CN103605973A - 一种图像字符检测鉴别方法 - Google Patents
一种图像字符检测鉴别方法 Download PDFInfo
- Publication number
- CN103605973A CN103605973A CN201310511403.8A CN201310511403A CN103605973A CN 103605973 A CN103605973 A CN 103605973A CN 201310511403 A CN201310511403 A CN 201310511403A CN 103605973 A CN103605973 A CN 103605973A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- white image
- black white
- gray
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种图像字符检测鉴别方法,其方法步骤为:一、制作对应字符标准黑白图像;二、实时采集测试图像,对字符位置提取及处理为测试黑白图像;三、对步骤二得到的测试黑白图像同步骤一制作的标准黑白图像进行对比判断是否合格。该方法可完全解决在平板电视自动测试中图像字符无法识别的问题,推进平板电视机芯组件实现自动化检测,提升产品质量以及人效。
Description
技术领域
本发明涉及一种图像字符检测鉴别方法,特别是涉及一种适用于平板电视自动测试领域对采集的图像字符检测鉴别的方法。
背景技术
由于在平板电视机芯组件加工工艺的过程中,因来料器件和和生产工艺限制,经焊接完成后的机芯组件会有不同程度的缺陷。现有测试检查的方法基本是手工接线或针床连接显示屏,通过人工目测来对图像缺陷的质量判断,此方法存在人为主观因数导致的错判、漏判的影响。且随着人力成本的不断上升,自动化检测逐步应用。在自动检测中需要对采集的图像字符进行检测,行业中较多采用的通用OCR字符识别的方式,在实际应用中由于采集图像中字符的亮度、粗细、笔画断裂或粘连等问题,造成OCR识别中有较多误判,识别困难。
发明内容
本发明要解决的技术问题是提供一种误判少、识别容易的用于对图像字符检测鉴别方法。
本发明采用的技术方案如下:一种图像字符检测鉴别方法,其方法步骤为:一、制作对应字符标准黑白图像;二、实时采集测试图像,对字符位置提取及处理为测试黑白图像;三、对步骤二得到的测试黑白图像同步骤一制作的标准黑白图像进行对比判断是否合格。
作为对其进一步的改进,所述步骤一的具体方法步骤为:1、选取一幅通过实时采集的测试标准图像;2、框选所需检测字符图像位置对步骤1得到的测试标准图像进行提取;3、设定一灰度阈值P,将图像灰度大于灰度阈值P的部分定义为字符像素点,将对步骤2中提取到的图像按灰度阈值P进行二值化处理得到标准黑白图像。
作为对其进一步的改进,所述测试标准图像为通过图像采集***实时采集出的位图图像。
作为对其进一步的改进,以8Bit-256色位图图像为例,所述黑白图像为将字符定义为灰度值为0的全黑、背景定义为灰度值为255的全白8Bit-256色位图图像。
作为对其进一步的改进,所述灰度阈值P设定的具体方法步骤为:A、将通过采集卡采集的RGB位图图像按公式Gray=R*0.299+G*0.587+B*0.114转换为灰度图像;B、将得到的灰度图像按N个灰度区间进行灰度量化,得出N个直方图;C、从N个直方图中选取灰度像素分布最密集的两个区间,定义该两个区间灰度的中间值分别为Gray1和Gray2;D、将步骤B中选定的两个区间中间的灰度值P= (Gray1+ Gray2)/2确定为灰度阈值。
作为对其进一步的改进,所述N个为10个。
作为对其进一步的改进,所述步骤三中进行对比具体方法为:提取出字符的整体外框进行对比判断。
作为对其进一步的改进,所述提取出字符的整体外框进行对比的具体方法为:a、读取二值化标准黑白图像以及测试黑白图像像素点为相同的x列×y行,定义图像为f(x,y);b、从图像坐标原点开始对标准黑白图像和测试黑白图像同时进行边界搜索;c、分别按列和行进行搜索,将按列搜索到含灰度值为0的像素点中列最小和最大值分别定义为xmin和xmax;,将按行搜索到含灰度值为0的像素点中行最小和最大值分别定义为ymin和ymax;d、根据行、列中搜索到的字符边界最大值和最小值,即f(xmin,ymin)和f(xmax,ymax)两点可框选出图像字符的整体外框,对标准黑白图像和测试黑白图像字符的整体外框进行逐点对比,一致性达到设定值则判断为合格。
作为对其进一步的改进,所述步骤三中进行对比判断的具体方法还包括:如果整体外框进行对比合格则进行单个字符点对点对比判断,其具体方法为:从标准黑白图像和测试黑白图像f(x,y)的(xmin,ymin)坐标点开始,对行或列进行搜索,以8Bit-256色位图图像列搜索为例,对标准黑白图像和黑白图像根据公式 ,按列搜索,当遇到第一个E=0时,x的取值即可定义为首个字符列右边界x1??;由此可由(xmin,ymin)和(x1,ymin)两点框选出第一个字符;搜索第二个字符从f(x,y)的像素点(x1,ymin)开始按列搜索,当E≠0时为第二个字符的左边界,记录x的取值为x2;继续按列搜索至下一个E=0时,x的取值即定义为第二个字符列右边界x2;由此可由(x2,ymin)和(x3,ymax)两点框选出第二个字符;依次类推直至搜索至f(x,y)的像素点(xmax,ymax)即可完成搜索;对标准黑白图像和黑白图像框选出的字符依次序1、2、3~N,逐一进行每个像素点对比,一致性达到设定值则判断为合格。
与现有技术相比,本发明的有益效果是:该方法可完全解决在平板电视自动测试中图像字符无法识别的问题,推进平板电视机芯组件实现自动化检测,提升产品质量以及人效。
附图说明
图1为本发明其中一实施例的二值化图像外框搜索示意图。
图2为本发明其中一实施例的方法流程示意图。
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,以下结合附图及实施例,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。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
一种图像字符检测鉴别方法,其方法步骤为:一、制作对应字符标准黑白图像;二、实时采集测试图像,对字符位置提取及处理为测试黑白图像;三、对步骤二得到的测试黑白图像同步骤一制作的标准黑白图像进行对比判断是否合格。
在本具体实施例中,所述步骤一的具体方法步骤为:1、选取一幅通过实时采集的LVDS输出的测试标准图像;2、框选所需检测字符图像位置对步骤1得到的测试标准图像进行提取;3、设定一灰度阈值P,将图像灰度大于灰度阈值P的部分定义为字符像素点,将对步骤2中提取到的图像按灰度阈值P进行二值化处理得到标准黑白图像。
在本具体实施例中,所述测试标准图像为通过图像采集***实时采集出的8Bit-256色位图图像。黑白图像为将字符定义为灰度值为0的全黑、背景定义为灰度值为255的全白8Bit-256色位图图像。
在本具体实施例中,所述灰度阈值P设定的具体方法步骤为:A、将通过采集卡采集的RGB位图图像按公式Gray=R*0.299+G*0.587+B*0.114转换为灰度图像;B、将得到的灰度图像按10个(最优分析方案)灰度区间进行灰度量化,得出10个直方图;C、从10个直方图中选取灰度像素分布最密集的两个区间,定义该两个区间灰度的中间值分别为Gray1和Gray2;D、将步骤B中选定的两个区间中间的灰度值P= (Gray1+ Gray2)/2确定为灰度阈值。
步骤三中提取出字符的整体外框进行对比判断。具体方法为:a、读取二值化标准黑白图像以及测试黑白图像像素点为相同的x列×y行,定义图像为f(x,y);b、从图像坐标原点开始对标准黑白图像和测试黑白图像同时进行边界搜索;c、分别按列和行进行搜索,将按列搜索到含灰度值为0的像素点中列最小和最大值分别定义为xmin和xmax;,将按行搜索到含灰度值为0的像素点中行最小和最大值分别定义为ymin和ymax;d、根据行、列中搜索到的字符边界最大值和最小值,即f(xmin,ymin)和f(xmax,ymax)两点可框选出图像字符的整体外框,对标准黑白图像和测试黑白图像字符的整体外框进行逐点对比,一致性达到设定值则判断为合格。在本具体实施例中,该设定值为99.9%,低于99.9%则判断为不合格,等于高于99.9%则判断为合格。
作为对其进一步的改进,所述步骤三中进行对比判断的具体方法还包括:如果整体外框进行对比合格则进行单个字符点对点对比判断,其具体方法为:从标准黑白图像和测试黑白图像f(x,y)的(xmin,ymin)坐标点开始,对行或列进行搜索,以列搜索为例,对标准黑白图像和黑白图像根据公式,按列搜索,当遇到第一个E=0时,x的取值即可定义为首个字符列右边界x1??;由此可由(xmin,ymin)和(x1,ymin)两点框选出第一个字符;搜索第二个字符从f(x,y)的像素点(x1,ymin)开始按列搜索,当E≠0时为第二个字符的左边界,记录x的取值为x2 ;继续按列搜索至下一个E=0时,x的取值即定义为第二个字符列右边界x2;由此可由(x2,ymin)和(x3,ymax)两点框选出第二个字符;依次类推直至搜索至f(x,y)的像素点(xmax,ymax)即可完成搜索;对标准黑白图像和黑白图像框选出的字符依次序1、2、3~N,逐一进行每个像素点对比,一致性达到设定值则判断为合格。在本具体实施例中,该设定值为99.99%,低于此值则判断为不合格,等于高于此值则判断为合格,从而进一步提高准确率。
Claims (9)
1.一种图像字符检测鉴别方法,其方法步骤为:一、制作对应字符标准黑白图像;二、实时采集测试图像,对字符位置提取及处理为测试黑白图像;三、对步骤二得到的测试黑白图像同步骤一制作的标准黑白图像进行对比判断是否合格。
2.根据权利要求1所述的方法,所述步骤一的具体方法步骤为:1、选取一幅通过实时采集的测试标准图像;2、框选所需检测字符图像位置对步骤1得到的测试标准图像进行提取;3、设定一灰度阈值P,将图像灰度大于灰度阈值P的部分定义为字符像素点,将对步骤2中提取到的图像按灰度阈值P进行二值化处理得到标准黑白图像。
3.根据权利要求2所述的方法,所述测试标准图像为通过图像采集***实时采集出的位图图像。
4.根据权利要求3所述的方法,以8Bit-256色位图图像为例,所述黑白图像为将字符定义为灰度值为0的全黑、背景定义为灰度值为255的全白8Bit-256色位图图像。
5.根据权利要求2所述的方法,所述灰度阈值P设定的具体方法步骤为:A、将通过采集卡采集的RGB位图图像按公式Gray=R*0.299+G*0.587+B*0.114转换为灰度图像;B、将得到的灰度图像按N个灰度区间进行灰度量化,得出N个直方图;C、从N个直方图中选取灰度像素分布最密集的两个区间,定义该两个区间灰度的中间值分别为Gray1和Gray2;D、将步骤B中选定的两个区间中间的灰度值P= (Gray1+ Gray2)/2确定为灰度阈值。
6.根据权利要求5所述的方法,所述N个为10个。
7.根据权利要求1所述的方法,所述步骤三中进行对比具体方法为:提取出字符的整体外框进行对比判断。
8.根据权利要求7所述的方法,所述提取出字符的整体外框进行对比的具体方法为:a、读取二值化标准黑白图像以及测试黑白图像像素点为相同的x列×y行,定义图像为f(x,y);b、从图像坐标原点开始对标准黑白图像和测试黑白图像同时进行边界搜索;c、分别按列和行进行搜索,将按列搜索到含灰度值为0的像素点中列最小和最大值分别定义为xmin和xmax;,将按行搜索到含灰度值为0的像素点中行最小和最大值分别定义为ymin和ymax;d、根据行、列中搜索到的字符边界最大值和最小值,即f(xmin,ymin)和f(xmax,ymax)两点可框选出图像字符的整体外框,对标准黑白图像和测试黑白图像字符的整体外框进行逐点对比,一致性达到设定值则判断为合格。
9.根据权利要求8所述的方法,所述步骤三中进行对比判断的具体方法还包括:如果整体外框进行对比合格则进行单个字符点对点对比判断,其具体方法为:从标准黑白图像和测试黑白图像f(x,y)的(xmin,ymin)坐标点开始,对行或列进行搜索,以8Bit-256色位图图像列搜索为例,对标准黑白图像和黑白图像根据公式 ,按列搜索,当遇到第一个E=0时,x的取值即可定义为首个字符列右边界x1??;由此可由(xmin,ymin)和(x1,ymin)两点框选出第一个字符;搜索第二个字符从f(x,y)的像素点(x1,ymin)开始按列搜索,当E≠0时为第二个字符的左边界,记录x的取值为x2 ;继续按列搜索至下一个E=0时,x的取值即定义为第二个字符列右边界x2;由此可由(x2,ymin)和(x3,ymax)两点框选出第二个字符;依次类推直至搜索至f(x,y)的像素点(xmax,ymax)即可完成搜索;对标准黑白图像和黑白图像框选出的字符依次序1、2、3~N,逐一进行每个像素点对比,一致性达到设定值则判断为合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310511403.8A CN103605973B (zh) | 2013-10-25 | 2013-10-25 | 一种图像字符检测鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310511403.8A CN103605973B (zh) | 2013-10-25 | 2013-10-25 | 一种图像字符检测鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103605973A true CN103605973A (zh) | 2014-02-26 |
CN103605973B CN103605973B (zh) | 2017-03-01 |
Family
ID=50124193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310511403.8A Active CN103605973B (zh) | 2013-10-25 | 2013-10-25 | 一种图像字符检测鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605973B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240348A (zh) * | 2014-09-12 | 2014-12-24 | 福建省智慧物联网研究院有限责任公司 | 基于图像识别的入场身份认证方法 |
CN104504385A (zh) * | 2014-12-10 | 2015-04-08 | 上海大学 | 手写粘连数字串的识别方法 |
CN105424190A (zh) * | 2015-09-30 | 2016-03-23 | 广州超音速自动化科技股份有限公司 | 产品外观的灰度检测方法 |
CN110427885A (zh) * | 2019-07-31 | 2019-11-08 | Tcl王牌电器(惠州)有限公司 | 铭牌的检测方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010016059A1 (en) * | 1999-12-22 | 2001-08-23 | Andreas Krahn | Inspection device for packages |
CN1567340A (zh) * | 2003-06-23 | 2005-01-19 | 中国科学院研究生院 | 一种防伪票据、票据防伪方法及*** |
CN1975804A (zh) * | 2006-12-15 | 2007-06-06 | 华南理工大学 | 具备认字、写字功能的教育机器人及其文字识别方法 |
CN103049743A (zh) * | 2012-12-27 | 2013-04-17 | 天津普达软件技术有限公司 | 碗底字符检测***及检测方法 |
-
2013
- 2013-10-25 CN CN201310511403.8A patent/CN103605973B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010016059A1 (en) * | 1999-12-22 | 2001-08-23 | Andreas Krahn | Inspection device for packages |
CN1567340A (zh) * | 2003-06-23 | 2005-01-19 | 中国科学院研究生院 | 一种防伪票据、票据防伪方法及*** |
CN1975804A (zh) * | 2006-12-15 | 2007-06-06 | 华南理工大学 | 具备认字、写字功能的教育机器人及其文字识别方法 |
CN103049743A (zh) * | 2012-12-27 | 2013-04-17 | 天津普达软件技术有限公司 | 碗底字符检测***及检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240348A (zh) * | 2014-09-12 | 2014-12-24 | 福建省智慧物联网研究院有限责任公司 | 基于图像识别的入场身份认证方法 |
CN104504385A (zh) * | 2014-12-10 | 2015-04-08 | 上海大学 | 手写粘连数字串的识别方法 |
CN104504385B (zh) * | 2014-12-10 | 2017-12-22 | 上海大学 | 手写粘连数字串的识别方法 |
CN105424190A (zh) * | 2015-09-30 | 2016-03-23 | 广州超音速自动化科技股份有限公司 | 产品外观的灰度检测方法 |
CN110427885A (zh) * | 2019-07-31 | 2019-11-08 | Tcl王牌电器(惠州)有限公司 | 铭牌的检测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103605973B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107845087B (zh) | 液晶面板亮度不均匀缺陷的检测方法和*** | |
CN109879005B (zh) | 皮带撕裂检测装置及方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
US7978903B2 (en) | Defect detecting method and defect detecting device | |
CN106851264B (zh) | 摄像模组镜头表面检测方法及装置 | |
CN108460757A (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
WO2019001438A1 (zh) | 显示面板的灰阶调整方法及装置 | |
EP3242268A1 (en) | Method for automatically identifying and calibrating medical color and gray-scale images | |
CN109727233B (zh) | 一种lcd缺陷检测方法 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN110009607B (zh) | 显示屏坏点检测方法、装置、计算机设备和存储介质 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN104135660A (zh) | 一种摄像模组脏污检测方法及检测*** | |
CN104978748A (zh) | 一种基于局部像素值的液晶屏缺陷检测方法 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
WO2018010387A1 (zh) | 元件反件检测方法和*** | |
CN111261079B (zh) | 一种亮、暗斑异常现象的检测方法 | |
CN105404869A (zh) | 一种基于计算机视觉的水果外形分级方法 | |
CN103605973A (zh) | 一种图像字符检测鉴别方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN110415223B (zh) | 一种无参考的拼接图像质量评价方法及*** | |
CN104166250A (zh) | 一种平面显示器面板均匀度检测方法及其*** | |
CN101807297B (zh) | 医学超声图像直线检测方法 | |
CN112837287B (zh) | 一种板面缺陷区域的提取方法及装置 | |
CN104573743B (zh) | 一种人脸图像检测过滤方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |