CN110889415A - 用于不同反光率表面的压印序列号字符分割方法 - Google Patents
用于不同反光率表面的压印序列号字符分割方法 Download PDFInfo
- Publication number
- CN110889415A CN110889415A CN201911230448.1A CN201911230448A CN110889415A CN 110889415 A CN110889415 A CN 110889415A CN 201911230448 A CN201911230448 A CN 201911230448A CN 110889415 A CN110889415 A CN 110889415A
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- segmentation
- character
- gray
- 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.)
- Granted
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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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
一种用于不同反光率表面的压印序列号字符分割方法,通过将待分割彩色图像进行灰度化处理后生成列灰度值分布图,经迭代滤波后得到平滑分布图,以其中的灰度值波谷位置作为分割线进行纵向分割从而得到独立的字符图像;本发明能够有效解决在压印序列号字符与背景对比度较差,图像字符质量较低的情况下的字符分割与识别问题,且字符分割效果不受二值化阈值影响。
Description
技术领域
本发明涉及的是一种图像处理领域的技术,具体是一种用于不同反光率表面的压印序列号字符分割方法。
背景技术
与传统的印刷序列号相比,压印序列号通过压印的方式附着于零件上,能够在油污、灰尘等复杂工况下,长时间保持稳定。因此被广泛地应用于批量金属零件的ID识别中。
目前针对压印序列号的字符分割已经有诸如:垂直投影分割法、聚类分析字符分割法等传统方法。但是上述字符分割方法均是在黑白图像,即二值化处理之后的图片上,进行的字符分割。分割效果受图片二值化处理质量影响较大。
传统的字符分割方法为了保证图片二值化的处理效果,往往通过外设特定辅助光源等方式来保证相对恒定的成像效果,进而确定二值化效果较好的阈值。
但是在工厂的批量化字符分割识别现场,金属零件表面由于上道工序的修整、油污、灰尘等诸多原因,往往会存在表面反光率不同的情况。反光率不同,则会导致在图片采集时的工况不同,二值化的阈值存在不确定性,进而导致字符分割效果不理想。
上述问题严重制约了利用机器视觉识别的方法在工厂现场批量化识别金属零件压印序列号的实际应用。
发明内容
本发明针对现有传统字符分割算法无法有效处理不同反光率表面的压印序列号这一不足,提出一种用于不同反光率表面的压印序列号字符分割方法,能够有效解决在工厂批量化分割识别金属零件表面压印序列号的过程中,由于表面反光率的不同而引起的字符分割不准确的问题。
本发明是通过以下技术方案实现的:
本发明涉及一种用于不同反光率表面的压印序列号字符分割方法,通过将待分割彩色图像进行灰度化处理后生成列灰度值分布图,经迭代滤波后得到平滑分布图,以其中的灰度值波谷位置作为分割线进行纵向分割从而得到独立的字符图像。从而跳过传统字符分割算法中的二值化环节,进而提高分割算法对于不同金属表面分割识别的鲁棒性。
所述的灰度化处理是指:将原有的彩色图像中代表每个像素颜色的各不相同的R、G、B三个分量,统一处理为灰度图像其中:R、G、B代表确定像素颜色的三个分量,kr、kg、kb为对应的权值,C代表处理为灰度图像之后,对应的像素点的R、G、B的数值。
所述的权值一般均取1,根据不同的图像背景特点也可以适应性地调整。
所述的灰度化处理优选通过Python实现。
所述的灰度化处理后/前优选进一步经增强对比度、低通滤波、高斯模糊滤波、中值滤波、双边滤波等多种降噪滤波处理。
所述的列灰度值分布图是指:以像素为基本计算单位,计算每一列的像素的灰度数值之和,并将其与所在的列数进行一一统计,得到以列数为横坐标,以每一列上对应的灰度总值为纵坐标的灰度分布波形图,即其中:C[n]表示每一列像素的灰度总值;c[n,i]表示每个像素灰度值;i表示当前像素所处的行数;n表示当前像素所处的列数;l表示图像的总行数。
所述的迭代滤波的目的是:通过滤波的方式去除由于油污、凹坑等因素引入的噪点,进行数据清洗,去除列灰度值分布图中的突变点,确保数据质量,方便后期依据波形图变化趋势确定字符分割位置。
所述的迭代滤波的具体操作是:首先,依据先验经验及待识别压印序列号字符编排规律设置迭代滤波的迭代次数约束函数f(n);其次,设置滤波算法的滤波邻域范围p以及滤波算子的计算权重ki;然后,对列灰度值分布波形图进行滤波处理,结合分割函数g(n)确定字符分割位置,并计算波谷个数vn;最后,以迭代次数约束函数f(n)为迭代循环判断标准,对列灰度分布图进行迭代滤波处理。
所述的迭代次数约束函数f(n)=q-1,其中q为压印序列号字符总个数。
所述的独立的字符图像优选通过jTessBoxEditor结合序列号编排规则等先验知识,设置识别白名单,提高识别准确率。
本发明涉及一种实现上述方法的系统,包括:图像采集单元、图像预处理单元、迭代滤波单元和字符识别分割单元,其中:图像采集单元主要由相机、辅助光源以及相关固定支架构成,负责金属表面压印序列号的原始图像采集工作;图像与处理单元通过数据连接线与图像采集单元连接,对图像进行对比度增强、高斯滤波、灰度化处理等预处理操作;迭代均值滤波单元则是通过迭代滤波的方式,对列灰度值分布图进行平滑滤波,进而依据分割函数确定压印序列号的字符分割位置;字符分割识别单元根据上述步骤中确定的字符分割位置进行分割,结合jTessBoxEditor设置识别白名单,进行字符识别,提高识别准确率。
技术效果
本发明整体所解决的技术问题是:传统字符分割算法无法应用于不同反光率金属表面的压印字符分割,仅可以在相对固定的工况下运用的实际问题;与现有技术相比,本发明的收益及创新点主要在于以下几个方面:
本发明无需依赖二值化图像,而是直接对灰度图像进行处理,从而避免了二值化过程中由于灰度阈值选取不合理而引入的字符分割精度受到影响的问题,进而可以在识别不同反光率金属表面的3D压印序列号,从而能够应用于实际工厂中。
本发明通过利用灰度波形图波峰波谷确定字符分割位置,能够解决在序列号字符与背景对比度较差、图像字符质量较低情况下的压印序列号字符分割识别问题。
本发明采用迭代滤波的方式,在确定波峰波谷前对灰度波形图进行处理,能够有效平滑灰度曲线,避免因噪点、畸变等因素引入的曲线突变,从而提高波峰波谷位置确定的准确度,提高字符分割准确率。
通过在工业现场的字符分割对比实验,得到传统字符分割算法与本发明中提出的一种可应用于不同反光率表面的压印序列号字符分割方法实验效果对比数据。与传统字符分割算法相比,本算法能够将字符分割准确率提高7%。
附图说明
图1为本发明技术原理流程图;
图2为压印序列号字符原图(部分);
图3为压印序列号字符经增强对比度处理和灰度化处理示意图(部分);
图4为压印序列号字符未平滑处理的灰度波形示意图;
图5为压印序列号字符经过迭代滤波处理的波形示意图及分割位置;
图6为压印序列号字符分割图像(部分)。
具体实施方式
如图1所示,为本实施例涉及一种可应用于不同反光率表面的压印序列号字符分割方法,具体流程步骤:
如图3所示,步骤1)对包含压印序列号字符的图像进行对比度增强、双边滤波消噪、灰度化等预处理,最终得到灰度图像。
所述的压印序列号字符包含数字、字母等。包含序列号的图像是指通过摄像头等设备拍摄工业零件表面序列号获取的图像,在拍摄过程中由于光照强度、工业零件表面油污、零件表面磨损等因素,可能造成序列号字符对比度较差。所述的预处理包括但不限于双边滤波、高斯滤波、中值滤波、图像位置矫正等预处理方法。
如图4所示,步骤2)对经过预处理得到的灰度图像进行灰度波形图统计,具体为计算每一列的灰度总值,并记录每一列与其对应的该列的灰度总值,得到灰度波形图。
本实施例中优选对于预处理之后的灰度图像,在y轴方向上进行灰度统计,得到序列号字符在y轴方向上的分布情况,根据灰度总值在灰度图像列上的分布情况以及灰度波形图的波峰波谷数量,可以得到压印序列号字符的分布规律。
步骤3)对灰度波形图利用迭代滤波算法进行平滑处理,消除因噪声、畸变等因素引入的数据曲线突变,方便后期根据波峰波谷所在列数确定分割位置。
本实施例中优选压印序列号字符在灰度图像中,由于字符与背景的灰度不同,字符的灰度要高于背景灰度,因此可以将灰度波形图中的波谷视为字符与字符之间的间隔背景。
如图5所示,步骤4)通过局部极小值的方式确定波谷位置,即确定波谷所在列的序号,由此为后面序列号字符分割提供依据。
步骤5)根据波谷位置,对序列号图像进行分割。如图6所示,即为原始序列号图像的分割处理结果。
本实施例中优选根据波谷所在列的序号对原始序列号图像进行的分割操作,分割后得到的序列号单个字符图像在宽度方向会略有不同。
步骤6)针对每个序列号单个字符进行单独识别,结合序列号编排的先验知识,利用jTessBoxEditor设置识别白名单,提高识别准确率。
例如本发明举例的压印序列号字符,其编排规则为,序列号共计10个字符。其中,第一位、第四位和第九位字符为从A到Z的大写字母;第二位、第三位、第五位、第六位、第七位、第八位为从0到9的数字;第十位为阿拉伯大写数字I或者II。根据以上序列号编排的先验知识,便可以合理设置识别白名单,从而大幅度提交字符识别精度。
与传统字符分割识别算法相比,本发明针对不同反光率金属表面3D压印序列号分割识别这一难题,创新性地提出省略二值化图像这一步骤,直接在灰度图上进行灰度值统计得到的列灰度波形图进行处理。并结合先验知识设置迭代约束函数f(n),对列灰度波形图进行迭代平滑滤波,结合分割函数g(n)在平滑后的灰度波形图上确定序列号分割位置。
通过在工业现场的字符分割对比实验,得到传统字符分割算法与本发明中提出的基于迭代滤波的压印字符分割算法实验效果对比数据。与传统字符分割算法相比,本算法能够将字符分割准确率提高7%,具体如下表1所示:
表1不同字符分割算法准确率对比实验数据
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (5)
1.一种可应用于不同反光率表面的压印序列号字符分割方法,其特征在于,通过将待分割彩色图像进行灰度化处理后生成列灰度值分布图,经迭代滤波后得到平滑分布图,以其中的灰度值波谷位置作为分割线进行纵向分割从而得到独立的字符图像;
所述的灰度化处理是指:将原有的彩色图像中代表每个像素颜色的各不相同的R、G、B三个分量,统一处理为灰度图像其中:R、G、B代表确定像素颜色的三个分量,kr、kg、kb为对应的权值,C代表处理为灰度图像之后,对应的像素点的R、G、B的数值;
所述的列灰度值分布图是指:以像素为基本计算单位,计算每一列的像素的灰度数值之和,并将其与所在的列数进行一一统计,得到以列数为横坐标,以每一列上对应的灰度总值为纵坐标的灰度分布波形图,即其中:C[n]表示每一列像素的灰度总值;c[n,i]表示每个像素灰度值;i表示当前像素所处的行数;n表示当前像素所处的列数;l表示图像的总行数;
所述的迭代滤波具体为:依据先验经验及待识别压印序列号字符编排规律设置迭代滤波的迭代次数约束函数;设置滤波算法的滤波邻域范围p以及滤波算子的计算权重ki;然后,对列灰度值分布波形图进行滤波处理,结合分割函数确定字符分割位置,并计算波谷个数vn;以迭代次数约束函数为迭代循环判断标准,对列灰度分布图进行迭代滤波处理。
4.根据权利要求1所述的方法,其特征是,所述的独立的字符图像,通过jTessBoxEditor结合序列号编排规则等先验知识,设置识别白名单,提高识别准确率。
5.一种实现上述任一权利要求所述方法的系统,其特征在于,包括:图像采集单元、图像预处理单元、迭代滤波单元和字符识别分割单元,其中:图像采集单元主要由相机、辅助光源以及相关固定支架构成,负责金属表面压印序列号的原始图像采集工作;图像与处理单元通过数据连接线与图像采集单元连接,对图像进行对比度增强、高斯滤波、灰度化处理等预处理操作;迭代均值滤波单元则是通过迭代滤波的方式,对列灰度值分布图进行平滑滤波,进而依据分割函数确定压印序列号的字符分割位置;字符分割识别单元根据上述步骤中确定的字符分割位置进行分割,结合jTessBoxEditor设置识别白名单,进行字符识别,提高识别准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911230448.1A CN110889415B (zh) | 2019-12-05 | 2019-12-05 | 用于不同反光率表面的压印序列号字符分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911230448.1A CN110889415B (zh) | 2019-12-05 | 2019-12-05 | 用于不同反光率表面的压印序列号字符分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889415A true CN110889415A (zh) | 2020-03-17 |
CN110889415B CN110889415B (zh) | 2023-04-21 |
Family
ID=69750447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911230448.1A Active CN110889415B (zh) | 2019-12-05 | 2019-12-05 | 用于不同反光率表面的压印序列号字符分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889415B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523543A (zh) * | 2024-01-08 | 2024-02-06 | 成都大学 | 一种基于深度学习的金属压印字符识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2645305A2 (en) * | 2012-03-26 | 2013-10-02 | Tata Consultancy Services Limited | A system and method for processing image for identifying alphanumeric characters present in a series |
CN107038445A (zh) * | 2017-02-13 | 2017-08-11 | 上海大学 | 一种针对中文字符验证码的二值化和分割方法 |
US20180157927A1 (en) * | 2015-08-04 | 2018-06-07 | Alibaba Group Holding Limited | Character Segmentation Method, Apparatus and Electronic Device |
CN109034145A (zh) * | 2018-07-06 | 2018-12-18 | 西安电子科技大学 | 基于OpenCV的银行卡号识别方法 |
-
2019
- 2019-12-05 CN CN201911230448.1A patent/CN110889415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2645305A2 (en) * | 2012-03-26 | 2013-10-02 | Tata Consultancy Services Limited | A system and method for processing image for identifying alphanumeric characters present in a series |
US20180157927A1 (en) * | 2015-08-04 | 2018-06-07 | Alibaba Group Holding Limited | Character Segmentation Method, Apparatus and Electronic Device |
CN107038445A (zh) * | 2017-02-13 | 2017-08-11 | 上海大学 | 一种针对中文字符验证码的二值化和分割方法 |
CN109034145A (zh) * | 2018-07-06 | 2018-12-18 | 西安电子科技大学 | 基于OpenCV的银行卡号识别方法 |
Non-Patent Citations (2)
Title |
---|
YE YANG等: "Fabrication of nanoscale to microscale 2.5D square patterns on metallic films by coupling AFM lithography" * |
杨水山等: "Mean shift算法在带钢缺陷图像分割中的应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523543A (zh) * | 2024-01-08 | 2024-02-06 | 成都大学 | 一种基于深度学习的金属压印字符识别方法 |
CN117523543B (zh) * | 2024-01-08 | 2024-03-19 | 成都大学 | 一种基于深度学习的金属压印字符识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110889415B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN109871938B (zh) | 一种基于卷积神经网络的零部件喷码检测方法 | |
CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN115127479A (zh) | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN115330646A (zh) | 一种用于健身器材喷漆工艺的金属构件检查方法 | |
CN110889415A (zh) | 用于不同反光率表面的压印序列号字符分割方法 | |
CN109902529B (zh) | 一种基于波形匹配的一维条码识别方法及系统 | |
CN108205678B (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
CN116630312B (zh) | 一种恒力浮动打磨头打磨质量视觉检测方法 | |
CN109636785A (zh) | 一种识别金刚砂颗粒的视觉处理方法 | |
CN113223074A (zh) | 一种水下激光条纹中心提取方法 | |
Tabatabaei et al. | A novel method for binarization of badly illuminated document images | |
CN110632094B (zh) | 一种基于逐点比对分析的图纹质量检测方法,装置与系统 | |
CN112184619A (zh) | 一种基于深度学习的金属部件表面缺陷检测方法 | |
CN114596235A (zh) | 激光线扫轮胎侧面偏心成像矫正处理方法 | |
CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN111145193A (zh) | 一种自适应全局阈值二值化方法 | |
CN110910442A (zh) | 一种基于kernel-free图像复原的高速移动对象机器视觉尺寸检测方法 | |
Chaudhari et al. | Document image binarization using threshold segmentation | |
CN117911419A (zh) | 中厚板转钢角度增强检测方法及装置、介质、设备 |
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 |