CN109886276B - 一种表盘滚动数字字符的半字判断方法 - Google Patents
一种表盘滚动数字字符的半字判断方法 Download PDFInfo
- Publication number
- CN109886276B CN109886276B CN201910119615.9A CN201910119615A CN109886276B CN 109886276 B CN109886276 B CN 109886276B CN 201910119615 A CN201910119615 A CN 201910119615A CN 109886276 B CN109886276 B CN 109886276B
- Authority
- CN
- China
- Prior art keywords
- image
- character
- value
- gray
- dial
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种表盘滚动数字字符的半字判断方法,首先,获取原始图像即输入图像,并利用加权平均法将原始图像灰度化,得到灰度图像;采用Bersen局部二值化算法,并对灰度图像进行二值化处理,得到二值图;利用投影法去除进行二值化处理后的图像的左右和上下边框;然后,将利用投影法去除左右和上下边框后的图像五等分得到分割后的图像,并提取出五个水表字符;保留五个水表字符的各个水表字符的最大连通域;最后,将得到的图像每一行的零像素个数投影到纵坐标上,若投影后在纵坐标设定的范围内出现全白像素,则判定为半字;否则为全字;本发明可以快速地从输入的表盘图像中把全字和半字分开来并记上标签,便于后期进行针对性识别。
Description
技术领域
本发明涉及图像处理与识别中的滚动数字字符图像识别技术,特别是一种表盘滚动数字字符的半字判断方法。
背景技术
表盘滚动数字字符应用于很多领域,比如家用水表、家用电表等,表盘滚动数字字符的识别方式也有很多,最简单的方法就是对表盘进行拍照采集图像,然后在经过图像处理,运用模板匹配等方法识别出对应的数字,该***即摄像式抄表***。在该***中,数字字符识别是整个***的核心,而半字判断是数字字符识别的基础。在摄像式抄表***中,由于读数转盘进位不完全,常常会出现上下双半字残缺字符,这将数字字符划分为半字和全字两种类型。因此,要准确的进行数字字符识别,必须对数字字符进行全字和半字类型的判断划分,以便有针对性地对全字和半字进行识别。
发明内容
有鉴于此,本发明的目的是提出一种表盘滚动数字字符的半字判断方法,所需的操作步骤少,判断正确率高,为后续进行数字字符的针对性识别提供了有利的帮助,可广泛应用于需要进行数字字符识别的领域。
本发明采用以下方案实现:一种表盘滚动数字字符的半字判断方法,包括以下步骤:
步骤S1:获取原始图像即输入图像,并利用加权平均法将所述原始图像灰度化,得到灰度图像;
步骤S2:采用Bersen局部二值化算法,对步骤S1得到的灰度图像进行二值化处理,得到二值图;
步骤S3:利用投影法去除步骤S2中进行二值化处理后的图像的左右和上下边框;
步骤S4:将步骤S3中利用投影法去除左右和上下边框后的图像五等分,得到五个分割后的单个水表字符图像;
步骤S5:保留步骤S4中所述的五个水表字符的各个水表字符的最大连通域,并分别命名为图像I1、I2、I3、I4和I5;
步骤S6:将步骤S5得到的图像I1、I2、I3、I4和I5均经过如下处理:每一行的零像素个数投影到平面直角坐标系的纵坐标上,若投影后在纵坐标的范围内出现全白像素,则判定为半字;否则为全字;其中,M表示步骤S5得到的图像的行数。
进一步地,所述步骤S1具体包括以下步骤:
步骤S11:输入M×N×3的图像;N表示所述输入图像的列数,即一张尺寸为M×N的RGB真彩图;
步骤S12:提取所述RGB真彩图的三个维度分量,分别是R、G、B;
步骤S13:采用加权平均法来计算所述输入图像各个像素点的灰度值I_gray:
I_gray=0.2489R+0.5870G+0.1440B
步骤S14:将所述RGB真彩图中的R,G,B统一用I_gray替换,形成新的彩色图像RGB(I_gray,I_gray,I_gray),由于三个维度分量均相同,保留其中的一个维度分量即可得到灰度图。
进一步地,所述步骤S2具体包括以下步骤:
步骤S21:令两个灰度值阈值的初始值S=15,TT=128;其中,TT为最大灰度值的一半;
步骤S22:令滑动窗口大小为k×k,以滑动窗口法遍历所述灰度图像;找到所述滑动窗口中像素点灰度值的最大值max和最小值min;令T2=max-min;T1表示该滑动窗口内最大值与最小值的均值,T2表示该滑动窗口内最大值与最小值的差值;
步骤S23:比较T2与S的大小;若T2大于S,则说明k×k候选框中目标和背景同时存在,则将灰度图像上该像素点的值与所述滑动窗口法得到的对应点的T1值相比,若大于T1,则该像素点赋值1;若小于T1,则该点赋值0;若T2小于S,则说明k×k候选框中只存在背景或目标,则将所述灰度图像上该像素点的值与所述TT值相比;若大于TT,则该点赋值1;若小于TT,则该点赋值0;最后得到一个M×N大小的二值图。
进一步地,所述步骤S3具体包括以下步骤:
步骤S31:统计所述二值图中每行像素点为零的个数记为Ai,i代表第i行;
步骤S32:遍历像素点为零的个数,若在处,且则第i+1行为表盘图像数字字符的上边框分界线,记为m1行;若在处,且则第i-1行为表盘图像数字字符的下边框分界线,记为m2行;将所述二值图去除上下边框,得到尺寸大小为(m2-m1)×N的图像,记为M1×N,其中M1=m2-m1;
步骤S33:统计步骤S32得到的图像中每一列的像素值为零的个数,记为Bj,j代表第j列;
步骤S34:若在处,且则第j+1列为表盘图像数字字符的左边框分界线,记为n1列;若在处,且则第j-1行为表盘图像数字字符的右边框分界线,记为n2行;将步骤S32得到的图像去除左右边框得到尺寸大小为M1×(n2-n1)的二值化图像,记为M1×N1,其中N1=n2-n1。
进一步地,所述步骤S5具体包括以下步骤:
步骤S51:将所述五个水表字符的二值化图像M1×N1均用八领域追踪法筛选出连通区域;
步骤S52:从1开始以自然数并按顺序对各个所述连通区域标记,统计出相同自然数的个数,此即为各个连通区域的大小;
步骤S53:找出步骤S52中最多个数的自然数,所述五个水表字符的二值化图像M1×N1各自的最大连通区域即为该自然数所在的像素所连接成的区域,并分别保留此区域,同时删除其它连通区域,保留最大连通区域后的五个水表字符的二值化图像M1×N1分别命名为图像R1、R2、R3、R4、R5。
进一步地,所述步骤S6具体包括以下步骤:
步骤S61:对所述图像R1、R2、R3、R4、R5进行如下操作:统计每行像素点值为零的个数记为Cp,p代表第p行;
步骤S62:若在Cp=0,则说明在图像位置出现了一行或一行以上全为白的像素,即在范围内出现了上下字符的分界线,则判断该字符为半字,输出标签0;否则为全字,输出标签1。
与现有技术相比,本发明有以下有益效果:
本发明通过简化的步骤来将表盘中的半字和全字提取出来,并进行相应的判断,然后输出标签。采用本发明的方法处理数字字符图像,所需的操作步骤少,判断正确率高,为后续进行数字字符的针对性识别提供了有利的帮助,可广泛应用于需要进行数字字符识别的领域。
附图说明
图1为本发明实施例的结构框图。
图2为本发明实施例中原图经过灰度变化后的效果图。
图3为本发明实例中步骤S2二值化的结构框图;
图4为本发明实施例中灰度图经过二值化后的效果图。
图5为本发明实例中步骤S3去除边框的结构框图;
图6为本发明实施例中二值化的图像经过水平投影后的效果图。
图7为本发明实施例中二值化的图像去除上下边框后的效果图。
图8为本发明实施例中去除上下边框的图像去除竖直投影后的效果图。
图9为本发明实施例中二值图去掉上下左右边框后的效果图。
图10为本发明实施例中去除上下边框的图像五等分后的效果图。
图11为本发明实施例中五等分后第一张图像标记连通域的效果图。
图12为本发明实施例中五张图像保留最大连通域后的效果图。
图13为本发明实施例中五张图像保留最大连通域后水平投影的效果图。
图14为本发明实施例中最后的输出结果效果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供了一种表盘滚动数字字符的半字判断方法,其中,全字指的是字符未出现跳转,整个字符均在表盘框中,半字指的是字符出现跳转,表盘框中的数字字符并不是完整呈现,而是由一个数字的下半部分和另一个连续数字的上半部分组成;具体的,包括以下步骤:
步骤S1:获取原始图像即输入图像,并利用加权平均法将所述原始图像灰度化,得到灰度图像;
步骤S2:采用Bersen局部二值化算法,对步骤S1得到的灰度图像进行二值化处理,得到二值图;
步骤S3:利用投影法去除步骤S2中进行二值化处理后的图像的左右和上下边框;
步骤S4:将步骤S3中利用投影法去除左右和上下边框后的图像五等分,得到五个分割后的单个水表字符图像;
步骤S5:保留步骤S4中所述的五个水表字符的各个水表字符的最大连通域,并分别命名为图像I1、I2、I3、I4和I5;
步骤S6:将步骤S5得到的图像I1、I2、I3、I4和I5均经过如下处理:每一行的零像素个数投影到平面直角坐标系的纵坐标上,若投影后在纵坐标的范围内出现全白像素,则判定为半字;否则为全字;其中,M表示步骤S5得到的图像的行数。
在本实施例中,所述步骤S1具体包括以下步骤:
步骤S11:输入M×N×3的图像;N表示所述输入图像的列数,即一张尺寸为M×N的RGB真彩图;
步骤S12:提取所述RGB真彩图的三个维度分量,分别是R、G、B;
步骤S13:采用加权平均法来计算所述输入图像各个像素点的灰度值I_gray:
I_gray=0.2489R+0.5870G+0.1440B
步骤S14:将所述RGB真彩图中的R,G,B统一用I_gray替换,形成新的彩色图像RGB(I_gray,I_gray,I_gray),由于三个维度分量均相同,保留其中的一个维度分量即可得到灰度图。
在本实施例中,所述步骤S2具体包括以下步骤:
步骤S21:令两个灰度值阈值的初始值S=15,TT=128;其中,TT为最大灰度值的一半;
步骤S22:令用来二值化的滑动窗口大小为k×k,以滑动窗口法遍历所述灰度图像;找到所述滑动窗口中像素点灰度值的最大值max和最小值min;令T2=max-min;T1表示该滑动窗口内最大值与最小值的均值,T2表示该滑动窗口内最大值与最小值的差值;
步骤S23:比较T2与S的大小;若T2大于S,则说明k×k候选框中目标和背景同时存在,则将灰度图像上该像素点的值与所述滑动窗口法得到的对应点的T1值相比,若大于T1,则该像素点赋值1;若小于T1,则该点赋值0;若T2小于S,则说明k×k候选框中只存在背景或目标,则将所述灰度图像上该像素点的值与所述TT值相比;若大于TT,则该点赋值1;若小于TT,则该点赋值0;最后得到一个M×N大小的二值图。
在本实施例中,所述步骤S3具体包括以下步骤:
步骤S31:统计所述二值图中每行像素点为零的个数记为Ai,i代表第i行;
步骤S32:遍历像素点为零的个数,若在处,且则第i+1行为表盘图像数字字符的上边框分界线,记为m1行;若在处,且则第i-1行为表盘图像数字字符的下边框分界线,记为m2行;将所述二值图去除上下边框,得到尺寸大小为(m2-m1)×N的图像,记为M1×N,其中M1=m2-m1;
步骤S33:统计步骤S32得到的图像中每一列的像素值为零的个数,记为Bj,j代表第j列;
步骤S34:若在处,且则第j+1列为表盘图像数字字符的左边框分界线,记为n1列;若在处,且则第j-1行为表盘图像数字字符的右边框分界线,记为n2行;将步骤S32得到的图像去除左右边框得到尺寸大小为M1×(n2-n1)的二值化图像,记为M1×N1,其中N1=n2-n1。
在本实施例中,所述步骤S5具体包括以下步骤:
步骤S51:将所述五个水表字符的二值化图像M1×N1均用八领域追踪法筛选出连通区域;
步骤S52:从1开始以自然数并按顺序对各个所述连通区域标记,统计出相同自然数的个数,此即为各个连通区域的大小;
步骤S53:找出步骤S52中最多个数的自然数,所述五个水表字符的二值化图像M1×N1各自的最大连通区域即为该自然数所在的像素所连接成的区域,同时删除其它连通区域,保留最大连通区域后的五个水表字符的二值化图像M1×N1分别命名为图像R1、R2、R3、R4、R5。
在本实施例中,所述步骤S6具体包括以下步骤:
步骤S61:对所述图像R1、R2、R3、R4、R5进行如下操作:统计每行像素点值为零的个数记为Cp,p代表第p行;
步骤S62:若在Cp=0,则说明在图像位置出现了一行或一行以上全为白的像素,即在范围内出现了上下字符的分界线,则判断该字符为半字,输出标签0;否则为全字,输出标签1。
较佳的,本实施例是将二值化后图像的像素点在水平方向上进行投影,将二值化图像中每行的像素值为零的个数累加,并存放在相应的纵坐标,即将黑色像素累加后投影到相应列数上,这有利于观察每行黑色像素的多少,同时有利于进行相邻上下行的比较,而且可以快速地对图像中是否有全白行(黑色行像素个数相加为0)进行判断,利用该特点可以去除二值图的上下边框,也可以有效快速地判断数字字符是否为半字。
特别的,本实施例包括图像灰度化、Bernsen二值化、去除边框、五等分、保留最大连通域、水平投影判断是否为半字这几个步骤;图像灰度化步骤是根据人眼对不同色彩的敏感度,用加权平均法使得RGB三色图变为灰度图,从而将色彩等无用信息去除;
Bernsen二值化步骤采用滑动窗口法在灰度化后的图像中寻找k×k窗口中像素点的最大值和最小值,并利用最大值与最小值的差值判断窗口内的像素点是否处于同一背景\目标下,进而确定该点的阈值是否为最大值和最小值的均值,二值化使得图像在视觉上呈现黑或白的效果,可排除一些杂质细节的干扰;
去除边框步骤是将垂直投影与水平投影相结合,判断水平投影的纵坐标相邻值和垂直投影的横坐标相邻值是否在一定范围内发生突变来确定上下左右边框,再对二值后的图形进行切除;
五等分步骤是将去除边框后的二值图垂直均分为五份,将各自的数字信息分割出来;所述保留最大连通域步骤是将分割好的二值图利用八领域连通法寻找到连通域并进行标记,再排序找到最大连通域,只保留最大连通域,其余区域刷白;所述水平投影判断是否为半字步骤是将保留最大连通域后的二值图进行水平投影,在图像1/4~3/4行判断是否有全白行,若存在则为半字,输出标签0,否则为全字,输出标签1。
较佳的,在本实施例中具体实施方式如下:
所述步骤S1具体为:
步骤S11:输入32×128×3的图像(其中,32表示输入图像的行数,128表示输入图像的列数),即一张尺寸为32×128的RGB真彩图;
步骤S12:提取RGB真彩图的三个维度分量,分别是R、G、B;
步骤S13:因为人眼对于绿色的敏感最高,对于蓝色的敏感最低,所以采用加权平均法来计算当前图像各个像素点的灰度值I_gray:
I_gray=0.2489R+0.5870G+0.1440B
在本实施例中,灰度化后的图像如图2所示,为逻辑型,大小为32×128。
如图3所示,在本实施例中,所述步骤S2具体包括以下步骤:
步骤S21:设定初始值S=15,TT=128,其中,TT为最大灰度值的一半;
步骤S22:设定一个窗口为7×7大小,以滑动窗口法遍历整个步骤S1的灰度图,找到窗口里的最大值max和最小值min, 因为窗口大小为7×7,所以式子中w取值为3,T1和T2均为32×128矩阵;
步骤S23:比较T2与S的大小;若大于S,则说明k×k候选框中目标和背景同时存在,则将该像素点的值与对应点的T1值相比,若大于T1,则该点赋值1;若小于T1,则该点赋值0;若小于S,则说明k×k候选框中只存在背景或目标,则将该点像素值与对应点的TT值相比;若大于TT,则该点赋值1;若小于TT,则该点赋值0;最后得到一个M×N大小的二值图;
其中f(x,y)为图2的各个点的像素值。
在本实施例中,灰度化后的图像如图4所示,图像大小为32×128。
如图5所示在本实施例中,所述步骤S3具体包括以下步骤:
步骤S31:统计步骤S2得到的二值图中每行像素点为零的个数(在MATLAB中,像素0为黑色),记为Ai,i代表第i行,图2的水平投影如图6所示;
步骤S32:遍历像素点为零的个数,若在处,且则第i+1行为表盘图像数字字符的上边框分界线,记为m1行,本实施例中m1=2;若在处,且则第i-1行为表盘图像数字字符的下边框分界线,记为m2行,本实施例中m2=29;将步骤S2得到的二值图去除上下边框,得到尺寸大小为27×128的图像,去除上下边框后的图像如图7所示;
步骤S33:统计步骤S32得到的图像中每一列的像素值为零的个数,记为Bj,j代表第j列;图5的竖直投影如图8所示;
步骤S34:遍历零像素的个数,若在处,且则第j+1列为表盘图像数字字符的左边框分界线,记为n1列,本实施例中n1=6;若在处,且则第j-1行为表盘图像数字字符的右边框分界线,记为n2行,本实施例中n2=126;将步骤S32得到的图像去除左右边框切割,得到尺寸大小为27×120的图像,去除左右边框后的图像如图9所示;
在本实施例中,所述步骤S4五等分后的图像如图10所示,共五张图像,每张图像为27×24大小;
在本实施例中,所述步骤S5具体包括以下步骤:
步骤S51:将步骤S4得到的五张切割好的图分别进行八领域追踪法筛选出连通区域;
步骤S52:以图10(1)为例,对各个连通区域标记,如图11所示,其中,0表示并无连通域,序号1~7分别为各自连通域团的代号,并计算出各个连通区域的大小,即各个代号的个数,1~7分别为5、1、136、13、3、4、66;
步骤S53:筛选出最大连通区域,即代号为3的连通域,保留此区域,同时删除其他连通区域;
在本实施例中,将图10的五张图经过步骤S5保留最大连通域后的图像如图12所示
在本实施例中,所述步骤S6具体包括以下步骤
步骤S61:统计步骤S5得到的图像中每行的像素点值为零的个数,记为Cp,p代表第p行,五张图的水平投影如图13所示;
步骤S62:若在Cp=0,则说明在图像位置出现了一条或一条以上全为白的像素,如图13(5)所示,即上下字符的分界线,就判断该字符为半字,输出标签0,否则如图13(1)、(2)、(3)、(4)所示,为全字,输出标签1;得到最后输出结果的效果图如图14所示。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种表盘滚动数字字符的半字判断方法,其特征在于:包括以下步骤:
步骤S1:获取原始图像即输入图像,并利用加权平均法将所述原始图像灰度化,得到灰度图像;
步骤S2:采用Bernsen局部二值化算法,对步骤S1得到的灰度图像进行二值化处理,得到二值图;
步骤S3:利用投影法去除步骤S2中进行二值化处理后的图像的左右和上下边框;
步骤S4:将步骤S3中利用投影法去除左右和上下边框后的图像五等分,得到五个分割后的单个水表字符图像;
步骤S5:保留步骤S4中所述的五个水表字符的各个水表字符的最大连通域,并分别命名为图像I1、I2、I3、I4和I5;
步骤S6:将步骤S5得到的图像I1、I2、I3、I4和I5均经过如下处理:每一行的零像素个数投影到平面直角坐标系的纵坐标上,若投影后在纵坐标的范围内出现全白像素,则判定为半字;否则为全字;其中,M表示步骤S5得到的图像的行数;
所述步骤S5具体包括以下步骤:
步骤S51:将所述五个水表字符的二值化图像M1×N1均用八领域追踪法筛选出连通区域;
步骤S52:从1开始以自然数并按顺序对各个所述连通区域标记,统计出相同自然数的个数,此即为各个连通区域的大小;
步骤S53:找出步骤S52中最多个数的自然数;所述五个水表字符的二值化图像M1×N1各自的最大连通区域即为该自然数所在的像素所连接成的区域,并分别保留此区域,同时删除其它连通区域,保留最大连通区域后的五个水表字符的二值化图像M1×N1分别命名为图像I1、I2、I3、I4和I5。
2.根据权利要求1所述的一种表盘滚动数字字符的半字判断方法,其特征在于:所述步骤S1具体包括以下步骤:
步骤S11:输入M×N×3的图像;N表示所述输入图像的列数,即一张尺寸为M×N的RGB真彩图;
步骤S12:提取所述RGB真彩图的三个维度分量,分别是R、G、B;
步骤S13:采用加权平均法来计算所述输入图像各个像素点的灰度值I_gray:
I_gray=0.2489R+0.5870G+0.1440B
步骤S14:将所述RGB真彩图中的R,G,B统一用I_gray替换,形成新的彩色图像RGB(I_gray,I_gray,I_gray),由于三个维度分量均相同,保留其中的一个维度分量即可得到灰度图。
3.根据权利要求1所述的一种表盘滚动数字字符的半字判断方法,其特征在于:所述步骤S2具体包括以下步骤:
步骤S21:令两个灰度值阈值的初始值S=15,TT=128;其中,TT为最大灰度值的一半;
步骤S22:令滑动窗口大小为k×k,以滑动窗口法遍历所述灰度图像;找到所述滑动窗口中像素点灰度值的最大值max和最小值min;令T2=max-min;T1表示该滑动窗口内最大值与最小值的均值,T2表示该滑动窗口内最大值与最小值的差值;
步骤S23:比较T2与S的大小;若T2大于S,则说明k×k候选框中目标和背景同时存在,则将灰度图像上该像素点的值与所述滑动窗口法得到的对应点的T1值相比,若大于T1,则该像素点赋值1;若小于T1,则该点赋值0;若T2小于S,则说明k×k候选框中只存在背景或目标,则将所述灰度图像上该像素点的值与所述TT值相比;若大于TT,则该点赋值1;若小于TT,则该点赋值0;最后得到一个M×N大小的二值图。
4.根据权利要求1所述的一种表盘滚动数字字符的半字判断方法,其特征在于:所述步骤S3具体包括以下步骤:
步骤S31:统计所述二值图中每行像素点为零的个数记为Ai,i代表第i行;
步骤S32:遍历像素点为零的个数,若在处,且则第i+1行为表盘图像数字字符的上边框分界线,记为m1行;若在处,且则第i-1行为表盘图像数字字符的下边框分界线,记为m2行;将所述二值图去除上下边框,得到尺寸大小为(m2-m1)×N的图像,记为M1×N,其中M1=m2-m1;
步骤S33:统计步骤S32得到的图像中每一列的像素值为零的个数,记为Bj,j代表第j列;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910119615.9A CN109886276B (zh) | 2019-02-18 | 2019-02-18 | 一种表盘滚动数字字符的半字判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910119615.9A CN109886276B (zh) | 2019-02-18 | 2019-02-18 | 一种表盘滚动数字字符的半字判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886276A CN109886276A (zh) | 2019-06-14 |
CN109886276B true CN109886276B (zh) | 2023-05-09 |
Family
ID=66928279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910119615.9A Active CN109886276B (zh) | 2019-02-18 | 2019-02-18 | 一种表盘滚动数字字符的半字判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886276B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046878B (zh) * | 2019-12-30 | 2022-02-08 | 合肥联宝信息技术有限公司 | 一种数据处理方法、装置及计算机存储介质和计算机 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916364A (zh) * | 2010-07-06 | 2010-12-15 | 浙江大学 | 自适应的表盘数字识别装置与方法 |
CN102236788A (zh) * | 2010-04-20 | 2011-11-09 | 荣科科技股份有限公司 | 电力电能表图像自动识别方法 |
CN103226706A (zh) * | 2013-05-17 | 2013-07-31 | 广东今盛投资有限公司 | 一种基于滚动匹配的水电气表读数自动识别方法 |
CN106228159A (zh) * | 2016-07-29 | 2016-12-14 | 深圳友讯达科技股份有限公司 | 一种基于图像识别的计量表抄表装置及其方法 |
CN108133213A (zh) * | 2016-12-01 | 2018-06-08 | 西安米特电子科技有限公司 | 一种面向燃气表外壳式摄像的嵌入式数字识别方法 |
CN108304842A (zh) * | 2018-02-01 | 2018-07-20 | 重庆中陆承大科技有限公司 | 水表读数识别方法、装置及电子设备 |
CN108491844A (zh) * | 2018-02-07 | 2018-09-04 | 西安工程大学 | 基于图像处理的水表自动检测***及其图像处理方法 |
CN108647686A (zh) * | 2018-05-11 | 2018-10-12 | 同济大学 | 一种基于卷积神经网络的水表图像读数识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008293403A (ja) * | 2007-05-28 | 2008-12-04 | Sony Ericsson Mobilecommunications Japan Inc | 文字入力装置、携帯端末および文字入力プログラム |
-
2019
- 2019-02-18 CN CN201910119615.9A patent/CN109886276B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236788A (zh) * | 2010-04-20 | 2011-11-09 | 荣科科技股份有限公司 | 电力电能表图像自动识别方法 |
CN101916364A (zh) * | 2010-07-06 | 2010-12-15 | 浙江大学 | 自适应的表盘数字识别装置与方法 |
CN103226706A (zh) * | 2013-05-17 | 2013-07-31 | 广东今盛投资有限公司 | 一种基于滚动匹配的水电气表读数自动识别方法 |
CN106228159A (zh) * | 2016-07-29 | 2016-12-14 | 深圳友讯达科技股份有限公司 | 一种基于图像识别的计量表抄表装置及其方法 |
CN108133213A (zh) * | 2016-12-01 | 2018-06-08 | 西安米特电子科技有限公司 | 一种面向燃气表外壳式摄像的嵌入式数字识别方法 |
CN108304842A (zh) * | 2018-02-01 | 2018-07-20 | 重庆中陆承大科技有限公司 | 水表读数识别方法、装置及电子设备 |
CN108491844A (zh) * | 2018-02-07 | 2018-09-04 | 西安工程大学 | 基于图像处理的水表自动检测***及其图像处理方法 |
CN108647686A (zh) * | 2018-05-11 | 2018-10-12 | 同济大学 | 一种基于卷积神经网络的水表图像读数识别方法 |
Non-Patent Citations (10)
Title |
---|
Automatic Watermeter Digit Recognition on Mobile Devices;Yunze Gao 等;《International Conferecnce on Internet Multimedia Computing and Service 2017 Internet Multimedia Computing and Service》;20180301;第819卷(第2017期);87-95 * |
一种机械式电表的数字识别方法;雷丰中 等;《湖南工程学院学报(自然科学版)》;20110925;第21卷(第03期);5-8 * |
分时电表表盘数字读数的自动识别***;张艰 等;《计算机工程》;20050505(第05期);178-180 * |
利用多种投票策略的水表读数字符分割与识别;林阳 等;《科学技术与工程》;20170408;第17卷(第10期);50-57 * |
双半字识别算法在水表字符识别***中的应用;徐平 等;《杭州电子科技大学学报(自然科学版)》;20160115;第36卷(第01期);80-85 * |
基于投影矩阵法的仪表字符实时识别***;刘自立 等;《仪表技术与传感器》;20080815(第08期);98-100 * |
字符形态特征的机械仪表判读算法;王琳 等;《中国计量学院学报》;20101215;第21卷(第04期);337-341 * |
家用水表字符的识别算法研究;陈英 等;《现代电子技术》;20180911;第41卷(第18期);99-103 * |
改进的半字识别算法在水表读数***中的应用;金静晓 等;《供水技术》;20150210;第09卷(第01期);43-45 * |
汽车里程表读数自动识别***的研究与实现;李健 等;《新型工业化》;20160420;第06卷(第04期);1-7 * |
Also Published As
Publication number | Publication date |
---|---|
CN109886276A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033471B (zh) | 一种基于连通域分析和形态学操作的框线检测方法 | |
CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
JP2020513133A (ja) | 画像品質の評価方法及び装置 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN107590447A (zh) | 一种文字标题识别方法及装置 | |
CN108805126B (zh) | 一种文本图像的长干扰线去除方法 | |
CN104008401A (zh) | 一种图像文字识别的方法及装置 | |
CN101615244A (zh) | 手写板坯号自动识别方法及识别装置 | |
CN113963041A (zh) | 一种图像纹理识别方法及*** | |
CN113379680A (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
CN109902751B (zh) | 融合卷积神经网络和半字模板匹配的表盘数字字符识别法 | |
CN103530625A (zh) | 一种基于数字图像处理的光学字符识别方法 | |
CN111160215A (zh) | 图像标识提取装置、图像标识的亮度调节方法、装置 | |
CN109886276B (zh) | 一种表盘滚动数字字符的半字判断方法 | |
JPH0256708B2 (zh) | ||
JP2004030188A (ja) | 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム | |
CN115797327A (zh) | 一种缺陷检测方法、装置、终端设备及存储介质 | |
CN105354833A (zh) | 一种阴影检测的方法和装置 | |
CN108734158B (zh) | 一种实时列车车号识别方法及装置 | |
CN115546145A (zh) | 一种基于机器视觉的缺陷检测方法、装置及电子设备 | |
CN112541435B (zh) | 一种图像处理的方法、装置和存储介质 | |
CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN108270983B (zh) | 一种字符叠加显示方法及装置 | |
CN109766889B (zh) | 基于曲线拟合的轨道图像识别后处理方法 | |
CN112347865A (zh) | 一种基于关键点检测的票据矫正方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wu Linhuang Inventor before: Chen Zhifeng Inventor before: Wu Linhuang |
|
GR01 | Patent grant | ||
GR01 | Patent grant |