CN109389123A - 一种基于先验知识的自适应喷码字符分割方法及其*** - Google Patents
一种基于先验知识的自适应喷码字符分割方法及其*** Download PDFInfo
- Publication number
- CN109389123A CN109389123A CN201810922532.9A CN201810922532A CN109389123A CN 109389123 A CN109389123 A CN 109389123A CN 201810922532 A CN201810922532 A CN 201810922532A CN 109389123 A CN109389123 A CN 109389123A
- Authority
- CN
- China
- Prior art keywords
- character
- coding
- priori knowledge
- picture
- coding character
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
- Image Processing (AREA)
Abstract
本发明涉及喷码字符分割技术领域,具体公开了一种基于先验知识的自适应喷码字符分割方法,包括S1,获取喷码字符的先验知识;S2,对喷码字符进行字符区域的定位,从而得到喷码字符区域图片;S3,对喷码字符区域图片进行喷码垂直倾斜的校正,从而得到已校正字符区域图片;S4,对已校正字符区域图片进行字符分割。本发明公开了一种基于先验知识的自适应喷码字符分割***,包括先验知识获取单元、字符区域定位单元、喷码垂直倾斜校正单元和字符分割单元。本发明减少了传统字符分割方法大部分的计算量,抗干扰能力高,极大地减少了斜体喷码在垂直投影分割时误切割的概率,字符定位准确率高,提高了喷码字符分割的准确率,同时具有较高稳定性和通用性。
Description
技术领域
本发明涉及喷码字符分割技术领域,具体涉及一种基于先验知识的自适应喷码字符分割方法及其***。
背景技术
喷码机被广泛应用于食品、建材、日化、电子、汽配、线缆等一切需要标识的行业,喷码机是用来在产品表面喷印字符(如生产日期,保质期,批号等)图标、规格、条码及防伪标识等内容的机器,其优点在于不接触产品,喷印内容灵活可变,字符大小可以调节,以及可以和计算机连接进行复杂数据库喷印。目前工厂主要采用人工方法检测喷码字符质量,但存在速度慢、误检率高等问题。故有一部分工厂选择用机器视觉喷码检测技术检测喷码字符质量,但视觉喷码检测技术中的喷码字符分割技术是视觉检测的难点,因为喷码字符和普通字符不同,喷码字符由多个墨点按一定间隙组成点阵字符,采用传统的字符分割方法如投影分割方法、连通域分割方法对喷码字符进行分割容易存在投影断裂、连通域断裂的问题,导致字符分割过程出现误分割的情况,影响喷码字符检测的准确率和稳定性。
国内专利号为CN 107451588 A通过迭代法求取阈值分离背景,采用形态学膨胀处理,选择大于10个像素的连通域得到喷码字符区域,然后对喷码区域进行水平校正,然后根据预定义的字符高度、宽度确定黏连字符个数和粗分割范围,再采用投影法进行字符分割。该方法相比传统的字符分割方法具有较高的准确率,但也存在不足的地方,如:(1)在定位喷码字符区域过程中,其说明书中直接采用3*5的矩形结构元素对图片进行膨胀处理,其结构元素大小如何确定没有给出任何说明,该方案是从小到大不断试验膨胀结构元素,直到膨胀处理后得到合适喷码字符区域,试验确定合适的矩形结构元素大小耗时较长;(2)该方案选择大于10个像素的连通域作为喷码字符区域,具有很高错误率,因为当易拉罐表面有其他干扰墨点、噪声颗粒等由于预处理无法过滤,选择大于10个像素的连通域会导致喷码字符区域选择错误,最终影响字符分割的准确率。(3)该方案直接对水平校正后的喷码字符区域进行字符分割,但对于斜体喷码字符,在进行垂直投影字符分割会出现很难确定字符分割点,会出现极高的错误率。
国内专利号为CN104268538A首先通过MSER方法处理喷码图片获得粗定位的喷码字符区域,再进行形态学膨胀处理得到喷码字符区域,再对喷码字符区域进行水平校正,接着通过在投影法的基础上采用波形膨胀法分割字符。该方法在定位喷码字符处理中,其“采用3*3 矩形结构元素对图像进行膨胀处理,然后筛选出面积在(s1,s2)之间的连通域为喷码区域”,该步骤采用3*3的结构元素对于墨点较小、墨点间距较大的喷码字符无法使其膨胀连接成一个连通域,导致定位字符失败,无法进行字符正确分割;同时s1和s2在专利中是没有提供任何计算依据,只是凭人为试验、经验得出,具有一定的主观性,s1、s2的合理设置对整个字符分割算法的准确性有要重要作用。该专利在字符分割过程中在投影法的基础上采用波形膨胀法分割字符,但其没有具体给出膨胀波形次数、垂直分割阈值、水平分割阈值的具体计算公式,需要人为经验设定,对字符分割的准确率有较大影响,且算法的通用性、稳定性较差。
发明内容
有鉴于此,有必要针对上述的问题,提出一种基于先验知识的自适应喷码字符分割方法及其***,以解决上述背景技术中的传统的字符分割方法如投影分割方法、连通域分割方法对喷码字符进行分割容易存在投影断裂、连通域断裂的问题,以及克服现有专利出现的效率低、出错率高、稳定性差以及通用性差的缺点。
为实现上述目的,本发明采取以下的技术方案:
一种基于先验知识的自适应喷码字符分割方法包括以下步骤:
S1,获取喷码字符的先验知识;
S2,对喷码字符进行字符区域的定位,从而得到喷码字符区域图片;
S3,对喷码字符区域图片进行喷码垂直倾斜的校正,从而得到已校正字符区域图片;
S4,对所述已校正字符区域图片进行字符分割。
进一步的,于S1中,所述先验知识包括分割字符个数、字符行数、字符行最大高度值、字符行最小高度值、字符最小宽度值、字符最大宽度值、字符垂直倾斜补正角度范围值、喷码字符墨点半径值、喷码字符墨点间距值、喷码字符图片宽度值和喷码字符图片长度值。
进一步的,所述S2包括以下步骤:
S21,复制喷码字符的原图并生成喷码字符的原图的第一备份图;
S22,对喷码字符的原图进行均值滤波以及二值化处理;
S23,采用一第一矩形结构元素对于S22中进行二值处理后的图片进行膨胀处理;
S24,对于S23中进行膨胀处理后的图片的连通域个数以及连通域面积进行判断;当膨胀处理后的连通域个数为数值一且连通域面积大于一面积阈值,则执行S25;当膨胀处理后的连通域个数大于数值一或者连通域面积小于或等于该面积阈值,则所述第一矩形结构元素进行数值加一的数值更新而后执行S23;
S25,获取膨胀处理后的图片的连通域的第一最小外接矩形,并获得所述第一最小外接矩形的四个顶点的坐标;
S26,通过如S25所述的第一最小外接矩形的四个顶点的坐标截取出所述第一备份图的第二最小外接矩形,并求取第二最小外接矩形的下底边的倾斜角;
S27,对如S26如所述的倾斜角进行水平校正后得到喷码字符区域图片。
进一步的,所述S22包括以下步骤:
S221,根据先验知识生成均值滤波模板参数;
S222,根据均值滤波模板参数对喷码字符的原图进行均值滤波;
S223,对于S222中进行滤波后的图片进行二值化处理。
进一步的,所述S3包括以下步骤:
S31,获得于S27中获得的喷码字符区域图片的宽度和长度,并复制喷码字符区域图片生成喷码字符区域图片的第二备份图;
S32,采用最大类间方差法对于S27中获得的喷码字符区域图片进行二值化处理;
S33,对采用一第二矩形结构元素对于S32中进行二值处理后的图片进行膨胀处理;
S34,对于S33中进行膨胀处理后的图片进行垂直倾斜补正,从而得到已校正字符区域图片。
进一步的,所述S4包括以下步骤:
S41,采用一第三矩形结构元素对于S3中生成的已校正字符区域图片进行腐蚀处理;
S42,对于S41中进行腐蚀处理后的字符区域图片进行水平分割;
S43,对于S42中进行水平分割后的字符区域图片进行垂直分割。
进一步的,所述第一矩形结构元素为由矩形结构元素参数E的值组成的矩形结构元素 (E,E);矩形结构元素参数E由下列公式(2)计算所得:
所述公式(2)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
进一步的,所述第二矩形结构元素为由矩形结构元素参数F2的值组成的矩形结构元素 (F2,F2);矩形结构元素参数F2由下列公式(3)计算所得:
所述公式(3)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
进一步的,所述第三矩形结构元素为由矩形结构元素参数F3的值组成的矩形结构元素 (F3,F3);矩形结构元素参数F3由下列公式(12)计算所得:
所述公式(12)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
进一步的,一种基于先验知识的自适应喷码字符分割***包括先验知识获取单元、字符区域定位单元、喷码垂直倾斜校正单元和字符分割单元;
所述先验知识获取单元用于获取喷码字符的先验知识;
所述字符区域定位单元用于对喷码字符进行字符区域的定位,从而生成喷码字符区域图片;
所述喷码垂直倾斜校正单元用于对所述字符区域定位单元生成的喷码字符区域图片进行喷码垂直倾斜的校正,从而生成已校正字符区域图片;
所述字符分割单元用于对所述喷码垂直倾斜校正单元生成的已校正字符区域图片进行字符分割。
本发明的有益效果为:
本发明是通过墨点间距和墨点大小初步确定了膨胀结构元素大小,再通过判断连通域面积和数量是否继续加大膨胀结构元素对图片进行膨胀处理,可减少大部分计算量,效率较高;本发明通过字符行数、每行字符个数、字符最小宽度等多个先验知识确定了喷码字符区域的最小面积,其面积远大于干扰墨点、噪声颗粒,在定位字符区域具有高的准确率,较强的抗干扰能力;本发明在水平校正喷码字符区域后对喷码字符进行了垂直倾斜校正,这样极大地减少斜体喷码在垂直投影分割时误切割的概率,可以提高喷码字符分割的准确率;本发明是通过墨点间距和墨点大小初步确定了膨胀结构元素大小,再通过判断连通域面积和数量是否继续加大膨胀结构元素对图片进行膨胀处理,可准确使字符膨胀连通成一个连通域,有利于字符定位;本发明通过字符行数、每行字符个数、字符最小宽度等多个先验知识以确定了喷码字符区域的最小面积,本发明的对喷码字符区域的选择更具合理性,有利于提高定位喷码字符区域的准确率;本发明结合每行喷码字符个数、喷码字符区域宽高等先验知识确定水平、垂直分割阈值,通过墨点大小、墨点间距确定腐蚀结构元素进行合理腐蚀,最后在灰度差分投影分割法基础上结合先验知识确定的分割范围实现字符切割,具有更高的字符分割准确率,同时具有较高稳定性和通用性。
本发明的测试样本采用喷码机打印的500张喷码图片,实现成功分割487张,分割成功率达97.4%。表1为本发明方法和投影分割法、连通域分割方法的对比结果,由结果可知,投影分割法、连通域分割方法对喷码字符的分割效果不理想,分割成功率较低,本发明方法在喷码字符分割上相对于传统字符分割方法具有较高的分割准确率。
表1
附图说明
图1为本发明的一种基于先验知识的自适应喷码字符分割方法的工作流程图;
图2为本发明的S22的工作流程图;
图3为本发明的S3的工作流程图;
图4为本发明的S2的工作流程图;
图5为本发明的S4的工作流程图;
图6为本发明涉及的一种基于先验知识的自适应喷码字符分割***的结构示意图;
图7为本发明涉及的实施例中具体喷码日期的效果图;
图8为本发明涉及的对图7进行均值滤波后的效果图;
图9为本发明涉及的对图8进行二值化处理后的效果图;
图10为本发明涉及的对图9进行膨胀化处理后的效果图;
图11为本发明涉及的获取图10的第一最小外接矩形后的效果图;
图12为本发明涉及的从S27得到的喷码字符区域图片的效果图;
图13为本发明涉及的从S3得到的已校正字符区域图片的效果图;
图14为本发明涉及的对图13进行腐蚀处理的效果图;
图15为本发明涉及的对图14进行差分投影的效果图;
图16为本发明涉及的图14在垂直差分投影效果图;
图17为本发明涉及的图14在水平差分投影效果图;
图18为本发明涉及的对图14进行水平及垂直分割后的效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明的技术方案作进一步清楚、完整地描述。需要说明的是,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。
需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
“第一”、“第二”、“第三”、“第四”等术语仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”、“第四”特征可以明示或者隐含地包括一个或者更多个该特征。
实施例
如图1所示,一种基于先验知识的自适应喷码字符分割方法,应用于一种基于先验知识的自适应喷码字符分割***,该自适应喷码字符分割方法包括以下步骤:
S1,获取喷码字符的先验知识;
S2,对喷码字符进行字符区域的定位,从而得到喷码字符区域图片;
S3,对喷码字符区域图片进行喷码垂直倾斜的校正,从而得到已校正字符区域图片;
S4,对已校正字符区域图片进行字符分割。
进一步的,于S1中,所述先验知识包括分割字符个数Nump(其中p代表第p行字符)、字符行数C_rows、字符行最大高度值C_max_height(单位:像素)、字符行最小高度值 C_min_height(单位:像素)、字符最小宽度值C_min_width(单位:像素)、字符最大宽度值C_max_width(单位:像素)、字符垂直倾斜补正角度范围值±C°、喷码字符墨点半径值R (单位:像素)、喷码字符墨点间距值D(单位:像素)、喷码字符图片宽度值Img_H(单位:像素)和喷码字符图片长度值Img_W(单位:像素)。比如,如图7所示,图7是某牌子喷码机打印的在纸包装条上的喷码日期图片,图片大小为100*450pixel,首先获取喷码日期图片的先验知识,包括:Nump=8、C_rows=1、C_max_height=60pixel、 C_min_height=45pixel、C_min_width=55pixel、C_max_width=45pixel、根据喷码打印的实际情况确定的±C°、C=10、R=3pixel、D=10pixel、Img_H=100pixel、Img_W=450pixel。
进一步的,如图1、图4所示,所述S2包括以下步骤:
S21,复制喷码字符的原图Img并生成喷码字符的原图的第一备份图Img_a;
S22,对喷码字符的原图Img进行均值滤波以及二值化处理;根据喷码字符墨点半径值R 和公式(1),求得均值滤波模板参数X,用X*X模板对喷码字符的原图Img进行均值滤波,
然后采用最大类间方差二值化方法对滤波后的图片进行二值化处理;比如,对图7进行均值滤波,根据先验知识中的喷码字符墨点半径值R=3pixel和公式(1),求得均值滤波模板参数X=2,用2*2模板对原图进行均值滤波,得到效果图如图8所示;对图8进行二值化处理,二值化后图像背景像素值为0,即为黑色,字符前景像素值为255,即为白色,得到效果图如图9所示;
S23,采用一第一矩形结构元素(E,E)对于S22中进行二值处理后的图片进行膨胀处理;所述第一矩形结构元素为由矩形结构元素参数E的值组成的矩形结构元素(E,E);矩形结构元素参数E由下列公式(2)计算所得:
所述公式(2)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值;比如,对图9进行膨胀化处理后得到如图10所示的效果图;
S24,对于S23中进行膨胀处理后的图片的连通域个数以及连通域面积进行判断;当膨胀处理后的连通域个数为数值一且连通域面积大于一面积阈值,则执行S25;当膨胀处理后的连通域个数大于数值一或者连通域面积小于或等于该面积阈值,则所述第一矩形结构元素进行数值加一的数值更新而后执行S23;判断当前图片的连通域个数以及面积的判断规则具体如下:如果图片只有一个连通域,且面积大于
则代表膨胀处理成功则进入下一步骤S25;如果图片还存在多个连通域,或者没有一个连通域面积大于则矩形结构元素参数E加1,跳转步骤S23;
S25,获取膨胀处理后的图片的连通域的第一最小外接矩形(具体实例的效果图如图11所示),并获得所述第一最小外接矩形的四个顶点的坐标;
S26,通过如S25所述的第一最小外接矩形的四个顶点的坐标截取出所述第一备份图 Img_a的第二最小外接矩形,并求取第二最小外接矩形的下底边的倾斜角;
S27,对如S26如所述的倾斜角进行水平校正后得到喷码字符区域图片Img_b;比如,所述获取图11的最小外接矩形的四个坐标,在喷码备份图Img_a上通过四个坐标点截取喷码字符区域的最小外接矩形,并求取最小外接矩形的下底边的倾斜角为3°,将最小外接矩形区域顺时针旋转3°,得到水平校正后的喷码字符区域Img_b,校正后的效果图如图12所示。
进一步的,如图2、图4所示,S22包括以下步骤:
S221,根据先验知识生成均值滤波模板参数;
S222,根据均值滤波模板参数对喷码字符的原图进行均值滤波;
S223,对于S222中进行滤波后的图片进行二值化处理。
进一步的,如图1、图3所示,所述S3包括S31-S34:
S31,获得于S27中获得的喷码字符区域图片Img_b的宽度Img_Reion_H和长度Img_Region_W,并复制喷码字符区域图片生成喷码字符区域图片的第二备份图 Img_c;
S32,采用最大类间方差法对于S27中获得的喷码字符区域图片Img_b进行二值化处理;比如,二值化后图像背景像素值为0,即为黑色,字符前景像素值为255,即为白色;
S33,对采用一第二矩形结构元素(F2,F2)对于S32中进行二值处理后的图片进行膨胀处理;所述第二矩形结构元素为由矩形结构元素参数F2的值组成的矩形结构元素(F2,F2);矩形结构元素参数F2由下列公式(3)计算所得:
所述公式(3)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值;
S34,对于S33中进行膨胀处理后的图片进行垂直倾斜补正,从而得到已校正字符区域图片;比如,对每一行像素进行错位校正,设T_right_min=Img_Reion_W+1,设右倾斜补正角度θ=0°,已知字符垂直倾斜补正角度范围±C°,首先进行右倾斜补正,设i=0,j=0,对字符区域进行垂直倾斜校正具体步骤包括S341-S3414:
S341:按下列公式(4)计算S4,按下列公式(5)计算j4,对Img_b第i行第j4列以后的所有像素向左平移S4个单位,
S342:判断i是否等于Img_Reion_H,如果相等,进入下一步骤S343;如果小于 Img_Reion_H,i=i+1,跳转到S341;
S343:统计字符区域垂直投影累加值大于255的列数T,如果T<T_right_min,则T_right_min=T,记录右倾斜最佳补正角度θmin=θ;
S344:判断θ是否等于C,小于C则θ=θ+1,i=0,将Img_c复制到Img_b,跳回步骤S341;等于C则将Img_c复制到Img_b,进入下一步骤S345;
S345:令i=0,设T_left_min=Img_Re gion_W+1,设左倾斜补正角度α=1°,已知字符垂直倾斜补正角度范围值±C°;
S346:按下列公式(6)计算S6,按下列公式(7)计算j6,对Img_b第i行第j6列以后的所有像素向左平移S6个单位,
S347:判断i是否等于Img_Reion_H,如果相等,进入下一步骤S348;如果小于 Img_Reion_H,i=i+1,跳转到S346;
S348:统计字符区域垂直投影累加值的大于255的列数T,如果T<T_left_min,则T_left_min=T,记录左倾斜最佳补正角度αmin=α;
S349:判断α是否等于C,小于C则α=α+1,将Img_c复制到Img_b,跳回步骤S346;等于C则进入下一步骤S3410;
S3410:设i=0,j=0,如果T_right_min<T_left_min,进入步骤S3411;否则进入步骤S3413;
S3411:最佳补正角度取θmin,按下列公式(8)计算S8,按下列公式(9)计算j8,对备份的水平校正后的喷码字符区域图片Img_c的第i行第j8列以后的所有像素向左平移S8个单位,
S3412:判断i是否等于Img_Reion_H,如果相等,进入步骤S4;如果小于 Img_Reion_H,i=i+1,跳转到S3411;
S3413:最佳补正角度取αmin,按下列公式(10)计算S10,按下列公式(11)计算j10,对备份的水平校正后的喷码字符区域图片Img_c第i行第j10列以后的所有像素向左平移 S10个单位,
S3414:判断i是否等于Img_Reion_H,如果相等,进入步骤S4;如果小于 Img_Reion_H,i=i+1,跳转到S3413;
比如,图12经过S341-S3414的处理过程后,得到如图13所示的效果图。
进一步的,如图1、图5所示,所述S4包括S41-S43:
S41,采用一第三矩形结构元素对于S3中生成的已校正字符区域图片进行腐蚀处理;所述第三矩形结构元素为由矩形结构元素参数F3的值组成的矩形结构元素(F3,F3);矩形结构元素参数F3由下列公式(12)计算所得:
所述公式(12)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值;比如,图13经腐蚀处理后得到如图14所示的效果图;
S42,对于S41中进行腐蚀处理后的字符区域图片进行水平分割;比如,对于S41中进行腐蚀处理后的字符区域图片通过差分投影实现水平分割,S42包括S421-S428,如下:
S421:按下列公式(13)求出水平分割阈值H_thresold,然后从上往下开始搜索水平分割点,设p为字符区域第p行字符,已知p=C_rows;
S422:按下列公式(14)计算第i行左右相邻两个像素灰度值相减的绝对值的累加和 S_hor;
S423:如果S_hor>H_thresold,则记录第i行为第p行字符的水平投影的起始分割点,记H_DivisionStartp=i,进入步骤S424;否则,i=i+1,返回步骤S422;
S424:然后在(H_DivisionStartp+H_min, min{H_DivisionStartp+H_max,Img_Reglon_H})范围内从上往下搜索结束分割点,设 i=H_DivisionStartp+H_min;
S425:按公式(14)计算第i行左右相邻两个像素灰度值相减的绝对值的累加和S_hor;
S426:判断i是否等于min{H_DivisionStartp+H_max,Img_Region_H},
如果i等于min{H_DivisionStartp+H_max,Im g_Re gion_H},
则水平结束分割点 H_DivisionEndp=min{H_DivisionStartp+H_max,Im g_Region_H},
跳转到S428;如果小于min{H_DivisionStartp+H_max,Im g_Re gion_H},
进入步骤S427;
S427:如果S_hor<H_thresold,则记录第i行为第p行字符的水平投影的结束分割点,记H_DivisionEndp=i,进入步骤S428;否则,i=i+1,跳转步骤S425;
S428:判断p是否等于字符行数C_rows,如果相等,所有字符行的分割点已搜索完毕,完成字符水平分割;如果p小于C_rows,p=p+1,跳转到S422;比如,图17是图 14经过水平差分累加的投影图。
S43,对于S42中进行水平分割后的字符区域图片进行垂直分割;比如,对于S42中进行水平分割后的字符区域图片通过差分投影实现垂直分割,S43包括S431-S439,如下:
S431:根据下列公式(15)求出垂直分割阈值W_thresold,设j=0,设k=1,然后从左往右开始搜索每个字符的起始分割点和结束分割点;
S432:按下列公式(16)计算第p行的字符行区域第j列上下相邻两个像素灰度值相减的绝对值的累加和S_Vert;
S433:如果S_Vert>W_thresold,则记录第p行第k个字符的起始分割点,记 V_DivisionStartk=j,进入步骤S434;否则,j=j+1,跳转步骤S432;
S434:然后在
(V_DivisionStartk+W_min,min{V_DivisionStartk+W_max,Im g_Re gion_W})范围内从左往右搜索第k个字符的结束分割点,设j=V_DivisionStartk+W_min;
S435:按公式(16)计算第j列上下相邻两个像素灰度值相减的绝对值的累加和S_Vert;
S436:判断j是否等于min{V_DivisionStartk+W_max,Im g_Re gion_W},如果j等于 min{V_DivisionStartk+W_max,Im g_Re gion_W},则第p行第k个字符结束分割点 V_DivisionEndk=min{V_DivisionStartk+W_max,Im g_Re gion_W},跳转到S438;如果小于min{V_DivisionStartk+W_max,Im g_Re gion_W},进入步骤S437;
S437:如果S_Vert<W_thresold,则记录第p行第k个字符的结束分割点,记 V_DivisionStartk=j,
跳转到S438;否则,j=j+1,返回步骤S435;
S438:判断k是否等于字符数Nump,如果k等Nump,第p行所有字符的垂直分割点已搜索完毕,进入步骤S439;如果k小于Nump,k=k+1,跳转到S432;
S439:判断p是否等于C_rows,如果p等于C_rows,则完成字符分割;如果p小于 C_rows,p=p+1,令j=0,跳到步骤S432;
如图16是图14垂直差分投影累加的投影图,图15是通过水平、垂直差分投影确定每个字符的矩形切割区域(得到每个字符的四个切割顶点的坐标);
得到每个字符的切割坐标后,就可以对图14的进行字符分割,分割效果如图18。
进一步的,如图1、图6所示,一种基于先验知识的自适应喷码字符分割***包括先验知识获取单元、字符区域定位单元、喷码垂直倾斜校正单元和字符分割单元;
所述先验知识获取单元用于获取喷码字符的先验知识;
所述字符区域定位单元用于对喷码字符进行字符区域的定位,从而生成喷码字符区域图片;
所述喷码垂直倾斜校正单元用于对所述字符区域定位单元生成的喷码字符区域图片进行喷码垂直倾斜的校正,从而生成已校正字符区域图片;
所述字符分割单元用于对所述喷码垂直倾斜校正单元生成的已校正字符区域图片进行字符分割。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于先验知识的自适应喷码字符分割方法,其特征在于,该自适应喷码字符分割方法包括以下步骤:
S1,获取喷码字符的先验知识;
S2,对喷码字符进行字符区域的定位,从而得到喷码字符区域图片;
S3,对喷码字符区域图片进行喷码垂直倾斜的校正,从而得到已校正字符区域图片;
S4,对已校正字符区域图片进行字符分割。
2.根据权利要求1所述的基于先验知识的自适应喷码字符分割方法,其特征在于,于S1中,所述先验知识包括分割字符个数、字符行数、字符行最大高度值、字符行最小高度值、字符最小宽度值、字符最大宽度值、字符垂直倾斜补正角度范围值、喷码字符墨点半径值、喷码字符墨点间距值、喷码字符图片宽度值和喷码字符图片长度值。
3.根据权利要求1所述的基于先验知识的自适应喷码字符分割方法,其特征在于,S2包括以下步骤:
S21,复制喷码字符的原图并生成喷码字符的原图的第一备份图;
S22,对喷码字符的原图进行均值滤波以及二值化处理;
S23,采用一第一矩形结构元素对于S22中进行二值处理后的图片进行膨胀处理;
S24,对于S23中进行膨胀处理后的图片的连通域个数以及连通域面积进行判断;当膨胀处理后的连通域个数为数值一且连通域面积大于一面积阈值,则执行S25;当膨胀处理后的连通域个数大于数值一或者连通域面积小于或等于该面积阈值,则所述第一矩形结构元素进行数值加一的数值更新而后执行S23;
S25,获取膨胀处理后的图片的连通域的第一最小外接矩形,并获得所述第一最小外接矩形的四个顶点的坐标;
S26,通过如S25所述的第一最小外接矩形的四个顶点的坐标截取出所述第一备份图的第二最小外接矩形,并求取第二最小外接矩形的下底边的倾斜角;
S27,对如S26如所述的倾斜角进行水平校正后得到喷码字符区域图片。
4.根据权利要求1所述的基于先验知识的自适应喷码字符分割方法,其特征在于,S22包括以下步骤:
S221,根据先验知识生成均值滤波模板参数;
S222,根据均值滤波模板参数对喷码字符的原图进行均值滤波;
S223,对于S222中进行滤波后的图片进行二值化处理。
5.根据权利要求3所述的基于先验知识的自适应喷码字符分割方法,其特征在于,S3包括以下步骤:
S31,获得于S27中获得的喷码字符区域图片的宽度和长度,并复制喷码字符区域图片生成喷码字符区域图片的第二备份图;
S32,采用最大类间方差法对于S27中获得的喷码字符区域图片进行二值化处理;
S33,对采用一第二矩形结构元素对于S32中进行二值处理后的图片进行膨胀处理;
S34,对于S33中进行膨胀处理后的图片进行垂直倾斜补正,从而得到已校正字符区域图片。
6.根据权利要求5所述的基于先验知识的自适应喷码字符分割方法,其特征在于,S4包括以下步骤:
S41,采用一第三矩形结构元素对于S3中生成的已校正字符区域图片进行腐蚀处理;
S42,对于S41中进行腐蚀处理后的字符区域图片进行水平分割;
S43,对于S42中进行水平分割后的字符区域图片进行垂直分割。
7.根据权利要求3所述的基于先验知识的自适应喷码字符分割方法,其特征在于,所述第一矩形结构元素为由矩形结构元素参数E的值组成的矩形结构元素(E,E);矩形结构元素参数E由下列公式(2)计算所得:
所述公式(2)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
8.根据权利要求5所述的基于先验知识的自适应喷码字符分割方法,其特征在于,所述第二矩形结构元素为由矩形结构元素参数F2的值组成的矩形结构元素(F2,F2);矩形结构元素参数F2由下列公式(3)计算所得:
所述公式(3)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
9.根据权利要求6所述的基于先验知识的自适应喷码字符分割方法,其特征在于,所述第三矩形结构元素为由矩形结构元素参数F3的值组成的矩形结构元素(F 3,F3);矩形结构元素参数F3由下列公式(12)计算所得:
所述公式(12)中的D为先验知识中的喷码字符墨点间距值,R为先验知识中的喷码字符墨点半径值。
10.一种基于先验知识的自适应喷码字符分割***包括先验知识获取单元、字符区域定位单元、喷码垂直倾斜校正单元和字符分割单元;
所述先验知识获取单元用于获取喷码字符的先验知识;
所述字符区域定位单元用于对喷码字符进行字符区域的定位,从而生成喷码字符区域图片;
所述喷码垂直倾斜校正单元用于对所述字符区域定位单元生成的喷码字符区域图片进行喷码垂直倾斜的校正,从而生成已校正字符区域图片;
所述字符分割单元用于对所述喷码垂直倾斜校正单元生成的已校正字符区域图片进行字符分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810922532.9A CN109389123B (zh) | 2018-08-14 | 2018-08-14 | 一种基于先验知识的自适应喷码字符分割方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810922532.9A CN109389123B (zh) | 2018-08-14 | 2018-08-14 | 一种基于先验知识的自适应喷码字符分割方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389123A true CN109389123A (zh) | 2019-02-26 |
CN109389123B CN109389123B (zh) | 2021-04-23 |
Family
ID=65418578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810922532.9A Active CN109389123B (zh) | 2018-08-14 | 2018-08-14 | 一种基于先验知识的自适应喷码字符分割方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389123B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766016A (zh) * | 2019-10-21 | 2020-02-07 | 广西师范大学 | 一种基于概率神经网络的喷码字符识别方法 |
CN110941944A (zh) * | 2019-09-30 | 2020-03-31 | 中国重型机械研究院股份公司 | 一种将任意字体字符转化成喷印点阵的方法 |
CN112464928A (zh) * | 2020-11-27 | 2021-03-09 | 广东电网有限责任公司 | 数字式表计读数识别方法、装置、设备及存储介质 |
CN112651401A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种喷码字符自动校正方法和*** |
CN112699883A (zh) * | 2021-01-12 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别*** |
CN114463750A (zh) * | 2022-01-19 | 2022-05-10 | 湖南视比特机器人有限公司 | 工件喷码的校正方法及其校正***和路径控制方法 |
CN114511704A (zh) * | 2022-04-19 | 2022-05-17 | 科大智能物联技术股份有限公司 | 一种基于高速产线的喷印码识别检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556503A (zh) * | 2004-01-09 | 2004-12-22 | 清华大学 | 图像处理中的快速形态学腐蚀、膨胀方法 |
US7433711B2 (en) * | 2004-12-27 | 2008-10-07 | Nokia Corporation | Mobile communications terminal and method therefor |
CN103150564A (zh) * | 2013-03-28 | 2013-06-12 | 冶金自动化研究设计院 | 板材表面喷码字符识别装置及其方法 |
CN103612860A (zh) * | 2013-11-23 | 2014-03-05 | 冶金自动化研究设计院 | 基于机器视觉的宽厚板成品库入库定位与位置识别*** |
CN107451588A (zh) * | 2017-08-28 | 2017-12-08 | 广东工业大学 | 一种基于机器视觉的易拉罐光滑曲面喷码在线识别方法 |
-
2018
- 2018-08-14 CN CN201810922532.9A patent/CN109389123B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556503A (zh) * | 2004-01-09 | 2004-12-22 | 清华大学 | 图像处理中的快速形态学腐蚀、膨胀方法 |
US7433711B2 (en) * | 2004-12-27 | 2008-10-07 | Nokia Corporation | Mobile communications terminal and method therefor |
CN103150564A (zh) * | 2013-03-28 | 2013-06-12 | 冶金自动化研究设计院 | 板材表面喷码字符识别装置及其方法 |
CN103612860A (zh) * | 2013-11-23 | 2014-03-05 | 冶金自动化研究设计院 | 基于机器视觉的宽厚板成品库入库定位与位置识别*** |
CN107451588A (zh) * | 2017-08-28 | 2017-12-08 | 广东工业大学 | 一种基于机器视觉的易拉罐光滑曲面喷码在线识别方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941944A (zh) * | 2019-09-30 | 2020-03-31 | 中国重型机械研究院股份公司 | 一种将任意字体字符转化成喷印点阵的方法 |
CN110941944B (zh) * | 2019-09-30 | 2023-04-25 | 中国重型机械研究院股份公司 | 一种将任意字体字符转化成喷印点阵的方法 |
CN110766016A (zh) * | 2019-10-21 | 2020-02-07 | 广西师范大学 | 一种基于概率神经网络的喷码字符识别方法 |
CN110766016B (zh) * | 2019-10-21 | 2023-04-18 | 西安海若机电设备有限公司 | 一种基于概率神经网络的喷码字符识别方法 |
CN112464928A (zh) * | 2020-11-27 | 2021-03-09 | 广东电网有限责任公司 | 数字式表计读数识别方法、装置、设备及存储介质 |
CN112464928B (zh) * | 2020-11-27 | 2024-03-15 | 广东电网有限责任公司 | 数字式表计读数识别方法、装置、设备及存储介质 |
CN112651401A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种喷码字符自动校正方法和*** |
CN112651401B (zh) * | 2020-12-30 | 2024-04-02 | 凌云光技术股份有限公司 | 一种喷码字符自动校正方法和*** |
CN112699883A (zh) * | 2021-01-12 | 2021-04-23 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别*** |
CN112699883B (zh) * | 2021-01-12 | 2023-05-16 | 首钢京唐钢铁联合有限责任公司 | 板材喷码的识别方法及识别*** |
CN114463750A (zh) * | 2022-01-19 | 2022-05-10 | 湖南视比特机器人有限公司 | 工件喷码的校正方法及其校正***和路径控制方法 |
CN114511704A (zh) * | 2022-04-19 | 2022-05-17 | 科大智能物联技术股份有限公司 | 一种基于高速产线的喷印码识别检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109389123B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389123A (zh) | 一种基于先验知识的自适应喷码字符分割方法及其*** | |
CN106875546B (zh) | 一种增值税***的识别方法 | |
Moy et al. | Distortion estimation techniques in solving visual CAPTCHAs | |
CN106485183A (zh) | 一种二维码定位方法及*** | |
CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
CN103116896A (zh) | 一种基于视觉显著性模型的自动检测跟踪方法 | |
CA2000012A1 (en) | Computer-implemented method for automatic extraction of data from printed forms | |
CN101865859B (zh) | 一种图像划痕的检测方法及装置 | |
CN106525000A (zh) | 基于激光扫描离散点强度梯度的道路标线自动化提取方法 | |
CN110443243A (zh) | 水位监测方法、存储介质、网络设备和水位监测*** | |
CN110378239A (zh) | 一种基于深度学习的实时交通标志检测方法 | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
CN106503709A (zh) | 一种渣土车车牌字符智能识别方法 | |
CN107909571A (zh) | 一种焊缝图像处理方法、***、设备及计算机存储介质 | |
CN107423735B (zh) | 一种利用水平梯度和饱和度的车牌定位方法 | |
CN104751466A (zh) | 一种基于视觉显著性的形变物体跟踪算法及其*** | |
CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
CN115861247A (zh) | 一种高分辨率遥感影像轮廓多级正则化方法、***及应用 | |
CN108288268A (zh) | 基于投影分析的高分辨率遥感图像中靠岸舰船检测方法 | |
CN107463939B (zh) | 一种图像关键直线检测方法 | |
CN104966072A (zh) | 一种基于形状的无色标机器鱼位姿识别算法 | |
CN105046230A (zh) | 基于图像的人眼角检测的方法及*** | |
CN110443166A (zh) | 一种雾霾天气的车牌识别方法 | |
US20030091238A1 (en) | Detection of a pattern in a digital image | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510000 building 13, 100 martyrs Road, Yuexiu District, Guangzhou, Guangdong. Patentee after: Institute of intelligent manufacturing, Guangdong Academy of Sciences Address before: 510000 building 13, 100 martyrs Road, Yuexiu District, Guangzhou, Guangdong. Patentee before: GUANGDONG INSTITUTE OF INTELLIGENT MANUFACTURING |
|
CP01 | Change in the name or title of a patent holder |