CN113033569A - 基于灰度投影极值的多行喷码字符序贯分割方法 - Google Patents
基于灰度投影极值的多行喷码字符序贯分割方法 Download PDFInfo
- Publication number
- CN113033569A CN113033569A CN202110338919.1A CN202110338919A CN113033569A CN 113033569 A CN113033569 A CN 113033569A CN 202110338919 A CN202110338919 A CN 202110338919A CN 113033569 A CN113033569 A CN 113033569A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- gray
- searching
- line
- 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.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005507 spraying Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06V30/158—Segmentation of character regions using character size, text spacings or pitch estimation
-
- 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
- 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
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
本发明公开了一种基于灰度投影极值的多行喷码字符序贯分割方法，包括以下：S1使用工业相机采集图像信息；S2将图像进行灰度化处理并倾斜矫正至水平；S3定位获取字符区域灰度图像；S4采用水平灰度投影的方法获取字符区域灰度图像的每一行平均灰度值数组；S5采用序贯范围搜索方法，寻找行平均灰度值极值处，确定行字符分割处；S6采用垂直灰度投影的方法分别获取每一行字符区域的每一列平均灰度值数组；S7采用序贯范围搜索方法，寻找列平均灰度值极值处，确定列字符分割处；S8分割多行喷码字符，本发明对喷码字符进行水平灰度投影和垂直灰度投影，再进行序贯范围搜索，将多行字符分割成单个字符序列，为字符识别提供可靠的基础。
Description
技术领域
本发明涉及机器视觉字符分割检测识别领域，特别涉及一种多行喷码字符序贯分割方法。
背景技术
目前，在工业生产中，越来越多的产品都带有着字符信息，基本上都是由自动化机器印刷，容易导致字符印刷残缺，不清晰等问题，甚至没有印刷字符，进而导致产品的合格率大大的降低，从而影响生产，因此如何能够准确的检测字符，从而降低不合格率已经成为尤为重要的问题。并且，在流水线的生产过程中，仅仅依靠人工去检测，不仅费时费力，也会存在人工检测的疏忽，导致产品不合格，因此实现字符识别检测已是必然的发展趋势。
近年来，OCR技术，即光学字符识别技术，是文字自动输入的一种方法，它通过扫描和摄像等光学输入方式获取纸张上的文字图像信息，利用各种模式识别算法分析文字形态特征，判断出汉字的标准编码，并按通用格式存储在文本文件中，所以，OCR是一种非常快捷、省力的文字输入方式，也是在文字量比较大的今天，很受人们欢迎的一种输入方式，在越来越多的领域得到应用，比如包装纸箱的喷码识别、车牌字符识别、邮政编码识别等。
在OCR字符识别检测过程中，字符分割占据了最主要的环节，字符分割的好坏，直接影响着字符识别的效果，对最终字符识别的结果有着很大的影响。尤其是随着单个字符识别技术的愈发成熟，当识别结果出错时，原因往往出在字符分割这一环节，字符分割的不准确，出现字符断裂等现象，从而导致字符识别结果的错误，降低识别的准确率。由此可见，使用一种好的字符分割方法，对于提高字符识别的准确率起着至关重要的作用。
发明内容
本发明的目的是提供一种基于灰度投影极值的多行喷码字符序贯分割方法，对喷码字符进行水平灰度投影和垂直灰度投影，再进行序贯范围搜索，将多行字符分割成单个字符序列，完成字符的精准分割，为字符识别提供可靠的基础。
本发明的目的是这样实现的：一种基于灰度投影极值的多行喷码字符序贯分割方法，包括以下步骤：
步骤S1：使用工业相机采集图像信息；
步骤S2：将图像进行灰度化处理并倾斜矫正至水平；
步骤S3：定位获取字符区域灰度图像；
步骤S4：采用水平灰度投影的方法获取字符区域灰度图像的每一行平均灰度值数组；
步骤S5：采用序贯范围搜索方法，寻找行平均灰度值极值处，确定行字符分割处；
步骤S6：采用垂直灰度投影的方法分别获取每一行字符区域的每一列平均灰度值数组；
步骤S7：采用序贯范围搜索方法，寻找列平均灰度值极值处，确定列字符分割处；
步骤S8：分割多行喷码字符。
首先，工业相机采集到图像信息后，对图像进行灰度处理并倾斜矫正至水平；其次，通过NCC基于灰度模板进行匹配，能够精准定位并获取所需字符区域；之后，对于获取的字符区域，先采用水平灰度投影的方法，获取行平均灰度值数组，并将其进行可视化处理，方便观察数组极值(对于暗字符亮背景，观察极大值；对于亮字符暗背景，观察极小值)。接着，采用序贯范围搜索方法，对行平均灰度值数组极值进行有序搜索，快速、准确地搜索到喷码字符行分割处，将多行字符区域分割成多个单行字符区域。
接下来，再对每个单行字符区域进行操作处理，分别都采用垂直灰度投影的方法，获取列平均灰度值数组，并将其进行可视化处理，方便观察数组极值(对于暗字符亮背景，观察极大值；对于亮字符暗背景，观察极小值)；接着，采用序贯范围搜索方法，对列平均灰度值数组极值进行有序搜索，快速、准确地搜索到喷码字符列分割处；通过搜索到的行分割处与列分割处，就可以将多行喷码字符区域，先由行分割处，分割成多个单行字符区域，再由列分割处，将单行字符区域分割成多个单个字符，最终实现多行喷码字符的分割(极值说明：对于暗字符亮背景，字符是暗的，其灰度值必然小于亮背景，从而导致暗字符行和列的平均灰度值低于行列字符分割处，因此观察灰度投影极大值处；反之，对于亮字符暗背景，观察灰度投影极小值处)。
与现有技术相比，本发明的有益效果在于：本发明算法简便，能够迅速、准确的将喷码字符分割成单个字符，为之后字符识别提供可靠的基础；与传统字符分割方法相比，能够降低字符断裂现象的概率，在图像模糊、背景复杂的情况下，也具有相对较高的准确率。
作为本发明的进一步限定，步骤S3具体为：
用灰度图像模板匹配来定位区域，创建模板图I2即所需定位区域灰度图像，大小为M×N，在原图即搜索图中，取以(i,j)为左上角，M×N大小的子图I1，计算其与模板图相似度，在所有能够取到的子图中，找到与模板图最相似的子图作为最终结果，其计算公式如下：
M、N为模板图及搜索图中子图的宽高；(x,y)为模板图、子图中像素坐标；(i,j)为搜索图中像素坐标；I1 i,j(x,y)为子图中单个像素的灰度值；E(I1 i,j)为子图中所有像素的平均灰度值；I2(x,y)为模板图中单个像素的灰度值；E(I2)为模板图中所有像素的平均灰度值；NCC(i,j)得到的值的范围在[-1,1]之间，若其等于-1，则表示两个匹配窗口完全不相关，若等于1，表示两个匹配窗口相关程度非常高，这个值越接近于1，则所匹配的区域图像，就越可能是所需定位获取的字符区域图像，先在矫正水平后的灰度图像上设置ROI，即感兴趣区域，用来创建字符区域目标图像，目标图像创建成功后，再用其在匹配窗口上进行图像匹配，设置一个阈值，当相关匹配系数大于这个值时，即匹配成功，该区域就是所需定位的字符区域，获取该区域灰度图像。该方法基于灰度匹配是一种抗噪声能力强、匹配准确的匹配方法，具有较高的快速性，鲁棒性并且对于纹理、对焦不清图像、形状轻微变形检测都适用。
作为本发明的进一步限定，步骤S4中水平灰度投影的计算公式如下：
m是字符区域灰度图像的宽度；G(x,y)是图像(x,y)位置处的灰度值；G(y)是图像第y行的平均灰度值；
步骤S6中垂直灰度投影的计算公式如下：
n是每一行字符区域灰度图像的高度；G(x,y)是图像(x,y)位置处的灰度值；G(x)是图像第x列的平均灰度值。采用灰度投影的方法，可记录下每行、每列的平均灰度值数组，并且能够以像素位置为x轴，平均灰度值为y轴，建立x-y坐标系，让投影结果可视化，能够更加直观的观察到灰度投影极值处。
作为本发明的进一步限定，步骤S5具体为：
首先，确定一个字符的高度，建立序贯搜索范围，假设字符有N种高度，height1～heightN，其次，设置字符行分割点的起始位置与结束位置，分别记为Y0、Yn，分别以height1～heightN N种序贯去搜索下一分割点位置，对于暗字符亮背景，则在Y0+height1、Y0+height2、……、Y0+heightN附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为Y1，确定了第一个分割点Y1后，再继续以序贯进行搜索，在Y1+height1、Y1+height2、……、Y1+heightN附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为Y2；依此类推，寻找Y3、Y4、Y5……从而将多行字符区域分割成多个单行字符区域。该方法通过序贯对行平均灰度值数组极值进行有序搜索，相比传统喷码字符分割方法，能够快速、准确地搜索到喷码字符行分割处，将多行字符分割成多个单行字符。
作为本发明的进一步限定，步骤S7具体为：
首先，确定一个字符的宽度，建立序贯搜索范围，假设字符有M种宽度，width1、width2、……、widthM，其次，设置字符行分割点的起始位置与结束位置，分别记为X0、Xm，分别以width1～widthM M种序贯去搜索下一分割点位置，对于暗字符亮背景，则在X0+width1、X0+width2、……、X0+widthM附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为X1，确定了第一个分割点X1后，再继续以序贯进行搜索，在X1+width1、X1+width2、……、X1+widthM附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为X2，依此类推，寻找X3、X4、X5……从而将单行字符分割成单个字符序列。该方法通过序贯对列平均灰度值数组极值进行有序搜索，相比传统喷码字符分割方法，能够快速、准确地搜索到喷码字符列分割处，将单行字符区域分割成单个字符。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明中多行喷码字符序贯分割流程图。
图2为本发明中工业相机采集的并进行灰度化处理及矫正后的图像。
图3为本发明中NCC匹配定位获取的字符区域示意图。
图4为本发明中字符区域水平灰度投影，序贯搜索行极大值示意图。
图5为本发明中第一行字符垂直灰度投影，序贯搜索列极大值示意图。
图6为本发明中第二行字符垂直灰度投影，序贯搜索列极大值示意图。
图7为本发明中多行喷码字符序贯分割结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如附图1所示，一种稳定可靠的基于灰度投影极值的多行喷码字符序贯分割方法，包括以下步骤。
步骤S1：使用工业相机采集图像信息(如图2所示)。
步骤S2：将图像进行灰度化处理并倾斜矫正至水平(如图2所示)。
步骤S3：定位获取字符区域灰度图像，具体为：
定位获取字符区域灰度图像，通过采用图像匹配来定位区域；图像匹配指在已知目标图集合中，寻找与所需定位图像最相似的子图，以达到目标识别与定位目的的图像技术，主要有基于灰度、基于特征、基于变换域这几种方法；本发明采用的是NCC(NormalizedCross Correlation)归一化互相关匹配算法，是一种基于图像灰度信息的图像匹配方法。原理是采用灰度图像模板匹配来定位区域。创建模板图I2即所需定位区域灰度图像，大小为M×N。在原图即搜索图中，取以(i,j)为左上角，M×N大小的子图I1，计算其与模板图相似度。在所有能够取到的子图中，找到与模板图最相似的子图作为最终结果，其计算公式如下：
M、N为模板图及搜索图中子图的宽高；(x,y)为模板图、子图中像素坐标；(i,j)为搜索图中像素坐标；I1 i,j(x,y)为子图中单个像素的灰度值；E(I1 i,j)为子图中所有像素的平均灰度值；I2(x,y)为模板图中单个像素的灰度值；E(I2)为模板图中所有像素的平均灰度值；NCC(i,j)得到的值的范围在[-1,1]之间，若其等于-1，则表示两个匹配窗口完全不相关，若等于1，表示两个匹配窗口相关程度非常高，这个值越接近于1，则所匹配的区域图像，就越可能是所需定位获取的字符区域图像，先在矫正水平后的灰度图像上设置ROI，即感兴趣区域，用来创建字符区域目标图像，目标图像创建成功后，再用其在匹配窗口上进行图像匹配，设置一个阈值，当相关匹配系数大于这个值时，即匹配成功，该区域就是所需定位的字符区域，获取该区域灰度图像(如图3所示)。
步骤S4：采用水平灰度投影的方法获取字符区域灰度图像的每一行平均灰度值数组，水平灰度投影的计算公式如下：
m是字符区域灰度图像的宽度；G(x,y)是图像(x,y)位置处的灰度值；G(y)是图像第y行的平均灰度值。
步骤S5：采用序贯范围搜索方法，寻找合适的行平均灰度值极值处，确定行字符分割处，具体为：
首先，确定一个字符的高度，建立序贯搜索范围，假设字符有N种高度，height1～heightN，其次，设置字符行分割点的起始位置与结束位置，分别记为Y0、Yn，分别以height1～heightN N种序贯去搜索下一分割点位置，对于暗字符亮背景，则在Y0+height1、Y0+height2、……、Y0+heightN附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为Y1，确定了第一个分割点Y1后，再继续以序贯进行搜索，在Y1+height1、Y1+height2、……、Y1+heightN附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为Y2；依此类推，寻找Y3、Y4、Y5……从而将多行字符区域分割成多个单行字符区域(附图4)；如图4所示，蓝色圈起为字符分割设置的起始点与结束点位置，红色圈起为行极大值即字符分割处，图中字符只有一种高度，因此序贯height1设置32，用其来搜索行极大值，搜索到的行极大值为36，从图4中很明显的看出搜索到的行极大值处可以很好的将两行字符区域分割成两个单行字符区域。
步骤S6：采用垂直灰度投影的方法分别获取每一行字符区域的每一列平均灰度值数组，垂直灰度投影的计算公式如下：
n是每一行字符区域灰度图像的高度；G(x,y)是图像(x,y)位置处的灰度值；G(x)是图像第x列的平均灰度值。
步骤S7：采用序贯范围搜索方法，寻找合适的列平均灰度值极值处，确定列字符分割处，具体为：
首先，确定一个字符的宽度，建立序贯搜索范围，假设字符有M种宽度，width1、width2、……、widthM，其次，设置字符行分割点的起始位置与结束位置，分别记为X0、Xm，分别以width1～widthM M种序贯去搜索下一分割点位置，对于暗字符亮背景，则在X0+width1、X0+width2、……、X0+widthM附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为X1，确定了第一个分割点X1后，再继续以序贯进行搜索，在X1+width1、X1+width2、……、X1+widthM附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为X2，依此类推，寻找X3、X4、X5……从而将单行字符分割成单个字符序列。图5和图6分别为第一行、第二行字符区域进行垂直灰度投影、序贯搜索极大值处示意图，其中蓝色圈起为字符分割设置的起始点与结束点位置，红色圈起为行极大值即字符分割处，图中字符有两种宽度，因此序贯width1设置22，width2设置34用其来搜索行极大值，搜索到的列极大值见下方表格，从图5、6中很明显的看出搜索到的列极大值处可以很好的将单行字符区域分割成多个单个字符；
| 行号 | X0 | X1 | X2 | X3 | X4 | X5 | X6 | X7 | Xm |
| 第一行 | 75 | 108 | 141 | 175 | 214 | 239 | 276 | 304 | 331 |
| 第二行 | 3 | 35 | 66 | 101 | 123 | 163 | 202 | 225 |
步骤S8：分割多行喷码字符(附图7)，具体为：
通过搜索到的行分割处与列分割处，便可对多行喷码字符区域进行分割。先由行分割处，将多行喷码字符区域分割成多个单行字符区域，再由列分割处，将单行字符区域分割成多个单个字符，最终实现多行喷码字符的分割。
由最终字符分割结果图7所示，采用基于灰度投影极值的多行喷码字符序贯分割方法，能够准确地将所需分割区域字符进行分割，不会出现字符分割断裂等现象，为字符识别提供可靠的基础，从而提升字符识别的准确率。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (5)
1.一种基于灰度投影极值的多行喷码字符序贯分割方法，其特征在于，包括以下步骤：
步骤S1：使用工业相机采集图像信息；
步骤S2：将图像进行灰度化处理并倾斜矫正至水平；
步骤S3：定位获取字符区域灰度图像；
步骤S4：采用水平灰度投影的方法获取字符区域灰度图像的每一行平均灰度值数组；
步骤S5：采用序贯范围搜索方法，寻找行平均灰度值极值处，确定行字符分割处；
步骤S6：采用垂直灰度投影的方法分别获取每一行字符区域的每一列平均灰度值数组；
步骤S7：采用序贯范围搜索方法，寻找列平均灰度值极值处，确定列字符分割处；
步骤S8：分割多行喷码字符。
2.根据权利要求1所述的基于灰度投影极值的多行喷码字符序贯分割方法，其特征在于，步骤S3具体为：
采用灰度图像模板匹配来定位区域，创建模板图I2即所需定位区域灰度图像，大小为M×N，在原图即搜索图中，取以(i,j)为左上角，M×N大小的子图I1，计算其与模板图相似度，在所有能够取到的子图中，找到与模板图最相似的子图作为最终结果，其计算公式如下：
M、N为模板图及搜索图中子图的宽高；(x,y)为模板图、子图中像素坐标；(i,j)为搜索图中像素坐标；I1 i,j(x,y)为子图中单个像素的灰度值；E(I1 i,j)为子图中所有像素的平均灰度值；I2(x,y)为模板图中单个像素的灰度值；E(I2)为模板图中所有像素的平均灰度值；NCC(i,j)得到的值的范围在[-1,1]之间，若其等于-1，则表示两个匹配窗口完全不相关，若等于1，表示两个匹配窗口相关程度非常高，这个值越接近于1，则所匹配的区域图像，就越可能是所需定位获取的字符区域图像，先在矫正水平后的灰度图像上设置ROI，即感兴趣区域，用来创建字符区域目标图像，目标图像创建成功后，再用其在匹配窗口上进行图像匹配，设置一个阈值，当相关匹配系数大于这个值时，即匹配成功，该区域就是所需定位的字符区域，获取该区域灰度图像。
3.根据权利要求2所述的基于灰度投影极值的多行喷码字符序贯分割方法，其特征在于，步骤S4中水平灰度投影的计算公式如下：
m是字符区域灰度图像的宽度；G(x,y)是图像(x,y)位置处的灰度值；G(y)是图像第y行的平均灰度值；
步骤S6中垂直灰度投影的计算公式如下：
n是每一行字符区域灰度图像的高度；G(x,y)是图像(x,y)位置处的灰度值；G(x)是图像第x列的平均灰度值。
4.根据权利要求3所述的基于灰度投影极值的多行喷码字符序贯分割方法，其特征在于，步骤S5具体为：
首先，确定一个字符的高度，建立序贯搜索范围，假设字符有N种高度，height1～heightN，其次，设置字符行分割点的起始位置与结束位置，分别记为Y0、Yn，分别以height1～heightN N种序贯去搜索下一分割点位置，对于暗字符亮背景，则在Y0+height1、Y0+height2、……、Y0+heightN附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为Y1，确定了第一个分割点Y1后，再继续以序贯进行搜索，在Y1+height1、Y1+height2、……、Y1+heightN附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为Y2；依此类推，寻找Y3、Y4、Y5……从而将多行字符区域分割成多个单行字符区域。
5.根据权利要求4所述的基于灰度投影极值的多行喷码字符序贯分割方法，其特征在于，步骤S7具体为：
首先，确定一个字符的宽度，建立序贯搜索范围，假设字符有M种宽度，width1、width2、……、widthM，其次，设置字符行分割点的起始位置与结束位置，分别记为X0、Xm，分别以width1～widthM M种序贯去搜索下一分割点位置，对于暗字符亮背景，则在X0+width1、X0+width2、……、X0+widthM附近几个像素内搜索极大值处，即为第一行分割点处，该位置记为X1，确定了第一个分割点X1后，再继续以序贯进行搜索，在X1+width1、X1+width2、……、X1+widthM附近几个像素内搜索极大值处，即为第二行分割点处，该位置记为X2，依此类推，寻找X3、X4、X5……从而将多行字符分割成单个字符序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110338919.1A CN113033569A (zh) | 2021-03-30 | 2021-03-30 | 基于灰度投影极值的多行喷码字符序贯分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110338919.1A CN113033569A (zh) | 2021-03-30 | 2021-03-30 | 基于灰度投影极值的多行喷码字符序贯分割方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113033569A true CN113033569A (zh) | 2021-06-25 |
Family
ID=76452918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110338919.1A Pending CN113033569A (zh) | 2021-03-30 | 2021-03-30 | 基于灰度投影极值的多行喷码字符序贯分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033569A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800148A (zh) * | 2012-07-10 | 2012-11-28 | 中山大学 | 一种人民币序列号识别方法 |
| US20150023593A1 (en) * | 2012-03-05 | 2015-01-22 | Omron Corporation | Image processing method for character recognition, character recognition apparatus using this method, and program |
| CN107818320A (zh) * | 2017-10-27 | 2018-03-20 | 国网四川省电力公司德阳供电公司 | 基于开源ocr技术变电设备红外图像数值的识别方法 |
| CN108388898A (zh) * | 2018-01-31 | 2018-08-10 | 宁波市科技园区明天医网科技有限公司 | 基于连接体和模板的字符识别方法 |
| CN109034019A (zh) * | 2018-07-12 | 2018-12-18 | 浙江工业大学 | 一种基于行分割线的黄色双行车牌字符分割方法 |
| CN111046872A (zh) * | 2019-12-12 | 2020-04-21 | 深圳市杰恩世智能科技有限公司 | 一种光学字符识别方法 |
| CN111754525A (zh) * | 2020-06-23 | 2020-10-09 | 苏州中科全象智能科技有限公司 | 一种基于非精确切分的工业字符检测流程 |
| CN111860521A (zh) * | 2020-07-21 | 2020-10-30 | 西安交通大学 | 一种畸变喷码字符逐层分割的方法 |
-
2021
- 2021-03-30 CN CN202110338919.1A patent/CN113033569A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150023593A1 (en) * | 2012-03-05 | 2015-01-22 | Omron Corporation | Image processing method for character recognition, character recognition apparatus using this method, and program |
| CN102800148A (zh) * | 2012-07-10 | 2012-11-28 | 中山大学 | 一种人民币序列号识别方法 |
| CN107818320A (zh) * | 2017-10-27 | 2018-03-20 | 国网四川省电力公司德阳供电公司 | 基于开源ocr技术变电设备红外图像数值的识别方法 |
| CN108388898A (zh) * | 2018-01-31 | 2018-08-10 | 宁波市科技园区明天医网科技有限公司 | 基于连接体和模板的字符识别方法 |
| CN109034019A (zh) * | 2018-07-12 | 2018-12-18 | 浙江工业大学 | 一种基于行分割线的黄色双行车牌字符分割方法 |
| CN111046872A (zh) * | 2019-12-12 | 2020-04-21 | 深圳市杰恩世智能科技有限公司 | 一种光学字符识别方法 |
| CN111754525A (zh) * | 2020-06-23 | 2020-10-09 | 苏州中科全象智能科技有限公司 | 一种基于非精确切分的工业字符检测流程 |
| CN111860521A (zh) * | 2020-07-21 | 2020-10-30 | 西安交通大学 | 一种畸变喷码字符逐层分割的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 岳宗达: "基于改进SIFT的图像匹配算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 2 - 17 * |
| 张志毅: "《中国爆破新技术 4》", 30 September 2016, 北京：冶金工业出版社, pages: 172 - 173 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
| US6778703B1 (en) | Form recognition using reference areas | |
| CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
| CN108875735B (zh) | 钢板生产线点阵喷码字符自动检测方法 | |
| CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
| CN111626280B (zh) | 一种无定位点答题卡识别方法和装置 | |
| JPH0844819A (ja) | 画像処理方法および画像処理装置 | |
| CN109886978B (zh) | 一种基于深度学习的端到端告警信息识别方法 | |
| CN112541504A (zh) | 一种针对文本中单个字符目标的检测方法 | |
| CN112560538A (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
| CN116188544A (zh) | 一种结合边缘特征的点云配准方法 | |
| CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
| CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
| CN106951902B (zh) | 一种图像二值化处理方法及装置 | |
| CN112597868A (zh) | 基于无定位点的试卷识别和矫正方法 | |
| CN112329641A (zh) | 一种表格识别方法、装置、设备及可读存储介质 | |
| CN113033569A (zh) | 基于灰度投影极值的多行喷码字符序贯分割方法 | |
| CN110969612A (zh) | 二维码印刷缺陷检测方法 | |
| CN113536822B (zh) | 二维码校正方法、装置及计算机可读存储介质 | |
| CN112288372B (zh) | 一种可同时识别一维条码和三段码字符的快递单识别方法 | |
| CN112215240B (zh) | 一种提高2d复杂边缘检测精度的优化方法 | |
| JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 | |
| CN114120320A (zh) | 一种图像多目标信息识别方法、系统及介质 | |
| CN110443847B (zh) | 一种基于摄像头的自动售卖机云台定位检测方法 | |
| CN113837119A (zh) | 一种基于灰度图像识别易混淆字符的方法及设备 |
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 |