CN112329775B - 一种数字多用表字符识别方法 - Google Patents
一种数字多用表字符识别方法 Download PDFInfo
- Publication number
- CN112329775B CN112329775B CN202011261444.2A CN202011261444A CN112329775B CN 112329775 B CN112329775 B CN 112329775B CN 202011261444 A CN202011261444 A CN 202011261444A CN 112329775 B CN112329775 B CN 112329775B
- Authority
- CN
- China
- Prior art keywords
- character
- image
- segment
- characters
- 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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
-
- 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)
- Image Analysis (AREA)
- Character Input (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种数字多用表字符识别方法,包括以下步骤:1)采集数字表字符图像,所述数字表字符为七段数码管字符;2)从采集的原始图像中提取图像边缘,提取横向和纵向边缘线;3)根据横向和纵向边缘线的方向进行拉伸校正,使校正后的字符图像的边缘线分别为水平和竖直方向;4)对七段数码管字符的七个分段分别进行编号;5)将字符表示为一个7维特征向量;6)以每段的边缘特征判断分段是否存在;7)根据字符的位置和几何范围,结合边缘特征,识别出字符;8)继续采集数字表字符图像,判断其是否为过渡图像。本发明方法对不同型号的不同几何特征的字符,均能正确识别,通用性好,适用于任意型号的数字多用表。
Description
技术领域
本发明涉及仪表检定技术,尤其涉及一种数字多用表字符识别方法。
背景技术
数字多用表(如万用表等)广泛应用于电子、电气等领域,对其的自动(或半自动)检定是当今信息化时代的客观要求。自动(或半自动)检定系统可以大幅降低检定人员的劳动强度,提升工作效率,提高检测精度。
自动检定系统由标准源、数字多用表、工业相机、计算机(含控制和图像识别软件)等构成,各部分有电缆连接互通信息。通常的自动检定过程为:(1)计算机通过程序来控制标准源的输出值,将标准源的输出端口设定为指定数值;(2)用数字表测试标准源的输出端口,在数字表液晶窗口显示数字;(3)计算机中的程序对相机发出拍照命令,对液晶显示屏进行图像采样,获得图像,并进行识别,获得测试值。(3)计算机中的程序求出标准源的设定值与图像识别的测试值的偏差,为数字表的检定结果;(4)重复(1),不断循环,直到完成最后一个数据检定。
由于数字表的精度通常较高和数字表内的热噪声存在,即使标准源的输出为恒定值,数字表的测试结果也会在一定幅度内跳变,不为恒定值。由于液晶的显示机理,在数据跳变时字符为过渡态,这时抓拍的图像为过渡态图像,应该剔除。抓拍为过渡图像的概率约为10%,因此软件应该有自动识别功能,剔除过渡态图像,保留稳态的图像。这是对检定软件的技术要求。
目前的国内外各种图像识别方法有一下不足:(1)通用性不佳(如国外公司产品仅适用几款型号)、(2)适应性不好(在低信噪比时表现不佳),(3)无法剔除字符切换时的过渡图像。
针对以上问题,本文提出了一种针对数字表七段数码管字符的图像识别方法,具有通用性好(适用于任意型号的七段码数字表)、适应性好(适用于低信噪比),可剔除过渡显示的图像,从而实现测试值的快速和准确录入,完成数字表的自动检定任务。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种数字多用表字符识别方法。
本发明解决其技术问题所采用的技术方案是:一种数字多用表字符识别方法,包括以下步骤:
1)采集数字表字符图像,所述数字表字符为七段数码管字符;
2)从采集的原始图像中提取图像边缘,提取横向和纵向边缘线;
3)根据横向和纵向边缘线的方向进行拉伸校正,使校正后的字符图像的边缘线分别为水平和竖直方向;
4)对七段数码管字符的七个分段分别进行编号,从1段到7段,并根据字符尺寸(a,b,c)的分布特点标定出字符位置和范围;其中,a为字符竖直段的宽度,b为字符的字符左竖直段与右竖直段之间的距离,c为相邻字符距离;
5)将字符表示为一个7维特征向量,即
s=[s1 s2 s3 s4 s5 s6 s7],
每一维的值为分段的特征值,即:
6)以每段的边缘特征判断分段是否存在:统计分段边缘像素点的数量,若虚线矩形框内的边缘像素点的数量超过设定阈值,判断分段存在,分段特征值为1;反之则判断分段不存在,该分段特征值为0;从而确定图像对应的数值;
7)根据字符的位置和几何范围,结合边缘特征,识别出字符,若识别成功,将字符的分段为1时的各段灰度值平均值存储,作为字符各段的正常的灰度值,是剔除过渡图像的依据;
8)继续采集数字表字符图像,判断其是否为过渡图像,若为过渡图像,则剔除该图像,采集下一幅数字表字符图像;否则,转入步骤2)。
按上述方案,所述步骤7)中字符各段的正常的灰度值为n次字符识别成功后,n个字符正常的灰度值的平均值,其中n大于等于5。
按上述方案,所述步骤7)中判断其是否为过渡图像,具体如下:
获得每个字符的几何范围和每个字符的各段灰度值,对新输入的图像,当其各段灰度偏差超过阈值时,判定为过渡图像,剔除该图,接收下一幅输入图像,偏差为
其中,B为采集的实时图像字符各段的灰度均值,C为存储的字符各段的正常的灰度值,p为实时图像的字符各段的灰度相对偏差;阈值为t,t为常量,当字符其段的偏差p>t时,判定图像为过渡图像;否则为正常图像,进行识别。
按上述方案,所述步骤4)中提取横向和纵向边缘线利用Hough变换。
按上述方案,所述步骤4)中对七段数码管字符的七个分段分别进行编号,编号如下:左竖直段上编号为1,左竖直段下编号为2,右竖直段上编号为3,右竖直段下编号为4,上横段编号为5,中横段编号为6,下横段编号为7。
本发明产生的有益效果是:
1、通用性好,适用于任意型号的数字多用表。本发明方法对不同型号的不同几何特征的字符,均能正确识别。
2、适应性好,本发明方法对成像质量较差的低信噪比图像,也能正确识别。
3、对过渡态图像,能正确剔除,从而避免了不良数据的干扰。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图;
图2是本发明实施例的采用边缘特征法的字符图像识别流程图;
图3是本发明实施例的数字多用表采集图像;
图4是本发明实施例的图像提取边缘(a)和直线(b);
图5是本发明实施例的图像校正后的结果对比示意图;
图6是本发明实施例的对七段字符的分段进行编号示意图;
图7是本发明实施例的根据字符尺寸(a,b,c)的分布特点标定出字符位置和范围示意图;
图8是本发明实施例的根据竖直线的距离特征将中间字符分离示意图;
图9是本发明实施例的根据边缘特征识别字符示意图;
图10是本发明实施例的根据边缘特征识别出字符示意图;
图11是本发明实施例的存储各分段的灰度平均值示意图;
图12是本发明实施例的过渡态的图像;
图13是本发明实施例的过渡图像检测流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种数字多用表字符识别方法,包括以下步骤:
该方法主要包括字符数值识别和剔除过渡图像二个部分内容;
(1)采用边缘特征法识别字符数值
边缘特征法的流程如图2所示,包括横向和纵向直线提取、拉伸校正、确定各字符几何范围、提取字符边缘特征、识别字符并录入数值、获得正常情况下的字符灰度等步骤。具体为:
1.1)从采集的原始图像(图3)提取图像边缘,利用Hough变换提取横向和纵向直线,如图4(a)(b)所示;
1.2)根据横向、纵向直线的方向进行拉伸校正,校正后的字符图像的边缘线为水平和竖直方向,如图5所示;
1.3)对七段字符的分段分别进行编号,从1段到7段,如图6所示。字符的竖直线的距离有一定规律:1段和3段的宽度(图7中a)相等,相邻字符距离(图7中c)相等。根据分布规律,可以确定字符的位置和字符各段的几何范围,如图7所示。先确定中间字符位置,然后根据相对位置关系,可确定其它字符的位置和范围,如图8所示。
1.4)将字符用一个7维特征向量表示,即
s=[s1 s2 s3 s4 s5 s6 s7],
每一维的值为分段的特征值,即:
若分段存在,特征值为1,否则为0。如字符‘8’对应于[1 1 1 1 1 1 1],字符‘0’对应于[1 1 1 1 1 0 1]。
1.5)以每段的边缘特征判断分段是否存在。即统计分段边缘像素点的数量,如图9所示,若虚线矩形框内的边缘像素点的数量超过阈值,分段特征值为1;反之则不存在,该分段特征值为0。根据图像可确定多个7维特征向量。根据特征向量可确定对应的多个字符,从而确定图像对应的数值。
1.6)根据字符的位置和几何范围,结合边缘特征,识别出字符,如图10所示。若识别成功,将字符的分段为1时的灰度值平均值存储起来(如图11中虚线范围内的灰度平均值),为正常的灰度值,是剔除过渡图像的依据。为了保证正常的灰度值的有效性,由于过渡图像的概率较低(10%),我们取多次的平均值,一般5次以上可以保证准确性。
(2)采用相对灰度法剔除过渡图像
由于多种原因,采集的液晶显示图像可能为过渡图像,自动检定系统对稳态图像进行识别,过渡图像会带来干扰,必须剔除。图12为过渡图像的三个示例。
图13为过渡图像检测时的操作。过渡图像的特征为:字符的分段的图像灰度值偏大(黑色最小,灰度值为0;白色最大,灰度值为255)。根据这一特征,进行图像的筛选和剔除。前面已获得每个字符的几何范围和每个字符的各段正常灰度值,对新输入的图像,当其各段灰度偏大时,超过某一阈值时,判定为过渡图像,剔除该图,接收下一幅输入图像。偏差为
其中B为采集的实时图像灰度均值,C为存储的正常图像灰度均值,p为实时图像的灰度相对偏差。阈值为t,t为常量。当p>t时,判定图像为过渡图像;否则为正常图像,进行识别,给出数值。通常的t值取为15%即可满足要求。
一个实例:
1、采用边缘特征法识别字符
(1)图3为采集的数字表液晶显示图像。图像有一定偏转。
(2)对图像提取边缘,如图4(a)所示,然后对4(a)进行Hough变换提取直线,提取横向线和纵向线,如图4(b)所示,图中给出了提取的横向和纵向直线。图中横向直线与水平轴夹角为6度,纵向直线与竖直轴夹角为1度。
(3)根据横向和纵向线的角度进行图像拉伸校正,图5为校正后的结果。图中显示,经校正后图像的横向线和纵向线已经与图像的水平线和竖直线一致。
(4)根据竖直线的距离特征,将中间字符从图中分离出。如图8所示。
(5)识别中间字符图像的边缘特征,其特征向量为[1 1 1 1 1 1 1],对应的字符为8.
(6)根据其它字符的距离和位置关系,确定其它字符的特征向量,分别为[0 0 1 10 0 0]和[1 0 1 1 1 1 1],对应的字符为1和9.
(7)小数点采用类似方法,可识别得出。最终结果可得为18.9。图10显示了识别的结果。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种数字多用表字符识别方法,其特征在于,包括以下步骤:
1)采集数字表字符图像,所述数字表字符为七段数码管字符;
2)从采集的原始图像中提取图像边缘,提取横向和纵向边缘线;
3)根据横向和纵向边缘线的方向进行拉伸校正,使校正后的字符图像的边缘线分别为水平和竖直方向;
4)对七段数码管字符的七个分段分别进行编号,从1段到7段,并根据字符尺寸(a,b,c)的分布特点标定出字符位置和范围;其中,a为字符竖直段的宽度,b为字符的字符左竖直段与右竖直段之间的距离,c为相邻字符距离;
5)将字符表示为一个7维特征向量,即
s=[s1 s2 s3 s4 s5 s6 s7],
每一维的值为分段的特征值,即:
6)以每段的边缘特征判断分段是否存在:在字符图像的边缘线处设置虚线矩形框,统计虚线矩形框内分段边缘像素点的数量,若虚线矩形框内的边缘像素点的数量超过设定阈值,判断分段存在,分段特征值为1;反之则判断分段不存在,该分段特征值为0;从而确定图像对应的数值;
7)根据字符的位置和几何范围,结合边缘特征,识别出字符,若识别成功,将字符的分段为1时的各段灰度值平均值存储,作为字符各段的正常的灰度值,是剔除过渡图像的依据;
步骤7)中判断其是否为过渡图像,具体如下:
获得每个字符的几何范围和每个字符的各段灰度值,对新输入的图像,当其各段灰度偏差超过阈值时,判定为过渡图像,剔除该图,接收下一幅输入图像,偏差为
其中,B为采集的实时图像字符各段的灰度均值,C为存储的字符各段的正常的灰度值,p为实时图像的字符各段的灰度相对偏差;阈值为t,t为常量,当字符各段的灰度相对偏差p>t时,判定图像为过渡图像;否则为正常图像,进行识别;
8)继续采集数字表字符图像,判断其是否为过渡图像,若为过渡图像,则剔除该图像,采集下一幅数字表字符图像;否则,转入步骤2)。
2.根据权利要求1所述的数字多用表字符识别方法,其特征在于,所述步骤7)中字符各段的正常的灰度值为n次字符识别成功后,n个字符正常的灰度值的平均值,其中n大于等于5。
3.根据权利要求1所述的数字多用表字符识别方法,其特征在于,所述步骤4)中提取横向和纵向边缘线利用Hough变换。
4.根据权利要求1所述的数字多用表字符识别方法,其特征在于,所述步骤4)中对七段数码管字符的七个分段分别进行编号,编号如下:左竖直段上编号为1,左竖直段下编号为2,右竖直段上编号为3,右竖直段下编号为4,上横段编号为5,中横段编号为6,下横段编号为7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261444.2A CN112329775B (zh) | 2020-11-12 | 2020-11-12 | 一种数字多用表字符识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261444.2A CN112329775B (zh) | 2020-11-12 | 2020-11-12 | 一种数字多用表字符识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329775A CN112329775A (zh) | 2021-02-05 |
CN112329775B true CN112329775B (zh) | 2022-04-15 |
Family
ID=74319030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011261444.2A Active CN112329775B (zh) | 2020-11-12 | 2020-11-12 | 一种数字多用表字符识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329775B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6260620B2 (ja) * | 2013-06-17 | 2018-01-17 | 富士通株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
CN103984930B (zh) * | 2014-05-21 | 2019-07-05 | 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 |
CN106682665B (zh) * | 2016-12-27 | 2020-07-14 | 陕西科技大学 | 一种基于计算机视觉的七段式数显仪表数字识别方法 |
CN110210316B (zh) * | 2019-05-07 | 2022-08-12 | 南京理工大学 | 基于灰度图像的交通信号灯数字识别方法 |
-
2020
- 2020-11-12 CN CN202011261444.2A patent/CN112329775B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112329775A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
CN111354026B (zh) | 一种基于surf特征的改进列车图像精确配准方法和系统 | |
CN112818988A (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN111563896A (zh) | 一种用于接触网异常检测的图像处理方法 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN116993725B (zh) | 一种柔性电路板智能贴片信息处理系统 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN116630332B (zh) | 一种基于图像处理的pvc塑料管口缺陷检测方法 | |
CN112329775B (zh) | 一种数字多用表字符识别方法 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
CN114511851B (zh) | 一种基于显微镜图像的游丝藻类细胞统计方法 | |
CN114998346A (zh) | 一种防水布质量数据处理、识别方法 | |
CN111652055B (zh) | 一种基于两阶段定位的开关仪表智能识别方法 | |
CN113780263A (zh) | 一种压力报警器仪表定位和识别读数方法及装置 | |
CN111832565A (zh) | 一种基于决策树的数码管识别方法 | |
CN117522867B (zh) | 基于图像特征的显示屏异常颜色检测方法 | |
CN117522866B (zh) | 基于掩膜的荧光微丝试验图像中丝线锚点的判别方法 | |
CN116433665B (zh) | 基于视觉检测的飞机部件缺陷在线识别系统 | |
CN117876376B (zh) | 高速率多功能连接器质量视觉检测方法 | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
EP4321857A1 (en) | Method and apparatus for detecting welding mark, and electronic device |
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 |