一種機(jī)械式電表的數(shù)字識別方法

雷豐中,張盼盼

(郴州技師學(xué)院電氣工程系,郴州423000)

0 引 言

儀表讀數(shù)在工業(yè)和控制領(lǐng)域應(yīng)用非常廣泛,目前,儀器儀表被廣泛地應(yīng)用于各行各業(yè)的測量系統(tǒng)中,對于機(jī)械式儀表來說,由于沒有提供數(shù)據(jù)傳送的接口,這樣就很難實現(xiàn)數(shù)據(jù)的自動采集,以滿足現(xiàn)代自動化的需要.而當(dāng)前中國的3.48億戶家庭中,正在用這些無數(shù)據(jù)傳送接口的機(jī)械式電表或水表的用戶占絕大多數(shù).隨著現(xiàn)代社會信息技術(shù)的高速發(fā)展,我們的生活和生產(chǎn)也向著數(shù)字化、智能化和網(wǎng)絡(luò)化方向不斷發(fā)展,機(jī)器視覺及圖像處理技術(shù)在這個發(fā)展過程中發(fā)揮了重要作用,而基于圖像處理技術(shù)的儀表自動識別正是在這種環(huán)境下而出現(xiàn)的.

作為光學(xué)字符識別技術(shù)(OCR)的一個分支,數(shù)字識別在脫機(jī)自動記錄、車牌號碼、身份證號碼、支票號碼、郵政編碼、電表儀表讀數(shù)以及其他編號識別方面具有重要的實用價值.

基于結(jié)構(gòu)特征的識別方法,對于有限的數(shù)字字符,計算量相對較小,識別速度快.但傳統(tǒng)的方法很多采用基于柵格的目標(biāo)像素數(shù),統(tǒng)計垂直、水平方向過線數(shù)目[1][2],這些方法對于不同字形、含噪聲、以及變形的數(shù)字識別率較低.有的還采用神經(jīng)網(wǎng)絡(luò),小波變換,甚至尋找各個筆畫所包含的弧、角度等,使識別系統(tǒng)變的非常龐大、復(fù)雜,識別速度降低[3][4].

本文通過提取數(shù)字空洞和缺口的方法來識別數(shù)字,提出了一種八方向跟蹤找空洞方法,該識別方法對數(shù)字變形,噪聲嚴(yán)重的圖片仍有較好的結(jié)果,大大提高了識別率,降低了系統(tǒng)復(fù)雜度.

1 基本原理

為了實現(xiàn)此類儀表數(shù)據(jù)的智能化采集而非人工抄寫,首先通過手持終端的攝像頭拍照獲得儀表圖像,然后對圖像進(jìn)行識別處理,最終把識別結(jié)果傳送到目的設(shè)備,從而實現(xiàn)機(jī)械式儀表讀數(shù)的批量自動化識別、管理(如圖1所示).

圖1 電表圖像識別系統(tǒng)

本文采用的八方向跟蹤找空洞方法是在細(xì)化后字符圖像的基礎(chǔ)上進(jìn)行的,因此要先對源圖像預(yù)處理,得到理想的二值化圖像,再對二值化后的單個數(shù)字字符進(jìn)行細(xì)化,最后用八方向跟蹤找空洞方法來提取被識數(shù)字的特征.

1.1 字符圖像的預(yù)處理

由于源圖像色彩、大小不一,灰度模糊,以及一些噪聲的存在,要先對源圖像進(jìn)行預(yù)處理.預(yù)處理的過程如下:

(1)濾波:采用3*3鄰域的中值濾波,既很好的保留了邊緣信息,又有效的將噪聲濾除[5].

(2)二值化:采用一種改進(jìn)的最大類間方差法,有效的將圖像背景點去除[6],結(jié)合形態(tài)學(xué)的腐蝕和膨脹,得到理想的二值化圖像如圖2(b)所示.

(3)校正:基于字符間投影距離大小比較來確定圖像的傾斜角度,再用基于雙線性插值的旋轉(zhuǎn)方法進(jìn)行矯正[7],如圖2(c)所示.

(4)分割:采用區(qū)域生長的方法分割出二值化后的連通區(qū)域,根據(jù)數(shù)字高度與寬度的閾值可有效去除與數(shù)字相連的噪聲,得到其長寬比符合目標(biāo)數(shù)字的連通區(qū)域.

(5)細(xì)化:采用幾條簡單的規(guī)則來決定是否刪除像素點,達(dá)到細(xì)化的目的,不但保持了原圖像的幾何和拓?fù)涮卣?而且更重要的是減少了圖像的冗余,使得找空洞法的效率大大提高[8],如圖2(d)所示.

圖2 字符圖像預(yù)處理

1.2 快速的八方向跟蹤找空洞算法

空洞和缺口是數(shù)字非常重要的結(jié)構(gòu)特征.數(shù)字0、4、6、8、9等有明顯的空洞,2、3、5、7 則有明顯的缺口.在判斷這些數(shù)字時采用這類結(jié)構(gòu)特征是快速有效的.

現(xiàn)有的找空洞方法一般是在源圖像二值化基礎(chǔ)上采用邊緣跟蹤法[9],這種方法受噪聲干擾,數(shù)字變形等影響較大,正確率較低.還有的找空洞法采用雙向掃描算法[10],此方法對字符本身的變形、筆劃斷裂等出錯嚴(yán)重.

圖3 八方向跟蹤算法方向圖

八方向跟蹤算法如下:

(2)以當(dāng)前目標(biāo)點Di,以及當(dāng)前方向為標(biāo)準(zhǔn)左轉(zhuǎn)90°判斷下一點D i+1是否為目標(biāo)點.

判斷是否有空洞的條件為:對細(xì)化后的目標(biāo)數(shù)字,選擇起始跟蹤目標(biāo)點Dstart,并設(shè)置初始方向為八方向跟蹤算法的方向圖中的2方向,若跟蹤到的第二個目標(biāo)點與跟蹤結(jié)束前一個目標(biāo)點為不同點則為洞,若是相同點則為非洞.

圖4 八方向跟蹤示意圖

八方向跟蹤找空洞法的原則是:找到一個起始點,一直逆時針走下去,直到走到起始點,圖5中對于初始跟蹤點3點,其鄰域圖右邊所示,則數(shù)字2的上部分原本非洞被判定為洞,原因在于存在＂直角目標(biāo)點＂使得跟蹤出發(fā)與結(jié)束的路線不同,導(dǎo)致非洞被視為空洞.正因為本文對細(xì)化圖像中冗余像素的剔除,使得八方向跟蹤法從開始每次進(jìn)行時的下一個點只有一個選擇,直至逆時針走到起始點位置.

圖5 存在“直角目標(biāo)點”的細(xì)化字符

2 數(shù)字字符識別過程

2.1 數(shù)字字符的特征提取

細(xì)化后的數(shù)字字符基本上保持了原字符的結(jié)構(gòu)和形狀

圖6 細(xì)化后的數(shù)字字符標(biāo)注

特征一:tag1-tag6值

對于得到的細(xì)化字符,在數(shù)字的中間處作一垂線,與數(shù)字相交,記錄下所有成對邊緣點,標(biāo)記為tag1-tag6.

特征二:hole1、hole2值

若一個字符的標(biāo)注有6點,則將字符一分為二,記4、5點之間行以上為上部分,記 2、3點之間行以下為下部分.對于少于6個點的字符,則整個字符為上部分.從標(biāo)注的3點和5點開始,采用找空洞方法分別判斷上下部分是否有洞.上部分有洞,記hole1=1,否則 hole1=0,下部分有洞 ,記 hole2=1,否則hole2=0.

特征三:stroketag2、stroketag4值

從標(biāo)注的2點下一行對應(yīng)點向右穿線,遇到筆畫標(biāo)注stroketag2即stroketag2=1.從標(biāo)注的4點下一行對應(yīng)點向右穿線,遇到筆畫標(biāo)注stroketag4即stroketag4=1.

2.2 基于特征的數(shù)字字符識別

對于分割后得到的目標(biāo)字符,先求出其高與寬,若高寬比大于等于3,此數(shù)字為1;細(xì)化之前根據(jù)整幅圖像中字符的平均值,判斷當(dāng)前字符是否為正常高度數(shù)字,并進(jìn)行標(biāo)注,對于非正常高度的數(shù)字認(rèn)為其是殘缺字符.

對于正常高度的數(shù)字用以下方法進(jìn)行識別:將提取以上三個特征值后的目標(biāo)字符分類,hole存在的屬于0、4、6、8、9一類字符,hole不存在的屬于2、3、5、7一類字符.具體分類如表1所示,其中‘-'表示無需對該特征進(jìn)行判斷:

表1 數(shù)字識別歸類

3 實驗結(jié)果

對隨機(jī)采集的850幅機(jī)械式電表圖像,采用該識別方法進(jìn)行識別.表2為分割得到的5087個0～9字符的測試結(jié)果,正確識別率達(dá)到99.04%,誤識率僅為0.96%.

表2 字符識別的測試結(jié)果

4 結(jié) 論

本文采用八方向跟蹤找空洞方法對0～9十個數(shù)字進(jìn)行識別,該找空洞法是在源圖像細(xì)化后采用八方向跟蹤法,選擇初始跟蹤點,對細(xì)化后有限的目標(biāo)像素值進(jìn)行跟蹤,查看首尾相接時,其出發(fā)線路與結(jié)束線路是否相同.與其他的識別方法相比,該方法無需對字符大小、字形歸一化,對于噪聲嚴(yán)重以及變形字符,其準(zhǔn)確率高,速度快,對數(shù)字的識別率能達(dá)到99%以上.

[1]S.Mathur,R.Munkong,C.mason,and M.yeary.Numeral Recognition for Quality Control of Surgical Sachets[J].IEEE,2002.

[2]劉建華,牛秦洲,程小輝,等.基于特征的印刷體數(shù)字符號識別系統(tǒng)[J].桂林工學(xué)院學(xué)報,2005,25(1):101-103.

[3]Ernest Valeny,Antonio Lopez.Numerical Recognition of Unstrained Handwriting[J].IEEE,2003.

[4]吳 謹(jǐn),劉 洋.具有抗噪穩(wěn)健性的數(shù)字識別[J].武漢:武漢科技大學(xué)學(xué)報(自然科學(xué)版),2004,27(4):406-408.

[5]Rafael C.Gonzalez.Digital Image Processing,Second Edition[M].Beijing:Publishing House of Electronic Industry,Aprial,2008.

[6]喬萬波,曹銀杰.一種改進(jìn)的灰度圖像二值化方法[J].電子科技,2008,21(11):63-65.

[7]史 燕,呂永戰(zhàn),張 帆.車牌識別中的二值化及快速傾斜校正算法[J].現(xiàn)代電子技術(shù),2009,(5):149-152.

[8]吳 丹.一種快速準(zhǔn)確的細(xì)化算法[J].計算機(jī)與現(xiàn)代化,2003,(1):6-10.

[9]許捍衛(wèi),王 成.一種簡單的數(shù)字識別研究[J].地礦測繪,2000,(2):31-33.

[10]Wanye Yao.The Research and Application of Method of Digital Recognition with Noise[M].North China E-lectric Power University,Dec,2006.