CN111046862A - 一种字符分割方法、装置以及计算机可读存储介质 - Google Patents

一种字符分割方法、装置以及计算机可读存储介质 Download PDF

Info

Publication number
CN111046862A
CN111046862A CN201911233988.5A CN201911233988A CN111046862A CN 111046862 A CN111046862 A CN 111046862A CN 201911233988 A CN201911233988 A CN 201911233988A CN 111046862 A CN111046862 A CN 111046862A
Authority
CN
China
Prior art keywords
character
image
segmentation
edge
gray level
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
Application number
CN201911233988.5A
Other languages
English (en)
Other versions
CN111046862B (zh
Inventor
霍成海
张楠赓
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.)
Canaan Bright Sight Co Ltd
Original Assignee
Canaan Creative Co Ltd
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 Canaan Creative Co Ltd filed Critical Canaan Creative Co Ltd
Priority to CN201911233988.5A priority Critical patent/CN111046862B/zh
Publication of CN111046862A publication Critical patent/CN111046862A/zh
Priority to EP20895306.7A priority patent/EP4071665A4/en
Priority to KR1020227022859A priority patent/KR20220139292A/ko
Priority to US17/782,683 priority patent/US20230009564A1/en
Priority to JP2022533643A priority patent/JP2023505663A/ja
Priority to PCT/CN2020/118675 priority patent/WO2021109697A1/zh
Application granted granted Critical
Publication of CN111046862B publication Critical patent/CN111046862B/zh
Priority to JP2024018589A priority patent/JP2024050880A/ja
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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/23—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on positionally close patterns or neighbourhood relationships
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Landscapes

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

Abstract

本发明提供了一种字符分割方法、装置以及计算机可读存储介质。其中，字符分割方法包括：获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；利用边缘检测算法将灰度图像转换为边缘二值图像；利用投影法从边缘二值图像获取字符框分割块；利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。利用这种方法和装置，能够对质量较低的图像进行字符分割，避免了字符分割过程中难以确定分割限度的问题。

Description

一种字符分割方法、装置以及计算机可读存储介质
技术领域
本发明属于数字图像处理技术领域，具体涉及一种字符分割方法、装置以及计算机可读存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前新型的电子类仪表已经得到广泛的应用，但是在工业环境下依然存在很多老式的数字仪表，因为生产环境，不允许有中断，无法替换成新式的电子仪表。针对上述情况，一个常见的解决方案是通过在老式计量表上安装摄像头以采集图像后再进行远程抄表。其中，字符分割功能作为远程抄表系统的基础与核心，直接决定了系统的好坏。
目前的字符分割方法中，通常会将对计量表的字符区域图像进行二值化处理，然后利用投影的方式得到分割后的字符。其中二值化的方法通常有：1、边缘检测法；2、直方图阈值法；3、聚类技术。
发明人在实现上述方案的过程中，发现以下技术问题：
在实际生产环境中，表盘会存在锈迹、污渍、反光等问题，进而所采集得到如图2所示出的图像。进一步地，在进行字符分割时，若采用上述边缘检测法，若选择宽松的参数设置(可以得到更完整的字符边缘)，会混入较多由污渍或反光等因素产生的伪边缘，而严格的参数设置则很可能丢失目标字符的边缘信息。而若采用另外两种方法则存在比较严重的字符粘连问题。这均会直接影响字符的分割效果，进而影响后续的字符识别精度。
发明内容
针对上述现有技术中难以对质量较差图像执行字符分割这一问题，提出了一种字符分割方法、装置及计算机可读存储介质，利用这种方法和装置，能够解决上述问题。
本发明提供了以下方案。
第一方面，提供了一种字符分割方法，包括：获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；利用边缘检测算法将灰度图像转换为边缘二值图像；利用投影法从边缘二值图像获取字符框分割块；利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
优选地，其中利用边缘检测算法将灰度图像转换为边缘二值图像之前，还包括：对灰度图像进行滤波处理；其中，滤波处理为中值滤波处理和/或高斯滤波处理。
优选地，其中利用边缘检测算法将灰度图像转换为边缘二值图像，包括：利用canny算子对灰度图像进行边缘检测，并根据边缘检测的结果将灰度图像转换为边缘二值图像。
优选地，其中利用canny算子对灰度图像进行边缘检测之前，还包括：检测灰度图像的图像质量特征；由灰度图像的图像质量特征自适应地调整canny算子的参数；其中，图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。
优选地，其中利用投影法从边缘二值图像获取字符框分割块，包括：根据垂直投影法对边缘二值图像执行分割处理，得到与至少一个字符框具有对应关系的至少一个字符框分割块。
优选地，其中利用轮廓检测算法从字符框分割块中确定目标字符区域，包括：利用轮廓检测算法确定字符框分割块中的字符轮廓；由字符框分割块中的字符轮廓的最小外接矩形区域确定目标字符区域。
第二方面，提供了一种字符分割装置，包括：获取模块，用于获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；边缘检测模块，用于利用边缘检测算法将灰度图像转换为边缘二值图像；投影模块，用于利用投影法从边缘二值图像获取字符框分割块；轮廓检测模块，用于利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
优选地，还包括滤波模块，用于：在利用边缘检测算法将灰度图像转换为边缘二值图像之前，对灰度图像进行滤波处理；其中，滤波处理为中值滤波处理和/或高斯滤波处理。
优选地，边缘检测模块还用于：利用canny算子对灰度图像进行边缘检测，并根据边缘检测的结果将灰度图像转换为边缘二值图像。
优选地，边缘检测模块还用于：检测灰度图像的图像质量特征；由灰度图像的图像质量特征自适应地调整canny算子的参数；其中，图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。
优选地，投影模块还用于：根据垂直投影法对边缘二值图像执行分割处理，得到与至少一个字符框具有对应关系的至少一个字符框分割块。
优选地，轮廓检测模块还用于：利用轮廓检测算法确定字符框分割块中的字符轮廓；由字符框分割块中的字符轮廓的最小外接矩形区域确定目标字符区域。
第三方面，还提供了一种智能抄表系统，包括：计量表，计量表的表盘中包括用于显示读数的至少一个字符框；摄像装置，用于拍摄计量表的表盘以获取字符区域图像；字符分割装置，电连接至摄像装置，用于执行权利要求1-7任一项的方法。
第四方面，还提供了一种字符分割装置，包括：一个或者多个多核处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或者多个多核处理器执行时，使得一个或多个多核处理器实现：获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；利用边缘检测算法将灰度图像转换为边缘二值图像；利用投影法从边缘二值图像获取字符框分割块；利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
第五方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有程序，当程序被多核处理器执行时，使得多核处理器执行如上述的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本发明中的字符分割方案通过将边缘检测算法与轮廓检测算法相结合，对字符区域图像进行多次检测，能够对质量较低的图像进行字符分割，避免了字符分割过程中难以确定分割限度的问题。
应当理解，上述说明仅是本发明技术方案的概述，以便能够更清楚地了解本发明的技术手段，从而可依照说明书的内容予以实施。为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举说明本发明的具体实施方式。
附图说明
通过阅读下文的示例性实施例的详细描述，本领域普通技术人员将明白本文所述的优点和益处以及其他优点和益处。附图仅用于示出示例性实施例的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的标号表示相同的部件。在附图中：
图1为根据本发明一实施例的字符分割方法的流程示意图；
图2为本发明实施例中的字符区域图像的示意图；
图3a为本发明实施例中的其中一种边缘二值图像的示意图、图3b为另外一种边缘二值图像的示意图；
图4为本发明实施例中的字符框分割块的示意图；
图5为本发明实施例中的目标字符区域的示意图；
图6为根据本发明一实施例的字符分割装置的结构示意图；
图7为根据本发明另一实施例的字符分割装置的结构示意图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明中，应理解，诸如“包括”或“具有”等术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不旨在排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在的可能性。
另外还需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1为根据本申请一实施例的字符分割方法100的流程示意图，该字符分割方法100用于将计量表的字符区域图像分割为便于执行字符识别的字符图像，在该流程中，从设备角度而言，执行主体可以是一个或者多个电子设备，更具体地可以是与这些设备中的摄像头关联的处理模块；从程序角度而言，执行主体相应地可以是搭载于这些电子设备上的程序。
图1中的流程可以包括以下步骤101～步骤104。
步骤101：获取字符区域图像，并将字符区域图像转换为灰度图像。
其中，字符区域图像包括至少一个字符框；具体地，该字符区域图像可以是计量表的表盘图像，该计量表的表盘上包括多个字符框，该多个字符框的尺寸相同并规则排布，并且每一个字符框可用于展示单个字符以供用户读取数值。可选地，字符框可以形成为矩形、圆形等任意一种规则形状。可选地，该计量表包括但不限于生活中常见的水表、电表、燃气表，比如可以是字轮型水表。进一步地，该字符区域图像可以通过面对着该计量表的表盘而设置的摄像装置而获取，当然该字符区域图像也可以有其它来源，例如来自其它设备，或者也可以是现成的图像，本实施例对此不进行限制。进一步地，所获取的字符区域图像可以是RGB格式，在获取字符区域图像之后，可以通过浮点算法、整数方法、移位方法、平均值法等多种方式确定字符区域图像中各个像素点的灰度值，利用该灰度值代替像素点中红绿蓝三通道的像素值，从而得到灰度图像。
举例来说，参见图2，示出了一个字符区域图像的灰度图像，该字符区域图像中所包含的5个字符“0”、“0”、“1”、“5”、“8”用于指示该计量表的5个字符框中的展示数字。可以看出，由于表面污渍以及拍摄光线等问题，导致该计量表中所显示的字符较为模糊不清，存在难以正确地进行字符分割的问题。
步骤102：利用边缘检测算法将灰度图像转换为边缘二值图像；
具体地，上述利用边缘检测算法的目的在于定位灰度图像中用于展示字符的多个字符框的边界。其中，所谓边缘(edge)是指图像局部强度变化最显著的部分，其主要存在于目标与背景之间，可以由各个像素点的灰度值梯度数据而搜寻得到，由于边界处一般有明显的边缘，利用此特征可以分割图像。对于边缘的检测，经常需要借助边缘检测算子来进行，其中常用的边缘检测算子包括：Roberts算子、Laplace算子、Prewitt算子、Sobel算子、Rosonfeld算子、Kirsch算子以及Canny算子等。进一步地，可以利用上述一种或多种边缘检测算子对灰度图像进行边缘检测以提取边缘像素点，并在检测到边缘像素点之后执行二值化处理。值得注意的是，对于边缘比较复杂以及存在较强噪点的图像，边缘检测面临抗噪性和检测精度之间难以调和的矛盾，若提高检测精度，则噪声产生的伪边缘会导致不合理的轮廓；若提高抗噪性，则会导致轮廓漏检。在本实施例中，该边缘检测的目的在于定位灰度图像中用于展示字符的字符框的位置，因此采用具有高抗噪性的边缘检测参数以避免检测出过多的伪边缘。应理解，相较于字符本身，字符框具有更为平滑连续的边界，因此即使漏检部分边缘仍可以显示其轮廓；并且，对于具有立体效果的字符框(比如，常见的字轮型水表的字符框)来说，由于拍摄时的光影投射作用，该字符框处的像素点通常相较其他像素点具有更高梯度。可选地，为了进一步获取上述具有高抗噪性的边缘检测参数，可以预先设置多个边缘检测参数并执行边缘检测，并选取能够在保持字符框基本轮廓的同时最大限度地降低噪声点的边缘二值图像；可选地，为了获取上述具有高抗噪性的边缘检测参数，还可以预先训练边缘检测参数模型，使能针对不同质量的灰度图像而自适应地调整边缘检测参数以保持具有高抗噪性，例如，当灰度图像的全局对比度较低时会产生大量噪声点，此时可以根据全局对比度而自适应地调整更高抗噪性的边缘检测参数。可选地，还可以利用分水岭算法获得该边缘二值图像。
例如，参见图3(a)与图3(b)，示出了采用不同边缘检测参数对图2所示出的灰度图像进行边缘检测后获得的边缘二值图像。可以看出，图3(a)中的边缘二值图像出现了轮廓漏检，图3(b)中的边缘二值图像则具有较多的伪边缘。本实施例中采用图3(a)所示出的具有更高抗噪性的边缘二值图像，无需考虑最左侧的字符框中的数字、最右侧的字符框的边界出现漏检情况。
步骤103：利用投影法从边缘二值图像获取字符框分割块；
具体地，上述投影法是利用二值化图像的像素点的分布直方图进行分析，从而找出相邻字符框的分界点进行分割，投影法具体包括垂直投影和水平投影。该多个字符框分割块具体由垂直投影图中投影值处于波谷处的投影位置而确定。举例来说，参见图4，可以对图3(a)所示出的边缘二值图像在垂直方向进行投影以得到垂直投影图，由垂直投影图中投影值为0的投影位置而获取从左至右5个字符框分割块。
步骤104：利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
具体地，利用轮廓检测算法的目的在于对每一个字符框分割块内的字符进行轮廓检测以获得轮廓信息，并根据该字符的轮廓信息定位找到更准确的目标字符区域；进一步地可以从字符区域图像中分割出与该目标字符区域对应的字符图像，并可以根据该字符图像执行进一步的字符识别工作。
举例来说，参见图5，示出了从图4中所示出的字符框分割块中获取的目标字符区域，也即该矩形框内部区域。
本发明中，采用边缘检测对灰度图像进行粗分割，得到对应于字符框的粗分割结果，也即字符框分割块，然后对该字符框分割块应用轮廓检测算法以获取更为准确的目标字符区域，通过将边缘检测与轮廓检测相结合，能够对质量较低的图像进行字符分割，避免了字符分割过程中难以确定分割限度的问题。
基于图1的字符分割方法，本申请的一些实施例还提供了该字符分割方法的一些具体实施方案，以及扩展方案，下面进行说明。
在一种实施方式中，在步骤102之前，方法100还可以包括：对灰度图像进行滤波处理；其中，滤波处理为中值滤波处理和/或高斯滤波处理。
具体地，由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响，因此用微分算子检测边缘前要对图像进行平滑滤波。因此本实施例使用高斯滤波器和/或中值滤波器对灰度图像进行卷积，以减少明显的噪声影响、平滑图像。其中高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。中值滤波是一种非线性平滑滤波，其将所处理的图像中每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，中值滤波对脉冲噪声有良好的滤除作用，且在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。
应理解，由于通过本实施例所提供的技术方案，相较于前述实施例，通过对灰度图像进行高斯滤波处理和/或中值滤波处理，可以减小由于计量表上的污渍或反光而带来的噪声影响，进而提高了后续进行边缘检测的准确度。
在一种实施方式中，步骤102还可以包括：利用canny算子对灰度图像进行边缘检测，并根据边缘检测的结果将灰度图像转换为边缘二值图像。
具体地，利用canny算子对灰度图像进行边缘检测可以包括如下步骤：(1)计算图像中每个像素点的梯度强度和方向；(2)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应；(3)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘；(4)通过抑制孤立的弱边缘最终完成边缘检测。其中，双阈值是指canny边缘检测算法提出设定高低两个阈值，高阈值用于将图像中的目标与背景区分开来；而低阈值用于平滑边缘，使不连续的边缘轮廓连接起来。具体地，如果一个像素的梯度大于高阈值，则被认为是边缘像素点，如果小于低阈值，则被认为是非边缘像素点，若该像素点的梯度位于两者之间，则只有当其与边缘像素连接时才认为其是边缘像素点。
进一步地，其中在上述利用canny算子对灰度图像进行边缘检测之前，还可以包括：检测灰度图像的图像质量特征；由灰度图像的图像质量特征自适应地调整canny算子的参数。
其中，图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。具体地，为了解决边缘检测过程中，难以兼顾抗噪性和检测精度这一问题，本实施例中，由灰度图像的图像质量特征而自适应地确定该canny边缘检测算法中的参数，该图像质量特征比如是全局对比度和，该canny边缘检测算法中的参数比如是高阈值和/或低阈值。进一步地，也可以预先训练出阈值模型，进而使得能根据当前进行字符分割的字符区域图像的质量而自适应地调节高阈值和/或低阈值。
举例来说，若检测出灰度图像的全局对比度更低，则推测该灰度图像的清晰度较低，采用更高的高阈值和/或低阈值；若检测出灰度图像的全局对比度更高，则推测该灰度图像的清晰度较高，则采用较低的高阈值和/或低阈值。
应理解，在传统Canny边缘检测算法中，高阈值与低阈值是人为确定的，并且高/低阈值的比例是固定的，这造成canny算子应用的局限性，而本实施例中采用自适应调整高、低阈值的方法，相较于前述实施例，减少了周边大量无用不真实的边界信息，降低了噪声对缺陷边缘识别的影响，对后续提取轮廓起到至关重要的作用。
在一种实施方式中，步骤103还可以包括：根据垂直投影法对边缘二值图像执行分割处理，得到与至少一个字符框具有对应关系的至少一个字符框分割块。
具体地，上述分割处理的目的在于，将上述边缘二值图像中对应于不同字符框的图像区域相互切分开，并将每一个图像区域中的背景区域尽可能多地去除，从而使在步骤104中，能够减少了轮廓检测的计算量。
在一种实施方式中，步骤104还可以包括：利用轮廓检测算法确定字符框分割块中的字符轮廓；由字符框分割块中的字符轮廓的最小外接矩形区域确定目标字符区域。
具体地，针对每一个字符框分割块，其所确定的最小外接区域能够容纳该字符框分割块中的全部字符轮廓。可选地，也可以将灰度图像转换为具有更多边缘信息的二值图像，再从该二值图像中截取与多个字符框分割块的位置相对应的多个优选字符框分割块，然后对该多个优选字符框分割块进行轮廓检测以获取优选目标字符区域。
图6为根据本申请一实施例的字符分割装置60的结构示意图，用于执行图1所示出字符分割方法。
如图6所示，字符分割装置60包括获取模块601，用于：
获取字符区域图像，并将字符区域图像转换为灰度图像。其中，字符区域图像包括至少一个字符框；具体地，该字符区域图像可以是计量表的表盘图像，该计量表的表盘上包括多个字符框，该多个字符框的尺寸相同并规则排布，并且每一个字符框可用于展示单个字符以供用户读取数值。可选地，字符框可以形成为矩形、圆形等任意一种规则形状。可选地，该计量表包括但不限于生活中常见的水表、电表、燃气表，比如可以是字轮型水表。进一步地，该字符区域图像可以通过面对着该计量表的表盘而设置的摄像装置而获取，当然该字符区域图像也可以有其它来源，例如来自其它设备，或者也可以是现成的图像，本实施例对此不进行限制。进一步地，所获取的字符区域图像可以是RGB格式，在获取字符区域图像之后，可以通过浮点算法、整数方法、移位方法、平均值法等多种方式确定字符区域图像中各个像素点的灰度值，利用该灰度值代替像素点中红绿蓝三通道的像素值，从而得到灰度图像。
举例来说，参见图2，示出了一个字符区域图像的灰度图像，该字符区域图像中所包含的5个字符“0”、“0”、“1”、“5”、“8”用于指示该计量表的5个字符框中的展示数字。可以看出，由于表面污渍以及拍摄光线等问题，导致该计量表中所显示的字符较为模糊不清，存在难以正确地进行字符分割的问题。
在一种实施方式中，字符分割装置60还包括边缘检测模块602，用于：
利用边缘检测算法将灰度图像转换为边缘二值图像；具体地，上述利用边缘检测算法的目的在于定位灰度图像中用于展示字符的多个字符框的边界。其中，所谓边缘(edge)是指图像局部强度变化最显著的部分，其主要存在于目标与背景之间，可以由各个像素点的灰度值梯度数据而搜寻得到，由于边界处一般有明显的边缘，利用此特征可以分割图像。对于边缘的检测，经常需要借助边缘检测算子来进行，其中常用的边缘检测算子包括：Roberts算子、Laplace算子、Prewitt算子、Sobel算子、Rosonfeld算子、Kirsch算子以及Canny算子等。进一步地，可以利用上述一种或多种边缘检测算子对灰度图像进行边缘检测以提取边缘像素点，并在检测到边缘像素点之后执行二值化处理。值得注意的是，对于边缘比较复杂以及存在较强噪点的图像，边缘检测面临抗噪性和检测精度之间难以调和的矛盾，若提高检测精度，则噪声产生的伪边缘会导致不合理的轮廓；若提高抗噪性，则会导致轮廓漏检。在本实施例中，该边缘检测的目的在于定位灰度图像中用于展示字符的字符框的位置，因此采用具有高抗噪性的边缘检测参数以避免检测出过多的伪边缘。应理解，相较于字符本身，字符框具有更为平滑连续的边界，因此即使漏检部分边缘仍可以显示其轮廓；并且，对于具有立体效果的字符框(比如，常见的字轮型水表的字符框)来说，由于拍摄时的光影投射作用，该字符框处的像素点通常相较其他像素点具有更高梯度。可选地，为了进一步获取上述具有高抗噪性的边缘检测参数，可以预先设置多个边缘检测参数并执行边缘检测，并选取能够在保持字符框基本轮廓的同时最大限度地降低噪声点的边缘二值图像；可选地，为了获取上述具有高抗噪性的边缘检测参数，还可以预先训练边缘检测参数模型，使能针对不同质量的灰度图像而自适应地调整边缘检测参数以保持具有高抗噪性，例如，当灰度图像的全局对比度较低时会产生大量噪声点，此时可以根据全局对比度而自适应地调整更高抗噪性的边缘检测参数。可选地，还可以利用分水岭算法获得该边缘二值图像。
例如，参见图3(a)与图3(b)，示出了采用不同边缘检测参数对图2所示出的灰度图像进行边缘检测后获得的边缘二值图像。可以看出，图3(a)中的边缘二值图像出现了轮廓漏检，图3(b)中的边缘二值图像则具有较多的伪边缘。本实施例中采用图3(a)所示出的具有更高抗噪性的边缘二值图像，无需考虑最左侧的字符框中的数字、最右侧的字符框的边界出现漏检情况。
在一种实施方式中，字符分割装置60还包括投影模块603，用于：
利用投影法从边缘二值图像获取字符框分割块；具体地，上述投影法是利用二值化图像的像素点的分布直方图进行分析，从而找出相邻字符框的分界点进行分割，投影法具体包括垂直投影和水平投影。该多个字符框分割块具体由垂直投影图中投影值处于波谷处的投影位置而确定。举例来说，参见图4，可以对图3(a)所示出的边缘二值图像在垂直方向进行投影以得到垂直投影图，由垂直投影图中投影值为0的投影位置而获取从左至右5个字符框分割块。
在一种实施方式中，字符分割装置60还包括轮廓检测模块604，用于：
利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。具体地，利用轮廓检测算法的目的在于对每一个字符框分割块内的字符进行轮廓检测以获得轮廓信息，并根据该字符的轮廓信息定位找到更准确的目标字符区域；进一步地可以从字符区域图像中分割出与该目标字符区域对应的字符图像，并可以根据该字符图像执行进一步的字符识别工作。
举例来说，参见图5，示出了从图4中所示出的字符框分割块中获取的目标字符区域，也即该矩形框内部区域。
本发明中，采用边缘检测对灰度图像进行粗分割，得到对应于字符框的粗分割结果，也即字符框分割块，然后对该字符框分割块应用轮廓检测算法以获取更为准确的目标字符区域，通过将边缘检测与轮廓检测相结合，能够对质量较低的图像进行字符分割，避免了字符分割过程中难以确定分割限度的问题。
在一种实施方式中，分割装置60还可以包括滤波模块，用于：
在利用边缘检测算法将灰度图像转换为边缘二值图像之前，对灰度图像进行滤波处理；其中，滤波处理为中值滤波处理和/或高斯滤波处理。具体地，由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响，因此用微分算子检测边缘前要对图像进行平滑滤波。因此本实施例使用高斯滤波器和/或中值滤波器对灰度图像进行卷积，以减少明显的噪声影响、平滑图像。其中高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。中值滤波是一种非线性平滑滤波，其将所处理的图像中每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，中值滤波对脉冲噪声有良好的滤除作用，且在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。
应理解，由于通过本实施例所提供的技术方案，相较于前述实施例，通过对灰度图像进行高斯滤波处理和/或中值滤波处理，可以减小由于计量表上的污渍或反光而带来的噪声影响，进而提高了后续进行边缘检测的准确度。
在一种实施方式中，边缘检测模块602，还可以用于：
利用canny算子对灰度图像进行边缘检测，并根据边缘检测的结果将灰度图像转换为边缘二值图像。具体地，利用canny算子对灰度图像进行边缘检测可以包括如下步骤：(1)计算图像中每个像素点的梯度强度和方向；(2)应用非极大值(Non-MaximumSuppression)抑制，以消除边缘检测带来的杂散响应；(3)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘；(4)通过抑制孤立的弱边缘最终完成边缘检测。其中，双阈值是指canny边缘检测算法提出设定高低两个阈值，高阈值用于将图像中的目标与背景区分开来；而低阈值用于平滑边缘，使不连续的边缘轮廓连接起来。具体地，如果一个像素的梯度大于高阈值，则被认为是边缘像素点，如果小于低阈值，则被认为是非边缘像素点，若该像素点的梯度位于两者之间，则只有当其与边缘像素连接时才认为其是边缘像素点。
在一种实施方式中，其中在上述利用canny边缘检测算法对灰度图像进行边缘检测之前，还可以包括：检测灰度图像的图像质量特征；由灰度图像的图像质量特征自适应地调整canny算子的参数。
其中，图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。具体地，为了解决边缘检测过程中，难以兼顾抗噪性和检测精度这一问题，本实施例中，由灰度图像的图像质量特征而自适应地确定该canny边缘检测算法中的参数，该图像质量特征比如是全局对比度和，该canny边缘检测算法中的参数比如是高阈值和/或低阈值。进一步地，也可以预先训练出阈值模型，进而使得能根据当前进行字符分割的字符区域图像的质量而自适应地调节高阈值和/或低阈值。
举例来说，若检测出灰度图像的全局对比度更低，则推测该灰度图像的清晰度较低，采用更高的高阈值和/或低阈值；若检测出灰度图像的全局对比度更高，则推测该灰度图像的清晰度较高，则采用较低的高阈值和/或低阈值。
应理解，在传统Canny边缘检测算法中，高阈值与低阈值是人为确定的，并且高/低阈值的比例是固定的，这造成canny算子应用的局限性，而本实施例中采用自适应调整高、低阈值的方法，相较于前述实施例，减少了周边大量无用不真实的边界信息，降低了噪声对缺陷边缘识别的影响，对后续提取轮廓起到至关重要的作用。
在一种实施方式中，投影模块603还可以用于：
根据垂直投影法对边缘二值图像执行分割处理，得到与至少一个字符框具有对应关系的至少一个字符框分割块。具体地，上述分割处理的目的在于，将上述边缘二值图像中对应于不同字符框的图像区域相互切分开，并将每一个图像区域中的背景区域尽可能多地去除，从而使在步骤104中，能够减少了轮廓检测的计算量。
在一种实施方式中，轮廓检测模块604还可以用于：
利用轮廓检测算法确定字符框分割块中的字符轮廓；由字符框分割块中的字符轮廓的最小外接矩形区域确定目标字符区域。具体地，针对每一个字符框分割块，其所确定的最小外接区域能够容纳该字符框分割块中的全部字符轮廓。可选地，也可以将灰度图像转换为具有更多边缘信息的二值图像，再从该二值图像中截取与多个字符框分割块的位置相对应的多个优选字符框分割块，然后对该多个优选字符框分割块进行轮廓检测以获取优选目标字符区域。
图7为根据本申请一实施例的字符分割装置，用于执行图1所示出的字符分割方法，该装置包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行：
获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；利用边缘检测算法将灰度图像转换为边缘二值图像；利用投影法从边缘二值图像获取字符框分割块；利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
根据本申请的一些实施例，提供了字符分割方法的非易失性计算机存储介质，其上存储有计算机可执行指令，该计算机可执行指令设置为在由处理器运行时执行：
获取字符区域图像，并将字符区域图像转换为灰度图像，其中字符区域图像包括至少一个字符框；利用边缘检测算法将灰度图像转换为边缘二值图像；利用投影法从边缘二值图像获取字符框分割块；利用轮廓检测算法从字符框分割块中确定目标字符区域，并根据目标字符区域对字符区域图像进行字符分割。
根据本申请的一些实施例，提供了一种智能抄表系统，包括：计量表，计量表的表盘中包括用于显示读数的至少一个字符框；摄像装置，用于拍摄该计量表的表盘以获取字符区域图像；字符分割装置，电连接至摄像装置，用于执行图1所示出的字符分割方法。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备和计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以其描述进行了简化，相关之处可参见方法实施例的部分说明即可。
本申请实施例提供的装置、设备和计算机可读存储介质与方法是一一对应的，因此，装置、设备和计算机可读存储介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述装置、设备和计算机可读存储介质的有益技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (14)

1.一种字符分割方法，其特征在于，包括：
获取字符区域图像，并将所述字符区域图像转换为灰度图像，其中所述字符区域图像包括至少一个字符框；
利用边缘检测算法将所述灰度图像转换为边缘二值图像；
利用投影法从所述边缘二值图像获取字符框分割块；
利用轮廓检测算法从所述字符框分割块中确定目标字符区域，并根据所述目标字符区域对所述字符区域图像进行字符分割。
2.如权利要求1所述的字符分割方法，其中利用边缘检测算法将所述灰度图像转换为边缘二值图像之前，还包括：
对所述灰度图像进行滤波处理；
其中，所述滤波处理为中值滤波处理和/或高斯滤波处理。
3.如权利要求1所述的字符分割方法，其中利用边缘检测算法将所述灰度图像转换为边缘二值图像，包括：
利用canny算子对所述灰度图像进行边缘检测，并根据所述边缘检测的结果将所述灰度图像转换为所述边缘二值图像。
4.如权利要求3所述的字符分割方法，其中利用canny算子对所述灰度图像进行边缘检测之前，还包括：
检测所述灰度图像的图像质量特征；
由所述灰度图像的图像质量特征自适应地调整所述canny算子的参数；
其中，所述图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。
5.如权利要求1所述的字符分割方法，其中利用投影法从所述边缘二值图像获取字符框分割块，包括：
根据垂直投影法对所述边缘二值图像执行分割处理，得到与所述至少一个字符框具有对应关系的至少一个所述字符框分割块。
6.如权利要求1所述的字符分割方法，其中利用轮廓检测算法从所述字符框分割块中确定目标字符区域，包括：
利用轮廓检测算法确定所述字符框分割块中的字符轮廓；
由所述字符框分割块中的所述字符轮廓的最小外接矩形区域确定所述目标字符区域。
7.一种字符分割装置，其特征在于，包括：
获取模块，用于获取字符区域图像，并将所述字符区域图像转换为灰度图像，其中所述字符区域图像包括至少一个字符框；
边缘检测模块，用于利用边缘检测算法将所述灰度图像转换为边缘二值图像；
投影模块，用于利用投影法从所述边缘二值图像获取字符框分割块；
轮廓检测模块，用于利用轮廓检测算法从所述字符框分割块中确定目标字符区域，并根据所述目标字符区域对所述字符区域图像进行字符分割。
8.如权利要求7所述的字符分割装置，其特征在于，还包括滤波模块，用于：
在利用边缘检测算法将所述灰度图像转换为边缘二值图像之前，对所述灰度图像进行滤波处理；
其中，所述滤波处理为中值滤波处理和/或高斯滤波处理。
9.如权利要求7所述的字符分割装置，其特征在于，所述边缘检测模块还用于：
利用canny算子对所述灰度图像进行边缘检测，并根据所述边缘检测的结果将所述灰度图像转换为所述边缘二值图像。
10.如权利要求9所述的字符分割装置，所述边缘检测模块还用于：
检测所述灰度图像的图像质量特征；
由所述灰度图像的图像质量特征自适应地调整所述canny算子的参数；
其中，所述图像质量特征包括：全局对比度、全局灰度均值中的一种或多种。
11.如权利要求7所述的字符分割装置，其特征在于，所述投影模块还用于：
根据垂直投影法对所述边缘二值图像执行分割处理，得到与所述至少一个字符框具有对应关系的至少一个所述字符框分割块。
12.如权利要求7所述的字符分割装置，其特征在于，所述轮廓检测模块还用于：
利用轮廓检测算法确定所述字符框分割块中的字符轮廓；
由所述字符框分割块中的所述字符轮廓的最小外接矩形区域确定所述目标字符区域。
13.一种字符分割装置，其特征在于，包括：
一个或者多个多核处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或者多个多核处理器执行时，使得所述一个或多个多核处理器实现：
获取字符区域图像，并将所述字符区域图像转换为灰度图像，其中所述字符区域图像包括至少一个字符框；
利用边缘检测算法将所述灰度图像转换为边缘二值图像；
利用投影法从所述边缘二值图像获取字符框分割块；
利用轮廓检测算法从所述字符框分割块中确定目标字符区域，并根据所述目标字符区域对所述字符区域图像进行字符分割。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被多核处理器执行时，使得所述多核处理器执行如权利要求1-7中任一项所述的方法。
CN201911233988.5A 2019-12-05 2019-12-05 一种字符分割方法、装置以及计算机可读存储介质 Active CN111046862B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201911233988.5A CN111046862B (zh) 2019-12-05 2019-12-05 一种字符分割方法、装置以及计算机可读存储介质
EP20895306.7A EP4071665A4 (en) 2019-12-05 2020-09-29 CHARACTER SEGMENTATION METHOD AND APPARATUS, AND COMPUTER-READABLE STORAGE MEDIUM
KR1020227022859A KR20220139292A (ko) 2019-12-05 2020-09-29 문자 분할 방법, 장치 및 컴퓨터 판독 가능 저장 매체
US17/782,683 US20230009564A1 (en) 2019-12-05 2020-09-29 Character segmentation method and apparatus, and computer-readable storage medium
JP2022533643A JP2023505663A (ja) 2019-12-05 2020-09-29 文字分割方法、装置、および、コンピュータ可読記憶媒体
PCT/CN2020/118675 WO2021109697A1 (zh) 2019-12-05 2020-09-29 字符分割方法、装置以及计算机可读存储介质
JP2024018589A JP2024050880A (ja) 2019-12-05 2024-02-09 文字分割方法、装置、および、コンピュータ可読記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911233988.5A CN111046862B (zh) 2019-12-05 2019-12-05 一种字符分割方法、装置以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111046862A true CN111046862A (zh) 2020-04-21
CN111046862B CN111046862B (zh) 2023-10-27

Family

ID=70234737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911233988.5A Active CN111046862B (zh) 2019-12-05 2019-12-05 一种字符分割方法、装置以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111046862B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862128A (zh) * 2020-06-12 2020-10-30 广州市申迪计算机系统有限公司 一种图像分割方法及装置
WO2021109697A1 (zh) * 2019-12-05 2021-06-10 嘉楠明芯(北京)科技有限公司 字符分割方法、装置以及计算机可读存储介质
CN113487538A (zh) * 2021-06-08 2021-10-08 维库（厦门）信息技术有限公司 一种多目标分割缺陷检测方法、装置及其计算机存储介质
CN113642847A (zh) * 2021-07-15 2021-11-12 中国农业大学 对虾质量的估算方法和装置
CN111046862B (zh) * 2019-12-05 2023-10-27 嘉楠明芯(北京)科技有限公司 一种字符分割方法、装置以及计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789080A (zh) * 2010-01-21 2010-07-28 上海交通大学 车辆车牌实时定位字符分割的检测方法
CN102426649A (zh) * 2011-10-13 2012-04-25 石家庄开发区冀科双实科技有限公司 一种简单的高准确率的钢印数字自动识别方法
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
CN104361336A (zh) * 2014-11-26 2015-02-18 河海大学 一种水下视频图像的文字识别方法
CN104657726A (zh) * 2015-03-18 2015-05-27 哈尔滨工程大学 一种铁路油罐车车辆编号的识别方法
CN108805116A (zh) * 2018-05-18 2018-11-13 浙江蓝鸽科技有限公司 图像文本检测方法及其系统
CN109447036A (zh) * 2018-11-16 2019-03-08 齐鲁工业大学 一种图像数字分割与识别方法及系统
CN109543688A (zh) * 2018-11-14 2019-03-29 北京邮电大学 一种新型的基于多层卷积神经网络的水表读数检测与识别的方法
CN109598271A (zh) * 2018-12-10 2019-04-09 北京奇艺世纪科技有限公司 一种字符分割方法及装置
CN110210477A (zh) * 2019-05-24 2019-09-06 四川阿泰因机器人智能装备有限公司 一种数字式仪表读数识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046862B (zh) * 2019-12-05 2023-10-27 嘉楠明芯(北京)科技有限公司 一种字符分割方法、装置以及计算机可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789080A (zh) * 2010-01-21 2010-07-28 上海交通大学 车辆车牌实时定位字符分割的检测方法
CN102426649A (zh) * 2011-10-13 2012-04-25 石家庄开发区冀科双实科技有限公司 一种简单的高准确率的钢印数字自动识别方法
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
CN104361336A (zh) * 2014-11-26 2015-02-18 河海大学 一种水下视频图像的文字识别方法
CN104657726A (zh) * 2015-03-18 2015-05-27 哈尔滨工程大学 一种铁路油罐车车辆编号的识别方法
CN108805116A (zh) * 2018-05-18 2018-11-13 浙江蓝鸽科技有限公司 图像文本检测方法及其系统
CN109543688A (zh) * 2018-11-14 2019-03-29 北京邮电大学 一种新型的基于多层卷积神经网络的水表读数检测与识别的方法
CN109447036A (zh) * 2018-11-16 2019-03-08 齐鲁工业大学 一种图像数字分割与识别方法及系统
CN109598271A (zh) * 2018-12-10 2019-04-09 北京奇艺世纪科技有限公司 一种字符分割方法及装置
CN110210477A (zh) * 2019-05-24 2019-09-06 四川阿泰因机器人智能装备有限公司 一种数字式仪表读数识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
侯守明;王阳;唐琪博;张玉珍;: "一种基于偏微分方程和Canny算子的图像分割方法", no. 04 *
林阳;郭丙轩;肖雄武;牛科科;赵欣;李大军;: "利用多种投票策略的水表读数字符分割与识别", no. 10 *
王舒憬;陈凯;: "基于图像处理的智能电表显示缺陷自动检测系统设计", no. 04 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021109697A1 (zh) * 2019-12-05 2021-06-10 嘉楠明芯(北京)科技有限公司 字符分割方法、装置以及计算机可读存储介质
CN111046862B (zh) * 2019-12-05 2023-10-27 嘉楠明芯(北京)科技有限公司 一种字符分割方法、装置以及计算机可读存储介质
CN111862128A (zh) * 2020-06-12 2020-10-30 广州市申迪计算机系统有限公司 一种图像分割方法及装置
CN111862128B (zh) * 2020-06-12 2024-04-16 广州市申迪计算机系统有限公司 一种图像分割方法及装置
CN113487538A (zh) * 2021-06-08 2021-10-08 维库（厦门）信息技术有限公司 一种多目标分割缺陷检测方法、装置及其计算机存储介质
CN113487538B (zh) * 2021-06-08 2024-03-22 维库（厦门）信息技术有限公司 一种多目标分割缺陷检测方法、装置及其计算机存储介质
CN113642847A (zh) * 2021-07-15 2021-11-12 中国农业大学 对虾质量的估算方法和装置
CN113642847B (zh) * 2021-07-15 2023-08-04 中国农业大学 对虾质量的估算方法和装置

Also Published As

Publication number Publication date
CN111046862B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN111046862B (zh) 一种字符分割方法、装置以及计算机可读存储介质
CN111027546B (zh) 一种字符分割方法、装置以及计算机可读存储介质
US20230009564A1 (en) Character segmentation method and apparatus, and computer-readable storage medium
CN109507192B (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN108830873B (zh) 深度图像物体边缘提取方法、装置、介质及计算机设备
CN110288566B (zh) 一种目标缺陷提取方法
CN112330598B (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
CN113610772B (zh) 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质
CN110070523B (zh) 一种用于瓶底的异物检测方法
CN111598801B (zh) 一种用于微弱Mura缺陷的识别方法
CN114519714B (zh) 一种显示屏脏污缺陷判定的方法和系统
CN115619775B (zh) 基于图像识别的物料计数方法及装置
CN109509166B (zh) 印刷电路板图像检测方法和装置
CN117011250A (zh) 缺陷检测方法、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
CN109060830B (zh) 显示屏的杂质的检测方法和装置
CN111179182B (zh) 图像的处理方法及装置、存储介质及处理器
CN100353381C (zh) 图像检查设备和方法
CN109211919B (zh) 磁瓦崩缺区域的识别方法及装置
CN113112432A (zh) 自动识别图像条带的方法
CN112991251B (zh) 一种表面缺陷检测的方法、装置及设备
CN113378847A (zh) 字符分割方法、系统、计算机设备和存储介质
CN110782405B (zh) 一种基于梯度辨识的点目标和暗斑图像背景均衡方法
CN112329572B (zh) 一种基于边框和闪光点的快速静态活体检测方法及装置
CN117351011B (zh) 屏幕缺陷检测方法、设备和可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20201202

Address after: Room 206, 2 / F, building C, phase I, Zhongguancun Software Park, No. 8, Dongbei Wangxi Road, Haidian District, Beijing 100094

Applicant after: Canaan Bright Sight Co.,Ltd.

Address before: 100094 Zhongguancun Software Park Phase I Building C Block 101, 8 Wangxi Road, Haidian District, Beijing

Applicant before: Canaan Creative Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant