基于视频图像的数字仪表读数自动识别资料下载.pdf
《基于视频图像的数字仪表读数自动识别资料下载.pdf》由会员分享,可在线阅读,更多相关《基于视频图像的数字仪表读数自动识别资料下载.pdf(3页珍藏版)》请在冰豆网上搜索。
采用高斯滤波、Canny边缘检测和Hough变换的方法校正字符的倾斜角度;
采用自适应阈值、形态滤波算法去除因图像亮度不均匀对字符识别准确度的影响;
采用纵向投影方法进行字符识别。
在现场试验中,取得了令人满意的效果。
关键词:
视频图像;
字符识别;
自适应阈值;
数字区域定位;
Hough变换中图分类号:
TP391.43文献标识码:
AAbstract:
Amethodavailablefordigitalcharacterrecognitionisintroducedinthispaper.UsingaCCDcameratotaketheimagesofadigitalmeter,thedigitalcharactersarepartitionedandrecognizedaccuratelyanddisplayedinreal-timebyacomputersystem.Thispaperexpatiatesthealgorithmsofcharacterrecognitionofthedigitalmetersincludingthemethodsofdigitalimageprocessingbasedonmulti-framedifferenceaccumulation,whichlocateddigitalarea,Gaussfiltering,Cannyedgedetection,Houghtransformationwhichcalibratedslantangle,theadaptivethreshold,whichareusedtopositionthedigitalcharacters,andverticalprojectionwhichrecognizedthedigitals.Alotofexperimentsappliedinrealverifiedandthecorrectdistinguishresultsforthedigitalcharactersaresatisfied.Keywords:
videoimage;
characterrecognition;
adaptivethreshold;
digitalcharacterspositioning;
Houghtransformation文章编号:
1008-0570(2008)10-1-0219-031引言光学字符识别(OpticalCharacterRecognition)是模式识别研究的一个热点,被广泛应用在汽车牌照识别、身份证号码识别、护照识别等领域里,能够以光电非接触方式快速、准确地自动识别字符,极大地提高了工作效率,具有良好的发展前景。
随着字符识别技术进一步完善以及高速、高性能计算机硬件的出现和发展,光学字符识别的应用越来越广泛。
数字仪表以其高精度、易读取、可设置等优点在工业和控制领域得到了广泛的应用。
虽然目前较高档的数字仪表都有数字输出接口,但在相当一部分应用环境如仪表检定、科学实验、测量控制、水表记录等,仍需要对仪表读数进行人工记录,然后再将读数输入到计算机中进行处理。
这种方法不仅费时费力、工作效率低,而且准确率也较差。
本文针对数字式仪表的自动检定,提出了应用数字图像处理和字符识别技术实现仪表读数的非接触方式的自动识别,并开发了一套基于计算机的自动读数识别系统。
2预处理算法在光学字符识别系统中,由于光照等各种外在客观因素的影响,采集的图像往往质量较差、亮度不均匀、数字区域与背景区域较难分离,降低了识别率,严重影响了其在工程中的实际应用。
本文采用如下的预处理方法:
1、数字区域的自动定位分割在实际应用中,摄像机摄取到的图像包括数字区域和部分仪表图像,背景较复杂,并且不同的仪表其背景也不相同。
为了研究对于各种数字仪表都通用的定位算法,假定摄像机与仪表位置相对固定,应用多帧差异积累检测运动目标的方法定位数字区域。
仪表数字与背景图像的主要区别在于:
仪表显示的数字在较短时间内会发生变化,这样在差分二值图像中未变化的背景就会被滤除,从而检测到完整的数字区域,然后确定字符区域的大小和位置。
这种定位分割操作对于一种仪表检定仅需执行一次,完全可以满足实际工作的需要。
图1.1为多帧差异积累二值图像,图1.2中的方框为数字区域自动定位的结果。
图1.1多帧差异积累图像Fig1.1theimageofmulti-framedifferenceaccumulation尹传历:
博士研究生基金项目:
吉林省杰出青年资助基金(20060119);
颁发部门:
吉林省科技厅219-技术创新中文核心期刊微计算机信息(测控自动化)2008年第24卷第10-1期360元/年邮局订阅号:
82-946现场总线技术应用200例传感器与仪器仪表图1.2数字区域自动定位图像Fig1.2auto-positionimageofnumber2、旋转角度的校正仪表数字往往带有不同的倾斜角度,另外仪表和摄像机摆放安装也不能完全保证字符垂直,如果不进行倾斜矫正,势必降低识别率。
为了减弱这种影响,本文采用了如下矫正方法:
1.利用的33窗口的9点高斯滤波进行图像滑,在保持目标图像的边缘劣化不明显的情况下,消除随机噪声,使图像背景的灰度值更平滑。
2.采用Canny算法提边,以降低后续Hough变换的计算量。
3.利用Hough变换检测与垂直线成10度的直线且长度满足一定阈值,计算直线偏离垂直线的角度,将所有检测到的倾斜角度取平均,最后旋转图像。
图2中的细线是用Hough变换检测到的字符与垂直线成10度且长度满足一定阈值的直线,粗线是取其平均倾斜角度的直线。
图2Hough变换检测字符倾斜角度图像Fig2charactergradientdetectingimagebyHoughtransformation3、自适应阈值分割由于光照的影响,背景图像的灰度值在整幅图像中存在很大的差别,如果只用一个固定的阈值对整幅图像进行分割,则不能兼顾图像各处的情况而使分割效果变差,如图3.1所示。
为提高分割的精确性,采用随背景灰度值变化的自适应阈值算法。
首先将原图像分解成若干子图像,然后对每个子图像计算局部阈值,最后对子图得到的阈值进行线性插值得到了原图中每个象素进行分割所需要的合理阈值。
分割后的二值图像利用数学形态学变换中的开、闭运算在选取合适算子的条件下消除图像中存在的少量噪声点,为字符识别奠定了基础。
图3.2是自适应阈值分割得到的图像。
这里,在局部阈值计算时采用最大类间方差法,其计算公式为其中,为两类间最大方差,为目标概率,为目标的平均灰度,为背景概率,为背景平均灰度,为图像总体平均灰度。
阈值T将图像分成A、B两部分,使得两类总方差取最大值的T,即为最佳分割阈值。
图3.1全局阈值的二值化图像Fig3.1Binaryimagebyglobalthreshold图3.2采用自适应阈值的二值化图像Fig3.2Binaryimagebyadaptivethreshold3字符识别算法字符识别主要基于模板匹配和特征统计两种方法。
模板匹配法将每一个字符定义为一个模板,与待识别字符的点阵图像距离最小的模板所对应的数字判定为输入的待识别的数字。
该方法识别率高,缺点是计算量大,对噪声敏感。
本文选用特征统计算法,这种方法简单、稳定,可达到实时识别。
具体算法如下:
1、字符串分割对字符区域进行垂直投影后,再对投影作边缘检测,确定每个数字或符号的前沿和后沿,进而确定其相应的位置。
最后将每一组前、后沿作为一个数字或符号并统计字符的总个数。
图4.1是数字仪表读数的二值化图像,图4.2是垂直投影得到的图像,其中以实线开始,虚线结束就确定一个字符。
?
220-邮局订阅号:
82-946360元/年技术创新传感器与仪器仪表PLC技术应用200例您的论文得到两院院士关注2、字符识别根据标准七段码的像素分布情况,如图8所示,将每个字符所占的区域上、下分成两部分,取上部分中间一行A,下部分中间一行B;
C将字符左右分成两部分。
09不同字符图像的笔画与A、B、C相交处的像元灰度值或是“0”,或是“1”。
根据这个原理可以制作一个查询表,供七段码字符识别。
图5数字字符的像素分布情况Fig5thepixeldistributionofdigitalcharacter根据垂直投影得到的字符区域的宽窄可以分出数字和标点符号。
为了提高识别算法的抗干扰性,对字符连续进行多次扫描来确定像素的存在,使得识别算法更加可靠。
4结论本文给出了一种基于视频图像处理的光电非接触式数字仪表自动读取的方法,针对实际仪表读数图像的特点,采用多帧差异积累