CN110197180A - 字符缺陷检测方法、装置及设备 - Google Patents
字符缺陷检测方法、装置及设备 Download PDFInfo
- Publication number
- CN110197180A CN110197180A CN201910463010.1A CN201910463010A CN110197180A CN 110197180 A CN110197180 A CN 110197180A CN 201910463010 A CN201910463010 A CN 201910463010A CN 110197180 A CN110197180 A CN 110197180A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- pixel
- width
- picture
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种字符缺陷检测方法、装置及设备,本发明实施例通过获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b,根据预设运算方式,对二值化图像a和二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像,将叠加字符图像转换为第一字符宽度图像,将模板字符图像转换为第二字符宽度图像,依据第一字符宽度图像和第二字符宽度图像确定异常像素点,依据异常像素点区域确定待检测字符图像中是否存在字符笔画变形,利用待检测字符图像和模板字符图像的叠加图像中变形部分的笔画宽度明显比模板字符图像的笔画宽度大的特点,可以稳定地检测出待检测字符图像中的笔画变形缺陷,提高了检测准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种字符缺陷检测方法、装置及设备。
背景技术
在工业生产中,许多产品都包含有字符信息。大量的自动化印刷导致字符出现印刷缺陷,降低了产品的合格率,影响生产效率,因此控制字符的不合格率成为亟待解决的问题。
相关技术中,通过待检测字符图像与模板字符图像的色差比确认字符缺陷,但是,这种方式只能识别字符缺失、错印、重影等比较明显的缺陷,对于笔画变形,检测准确率较低。
发明内容
为克服相关技术中存在的问题,本发明提供了一种字符缺陷检测方法、装置及设备,提高针对字符中笔画变形的检测准确率。
第一方面,本发明提供一种字符缺陷检测方法,所述方法包括:
获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
结合第一方面,在第一种可能的实现方式中,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充。
结合第一方面,在第二种可能的实现方式中,依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点,包括:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
结合第一方面,在第三种可能的实现方式中,依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形,包括:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
结合第一方面,在第四种可能的实现方式中,所述在所述叠加字符图像中,根据所述异常像素点确定比较参数,包括:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
第二方面,本发明提供一种字符缺陷检测装置,所述装置包括:
叠加模块,用于获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
图像生成模块,用于根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
转换模块,用于将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
异常像素点确定模块,用于依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
变形确定模块,用于依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
结合第二方面,在第一种可能的实现方式中,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充。
结合第二方面,在第二种可能的实现方式中,所述异常像素点确定模块具体用于:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
结合第二方面,在第三种可能的实现方式中,所述变形确定模块具体用于:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
结合第二方面,在第四种可能的实现方式中,
所述变形确定模块在用于在所述叠加字符图像中,根据所述异常像素点确定比较参数时,具体用于:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
第三方面,本发明提供一种字符缺陷检测设备,包括处理器以及用于存储所述处理器的可执行指令的存储器;
所述处理器被配置为:
获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
将叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
本发明实施例提供的字符缺陷检测方法、装置及设备,利用待检测字符图像和模板字符图像的叠加图像中变形部分的笔画宽度明显比模板字符图像的笔画宽度大的特点,可以稳定地检测出待检测字符图像中的笔画变形缺陷,提高了检测准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是字符笔画变形示例图。
图2是本发明实施例提供的字符缺陷检测方法的流程示例图。
图3是峰值像素点的邻域的一个示例图。
图4是峰值像素点的邻域的另一个示例图。
图5是字符宽度图像的示例图。
图6是本发明实施例提供的字符缺陷检测装置的功能方块图。
图7为本发明实施例提供的字符缺陷检测设备的一个硬件结构图。
图8(a)-图8(c)为本发明实施例提供的扩散过程示例图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明实施例的一些方面相一致的装置和方法的例子。
在本发明实施例使用的术语是仅仅出于描述特定本发明实施例的目的,而非旨在限制本发明实施例。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
通常,字符缺陷检测中所使用的字符为光学字符。光学字符是指可同时被机器(例如工业相机)和肉眼读取的文本。
在进行字符缺陷检测之前,需要获取作为检测标准的模板字符图像以及需要进行检测的待检测字符图像。例如,模板字符图像可以有两种获取方式:一种方式是,从预设的标准字符图像库中直接读取模板字符图像;另一种方式是,用工业相机采集合格字符的图像作为模板字符图像。待检测字符图像可以通过用工业相机采集待检测的字符的图像的方式获取。
模板字符图像和待检测字符图像的图像采集参数是相同的。例如,模板字符图像和待检测字符图像的尺寸相同、分辨率相同。举例说明,如果模板字符图像的大小是1cm×1cm,像素个数为100×100,则待检测字符图像的大小是1cm×1cm,像素个数为100×100。
对于同一应用场景,可以预先设定字符图像的尺寸和分辨率,以便采集到相同尺寸和分辨率的字符图像,方便后续的检测。
字符的缺陷类型通常有笔画缺失、错印、重影、笔画变形。前述的相关技术对于前三种类型的缺陷能够进行较为稳定的检测,对于笔画变形的检测稳定性较差,准确率较低。
图1是字符笔画变形示例图。当运用相关技术对笔画变形的字符进行检测时,用待检测字符与模板字符作差得到的图像中缺陷区域比较分散,且缺陷区域面积较小,这样容易将实际存在笔画变形的字符错误地判定为不存在笔画变形,使得对笔画变形的检测不稳定,导致检测准确率较低。
本发明实施例提供的字符缺陷检测方法能够稳定地检测出笔画变形的字符缺陷,具有较高的检测准确率。
本发明实施例提供的字符缺陷检测方法可以应用于对笔画变形类的字符缺陷进行检测的场景,也能够应用于对笔画缺失、错印、重影等字符缺陷进行检测的场景。
需要说明的是,在进行字符缺陷检测时,是单个字符进行检测的,即每次检测时待检测字符图像上有一个字符,模板字符图像上也是一个字符。当待检测的字符有多个时,需要对每个字符分别进行检测。如果待检测的多个字符处于同一张图像上,可以通过图像分割将单个字符的图像从整体图像中分割出来。
下面通过实施例对本发明的字符缺陷检测方法进行详细说明。
图2是本发明实施例提供的字符缺陷检测方法的流程示例图。该方法可以应用于,如图2所示,该方法可以包括:
S201,获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b。
S202,根据预设运算方式,对二值化图像a和二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像。
S203,将叠加字符图像转换为第一字符宽度图像,以及将模板字符图像转换为第二字符宽度图像。
S204,依据第一字符宽度图像和第二字符宽度图像确定异常像素点。
S205,依据异常像素点确定待检测字符图像中是否存在字符笔画变形。
当待检测字符图像中存在字符笔画变形时,待检测字符图像和模板字符图像的叠加图像中变形部分的笔画宽度会明显大于模板字符图像中相应部分的笔画宽度,基于这个特点,本发明实施例可以稳定地检测出待检测字符图像中的笔画变形缺陷,提高了检测准确率。
本实施例中,待检测字符图像为需要进行缺陷检测的字符图像,模板字符图像为作为待检测字符图像的比较标准的字符图像。
待检测字符图像可以通过工业相机进行现场采集。模板字符图像也可以通过工业相机进行现场采集,或者可以从预先存储有模板字符图像的模板字符图像库中读取。
待检测字符图像和模板字符图像具有相同的图像尺寸、分辨率和像素个数。
例如,图像A0为待检测字符图像,图像B0为模板字符图像。当图像A0的像素个数为100×100时,图像B0的像素个数也是100×100。
二值化图像就是将具有256个亮度等级的灰度图像通过适当的阈值选取而获得的仍然可以反映图像整体和局部特征的图像。图像的二值化处理就是将图像上的点的灰度值置为0或255,也就是将整个图像呈现出明显的黑白效果。也就是说,二值化图像是一种特殊的灰度图像,其中的灰度值仅包含两种,即灰度值为0、显示为白色的像素点和灰度值为255、显示为黑色的像素点。
图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。
二值化处理的方法还可以是:计算灰度图像中所有像素点的灰度值的平均值,遍历灰度图像的每个像素点,如果该像素点的灰度值大于平均值,将二值化图像中与该像素点位置相同的像素点的像素值设为1;如果该像素点的灰度值小于或等于平均值,将二值化图像中与该像素点位置相同的像素点的像素值设为0。在二值化图像中,图像中的像素点的像素值为0,或者为1。其中,像素值为0时,对应像素点的灰度值为0;像素值为1时,对应像素的灰度值为255。
在二值化图像中,字符所在的图像区域可称为前景区域,前景以外的图像区域可称为背景区域,前景区域的像素点为前景像素点,背景区域的像素点为背景像素点。
通过上述方式,可以将二值化图像中前景像素点的像素值置为1,背景像素点的像素值置为0。
二值化处理的方法还可以采用例如OTSU(大津法)二值化方法、设定阈值的二值化方法等。本实施例对二值化处理的具体方法不作限制。
另外,获取模板字符图像的二值化图像b的方式可以是:从模板字符图像中识别出字符,从预设的标准二值化图像库中,查找出该字符对应的二值化图像,作为二值化图像b。其中,标准二值化图像库中预先存储有每个模板字符图像的二值化图像。
本示例中,模板字符图像对应的二值化图像是从标准二值化图像库中查找出的,无需对模板字符图像进行二值化处理,能够节省时间,提高检测速度。
步骤S202中,预设运算方式可以是逻辑或运算或者逻辑与运算。
例如,二值化图像中前景像素点的像素值被设置为1,背景像素点的像素值被设置为0,预设运算方式为逻辑或运算。
假设待检测字符图像A0对应的二值化图像为A1,模板字符图像B0对应的二值化图像为B1,图像A1和图像B1中前景像素点的像素值为1,背景像素点的像素值为0。图像A1和图像B1的叠加图像为M1。
图像M1中位置为(i,j)处的像素点的像素值等于图像A1中位置为(i,j)处的像素点的像素值与图像B1中位置为(i,j)处的像素点的像素值的逻辑或运算的结果。其中,i表示像素点所在的行序号,j表示像素点所在的列序号。
字符宽度图像用于表征字符图像中字符上各处笔画的宽度。字符宽度图像上每一像素点的值表示该点对应的笔画宽度(Stroke Width,SW)值。
将二值化图像转换为字符宽度图像的方法可以包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值;
根据最短距离值生成距离图,其中,距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与距离图相对应的字符宽度图像,其中,字符宽度图像上的像素点与距离图上的像素点一一对应;
根据扩散算法,从距离图中的峰值像素点的距离值开始对字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过距离图中的谷值像素点的距离值对字符宽度图像中对应像素点的笔画宽度值进行填充。
此处对最短距离值进行说明。
例如,假设前述图像M1上前景像素点的像素值为1,背景像素点的像素值为0。图像M1中位置为(3,5)处的像素点的像素值为1,点(3,5)到背景像素点的最短距离值等于点(3,5)与图像M1中所有像素值为0的像素点之间的距离中的最小值。
在距离图中,前景像素点的距离值大于0,背景像素点的距离值等于0。
其中,峰值像素点是指距离图中距离值最大的前景像素点,谷值像素点是指距离图中距离值最小的前景像素点。
其中,扩散算法为预先设置好的算法。
下面结合图8,通过一个示例对扩散过程进行说明。
如图8(a)所示,左侧为距离图,右侧为与距离图对应的字符宽度图像。首先找出距离图上距离值最大的一个峰值像素点,图8(a)中,第2行第4列的像素点为峰值像素点,该峰值像素点的距离值为8,距离图的虚线框为该峰值像素点的八连通邻域,将字符宽度图像中与虚线框内像素对应的像素点的笔画宽度值填充为峰值像素点的距离值8,填充后的字符宽度图像如图8(a)的右侧图所示。
然后,以图8(a)中的八连通邻域为基础,继续向外扩散。如图8(b)所示,左侧为距离图,右侧为与距离图对应的字符宽度图像。对于8(b)的距离图中第2行第3列的像素点(距离值为7,图中用实线框圈出的像素点),确定该像素点的八连通邻域如图8(b)中左侧图的虚线框所示;该像素点的八连通邻域中,该像素点的左侧3个像素点的距离值为6,小于该像素点的距离值7,因此,将字符宽度图像中与该像素点的八连通邻域对应的像素点的笔画宽度值填充为峰值像素点的距离值8,填充后的字符宽度图像如图8(b)的右侧图所示。
接着,以图8(b)中的八连通邻域为基础,继续向外扩散。如图8(c)所示,左侧为距离图,右侧为与距离图对应的字符宽度图像。对于8(c)的距离图中第2行第2列的像素点(距离值为6,图中用实线框圈出的像素点),确定该像素点的八连通邻域如图8(c)中左侧图的虚线框所示;该像素点的八连通邻域中,所有像素点的距离值都大于或等于该像素点的距离值,不存在距离值小于该像素点的距离值的像素点,因此,结束此次扩散。距离图中与字符宽度图像中填充像素点对应的像素点为已扩散点,除已扩散点外的其他像素点称为未扩散点。
接着进行下一次扩散,即在距离图的未扩散点中找到峰值像素点,按照上述过程进行扩散。
需要说明的是,距离图中的前景像素点可以进行扩散,对背景像素点不进行扩散。例如图3中,距离值为9的像素点为峰值像素点,该像素点的八连通邻域中,所有像素点均为前景像素点,因此,扩散的像素点包括八连通邻域的所有像素点。
图4是峰值像素点的八连通邻域的另一个示例图。在图4中,距离值为9的像素点为峰值像素点,该像素点的八连通邻域中,左侧两列的像素点为前景像素点,最右侧一列的像素点为背景像素点,因此扩散的像素点包括该八连通邻域中左侧两列的像素点,不包括最右侧一列的像素点(即图4中距离值为0的像素点)。
通过上述方法,叠加字符图像被转换为第一字符宽度图像,模板字符图像被转换为第二字符宽度图像。
每个字符宽度图像可以用字符笔画宽度标记矩阵表示,字符笔画宽度标记矩阵上每个点的值等于字符宽度图像上与该点位置相同的像素点的笔画宽度值。
图5是字符宽度图像的示例图。图5中,笔画宽度值为7的区域为可能的字符变形区域。
步骤S204可以具体通过以下两种方式实现:
方式一:
比较第一字符宽度图像与第二字符宽度图像,当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将叠加字符图像中与该位置对应的像素点确定为异常像素点。
方式二:
比较第一字符宽度图像与第二字符宽度图像,当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差与第二字符宽度图像中相同位置的笔画宽度值的比值大于或等于设定比值阈值时,将叠加字符图像中与该位置对应的像素点确定为异常像素点。
在应用中,可以根据实际情况从上述给出的步骤S204的实现方式中,选择一种方式。
步骤S205可以包括:
在叠加字符图像中,根据异常像素点确定比较参数;
当比较参数大于预设阈值时,确定待检测字符图像中存在字符笔画变形;
当比较参数小于预设阈值时,确定待检测字符图像中不存在字符笔画变形。
比较参数可以是异常像素点的数量、异常像素点与字符中正常像素点的数量比、异常像素点与字符的全部像素点的数量比和由异常像素点所形成的连通区域的面积等,下面逐一进行描述。
当比较参数为异常像素点的数量时,可以假设预设阈值为50个,则如果叠加字符图像中,异常像素点的数量大于50,则确定待检测字符图像中存在字符笔画变形,否则确定待检测字符图像中不存在字符笔画变形。
当比较参数为异常像素点与字符中正常像素点的数量比时,可以假设预设阈值为5%,则如果叠加字符图像中,异常像素点与字符中正常像素点的数量比大于5%,则确定待检测字符图像中存在字符笔画变形,否则确定待检测字符图像中不存在字符笔画变形。
当比较参数为异常像素点与字符的全部像素点的数量比时可以假设预设阈值为10%,则如果叠加字符图像中,异常像素点与字符中全部像素点的数量比大于10%,则确定待检测字符图像中存在字符笔画变形,否则确定待检测字符图像中不存在字符笔画变形。
在上述的方式中,通过相对阈值而不是固定阈值作为检测基础,能够将出现少许的整体“变胖”或“变瘦”的字符、以及存在较小的变形区域的大尺寸字符等在人眼评价体系标准中是可以接受为非缺陷字符的字符排除在缺陷字符以外,从而能够提高检测结果的准确率。
在叠加字符图像中,根据异常像素点确定比较参数,可以包括:
在叠加字符图像中,根据异常像素点的位置,确定连通区域,其中,连通区域由位置相邻的多个异常像素点组成;
计算连通区域的面积;
根据连通区域的面积确定比较参数。
其中,比较参数可以是连通区域的面积,或者,比较参数还可以是连通区域的面积与整个字符的面积的比值。
其中,异常像素点的位置可以用异常像素点的坐标表示。
由于通过相机进行拍摄的图像进行比较,在拍摄的图像中可能存在噪声,该噪声所对应的像素点可能会被判定为异常像素点,从而出现异常像素点过多而认定字符存在变形的检测结果,而这样的检测结果属于误判。针对噪声,在图像中会均匀地散布,而如果是字符的变形会连续地存在于一定范围内。因此,可以通过异常像素点的连续出现来区分噪声所导致的异常和字符变形所导致的异常。
那么,可以将由多个异常像素点组成的连通区域作为比较参数进行比较,以图5为例,经过扩散算法,在字符U所对应的字符宽度图像中,其像素点的大部分笔画宽度值都是8。在这一部分区域中,可能零星散布有噪声,但无法形成超出预设阈值(此处,可以为连通区域的面积)的连通区域,而在字符U的左下角部分,笔画宽度值为7的部分,会形成两片面积较大的连通区域。当其面积大于预设面积时,才会将这两片连通区域认定为字符变形。
通过确定异常像素点的连通区域,可以排除噪声对字符变形检测的影响,从而提高字符判定的准确率。
上述的连通区域的面积,可以通过相邻异常像素点的累加的方式获取,也可以通过该连通区域中选取若干顶点从而计算相连图形的面积,还可以通过计算该连通区域的外接圆的面积等方式获取,在此不做过多限制,只需要大体上表征连通区域的面积即可。
与上述的方法相对应,本发明还提出了装置及设备实施例。以下装置及设备实施例中的细节,请参见上述方法实施例中的相关说明,此处不再赘述。
图6是本发明实施例提供的字符缺陷检测装置的功能方块图。如图6所示,该装置包括:
获取模块610,用于获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
图像生成模块620,用于根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
转换模块630,用于将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
异常像素点确定模块640,用于依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
变形确定模块650,用于依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
在一个示例性的实现过程中,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充填充。
在一个示例性的实现过程中,异常像素点确定模块640可以具体用于:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
在一个示例性的实现过程中,变形确定模块650可以具体用于:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
在一个示例性的实现过程中,变形确定模块650在用于在所述叠加字符图像中,根据所述异常像素点确定比较参数时,具体用于:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
本发明实施例还提供了一种字符缺陷检测设备,该字符缺陷检测设备包括处理器以及用于存储所述处理器可执行指令的存储器;处理器被配置为执行前述的任一种字符缺陷检测方法。
本发明实施例的字符缺陷检测设备可以采用图7所示的结构。图7为本发明实施例提供的字符缺陷检测设备的一个硬件结构图。如图7所示,字符缺陷检测设备包括:内部总线701,以及通过内部总线连接的存储器702,处理器703和外部接口704,其中,
所述处理器703,用于读取存储器702上的机器可读指令,并执行所述指令以实现如下操作:
获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
在一个示例性的实现过程中,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充填充。
在一个示例性的实现过程中,依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点,包括:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
在一个示例性的实现过程中,依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形,包括:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
在一个示例性的实现过程中,所述在所述叠加字符图像中,根据所述异常像素点确定比较参数,包括:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (11)
1.一种字符缺陷检测方法,其特征在于,所述方法包括:
获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
2.根据权利要求1所述的方法,其特征在于,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充。
3.根据权利要求1所述的方法,其特征在于,依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点,包括:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
4.根据权利要求1所述的方法,其特征在于,依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形,包括:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
5.根据权利要求4所述的方法,其特征在于,所述在所述叠加字符图像中,根据所述异常像素点确定比较参数,包括:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
6.一种字符缺陷检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
图像生成模块,用于根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
转换模块,用于将所述叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
异常像素点确定模块,用于依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
变形确定模块,用于依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
7.根据权利要求6所述的装置,其特征在于,将二值化图像转换为字符宽度图像的方法包括:
计算二值化图像上的前景像素点到背景像素点的最短距离值,根据所述最短距离值生成距离图,其中,所述距离图上的像素点的距离值为该像素点对应的最短距离值;
生成与所述距离图相对应的字符宽度图像,其中,所述字符宽度图像上的像素点与所述距离图上的像素点一一对应;
根据扩散算法,从所述距离图中的峰值像素点的距离值开始对所述字符宽度图像中对应像素点的笔画宽度值进行填充,直至通过所述距离图中的谷值像素点的距离值对所述字符宽度图像中对应像素点的笔画宽度值进行填充。
8.根据权利要求6所述的装置,其特征在于,所述异常像素点确定模块具体用于:
比较所述第一字符宽度图像与第二字符宽度图像;
当第一字符宽度图像与第二字符宽度图像中相同位置的笔画宽度值之差大于或等于设定阈值时,将所述叠加字符图像中与该位置对应的像素点确定为所述异常像素点。
9.根据权利要求6所述的装置,其特征在于,所述变形确定模块具体用于:
在所述叠加字符图像中,根据所述异常像素点确定比较参数;
当所述比较参数大于预设阈值时,确定所述待检测字符图像中存在字符笔画变形;
当所述比较参数小于预设阈值时,确定所述待检测字符图像中不存在字符笔画变形。
10.根据权利要求9所述的装置,其特征在于,所述变形确定模块在用于在所述叠加字符图像中,根据所述异常像素点确定比较参数时,具体用于:
在所述叠加字符图像中,根据所述异常像素点的位置,确定连通区域,其中,所述连通区域由位置相邻的多个异常像素点组成;
计算所述连通区域的面积;
根据所述连通区域的面积确定比较参数。
11.一种字符缺陷检测设备,其特征在于,包括处理器以及用于存储所述处理器的可执行指令的存储器;
所述处理器被配置为:
获取待检测字符图像的二值化图像a,以及获取模板字符图像的二值化图像b;
根据预设运算方式,对所述二值化图像a和所述二值化图像b中相同位置的像素点的像素值进行运算,生成叠加字符图像;
将叠加字符图像转换为第一字符宽度图像,以及将所述模板字符图像转换为第二字符宽度图像;
依据所述第一字符宽度图像和所述第二字符宽度图像确定异常像素点;
依据所述异常像素点确定所述待检测字符图像中是否存在字符笔画变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463010.1A CN110197180B (zh) | 2019-05-30 | 2019-05-30 | 字符缺陷检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463010.1A CN110197180B (zh) | 2019-05-30 | 2019-05-30 | 字符缺陷检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197180A true CN110197180A (zh) | 2019-09-03 |
CN110197180B CN110197180B (zh) | 2022-03-01 |
Family
ID=67753545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910463010.1A Active CN110197180B (zh) | 2019-05-30 | 2019-05-30 | 字符缺陷检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197180B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN112750116A (zh) * | 2021-01-15 | 2021-05-04 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
TWI771255B (zh) * | 2021-12-31 | 2022-07-11 | 鴻海精密工業股份有限公司 | 瑕疵檢測方法及裝置、電腦設備及儲存介質 |
CN115273088A (zh) * | 2022-09-30 | 2022-11-01 | 南通慕派商贸有限公司 | 基于机器视觉的汉字印刷质量检测方法 |
CN116129435A (zh) * | 2023-04-14 | 2023-05-16 | 歌尔股份有限公司 | 字符缺陷检测方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269359A (ja) * | 1997-03-25 | 1998-10-09 | Toppan Printing Co Ltd | 印刷物の検査方法及びこの装置 |
CN1619790A (zh) * | 2003-10-17 | 2005-05-25 | 株式会社东芝 | 缺陷检查方法 |
CN101727579A (zh) * | 2008-10-15 | 2010-06-09 | 北大方正集团有限公司 | 变形字的检测方法、变形字中水印信息的确定方法及装置 |
CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测*** |
CN104598907A (zh) * | 2013-10-31 | 2015-05-06 | 同济大学 | 一种基于笔画宽度图的图像中文字数据提取方法 |
CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和*** |
CN109142383A (zh) * | 2018-08-10 | 2019-01-04 | 惠州太初科技有限公司 | 一种基于形态学的字符缺陷检测方法及装置 |
-
2019
- 2019-05-30 CN CN201910463010.1A patent/CN110197180B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269359A (ja) * | 1997-03-25 | 1998-10-09 | Toppan Printing Co Ltd | 印刷物の検査方法及びこの装置 |
CN1619790A (zh) * | 2003-10-17 | 2005-05-25 | 株式会社东芝 | 缺陷检查方法 |
CN101727579A (zh) * | 2008-10-15 | 2010-06-09 | 北大方正集团有限公司 | 变形字的检测方法、变形字中水印信息的确定方法及装置 |
CN104598907A (zh) * | 2013-10-31 | 2015-05-06 | 同济大学 | 一种基于笔画宽度图的图像中文字数据提取方法 |
CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测*** |
CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和*** |
CN109142383A (zh) * | 2018-08-10 | 2019-01-04 | 惠州太初科技有限公司 | 一种基于形态学的字符缺陷检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
CUN-ZHAO SHI ET AL: "Stroke Detector and Structure Based Models for Character Recognition: A Comparative Study", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
GANG ZHAO ET AL: "Barcode Character Defect Detection Method Based on Tesseract-OCR", 《2017 3RD IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》 * |
冯秋歌等: "基于视觉的印刷字符缺陷自动检测方法", 《南昌大学学报(工科版)》 * |
张国和等: "最大稳定极值区域与笔画宽度变换的自然场景文本提取方法", 《西安交通大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
WO2021135605A1 (zh) * | 2019-12-30 | 2021-07-08 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN111060527B (zh) * | 2019-12-30 | 2021-10-29 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
US12002198B2 (en) | 2019-12-30 | 2024-06-04 | Goertek Inc. | Character defect detection method and device |
CN112750116A (zh) * | 2021-01-15 | 2021-05-04 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
CN112750116B (zh) * | 2021-01-15 | 2023-08-11 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及存储介质 |
TWI771255B (zh) * | 2021-12-31 | 2022-07-11 | 鴻海精密工業股份有限公司 | 瑕疵檢測方法及裝置、電腦設備及儲存介質 |
CN115273088A (zh) * | 2022-09-30 | 2022-11-01 | 南通慕派商贸有限公司 | 基于机器视觉的汉字印刷质量检测方法 |
CN116129435A (zh) * | 2023-04-14 | 2023-05-16 | 歌尔股份有限公司 | 字符缺陷检测方法、装置、设备及存储介质 |
CN116129435B (zh) * | 2023-04-14 | 2023-08-08 | 歌尔股份有限公司 | 字符缺陷检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110197180B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197180A (zh) | 字符缺陷检测方法、装置及设备 | |
CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN110009607B (zh) | 显示屏坏点检测方法、装置、计算机设备和存储介质 | |
CN113379680A (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
CN113393464B (zh) | 一种平板玻璃缺陷的三维检测方法 | |
CN106327546B (zh) | 人脸检测算法的测试方法和装置 | |
CN113034447B (zh) | 一种边缘缺陷检测方法和装置 | |
US20180253852A1 (en) | Method and device for locating image edge in natural background | |
JP2015041164A (ja) | 画像処理装置、画像処理方法およびプログラム | |
US20100322515A1 (en) | Image processing method for background removal | |
CN113240673B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
CN107797784B (zh) | 获取拼接处理器的适配分辨率的方法及装置 | |
CN102171723A (zh) | 红眼检测的方法 | |
US9239230B2 (en) | Computing device and method for measuring widths of measured parts | |
CN111182293B (zh) | 一种镜头阴影校正数据的检测方法及*** | |
CN104980718B (zh) | 色彩校正装置以及方法 | |
CN116542926B (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
GB2204170A (en) | Real time object recognition method | |
Phillips et al. | The Veiled Virgin illustrates visual segmentation of shape by cause | |
CN112561852A (zh) | 图像判断装置和图像判断方法 | |
CN107886615B (zh) | 边缘检测方法及验钞设备 | |
CN110427944A (zh) | 车牌检测数据的获取方法、装置、设备及存储介质 | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
CN112329774B (zh) | 基于图像的商品尺码表自动生成方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230626 Address after: 310052 11th Floor, 466 Changhe Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: H3C INFORMATION TECHNOLOGY Co.,Ltd. Address before: 310052 Changhe Road, Binjiang District, Hangzhou, Zhejiang Province, No. 466 Patentee before: NEW H3C TECHNOLOGIES Co.,Ltd. |