CN111079735A - 一种铸坯端面字符识别方法及装置 - Google Patents
一种铸坯端面字符识别方法及装置 Download PDFInfo
- Publication number
- CN111079735A CN111079735A CN201811228527.4A CN201811228527A CN111079735A CN 111079735 A CN111079735 A CN 111079735A CN 201811228527 A CN201811228527 A CN 201811228527A CN 111079735 A CN111079735 A CN 111079735A
- Authority
- CN
- China
- Prior art keywords
- character
- picture
- template
- area
- pixels
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005266 casting Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 abstract description 3
- 229910000831 Steel Inorganic materials 0.000 description 12
- 239000010959 steel Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 229910052742 iron Inorganic materials 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000009749 continuous casting Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
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
本申请提供一种铸坯端面字符识别方法及装置,其中,所述方法包括:首先获取字符区域,确定字符区域的上边界和下边界,然后查找各个字符的左边界和右边界,从而确定各个单字符区域,即使目标图片中的字符出现缺失,在利用本申请提供的方法确定单字符区域时,仍然能够将因缺失造成的不连通的字符的左边界和右边界查找出来,保证了字符区域中包含的单字符区域分割数量的准确性,则不会出现现有技术中,将连通的区域作为一个字符进行识别,使得识别结果容易出现误差的问题。进一步地,本申请提供的方法中,利用模板库中的单字符模板与单字符区域相匹配,进行字符的识别,提高了字符识别的准确度。
Description
技术领域
本申请涉及轧线二级控制技术领域,具体涉及一种铸坯端面字符识别方法及装置。
背景技术
连铸是一种将精炼后的钢水连续铸造成钢坯的生产工序,该生产工序铸造的钢坯被称为铸坯。在连铸工段中,钢水在结晶器中从液态钢变为固态钢,然后对固态钢进行冷却,以降低固态钢的温度,再通过切割机,将降温后的固态钢切割成铸坯。另外,在连铸完成之后,铸坯被行车吊运至加热炉,并在通过加热炉的加热之后,铸坯再进入轧机,被轧机轧制成各种钢板。
为了跟踪各个铸坯的轧制状况,在将固态钢切割成铸坯之后,需要在铸坯端面喷涂铸坯的标识,该标识通常由多位数字字符组成。这种情况下,铸坯在进入加热炉之前,需要对铸坯端面的字符进行识别。现有铸坯端面字符识别方法包括:对铸坯进行拍照,获得包含字符的图片;将所述图片中连通的区域作为一个字符;利用字符库识别所述字符。
但是,发明人在本申请的研究过程中发现,在对固态钢进行冷却的过程中,固态钢表面的铁皮通常会发生氧化,氧化铁皮在固态钢移动的过程中逐渐脱落,并在形成铸坯之后,铸坯端面仍残留部分氧化铁皮,也就是说,铸坯从连铸到加热炉的过程中,仍有氧化铁皮不断脱落,可能导致铸坯端面的字符部分缺失,而现有字符识别方法中,将连通的区域作为一个字符进行识别,若字符部分缺失导致一个连通的字符被分割成两部分,则现有字符识别方法将一个字符识别为两个字符,从而导致识别结果出现误差。
发明内容
本申请提供一种恶劣环境下的铸坯端面字符识别方法及装置,以解决现有技术中,将连通的区域作为一个字符进行识别,使得识别结果容易出现误差的问题。
本申请的第一方面,提供一种铸坯端面字符识别方法,包括:
在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片;
利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转;
获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片;
确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界;
在所述字符区域内,查找各个字符的左边界和右边界;
确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域;
将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;
若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
可选的,在所述字符区域内,查找各个字符的左边界和右边界,包括:
步骤201,从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界;
步骤202,以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界;
步骤203,去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行步骤201的操作,直至所述新的字符区域不包含黑色像素的像素点。
可选的,在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片之后,还包括:
对所述字符图片进行灰度化处理;
根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理;
采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
可选的,在将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较之前,还包括:
利用多个已知字符的单字符区域,训练获得多个单字符模板;
将各个所述单字符模板存储至模板库。
可选的,利用多个已知字符的单字符区域,训练获得多个单字符模板,包括:
获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素;
建立所述单字符区域中包含的像素与所述已知字符之间的对应关系;
将所述对应关系作为单字符模板。
本申请的第二方面,提供一种铸坯端面字符识别装置,包括:
第一获取模块,用于在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片;
倾斜矫正模块,用于利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转;
第二获取模块,用于获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片;
第一确定模块,用于确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界;
查找模块,用于在所述字符区域内,查找各个字符的左边界和右边界;
第二确定模块,用于确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域;
比较模块,用于将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;
第三确定模块,用于若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
可选的,所述查找模块包括:
左边界确定单元,用于从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界;
右边界确定单元,用于以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界;
循环单元,用于去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行左边界确定单元的操作,直至所述新的字符区域不包含黑色像素的像素点。
可选的,所述装置还包括:
灰度化处理模块,用于在所述第一获取模块获取所述字符图片之后,对所述字符图片进行灰度化处理;
二值化处理模块,用于根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理;
降噪处理模块,用于采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
可选的,所述装置还包括:
训练模块,用于在所述比较模块进行比较之前,利用多个已知字符的单字符区域,训练获得多个单字符模板;
存储模块,用于将各个所述单字符模板存储至模板库。
可选的,所述训练模块包括:
获取单元,用于获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素;
对应关系建立单元,用于建立所述单字符区域中包含的像素与所述已知字符之间的对应关系;
单字符模板确定单元,用于将所述对应关系作为单字符模板。
本申请提供一种铸坯端面字符识别方法及装置,其中,所述方法包括:首先获取字符区域,确定字符区域的上边界和下边界,然后查找各个字符的左边界和右边界,从而确定各个单字符区域,即使目标图片中的字符出现缺失,在利用本申请提供的方法确定单字符区域时,仍然能够将因缺失造成的不连通的字符的左边界和右边界查找出来,保证了字符区域中包含的单字符区域分割数量的准确性,则不会出现现有技术中,将连通的区域作为一个字符进行识别,使得识别结果容易出现误差的问题。
进一步地,将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述单字符区域对应的字符为所述目标单字符模板对应的字符。本申请提供的方法中,利用模板库中的单字符模板与单字符区域相匹配,进行字符的识别,提高了字符识别的准确度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种铸坯端面字符识别方法的工作流程示意图;
图2为本申请实施例提供的一种铸坯端面字符识别方法中,查找各个字符的左边界和右边界的工作流程示意图;
图3为本申请实施例提供的又一种铸坯端面字符识别方法的工作流程示意图;
图4为本申请实施例提供的一种铸坯端面字符识别方法中,建立模板库的工作流程示意图;
图5为本申请实施例提供的一种铸坯端面字符识别方法中,训练单字符模板的工作流程示意图;
图6为本申请实施例提供的一种铸坯端面字符识别装置的结构示意图。
具体实施方式
为解决现有技术中,将连通的区域作为一个字符进行识别,使得识别结果容易出现误差的问题,本申请提供一种铸坯端面字符识别方法及装置。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于本申请工作状态下的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”和“第四”仅用于描述目的,而不能理解为指示或暗示相对重要性。
参照图1所示的工作流程示意图,本申请实施例提供一种铸坯端面字符识别方法,包括以下步骤:
步骤101,在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片。
步骤102,利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转。
由于拍照的时候不可能绝对的水平,也就是说,通过拍照得到的字符图片中的字符通常与水平位置存在一个倾角,因此,需要通过程序将字符图片做旋转处理,将字符图片中的字符旋转到水平位置,以上利用旋转字符图片,使得字符处于水平位置的过程通常被称为倾斜矫正。该步骤中,利用霍夫变换进行倾斜矫正,霍夫变换的原理是将字符图片进行膨胀处理,将膨胀处理后的字符图片中断续的像素点连成一条直线,然后检测识别出的直线,具体为:检测字符图片中以各个字符的上端边界或者下端边界对应的直线,计算出直线的角度后就再利用旋转算法,将倾斜的字符图片矫正到水平位置。
步骤103,获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片。
步骤104,确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界。
通常情况下,目标图片中除字符区域外,还包含空白区域,空白区域的像素点为白色,字符区域中的字符所在位置的像素点为黑色,由于步骤102中,已经对字符图片进行倾斜矫正,因此,目标图片中各个字符处于水平位置,在此前提下,从上至下扫描时遇到第一个黑色像素点即为字符区域的上边界,同理,从下至上扫描时遇到的第一个黑色像素点为下边界。
步骤105,在所述字符区域内,查找各个字符的左边界和右边界。
通过步骤104得到的字符区域内,仍然存在空白区域,主要包括:最左边的字符和目标图片左边缘之间的空白区域,最右边的字符和目标图片右边缘之间的空白区域,以及各个字符之间的间隔导致的空白区域。因此,步骤105中,需要进一步查找各个字符的左边界和右边界,以确定各个字符所在的区域。
步骤106,确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域。
步骤107,将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较。
该步骤中,各个单字符区域确定后,能够确定各个单字符区域中各个像素点的像素,各个像素点分别对应固定的位置,比较时,将单字符区域中的像素点与单字符模板中相应位置的像素点的像素进行比较。
步骤108,若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
由于在生产线的复杂环境下,厂房光照、粉尘、高温、铸坯端面的平整度以及光滑度等,可能导致字符的粗细不均、缺损或者断裂等缺陷,导致单字符区域中各个像素点的像素不能与单字符模板中各个像素点的像素百分之百匹配,因此,预先设定第一阈值,若匹配程度大于第一阈值,则认为单字符区域与单字符模板中的字符相匹配;若匹配程度不大于第一阈值,则认为单字符区域与单字符模板中的字符不匹配,然后,将该单字符模板从模板库中清除,获得新的模板库,重新执行步骤107的操作,直至查找到与单字符区域相匹配的单字符模板。若模板库中所有的单字符模板均不能与单字符区域相匹配,则利用人工的方式识别该单字符区域中的字符,并将所述单字符区域对应的各个像素点的像素作为单字符模板添加至模板库中。
步骤101至步骤108提供的方法中,提供一种铸坯端面字符识别方法,所述方法包括:首先获取字符区域,确定字符区域的上边界和下边界,然后查找各个字符的左边界和右边界,从而确定各个单字符区域,即使目标图片中的字符出现缺失,在利用本申请提供的方法确定单字符区域时,仍然能够将因缺失造成的不连通的字符的左边界和右边界查找出来,保证了字符区域中包含的单字符区域分割数量的准确性,则不会出现现有技术中,将连通的区域作为一个字符进行识别,使得识别结果容易出现误差的问题。
进一步地,将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述单字符区域对应的字符为所述目标单字符模板对应的字符。本申请提供的方法中,利用模板库中的单字符模板与单字符区域相匹配,进行字符的识别,提高了字符识别的准确度。
参照图2所示的工作流程示意图,在所述字符区域内,查找各个字符的左边界和右边界,包括以下步骤:
步骤201,从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界。
步骤202,以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界。
步骤203,去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行步骤201的操作,直至所述新的字符区域不包含黑色像素的像素点。
本申请实施例中,确定各个单字符的左边界和右边界之后,即可确定各个单字符区域。
参照图3所示的工作流程示意图,本申请实施例提供有一种铸坯端面字符识别方法,包括以下步骤:
步骤301,在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片。
步骤302,对所述字符图片进行灰度化处理。
灰度化(grayprocessing),在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度化处理后的字符图片中每个像素点只需一个字节存放灰度值(又称强度值或亮度值),灰度值范围为0-255。一般有分量法、最大值法、平均值法和加权平均法四种方法对字符图片进行灰度化。
步骤303,根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理。
通常情况下,一副图片中除包括目标物体和背景外,还包括噪声,本申请实施例所述的字符图片中,目标物体即为字符图片中各个字符,要想从多值的字符图片中直接提取出字符,最常用的方法就是设定一个阈值T,用阈值T将灰度化处理后的字符图片中的像素点分成两部分:大于阈值T的像素点和小于阈值T的像素点,将大于阈值T的像素点设定为灰度极大值,将小于阈值T的像素点设定为极小值,使得二值化处理后的字符图片中只有纯白和纯黑两种颜色,不包含灰色,这种图片处理的方法被称为二值化(binaryzation),二值化是研究灰度化处理后的字符图片中最特殊的方法。在二值化中,最重要的就是阈值T的选取,可分为固定阈值和自适应阈值。
步骤304,采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
现场拍摄的字符图片受粉尘或高温等环境影响,通常包含有噪声。减少字符图片中噪声的过程称为图像降噪(ImageDenoising)。字符图片中的噪声除受环境影响外,在字符图片的传输或压缩等过程也会增加字符图片中的噪声。噪声的种类各不相同,比如椒盐噪声,高斯噪声等,针对不同的噪声有不同的处理算法。
本申请所述的二值化后处理后的字符图片中包含很多零星的小黑点,这些小黑点就是二值化后处理后的字符图片中的噪声,这些噪声会极大干扰到字符识别,因此,需要对二值化后处理后的字符图片进行降噪。本方法采用中值滤波算法对所述二值化后处理后的字符图片进行降噪。
步骤305,利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转。
步骤306,获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片。
步骤307,确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界。
步骤308,在所述字符区域内,查找各个字符的左边界和右边界。
步骤309,确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域。
步骤310,将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较。
步骤311,若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
其中,步骤301的具体操作过程与步骤101的具体操作过程相同,步骤305至步骤311的具体操作过程与步骤102至步骤108的具体操作过程相同,可相互参照,此处不再赘述。
参照图4所示的工作流程示意图,在将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较之前,还包括以下步骤:
步骤401,利用多个已知字符的单字符区域,训练获得多个单字符模板。
步骤402,将各个所述单字符模板存储至模板库。
本申请实施例中,每个字符对应多个单字符模板,在模板库中,可将每个字符对应的单字符模板单独存放。将单字符区域与单字符模板进行比较时,可对单字符区域对应的字符进行预判,若根据单字符区域包含的特征,能够确定单字符区域不符合字符X的特征,则在利用模板库进行字符识别时,可先将字符X对应的单字符模板从模板库中去除,减少了模板库中需要与单字符区域进行比较的单字符模板,从而提高识别速度。
参照图5所示的工作流程示意图,利用多个已知字符的单字符区域,训练获得多个单字符模板,包括以下步骤:
步骤501,获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素。
步骤502,建立所述单字符区域中包含的像素与所述已知字符之间的对应关系。
步骤503,将所述对应关系作为单字符模板。
本申请实施例中,将单字符区域与单字符模板进行比较时,先将单字符区域中各个像素点的像素与单字符模板中各个像素点的像素进行对比,并计算匹配程度,若匹配程度大于第一阈值,则确定所述单字符区域对应的字符为所述单字符模板对应的字符。然后利用单字符模板与已知字符的对应关系,确定单字符模板对应的字符,从而确定单字符区域对应的字符。
参照图6所示的结构示意图,本申请实施例提供一种铸坯端面字符识别装置,包括:
第一获取模块100,用于在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片;
倾斜矫正模块200,用于利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转;
第二获取模块300,用于获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片;
第一确定模块400,用于确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界;
查找模块500,用于在所述字符区域内,查找各个字符的左边界和右边界;
第二确定模块600,用于确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域;
比较模块700,用于将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;
第三确定模块800,用于若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
可选的,所述查找模块包括:
左边界确定单元,用于从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界;
右边界确定单元,用于以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界;
循环单元,用于去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行左边界确定单元的操作,直至所述新的字符区域不包含黑色像素的像素点。
可选的,所述装置还包括:
灰度化处理模块,用于在所述第一获取模块获取所述字符图片之后,对所述字符图片进行灰度化处理;
二值化处理模块,用于根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理;
降噪处理模块,用于采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
可选的,所述装置还包括:
训练模块,用于在所述比较模块进行比较之前,利用多个已知字符的单字符区域,训练获得多个单字符模板;
存储模块,用于将各个所述单字符模板存储至模板库。
可选的,所述训练模块包括:
获取单元,用于获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素;
对应关系建立单元,用于建立所述单字符区域中包含的像素与所述已知字符之间的对应关系;
单字符模板确定单元,用于将所述对应关系作为单字符模板。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (10)
1.一种铸坯端面字符识别方法,其特征在于,包括:
在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片;
利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转;
获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片;
确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界;
在所述字符区域内,查找各个字符的左边界和右边界;
确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域;
将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;
若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
2.根据权利要求1所述的方法,其特征在于,在所述字符区域内,查找各个字符的左边界和右边界,包括:
步骤201,从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界;
步骤202,以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界;
步骤203,去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行步骤201的操作,直至所述新的字符区域不包含黑色像素的像素点。
3.根据权利要求1所述的方法,其特征在于,在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片之后,还包括:
对所述字符图片进行灰度化处理;
根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理;
采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
4.根据权利要求1所述的方法,其特征在于,在将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较之前,还包括:
利用多个已知字符的单字符区域,训练获得多个单字符模板;
将各个所述单字符模板存储至模板库。
5.根据权利要求4所述的方法,其特征在于,利用多个已知字符的单字符区域,训练获得多个单字符模板,包括:
获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素;
建立所述单字符区域中包含的像素与所述已知字符之间的对应关系;
将所述对应关系作为单字符模板。
6.一种铸坯端面字符识别装置,其特征在于,包括:
第一获取模块,用于在铸坯进入加热炉之前,获取对所述铸坯端面上的字符进行拍照所得的字符图片;
倾斜矫正模块,用于利用霍夫变换获取所述字符图片中的直线,将所述直线旋转至水平位置,并将所述字符图片中各个像素点跟随所述直线旋转;
第二获取模块,用于获取目标图片中各个像素点的像素,其中,所述目标图片为旋转后的字符图片;
第一确定模块,用于确定所述目标图片中的字符区域,所述字符区域以从上至下扫描遇到的第一个黑色像素所在行为上边界,以从下至上扫描遇到的第一个黑色像素所在行为下边界;
查找模块,用于在所述字符区域内,查找各个字符的左边界和右边界;
第二确定模块,用于确定各个所述字符所在的区域,将各个所述字符所在的区域作为单字符区域;
比较模块,用于将所述单字符区域的各个像素点的像素与模板库中任意一个单字符模板的各个像素点的像素相比较;
第三确定模块,用于若所述单字符模板的各个像素点的像素与所述单字符区域的各个像素点的像素的匹配程度大于第一阈值,确定所述单字符模板为目标单字符模板,并确定所述目标单字符模板对应的字符为所述单字符区域对应的字符。
7.根据权利要求6所述的装置,其特征在于,所述查找模块包括:
左边界确定单元,用于从左至右扫描所述字符区域内各列像素点,将第一列包含有黑色像素的像素点所在列作为第一单字符的左边界;
右边界确定单元,用于以所述第一单字符的左边界为起始列从左至右扫描各列像素点,将第一列不包含黑色像素的像素点所在列作为所述第一单字符的右边界;
循环单元,用于去除所述第一单字符的右边界以左的像素点,并将剩余的字符区域作为新的字符区域,重新执行左边界确定单元的操作,直至所述新的字符区域不包含黑色像素的像素点。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
灰度化处理模块,用于在所述第一获取模块获取所述字符图片之后,对所述字符图片进行灰度化处理;
二值化处理模块,用于根据灰度化处理后的字符图片中各个像素点的灰度值,对所述灰度化处理后的字符图片进行二值化处理;
降噪处理模块,用于采用中值滤波算法对所述二值化处理后的字符图片进行降噪处理,获取降噪处理后的字符图片,以便利用霍夫变换获取所述降噪处理后的字符图片中的直线。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
训练模块,用于在所述比较模块进行比较之前,利用多个已知字符的单字符区域,训练获得多个单字符模板;
存储模块,用于将各个所述单字符模板存储至模板库。
10.根据权利要求9所述的装置,其特征在于,所述训练模块包括:
获取单元,用于获取多个已知字符的单字符区域,分析各个所述单字符区域中包含的像素;
对应关系建立单元,用于建立所述单字符区域中包含的像素与所述已知字符之间的对应关系;
单字符模板确定单元,用于将所述对应关系作为单字符模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228527.4A CN111079735B (zh) | 2018-10-22 | 2018-10-22 | 一种铸坯端面字符识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228527.4A CN111079735B (zh) | 2018-10-22 | 2018-10-22 | 一种铸坯端面字符识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079735A true CN111079735A (zh) | 2020-04-28 |
CN111079735B CN111079735B (zh) | 2023-12-22 |
Family
ID=70309713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811228527.4A Active CN111079735B (zh) | 2018-10-22 | 2018-10-22 | 一种铸坯端面字符识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079735B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434234A (zh) * | 2023-05-25 | 2023-07-14 | 珠海亿智电子科技有限公司 | 一种铸坯字符的检测与识别方法、装置、设备及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5081685A (en) * | 1988-11-29 | 1992-01-14 | Westinghouse Electric Corp. | Apparatus and method for reading a license plate |
US5272766A (en) * | 1991-01-14 | 1993-12-21 | Ncr Corporation | OCR system for recognizing user-specified custom fonts in addition to standard fonts using three-layer templates |
CN102024144A (zh) * | 2010-11-23 | 2011-04-20 | 上海海事大学 | 集装箱箱号自动识别方法 |
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 |
CN102663388A (zh) * | 2012-03-27 | 2012-09-12 | 复旦大学 | 从背景图片中对手写体字符进行分割的方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
CN102779275A (zh) * | 2012-07-04 | 2012-11-14 | 广州广电运通金融电子股份有限公司 | 一种纸类字符识别方法及相关装置 |
CN102831416A (zh) * | 2012-08-15 | 2012-12-19 | 广州广电运通金融电子股份有限公司 | 一种字符识别方法及相关装置 |
CN103870803A (zh) * | 2013-10-21 | 2014-06-18 | 北京邮电大学 | 一种基于粗定位与精定位融合的车牌识别方法和系统 |
CN104463209A (zh) * | 2014-12-08 | 2015-03-25 | 厦门理工学院 | 一种基于bp神经网络的pcb板上数字代码识别方法 |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106874909A (zh) * | 2017-01-18 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种图像字符的识别方法及其装置 |
CN107194400A (zh) * | 2017-05-31 | 2017-09-22 | 北京天宇星空科技有限公司 | 一种财务报销全票据图片识别处理方法 |
US20170308768A1 (en) * | 2015-01-15 | 2017-10-26 | Suntront Tech Co., Ltd | Character information recognition method based on image processing |
CN107742357A (zh) * | 2017-10-10 | 2018-02-27 | 深圳怡化电脑股份有限公司 | 一种纸币冠字号的识别方法及装置 |
CN108615058A (zh) * | 2018-05-10 | 2018-10-02 | 苏州大学 | 一种字符识别的方法、装置、设备及可读存储介质 |
CN108615034A (zh) * | 2017-12-14 | 2018-10-02 | 燕山大学 | 一种模板匹配与神经网络算法结合的车牌识别方法 |
-
2018
- 2018-10-22 CN CN201811228527.4A patent/CN111079735B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5081685A (en) * | 1988-11-29 | 1992-01-14 | Westinghouse Electric Corp. | Apparatus and method for reading a license plate |
US5272766A (en) * | 1991-01-14 | 1993-12-21 | Ncr Corporation | OCR system for recognizing user-specified custom fonts in addition to standard fonts using three-layer templates |
CN102024144A (zh) * | 2010-11-23 | 2011-04-20 | 上海海事大学 | 集装箱箱号自动识别方法 |
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 |
CN102663388A (zh) * | 2012-03-27 | 2012-09-12 | 复旦大学 | 从背景图片中对手写体字符进行分割的方法 |
CN102722711A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种字符识别方法及装置 |
CN102779275A (zh) * | 2012-07-04 | 2012-11-14 | 广州广电运通金融电子股份有限公司 | 一种纸类字符识别方法及相关装置 |
CN102831416A (zh) * | 2012-08-15 | 2012-12-19 | 广州广电运通金融电子股份有限公司 | 一种字符识别方法及相关装置 |
CN103870803A (zh) * | 2013-10-21 | 2014-06-18 | 北京邮电大学 | 一种基于粗定位与精定位融合的车牌识别方法和系统 |
CN104463209A (zh) * | 2014-12-08 | 2015-03-25 | 厦门理工学院 | 一种基于bp神经网络的pcb板上数字代码识别方法 |
US20170308768A1 (en) * | 2015-01-15 | 2017-10-26 | Suntront Tech Co., Ltd | Character information recognition method based on image processing |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106874909A (zh) * | 2017-01-18 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种图像字符的识别方法及其装置 |
CN107194400A (zh) * | 2017-05-31 | 2017-09-22 | 北京天宇星空科技有限公司 | 一种财务报销全票据图片识别处理方法 |
CN107742357A (zh) * | 2017-10-10 | 2018-02-27 | 深圳怡化电脑股份有限公司 | 一种纸币冠字号的识别方法及装置 |
CN108615034A (zh) * | 2017-12-14 | 2018-10-02 | 燕山大学 | 一种模板匹配与神经网络算法结合的车牌识别方法 |
CN108615058A (zh) * | 2018-05-10 | 2018-10-02 | 苏州大学 | 一种字符识别的方法、装置、设备及可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434234A (zh) * | 2023-05-25 | 2023-07-14 | 珠海亿智电子科技有限公司 | 一种铸坯字符的检测与识别方法、装置、设备及存储介质 |
CN116434234B (zh) * | 2023-05-25 | 2023-10-17 | 珠海亿智电子科技有限公司 | 一种铸坯字符的检测与识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111079735B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145905B (zh) | 电梯紧固螺帽松动的图像识别检测方法 | |
EP3309703B1 (en) | Method and system for decoding qr code based on weighted average grey method | |
JP6971177B2 (ja) | 区画線認識装置 | |
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 | |
CN113109368A (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
CN115861274A (zh) | 一种融合三维点云与二维图像的裂缝检测方法 | |
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN111079735B (zh) | 一种铸坯端面字符识别方法及装置 | |
CN111192280B (zh) | 一种基于局部特征的视盘边缘检测方法 | |
CN106447683A (zh) | 一种圆的特征提取算法 | |
CN117392178A (zh) | 一种铺粉增材制造过程熔池的运动特征提取方法及装置 | |
JP3724720B2 (ja) | 反り形状計測方法及び装置 | |
CN112184619A (zh) | 一种基于深度学习的金属部件表面缺陷检测方法 | |
JP2006155126A (ja) | 車両番号認識装置 | |
CN110310239A (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN111178210A (zh) | 一种十字标记的图像识别及对准方法 | |
CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN114994072A (zh) | 一种基于机器视觉的磁棒端面缺陷检测方法 | |
CN114187195A (zh) | 一种2d前视声呐图像去噪方法 | |
CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 | |
CN113096090A (zh) | 带倒角的端面间隙视觉测量方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |