基于穿線法的計算器數(shù)字識別

卓磊　周律　楊麗紅

摘 要：為了防止計算器數(shù)字的誤讀，本文采用了一種基于穿線法的識別數(shù)字裝置對計算器數(shù)字進(jìn)行識別。識別功能由圖像預(yù)處理、二值化、形態(tài)學(xué)處理、圖像分割、穿線法找出數(shù)字特征這幾大步驟構(gòu)成。穿線法是識別數(shù)字的關(guān)鍵，通過實驗表明，該識別方法的識別率可以達(dá)到100%，配有該識別數(shù)字裝置的計算器可以有效地提高數(shù)字的識別精度，降低誤識率。

關(guān)鍵詞：灰度化；二值化；形態(tài)學(xué)；穿線法

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A

Abstract：In order to prevent the misreading of the calculator numbers，this paper uses a device based on OpenCV to identify the calculator numbers.The recognition function consists of image preprocessing，binarization，morphological processing，image segmentation，and threading to find the digital features，in which the threading method is the key to identifying numbers.Experiments show that the identification rate of the method can reach 100%，and the calculator equipped with the identification device can effectively increase the accuracy and reduce the rate of misreading.

Keywords：gray processing；binarization；morphology；threading method

1 引言（Introduction）

計算器是一種專用計數(shù)工具，在日常生活和一些工業(yè)領(lǐng)域被廣泛應(yīng)用。對于常用的計算器，計量方法是基于點對點的計量而來的。人工在進(jìn)行數(shù)據(jù)記錄，分析和判斷時，極易因為讀錯小數(shù)位數(shù)或陰影而識別出錯誤的數(shù)據(jù)，這對使用人員的依賴性要求較大，因此需要一種適合計算器識別數(shù)字的改良裝置和方法[1]。傳統(tǒng)數(shù)字識別方法大多都包含二值化、去噪、規(guī)整、細(xì)化、輪廓處理、特征提取、字符分類、模板匹配等處理步驟，計算效率較低，對系統(tǒng)硬件要求較高，若再加入投影運算、BP神經(jīng)網(wǎng)絡(luò)等算法，將使得系統(tǒng)的軟硬件更為復(fù)雜不適合一些實時處理系統(tǒng)的應(yīng)用需求[2]。本文以七段數(shù)碼管的計算器數(shù)字為例，進(jìn)行基于穿線法的數(shù)字識別方法說明。OpenCV具有的圖像處理庫包括圖像采集、圖像儲存、圖像加載、圖像灰度化、圖像濾波、閾值分割、邊緣檢測等多種功能[3]，改良裝置通過上述功能完成數(shù)字圖像的識別，改良后的模型樣圖如圖1所示。

2 圖像預(yù)處理（Image preprocessing）

由于計算器的外形不同，所以對計算器所采樣的數(shù)字圖像情況也有所不同，采用自動檢測、自動分割的方式獲取的圖像有可能不能夠完全分割所檢測的數(shù)字區(qū)域，所以需要以人工的方式將目標(biāo)區(qū)域（ROI感興趣區(qū)域）提取出來。首先通過計算機采集到的計算器圖像進(jìn)行篩選，用鼠標(biāo)選取被識別區(qū)域（即計算器中需要被檢測到的數(shù)字區(qū)域），再對該區(qū)域進(jìn)行實時信息保存，得到需要被識別的區(qū)域圖片（改良裝置位姿確定時可忽略人工提取的步驟，可以自動檢測識別區(qū)域）。

提取的圖片的尺寸可能很小，我們需要利用resize或高斯金字塔函數(shù)放大圖片并將其進(jìn)行灰度化處理[4]。所謂灰度化，就是將彩色圖像轉(zhuǎn)化為灰度圖像的過程，灰度圖像是R、G、B三個分量相同的一種特殊彩色圖像形式，其一個像素點的變化范圍有255種，這樣大大減少后續(xù)圖像的計算量。在這里我們采用求每個像素點R、G、B三個分量平均值的方式，然后賦予給這個像素的三個分量[5]。

下一步進(jìn)行二值化處理，即圖片只有兩個灰度等級，即圖像中只有黑白兩種顏色。使用這種處理辦法可以使圖像計算量更小，大大簡化了對后續(xù)的圖像處理。接著對所識別的數(shù)字區(qū)域進(jìn)行形態(tài)學(xué)處理（即膨脹腐蝕操作），這樣可以盡量減少圖片中的洞效應(yīng)[6]。實驗如圖2和圖3所示。

3 字符分割（Character segmentation）

經(jīng)過二值化、腐蝕膨脹圖后，背景為白色，數(shù)字為黑色。雖然我們能夠通過利用投影法進(jìn)行字符的分割，對圖像分別進(jìn)行水平和垂直投影，即分別統(tǒng)計水平方向上和垂直方向上每一行或列上黑色像素的個數(shù)。然后根據(jù)投影值獲取零到非零的坐標(biāo)，記錄其突變點。接著根據(jù)記錄的突變點進(jìn)行劃線求出其字樣的寬度，即通過式（2）和式（3）求取寬度和高度。

但是上述方法有很大的缺陷，圖片受外界的影響很大時，導(dǎo)致突變點過多，無法準(zhǔn)確得到字樣的寬度或高度。但是在這里我們應(yīng)用的另一種方法，即cvFindCountours函數(shù)得到輪廓后，給定閾值結(jié)合cvBoundingRect得到所需的數(shù)字特征[7]。然后將數(shù)字一個個分割出來，按順序保存到一個數(shù)字集。圖4為分割出的數(shù)字圖樣。

4 穿線識別法（Threading method）

數(shù)字表的數(shù)字大多都是由七段數(shù)碼管組合而成，只有橫豎的布置方式，沒有弧度，所以可以考慮用穿線法來進(jìn)行特征識別[6]。相對于向量機訓(xùn)練（用于特征點較多的場合）進(jìn)行識別檢測，交線法和交點法是兩種簡易而快捷的方法。將上述數(shù)字集中的每一個數(shù)字按下列方法識別。

4.1 交點法

如圖5所示，數(shù)碼管由三條線進(jìn)行分區(qū)，1號線把線條分成左右兩個區(qū)域，2、3號線把數(shù)字分成上中下三個區(qū)域。根據(jù)0—9和小數(shù)點與所畫的這三條線段的交點個數(shù)不同，可將它們的特征表現(xiàn)出來，可以簡單快捷的識別出數(shù)字。如圖4中的數(shù)字8，它與1號線有六個交點，與2號線有四個交點，與3號線有四個交點。

根據(jù)以上原理，可以依次類推出數(shù)字0—9和小數(shù)點與所畫的三條線段1、2、3的交點數(shù)。數(shù)字、小數(shù)點與線段交點個數(shù)表如表1所示。

如表1所示，上面的特征以組號的形式區(qū)分開，與線1相交的交點數(shù)不同可分為3組，即4、7和小數(shù)點為[11]組，0、1為[12]組，其余的為[13]組（其中括號中的第一個數(shù)字代表線號，第二個數(shù)字代表組號）。同理，與線2，相交的也可分為3組，即小數(shù)點為[21]組，0、4、8、9為[22]組，其余的為[23]組。與線3相交的三組，即小數(shù)點為[31]組，0、6、8為[32]組，其余為[33]組。其中的2、3、5三個數(shù)字與這三條線的交點數(shù)相同，都與線1有六個交點，與線2有兩個交點，與線3有2個交點，我們可以通過交點位置的不同來判定。如圖6所示，2、3、5三個數(shù)字與2、3兩條線交點位置有差異，與線2相交時，數(shù)字5的x坐標(biāo)小于小于2、3的x坐標(biāo)，所以數(shù)字5可以根據(jù)這種原理被識別出來，而與線3相交時，數(shù)字2的x坐標(biāo)小于3、5的x坐標(biāo)，所以數(shù)字2能被識別，當(dāng)上述兩種情況未發(fā)生時，則數(shù)字3可被識別出來。

4.2 交線法或割線法

交線法，其原理較為簡單，但是相對與上述基于三線的交點識別還是較為繁瑣的，而且其中的小數(shù)點無法被識別。該方法是由七條線段分別與七條數(shù)碼管垂直相交來判定相應(yīng)的數(shù)字特征，即根據(jù)數(shù)碼管相交線的位置和相交線的數(shù)量來判定是0—9中哪一個數(shù)字。如圖7所示。

表2列出的是相應(yīng)數(shù)字的割線情況。顯示數(shù)字的數(shù)碼管段被截斷用（+）號表示。

如表2所示，可得到各個數(shù)字顯示所對應(yīng)的數(shù)碼管數(shù)量和位置。從數(shù)碼管的總數(shù)量來看，數(shù)字1所需的數(shù)碼管數(shù)量為2，數(shù)字4、7所需的數(shù)碼管數(shù)量為4，數(shù)字2、3、5的數(shù)碼管數(shù)量為5，數(shù)字0、6、9的數(shù)碼管數(shù)量為6，數(shù)字8所需的數(shù)碼管數(shù)量為7，所以根據(jù)數(shù)量可以優(yōu)先識別出數(shù)字2和數(shù)字8。接著將所需數(shù)碼管數(shù)量相等的分為一組，然后進(jìn)行內(nèi)部篩選，根據(jù)數(shù)碼管的位置不同可以直接識別數(shù)字。如數(shù)字2通過檢測2、3、4、5、7號位置數(shù)碼管是否與相應(yīng)線段相交、數(shù)字3通過檢測2、3、4、6、7號位置數(shù)碼管是否與相應(yīng)線段相交，同理，其他數(shù)字可按此規(guī)律進(jìn)行檢測識別。

5 結(jié)論（Conclusion）

上述實驗步驟是基于Win7系統(tǒng)，處理器為i5-4200M，攝像頭130W像素，得力牌計算器的硬件條件下，以及Visual Studio 2017和OpenCV3.2的軟件配置下，最終實現(xiàn)了對計算器數(shù)字值的識別。對于處理后較為清晰且位置沒有偏移的圖片進(jìn)行識別，由表3所示，識別率近似可以達(dá)到100%，由于上述為人工提取圖片區(qū)域位置，可能出現(xiàn)攝像頭的光源亮度不足，以及目標(biāo)的傾斜程度不同，所以識別有一定誤差。計算器上的改良裝置可以根據(jù)實際情況給以誤差補償，進(jìn)行增大或減少背景亮度，同時也提升原始圖片質(zhì)量，彌補了人工誤差和外界條件的缺陷。該實驗中的穿線法也可以推廣到其他儀表器械的數(shù)字識別中。

參考文獻(xiàn)（References）

[1] 林建萍，廖一鵬.基于OpenCV和LSSVM的數(shù)字儀表讀數(shù)自動識別[J].微型機與應(yīng)用，2017，36（2）：37-40.

[2] 魏暢然.基于穿線法的數(shù)字識別方法[J].科技情報開發(fā)與經(jīng)濟(jì)，2010，20（28）：137-139.

[3] 張進(jìn)猛，張進(jìn)秋.基于OpenCV的圖像采集與處理[J].軟件導(dǎo)航，2010，9（1）：164-166.

[4] 于仕琪，劉瑞禎.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.

[5] 阮秋琦，阮宇智.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2017.

[6] 毛星云，冷雪飛.學(xué)習(xí)OpenCV3[M].北京：電子工業(yè)出版社，2015.

[7] 王舒憬，杜皎潔.基于OpenCV的數(shù)字萬用表數(shù)字識別方法[J].自動化與儀器儀表，2014（1）：62-63.

作者簡介：

卓 磊（1992-），男，碩士生.研究領(lǐng)域：機器識別與圖像處理.

周 律（1976-），男，博士，講師.研究領(lǐng)域：機器視覺.

楊麗紅（1973-），女，博士，副教授.研究領(lǐng)域：先進(jìn)制造技術(shù)與結(jié)構(gòu)設(shè)計.