | |
CN108091033B (zh) | 一种纸币的识别方法、装置、终端设备和存储介质 | |
US11900664B2 (en) | Reading system, reading device, reading method, and storage medium | |
CN110751024A (zh) | 基于手写签名的用户身份识别方法、装置及终端设备 | |
CN110969052A (zh) | 一种作业批改方法和设备 | |
CN113724243A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110751158B (zh) | 一种治疗床显示器中的数字识别方法、装置及存储介质 | |
CN112035821A (zh) | 图形验证码识别方法、装置、计算机设备及存储介质 | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
CN112597868A (zh) | 基于无定位点的试卷识别和矫正方法 | |
CN111753812A (zh) | 文本识别方法及设备 | |
CN110647889A (zh) | 医学图像识别方法、医学图像识别装置、终端设备及介质 | |
CN112348112B (zh) | 图像识别模型的训练方法、训练装置及终端设备 | |
CN112308062B (zh) | 一种复杂背景图像中的医疗影像访问号识别方法 | |
CN110895849A (zh) | 冠字号切割定位方法、装置、计算机设备及存储介质 | |
CN115965801A (zh) | 一种针对蛋白质免疫印迹条带图像的图像匹配方法及装置 | |
CN112308842A (zh) | 一种基于印刷品图像的定位核自动提取方法 | |
CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 |
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 |