CN110084083B - 基于笔画特征的字符检测方法 - Google Patents
基于笔画特征的字符检测方法 Download PDFInfo
- Publication number
- CN110084083B CN110084083B CN201810077299.9A CN201810077299A CN110084083B CN 110084083 B CN110084083 B CN 110084083B CN 201810077299 A CN201810077299 A CN 201810077299A CN 110084083 B CN110084083 B CN 110084083B
- Authority
- CN
- China
- Prior art keywords
- stroke
- pixels
- points
- feature points
- pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000005452 bending Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 230000001629 suppression Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 5
- 238000005192 partition Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/226—Character recognition characterised by the type of writing of cursive writing
- G06V30/2268—Character recognition characterised by the type of writing of cursive writing using stroke segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了基于笔画特征的字符检测方法,对输入***的图片进行像素强弱对比分析,获得笔画弯折特征点和笔画结尾特征点;对获得的特征点进行连通性测试,通过联通测试可以消除一些错误检测到的特征点,使用非最大抑制算法,除去过于靠近点的特征点,确保算法的高效性,给定区域r,为每一个结尾特征点p找到一组直线笔画特征点,它与区域r交叉,使用迭代算法找出笔画区域,得出识别结果。本发明所采用的方法实现简单,速度快,准确度高。
Description
技术领域
本发明涉及摄像抄表领域,具体地说涉及到一种基于笔画特征的字符检测方法。
背景技术
随着城镇化快速的发展,水、电、气、热表成为现代住宅标准配备的计量仪表,针对能源计量收费和管理的需要,如何有效采集各种计量仪表的计量数据成为管理部门面临的巨大问题。过去几年,我国在住宅电能表领域经实现了智能计量、数据采集、远程控制等一系列智能化技术的成功大规模应用。而在水、气、热领域此项工作的开展略显缓慢,这既有价格等经济因素的原因,也有水、气表本身的工作特性带来的技术困难,造成水、燃气表抄表的智能化水平远远落后于电表领域。然而,随着国家对能耗重视和电子技术的快速发展,许多新技术被更多的应用到计量仪表领域,例如以CMOS 图像传感器芯片为基础的摄像直读技术在水、燃气表远传抄表***中得以应用,为解决水、气表计量数据采集提供了新的解决方案。抄表工人可以使用手机拍照然后自动识别仪表数据,大大减轻了工人工作量,同时提高了工作效率,然而基于手机拍照识别的算法的识别鲁棒性一直是一个难点,国内外很多研究机构都没有很好解决这个问题,第一个问题是字符检测,由于水气表通常的安装位置导致拍照结果不是很理想,存在角度歪斜,倾斜,模糊等。又由于长时间的使用,水气表上面有很多脏东西污染了字符,使得字符不是很清晰,这给字符的定位和识别带来了极大的困难,本发明提出了一种新的方法对字符进行定位。
发明内容
为了解决上述问题,本发明提出了一种通过检测字符笔画来快速识别字符的检测方法。
基于笔画特征的字符检测方法,步骤如下:
S1:对输入***的图片进行像素强弱对比分析,获得笔画弯折特征点和笔画结尾特征点;
.对原图像中的每个像素与其周围的12个像素的像素强
度做对比,将每个像素小分为以下三种:
(1)
其中,是一个边距,这是检测器的一个参数,让、 、 分别表示被标记
为较暗、相似、更亮的像素集合,如果存在两组相邻的和 (或和), (或)和两组形成一个分区,则像素是一个笔画结
尾特征点,如果存在四个连续的集合,, , , (或,,,),
使得,和,,(或,,则像素是笔画弯折特征点;
S2:对获得的特征点进行连通性测试,得到争取的特征点,确保像素和像素
之间的内圆像素也满足强度余量,即; 。因为像
素放置在笔画上,则区域中的像素必须和它连接,通过联通测试可以消除一些错误检
测到的特征点;
S3:使用非最大抑制算法,除去过于靠近点的特征点,确保算法的高效性;在3*3邻域内
执行简单的非最大抑制算法,,,保
留具有最高对比度的特征点;
S4:给定区域,为每一个结尾特征点找到一组直线笔画特征点,它与区域交
叉,使用下面的迭代算法:
(1)从特征开始,将点移动到像素最暗(最亮)的像素(总是在远离结尾特
征点的方向)
(2)连续点是一个直线笔画特征点,如果有四个连续的划分,, , (或,,,)使得,和,,(或);
(3)如果点p是一个直线笔画特征点,重复步骤(1),否则终止;区域r的字符笔画面积可以计算如下:
其中和分别对应直线笔画特征点和笔画弯折特征点与区域, ()的重叠部分,是与特征点对应的分区的大小。
本发明的有益效果:
(1)本发明一种基于笔画特征的字符检测方法,实现简单,速度快,准确度高。由于我们是从像素强度的对比出发,因此在检测器中没有庞大数学运算,运算量近似为像素数量的线性累积,所以它易于实现且速度很快。同时,也因为我们的识别是从像素级别上开,所以我们的精确程度也大大提高。
(2)本发明一种基于笔画特征的字符检测方法,能够对多种文字进行识别。在现实生活中任何文字都是由笔画构成的,因此通过基于笔画的检测,我们可以识别各种不同文字的文本。
附图说明
附图1为本发明检测流程图。
附图2为本发明对输入***的图片进行像素强弱对比分析后获得的笔画弯折特征点和笔画结尾特征点。
附图3为本发明经过连通性测试后,消除了错误检测到的笔画特征点(部分结果)。
附图4为本发明经过局部执行非最大抑制算法,消除相邻的特征点(部分结果)
附图5为本发明根据特征点通过迭代算法找出笔画区域得出的识别结果。
具体实施方式
下面结合具体实施方式和附图说明对本发明的技术方案作进一步详细的描述。
基于笔画特征的字符检测方法,本实施例中以水表表头的字符信息为例,原始图片如附图2所示,
第一步:对输入***的图片进行像素强弱对比分析,获得笔画弯折特征点和笔画结尾特征点;
如附图3所示,其中其中红色点的为笔画结尾特征点,蓝色为笔画弯折特征点;
第二步:对获得的特征点进行连通性测试,通过联通测试可以消除一些错误检测到的特征点,如附图4所示。
第三步:使用非最大抑制算法,除去过于靠近点的特征点,确保算法的高效性,如附图5所示。
第四步:给定区域r,为每一个结尾特征点p找到一组直线笔画特征点,它与区域r交叉,使用迭代算法找出笔画区域,得出识别结果。
Claims (1)
1.基于笔画特征的字符检测方法,步骤如下:
S1:对输入***的图片进行像素强弱对比分析,获得笔画弯折特征点和笔画结尾特征点;对原图像中的每个像素与其周围的12个像素/>的像素强度/>作对比,将每个像素/>分为以下三种:
,
其中,是一个边距,这是检测器的一个参数,/>和/>分别代表周围像素和当前像素的强度,/>、/>、/>是基于像素强度比较的分类,分别代表“dark、similar、bright”,/>、/>、/>则对应这三个分类表示被标记为较暗、相似、更亮的像素集合,如果/>存在两组相邻的/>和/>,其中/>的数量等于12减去/>的数量,即/>,并且/>和/>这两组像素集合共同形成一个分区,则像素/>是一个笔画结尾特征点;如果/>存在两组相邻的/>和/>, 其中/>的数量等于12减去/>的数量,即/>,并且/>和/>这两组像素集合共同形成一个分区,则像素/>同样是一个笔画结尾特征点;如果/>存在四个连续的集合/>,使得和/>,/>,则像素/>是笔画弯折特征点;如果/>存在四个连续的集合/>,使得/>和/>,,则像素/>同样是笔画弯折特征点;
S2:对获得的特征点进行连通性测试,得到争取的特征点,确保像素和像素 />之间的内圆像素也满足强度余量,即/> ;因为像素/>放置在笔画上,则区域中的像素必须和像素/>连接;通过所述连通性测试可以消除一些错误检测到的特征点;
S3:使用非最大抑制算法,消除与已识别特征点在空间上过于紧密的包括笔画端点在内的其他特征点,确保算法的高效性;在邻域内执行简单的非最大抑制算法,,保留具有最高对比度的特征点;
S4:给定区域, 为每一个结尾特征点/>找到一组直线笔画特征点,这些直线笔画特征点与区域/>交叉,使用下面的迭代算法:
(1)从特征点开始,将特征点/>移动到/>像素最暗或最亮的像素,往往为远离结尾特征点的方向;
(2)连续特征点是一个直线笔画特征点,如果有四个连续的集合划分:/>,/>,/>,/>,使得/>和/>,/>,或有四个连续的划分/>,/>,/>,/>,使得/>和/>,/>,执行步骤(3);
(3)如果点是一个直线笔画特征点,重复步骤(1);否则终止,根据如下公式计算区域/>的字符笔画面积:
;
其中,表示直线笔画特征点与区域/>的重叠部分,而/>表示笔画弯折特征点与同一区域/>的重叠部分;这些重叠部分由/>和/>表示,分别对应于与特征点/>相关联的区域和/>的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810077299.9A CN110084083B (zh) | 2018-01-26 | 2018-01-26 | 基于笔画特征的字符检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810077299.9A CN110084083B (zh) | 2018-01-26 | 2018-01-26 | 基于笔画特征的字符检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084083A CN110084083A (zh) | 2019-08-02 |
CN110084083B true CN110084083B (zh) | 2024-04-19 |
Family
ID=67412290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810077299.9A Active CN110084083B (zh) | 2018-01-26 | 2018-01-26 | 基于笔画特征的字符检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084083B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000652A (zh) * | 2006-12-31 | 2007-07-18 | 沈阳工业大学 | 流量计费表数字远传图像自动识别方法及数字远传抄表*** |
KR20150108118A (ko) * | 2014-03-17 | 2015-09-25 | 홍익대학교 산학협력단 | 영상 인식 기반 계량기 원격 검침 시스템 |
CN105205488A (zh) * | 2015-07-13 | 2015-12-30 | 西北工业大学 | 基于Harris角点和笔画宽度的文字区域检测方法 |
US9298980B1 (en) * | 2013-03-07 | 2016-03-29 | Amazon Technologies, Inc. | Image preprocessing for character recognition |
CN106960208A (zh) * | 2017-03-28 | 2017-07-18 | 哈尔滨工业大学 | 一种仪表液晶数字自动切分和识别的方法及*** |
CN107103317A (zh) * | 2017-04-12 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 基于图像融合和盲反卷积的模糊车牌图像识别算法 |
-
2018
- 2018-01-26 CN CN201810077299.9A patent/CN110084083B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000652A (zh) * | 2006-12-31 | 2007-07-18 | 沈阳工业大学 | 流量计费表数字远传图像自动识别方法及数字远传抄表*** |
US9298980B1 (en) * | 2013-03-07 | 2016-03-29 | Amazon Technologies, Inc. | Image preprocessing for character recognition |
KR20150108118A (ko) * | 2014-03-17 | 2015-09-25 | 홍익대학교 산학협력단 | 영상 인식 기반 계량기 원격 검침 시스템 |
CN105205488A (zh) * | 2015-07-13 | 2015-12-30 | 西北工业大学 | 基于Harris角点和笔画宽度的文字区域检测方法 |
CN106960208A (zh) * | 2017-03-28 | 2017-07-18 | 哈尔滨工业大学 | 一种仪表液晶数字自动切分和识别的方法及*** |
CN107103317A (zh) * | 2017-04-12 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 基于图像融合和盲反卷积的模糊车牌图像识别算法 |
Non-Patent Citations (3)
Title |
---|
Lamiaa A. Elrefaei等.Automatic Electricity Meter Reading Based on Image Processing.《2015 IEEE Jordan Conference on Applied Electrical Engineering and Computing Technologies (AEECT)》.2015,1-5. * |
宋加涛,刘济林.车辆牌照上英文和数字字符的结构特征分析及提取.中国图象图形学报.2002,(第09期),945-949. * |
高菊 ; 叶桦 ; .一种有效的水表数字图像二次识别算法.东南大学学报(自然科学版).2013,(第S1期),153-157. * |
Also Published As
Publication number | Publication date |
---|---|
CN110084083A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573261A (zh) | 一种适用于变电站巡检机器人的数字显示仪表识别方法 | |
CN109284758B (zh) | 一种******消除方法、装置和计算机存储介质 | |
CN107292310B (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN108256524A (zh) | 一种多表盘指针式仪表的自动读数方法 | |
CN105260709A (zh) | 基于图像处理的水表检定方法、装置及*** | |
CN104298994B (zh) | 一种指针式仪表读数识别方法及装置 | |
CN105260710A (zh) | 基于图像处理的水表检定方法、装置及*** | |
CN105300482A (zh) | 基于图像处理的水表检定方法、装置及*** | |
CN108734691A (zh) | 一种输电线路缺陷图像识别方法 | |
Fan et al. | Real time power equipment meter recognition based on deep learning | |
Anis et al. | Digital electric meter reading recognition based on horizontal and vertical binary pattern | |
CN105589801A (zh) | 手机集群测试方法和*** | |
CN111476093A (zh) | 一种电缆终端局部放电模式识别方法及*** | |
CN103093231B (zh) | 一种合金中第二相的自动识别与定量分析方法 | |
CN113642582B (zh) | 电表读数识别方法、装置、电子设备和存储介质 | |
CN110807416A (zh) | 适用于移动检测装置的数字式仪表智能识别装置及方法 | |
CN110084083B (zh) | 基于笔画特征的字符检测方法 | |
Shu et al. | Study of the automatic reading of watt meter based on image processing technology | |
CN113221805B (zh) | 一种电力设备图像位置获取方法及装置 | |
CN112113638B (zh) | 水表功能自检装置及方法 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN109358248A (zh) | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别*** | |
CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
CN109359637B (zh) | 基于机器视觉的指针式仪表读值方法 | |
CN111931785A (zh) | 一种电力设备红外图像目标的边缘检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |