CN114066993B - 基于机器视觉的配电柜控制面板分割方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的配电柜控制面板分割方法，包括步骤：1)对相机进行标定，获得相机的内参数、外参数和畸变参数，校正镜头畸变，采集配电柜控制面板的图像并校正；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；2)对相机校正后的图像进行预处理，对外框及编号字符区分别进行定位和唯一匹配。本发明主要通过图像处理技术分别确定每一个配电柜柜面和编号的位置，再对其进行一对一的匹配，整个方法高效可靠，准确高。

Description

基于机器视觉的配电柜控制面板分割方法

技术领域

本发明涉及机器视觉与图像处理的技术领域，尤其是指一种基于机器视觉的配电柜控制面板分割方法。

背景技术

电力是现代社会不可缺少的动力源，配电柜作为整个配电系统的最基层的设备，广泛地存在于社区、工厂等社会场景中。配电柜上有多种不同开关和仪表，实时监控它们的状态是让电力系统安全稳定运行的重要保障。目前，人力巡检是确定这些开关的状态的主要方法，但是会存在漏检、错检、环境恶劣不适合人进入等情况。近年来，随着机器视觉和图像处理技术的发展，通过摄像头远程实时监控开关状态成为可能，且可以规避人力巡检的实时性差、错检漏检、人与电柜近距离接触等风险。因此，对配电柜自动识别技术的研究是非常有意义的。而在对配电柜的柜面进行开关的搜索之前，需要将每个独立的配电柜从图像中标出具体的位置，这是在对配电柜进行识别时的基础工作。

综上所述，发明一种从已知图片中识别出独立配电柜控制面板并完成切割的方法，具有较高的实用价值。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于机器视觉的配电柜控制面板分割方法，主要通过图像处理技术分别确定每一个配电柜柜面和编号的位置，再对其进行一对一的匹配，整个方法高效可靠，准确高。

为实现上述目的，本发明所提供的技术方案为：基于机器视觉的配电柜控制面板分割方法，包括以下步骤：

1)对相机进行标定，获得相机的内参数、外参数和畸变参数，校正镜头畸变，采集配电柜控制面板的图像并校正；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；

2)对相机校正后的图像进行预处理，对外框及编号字符区分别进行定位和唯一匹配。

进一步，在步骤1)中，采用张正友标定法对相机进行标定，得到内参矩阵K、外参矩阵Q和畸变参数；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；

内参矩阵K形式如下所示：

式中，f_x、f_y为在x、y方向上焦距所占的像素个数，u₀、v₀为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数，h为坐标轴倾斜参数；

外参矩阵Q形式如下所示：

式中，R为世界坐标系与相机坐标系的相对旋转矩阵，E为世界坐标系与相机坐标系的相对位移矩阵；

畸变参数包括径向畸变参数和切向畸变参数；

径向畸变的调节公式如下所示：

x_rcorr＝x_p(1+k₁r²+k₂r⁴+k₃r⁶)

y_rcorr＝y_p(1+k₁r²+k₂r⁴+k₃r⁶)

式中，(x_rcorr,y_rcorr)是畸变点在成像仪上的原点位置，(x_p,y_p)是畸变校正后的位置，r是图像像素点到图像中心的距离，k₁、k₂、k₃是径向畸变参数；

切向畸变的调节公式如下所示：

式中，(x_tcorr,y_tcorr)是畸变点在成像仪上的原点位置，(x_q,y_q)是畸变校正后的位置，q₁、q₁为切向畸变参数。

进一步，在步骤2)中，完成对相机校正后采集的图像的预处理，分别对外框及编号字符区进行定位和唯一匹配，包括以下步骤：

2.1)预处理

采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图，对所得的灰度图采用直方图均衡化的算法进行图像增强，得到预处理的图像；

2.2)编号字符区域定位

使用Canny边缘检测算法对预处理后的图像进行γ次查找，对完成边缘查找的二值图进行δ次闭操作，此处γ及δ均为经验值，在得到的二值图中找出所有轮廓及从属关系；

将查找出的所有轮廓分别用一个最小外接矩形在图中标出，获得外接矩形4个端点的信息并保存记为集合G，具体定义如下：

G_j＝{(s_i,t_i)|i∈[1,4],j∈[1,N]}

式中，G_j指第j个矩形端点信息，共有N个矩形；(s_i,t_i)为矩形的第i个端点坐标，规定左上角为第1个端点，编号顺序为逆时针；

计算集合G中每一组G_j的长L_c与宽L_h，当L_c和L_h同时满足以下条件时认为该矩形内部为编号字符区域：

L_c≥0.1W

L_h≥0.1H

式中，W为输入图像横向像素值，H为输入图像纵向像素值，ω为在步骤1)中获得的实际编号牌长宽比，保留符合条件的信息G_j；

2.3)外框矩形框定位

使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后，对预处理后的图像使用Canny边缘检测算法获得边缘图像，在边缘图像中使用霍夫直线检测算法检测直线，将获得的直线在极坐标下的解析表达式记为(ρ_τ,θ_τ)，将解析表达式转为在直角坐标系下的表示式(Y_τ,X_τ)，其计算过程如下所示：

求取直线之间以及与画幅边框的交点作为备选端点，在横坐标优先升序的条件下以纵坐标升序重新排列备选端点，画出所有由四个备选端点组成的所有四边形，将四边形的信息记为集合T，具体定义如下：

T_m＝{(x_n,y_n)|n∈[1,4],m∈[1,M]}

式中，T_m指第m个四边形端点信息，共有M个四边形；(x_n,y_n)为矩形的第n个端点坐标，规定左上角为第0个端点，编号顺序为逆时针；

计算四边形每个内角的余弦值并进行筛选，计算方法如下所示：

式中，α为需要计算的内角，为内角α相邻的两条边构成的向量，原点为内角α的顶点；当四个内角都满足条件α≤0.01时，认为该四边形为矩形，更新集合T；

2.4)对外框矩形进行筛选和匹配，包括以下步骤：

2.4.1)对步骤2.3)获得的集合T进行信息历遍，获得所有外框矩形的下部所在直线的线性表达式(Y_m,X_m)，其表达式如下所示：

Y_m＝k_mX_m+b_m

式中，k_m、b_m分别为线性表达式Y_m的斜率和截距，统计不同Y_m出现的次数，删除出现次数为1所对应的外框信息T_m，更新集合T；

2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G，保留对于一组外框信息T_m，有且只有一组编号信息G_j满足以下条件时的外框信息T_m：

x₁＜s₁

y₁＜t₁

x₂＞s₂

y₂＞t₂

x₃＞s₃

y₃＞t₃

x₄＜s₄

y₄＞t₄

式中，(s₁,t₁)、(s₂,t₂)、(s₃,t₃)和(s₄,t₄)为同一组G_j中的四个坐标信息，(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)为同一组T_m中的四个坐标信息；

更新集合T；

2.4.3)对于每一组外框信息T_m，求取其四条边所在直线的线性表达式f(x)，公式为：

f(x)＝Ax+B

式中，A为直线线性表达式f(x)的斜率，B为直线线性表达式f(x)的截距；

在同一方向上外框矩形与编号字符区域的距离d计算公式如下：

式中，t₁,t₂∈G(s,t)，且x₁＝s₁，x₂＝s₂ x₂＝s₂；f(x₁)、f(x₂)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值；

对于四组对应边的距离d₁～d₄，求出四组对应边中距离的最小值，用d_min表示；对于每一组外框信息T_m对应的所有编号信息组G_j，分别求取其所在的最小外接矩形的最短边长L_min；令L_min为阈值，若满足条d_min≤L_min，则认为编号区所在的位置靠近柜面边缘；删除d_min＞L_min时对应的外框矩形，更新集合T；

2.4.4)检查集合G中每一组编号信息G_j是否仅对应一个集合T中的一组外框信息T_m，即数值上是否满足条件j＝m，若是，则认为分配完成；

若有一组编号信息G_j对应多组外框信息T_m，即j＜m的情况出现，找出该编号信息G_j0所对应的z组外框信息T_Z，连结T_Z所表示的矩形4条边的中线，将外框矩形划分为四个等大小的小矩形，以逆时针的顺序分别记为H₁～H₄；用掩膜屏蔽编号字符区部分，统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β₁～β₁₀，其计算方法如下：

式中，w为当前统计颜色所占的像素数，Z为小矩形H的总像素数；

对H₁～H₄的不同β值以大小降序的顺序排列，保留各小矩形之间β_max所对应的颜色相同，且相差小于10％的外框信息，更新集合T；

再次检查集合G中每一组编号信息G_j与集合T中的每一组外框信息T_m是否具有唯一对应关系，若有，则认为分配完成；若仍有一组编号信息G_j对应多组外框信息T_m的情况，则对相应的外框信息T_Z进行如下的计算：

S＝4Z_b

式中，Z_b为该外框矩形中不含字符编号的小矩形H所占像素数，保留S_max所对应的外框信息，更新集合T，分配完成。

本发明与现有技术相比，具有如下优点与有益效果：

1、作为配电柜柜面开关识别的基础工作，能够提供一个可泛化的算法。

2、除了标定相机对图像进行畸变校正，无需进行事前的信息采集。

附图说明

图1为本发明方法的流程图。

图2为标定相机时的标定板示意图。

图3为HSV色彩空间下十种主要颜色分量范围表。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

参见图1所示，本实施例所提供的基于机器视觉的配电柜控制面板分割方法，包括以下步骤：

1)打印已知尺寸的黑白棋盘格作为标定板，如图2所示，使用相机对不同角度、距离、姿态下的标定板进行拍摄至少3张图像。对拍摄得到的图像采用张正友标定法对相机进行标定，得到内参矩阵K、外参矩阵Q和畸变参数；

内参矩阵K形式如下所示：

式中f_x、f_y为在x、y方向上焦距所占的像素个数，u₀、v₀为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数，h为坐标轴倾斜参数；

外参矩阵Q形式如下所示：

式中R为世界坐标系与相机坐标系的相对旋转矩阵，E为世界坐标系与相机坐标系的相对位移矩阵；

畸变参数包括径向畸变参数和切向畸变参数；

径向畸变的调节公式如下所示：

x_rcorr＝x_p(1+k₁r²+k₂r⁴+k₃r⁶)

y_rcorr＝y_p(1+k₁r²+k₂r⁴+k₃r⁶)

式中(x_rcorr,y_rcorr)是畸变点在成像仪上的原点位置，(x_p,y_p)是畸变校正后的位置，r是图像像素点到图像中心的距离，k₁、k₂、k₃为径向畸变参数；

切向畸变的调节公式如下所示：

式中，(x_tcorr,y_tcorr)是畸变点在成像仪上的原点位置，(x_q,y_q)是畸变校正后的位置，q₁、q₁为切向畸变参数。

2)完成对相机校正后采集的图像的预处理，分别对外框及编号字符区进行定位和唯一匹配，包括以下步骤：

2.1)预处理

采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图像，再对灰度图采用直方图均衡化的算法进行图像增强，得到预处理的图像；

2.2)编号字符区域定位

使用Canny边缘检测算法，设置初始下限值lowth、递增值ψ、阈值上限值highth，对预处理后的图像进行γ次查找。对完成边缘查找的二值图进行δ次闭操作，此处lowth、highth、ψ、γ及δ均为经验值，设置lowth为30，highth为90，ψ为10，γ为4，δ为2。使用findContours函数找出二值图中所有轮廓及从属关系；

使用minAreaRect函数将查找出的所有轮廓分别用一个最小外接矩形在图中标出，通过boxPoints函数获得外接矩形4个端点的信息并保存记为集合G，具体定义如下：

G_j＝{(s_i,t_i)|i∈[1,4],j∈[1,N]}

式中，G_j指第j个矩形端点信息，共有N个矩形；(s_i,t_i)为矩形的第i个端点坐标，规定左上角为第1个端点，编号顺序为逆时针；

计算集合G中每一组G_j的长L_c与宽L_h，当L_c和L_h同时满足以下条件时认为该矩形内部为编号字符区域：

L_c≥0.1W

L_h≥0.1H

式中，W为输入图像横向像素值，H为输入图像纵向像素值，ω为在步骤1)中获得的实际编号牌长宽比，保留符合条件的信息G_j；

2.3)外框矩形框定位

使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后，对预处理后的图像使用Canny边缘检测算法获得边缘图像。在边缘图像中使用霍夫直线检测算法检测直线，将获得的直线在极坐标下的解析表达式记为(ρ_τ,θ_τ)，将解析表达式转为在直角坐标系下的表示式(Y_τ,X_τ)，其计算过程如下所示：

求取直线之间以及与画幅边框的交点作为备选端点，在横坐标优先升序的条件下以纵坐标升序重新排列备选端点，画出所有由四个备选端点组成的所有四边形，将四边形的信息记为集合T，具体定义如下：

T_m＝{(x_n,y_n)|n∈[1,4],m∈[1,M]}

式中，T_m指第m个四边形端点信息，共有M个四边形；(x_n,y_n)为矩形的第n个端点坐标，规定左上角为第0个端点，编号顺序为逆时针；

计算四边形每个内角的余弦值并进行筛选，计算方法如下所示：

式中，α为需要计算的内角，为内角α相邻的两条边构成的向量，原点为内角α的顶点。当四个内角都满足条件α≤0.01时，认为该四边形为矩形，更新集合T；

2.4)对外框矩形进行筛选和匹配，包括以下步骤：

2.4.1)对步骤2.3)获得的集合T进行信息历遍，获得所有外框矩形的下部所在直线的线性表达式(Y_m,X_m)，其表达式如下所示：

Y_m＝k_mX_m+b_m

式中，k_m、b_m分别为线性表达式Y_m的斜率和截距，统计不同Y_m出现的次数，删除出现次数为1所对应的外框信息T_m，更新集合T；

2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G，保留对于一组外框信息T_m，有且只有一组编号信息G_j满足以下条件时的外框信息T_m：

x₁<s₁

y₁＜t₁

x₂＞s₂

y₂＞t₂

x₃＞s₃

y₃＞t₃

x₄＜s₄

y₄＞t₄

式中，(s₁,t₁)、(s₂,t₂)、(s₃,t₃)和(s₄,t₄)为同一组G_j中的四个坐标信息，(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)为同一组T_m中的四个坐标信息；

更新集合T；

2.4.3)对于每一组外框信息T_m，求取其四条边所在直线的线性表达式，公式为：

f(x)＝Ax+B

式中，A为直线线性表达式f(x)的斜率，B为直线线性表达式f(x)的截距；

在同一方向上外框矩形与编号字符区域的距离d计算公式如下：

式中，t₁,t₂∈G(s,t)，且x₁＝s₁，x₂＝s₂ x₂＝s₂；f(x₁)、f(x₂)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值；

对于四组对应边的距离d₁～d₄，求出四组对应边中距离的最小值，用d_min表示；对于每一组外框信息T_m对应的所有编号信息组G_j，分别求取其所在的最小外接矩形的最短边长L_min。令L_min为阈值，若满足条d_min≤L_min，则认为编号区所在的位置靠近柜面边缘。删除d_min＞L_min时对应的外框矩形，更新集合T；

2.4.4)检查集合G中每一组编号信息G_j是否仅对应一个集合T中的一组外框信息T_m，即数值上是否满足条件j＝m，若是，则认为分配完成；

若有一组编号信息G_j对应多组外框信息T_m，即j＜m的情况出现，找出该编号信息G_j0所对应的z组外框信息T_Z，连结T_Z所表示的矩形4条边的中线，将外框矩形划分为四个等大小的小矩形，以逆时针的顺序分别记为H₁～H₄。用掩膜屏蔽编号字符区部分，统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β₁～β₁₀，如图3所示。其计算方法如下：

式中，w为当前统计颜色所占的像素数，Z为小矩形H的总像素数；

对H₁～H₄的不同β值以大小降序的顺序排列，保留各小矩形之间β_max所对应的颜色相同，且相差小于10％的外框信息，更新集合T；

再次检查集合G中每一组编号信息G_j与集合T中的每一组外框信息T_m是否具有唯一对应关系，若有，则认为分配完成；若仍有一组编号信息G_j对应多组外框信息T_m的情况，则对相应的外框信息T_Z进行如下的计算：

S＝4Z_b

式中，Z_b为该外框矩形中不含字符编号的小矩形H所占像素数，保留S_max所对应的外框信息，更新集合T，分配完成。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (1)

1.基于机器视觉的配电柜控制面板分割方法，其特征在于，包括以下步骤：

1)对相机进行标定，获得相机的内参数、外参数和畸变参数，校正镜头畸变，采集配电柜控制面板的图像并校正；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；

采用张正友标定法对相机进行标定，得到内参矩阵K、外参矩阵Q和畸变参数；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；

内参矩阵K形式如下所示：

式中，f_x、f_y为在x、y方向上焦距所占的像素个数，u₀、v₀为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数，h为坐标轴倾斜参数；

外参矩阵Q形式如下所示：

式中，R为世界坐标系与相机坐标系的相对旋转矩阵，E为世界坐标系与相机坐标系的相对位移矩阵；

畸变参数包括径向畸变参数和切向畸变参数；

径向畸变的调节公式如下所示：

x_rcorr＝x_p(1+k₁r²+k₂r⁴+k₃r⁶)

y_rcorr＝y_p(1+k₁r²+k₂r⁴+k₃r⁶)

式中，(x_rcorr,y_rcorr)是畸变点在成像仪上的原点位置，(x_p,y_p)是畸变校正后的位置，r是图像像素点到图像中心的距离，k₁、k₂、k₃是径向畸变参数；

切向畸变的调节公式如下所示：

式中，(x_tcorr,y_tcorr)是畸变点在成像仪上的原点位置，(x_q,y_q)是畸变校正后的位置，q₁、q₂为切向畸变参数；

2)对相机校正后的图像进行预处理，对外框及编号字符区分别进行定位和唯一匹配，具体如下：

完成对相机校正后采集的图像的预处理，分别对外框及编号字符区进行定位和唯一匹配，包括以下步骤：

2.1)预处理

采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图，对所得的灰度图采用直方图均衡化的算法进行图像增强，得到预处理的图像；

2.2)编号字符区域定位

使用Canny边缘检测算法对预处理后的图像进行γ次查找，对完成边缘查找的二值图进行δ次闭操作，此处γ及δ均为经验值，在得到的二值图中找出所有轮廓及从属关系；

将查找出的所有轮廓分别用一个最小外接矩形在图中标出，获得外接矩形4个端点的信息并保存记为集合G，具体定义如下：

G_j＝{(s_i，t_i)|i∈[1,4],j∈[1,N]}

式中，G_j指第j个矩形端点信息，共有N个矩形；(s_i,t_i)为矩形的第i个端点坐标，规定左上角为第1个端点，编号顺序为逆时针；

计算集合G中每一组G_j的长L_c与宽L_h，当L_c和L_h同时满足以下条件时认为该矩形内部为编号字符区域：

L_c≥0.1W

L_h≥0.1H

式中，W为输入图像横向像素值，H为输入图像纵向像素值，ω为在步骤1)中获得的实际编号牌长宽比，保留符合条件的信息G_j；

2.3)外框矩形框定位

使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后，对预处理后的图像使用Canny边缘检测算法获得边缘图像，在边缘图像中使用霍夫直线检测算法检测直线，将获得的直线在极坐标下的解析表达式记为(ρ_τ,θ_τ)，将解析表达式转为在直角坐标系下的表示式(Y_τ,X_τ)，其计算过程如下所示：

求取直线之间以及与画幅边框的交点作为备选端点，在横坐标优先升序的条件下以纵坐标升序重新排列备选端点，画出所有由四个备选端点组成的所有四边形，将四边形的信息记为集合T，具体定义如下：

T_m＝{(x_n，y_n)|n∈[1，4],m∈[1,M]}

式中，T_m指第m个四边形端点信息，共有M个四边形；(x_n,y_n)为矩形的第n个端点坐标，规定左上角为第0个端点，编号顺序为逆时针；

计算四边形每个内角的余弦值并进行筛选，计算方法如下所示：

式中，α为需要计算的内角，为内角α相邻的两条边构成的向量，原点为内角α的顶点；当四个内角都满足条件α≤0.01时，认为该四边形为矩形，更新集合T；

2.4)对外框矩形进行筛选和匹配，包括以下步骤：

2.4.1)对步骤2.3)获得的集合T进行信息历遍，获得所有外框矩形的下部所在直线的线性表达式(Y_m,X_m)，其表达式如下所示：

Y_m＝k_mX_m+b_m

式中，k_m、b_m分别为线性表达式Y_m的斜率和截距，统计不同Y_m出现的次数，删除出现次数为1所对应的外框信息T_m，更新集合T；

2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G，保留对于一组外框信息T_m，有且只有一组编号信息G_j满足以下条件时的外框信息T_m：

x₁＜s₁

y₁＜t₁

x₂＞s₂

y₂＞t₂

x₃＞s₃

y₃＞t₃

x₄＜s₄

y₄＞t₄

式中，(s₁,t₁)、(s₂,t₂)、(s₃,t₃)和(s₄,t₄)为同一组G_j中的四个坐标信息，(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)为同一组T_m中的四个坐标信息；

更新集合T；

2.4.3)对于每一组外框信息T_m，求取其四条边所在直线的线性表达式f(x)，公式为：

f(x)＝Ax+B

式中，A为直线线性表达式f(x)的斜率，B为直线线性表达式f(x)的截距；

在同一方向上外框矩形与编号字符区域的距离d计算公式如下：

式中，t₁,t₂∈G(s,t)，且x₁＝s₁，x₂＝s₂；f(x₁)、f(x₂)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值；

对于四组对应边的距离d₁～d₄，求出四组对应边中距离的最小值，用d_min表示；对于每一组外框信息T_m对应的所有编号信息组G_j，分别求取其所在的最小外接矩形的最短边长L_min；令L_min为阈值，若满足条d_min≤L_min，则认为编号区所在的位置靠近柜面边缘；删除d_min＞L_min时对应的外框矩形，更新集合T；

2.4.4)检查集合G中每一组编号信息G_j是否仅对应一个集合T中的一组外框信息T_m，即数值上是否满足条件j＝m，若是，则认为分配完成；

若有一组编号信息G_j对应多组外框信息T_m，即j＜m的情况出现，找出该编号信息G_j所对应的z组外框信息T_Z，连结T_Z所表示的矩形4条边的中线，将外框矩形划分为四个等大小的小矩形，以逆时针的顺序分别记为H₁～H₄；用掩膜屏蔽编号字符区部分，统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β₁～β₁₀，其计算方法如下：

式中，w为当前统计颜色所占的像素数，Z为小矩形H的总像素数；

对H₁～H₄的不同β值以大小降序的顺序排列，保留各小矩形之间β_max所对应的颜色相同，且相差小于10％的外框信息，更新集合T；

再次检查集合G中每一组编号信息G_j与集合T中的每一组外框信息T_m是否具有唯一对应关系，若有，则认为分配完成；若仍有一组编号信息G_j对应多组外框信息T_m的情况，则对相应的外框信息T_Z进行如下的计算：

S＝4Z_b

式中，Z_b为该外框矩形中不含字符编号的小矩形H所占像素数，保留S_max所对应的外框信息，更新集合T，分配完成。