李婧

（武漢晴川學院 電子信息與機電工程學院，湖北武漢 430204）

基于圖像分塊的商標識別

李婧

（武漢晴川學院 電子信息與機電工程學院，湖北武漢 430204）

商標識別是圖像識別中的一種。由于商標是日常生活中隨處可見的事物，同時因為其富含信息，所以在自然環(huán)境下的商標自動識別也具有極大的用處。目前商標識別由于在自然情況下圖片的干擾及其商標的大小、位置的不一樣導致傳統(tǒng)的商標識別算法難以解決以上的問題。本文提出了一種基于圖像分塊的商標可以很好的解決以上的問題。商標識別；圖像分塊；二值化算法

1 前言

商標識別由于其應用領域多、應用范圍廣，受到了眾多研究者的關注。商標識別框圖1所示，一般商標識別分為以下幾步：獲取圖片、圖像灰度化、圖像二值化、去噪濾波處理、識別。

（1）獲取圖片：圖片一般是從相機、手機、網絡等途徑獲得的。由于相機和手機的攝像頭分辨率參差不齊，并且拍攝時自然條件的多樣化導致得到的圖片的格式、大小、分辨率也各有不同。

（2）圖像灰度化：由于開始獲取的圖片包含了干擾、前景和背景、噪聲等元素，這些東西非常不利于圖像的識別，所以先把彩色的圖像灰度化。圖像的灰度化有許多種方法，這里采用的是用以下公式計算：

其中

I

代表灰度化之后的亮度值，B、G、R分別代表原來彩色圖像中的藍色、綠色、紅色的值。

（3）圖像二值化：圖像灰度化后還是包括目標、背景和噪聲，圖像二值化便是通過一個閥值的選取將目標完全保留，同時將背景和噪聲去除。本文中選取閥值的方法為大津閥值。

（4）圖像標準化：圖像二值化后由于顏色的原因，有些圖片的目標變成背景，背景變成圖片。由于絕大多數(shù)圖片，背景的像素點比目標的像素點多，所以這一步默認將像素點多的顏色為白色，像素點少的為黑色。

（5）去噪和濾波處理：此模塊的作用是將圖像二值化后殘留的背景和噪聲完全去除，為了方便下一步的識別。本文中采用的濾波方法是基于輪廓提取的濾波方法。

（6）識別：以上的過程都完成后便只剩下目標了，這一步是將圖片中的目標和模板進行比較，識別商標。本文中采用的識別方法為分塊識別。

2 二值化算法

本文中采用的二值化算法為基于大津閥值的二值化算法。此方法為將一個灰度圖像的數(shù)據(jù)在某一閥值處分成兩組，當被分成的兩組方差最大時，決定閥值。

圖1 商標識別框圖

圖2 圖像的二值化

假設一幅圖像中的灰度值為0～

m

-1，灰度值

i

的像素數(shù)為

N

，此時我們得到的像素總是為：

個值的概率：

然后用

T

將其分成兩組可以求出其全部的灰度平均值以及兩組間的方差：

其中，

w

，

w

為

C

，

C

的概率，

μ

，

μ

為

C

，

C

的平均值然后求出

δ

(

T

)最大時的

T

就是二值化算法中的閥值。取得閥值后將比閥值小的像素點變?yōu)?，比閥值大的像素點變?yōu)?55。整個二值化過程如下圖2所示。

3 濾波算法

本文中采用的濾波算法是一種新型的濾波算法，這個濾波算法基于邊界提取算法。在實際圖片中，絕大多數(shù)圖片的目標物在中間，所以本文考慮的圖片是目標在圖片的中間。濾波算法為我們從邊界上開始找點，如果找到黑色點，則默認為噪聲點，然后通過從此點的左上角開始順時針查找是否還有黑點，如果有黑點則將其全部存起來，繼續(xù)尋找，直到所有點都已經找完。

4 識別算法

在圖片識別之前首先獲取圖片的特征，首先獲取圖片中目標的左上方、左下方、右上方、右下方的點，通過這四個點確定包含目標的最小矩形，本文中獲取三個特征：第一個是目標所在的最小矩形的高和寬的比值；目標所在最小矩形中黑色點的個數(shù)與矩形的面積的比值；將最小矩形切割成100份，每一份小矩形中黑色點的個數(shù)與小矩形的面積的比值。繼而將以上三個特征與模板圖片的三個特征進行比較，取差值最小的模板所對應的商標為圖片對應商標。

5 結語

本文中提出了一種新的商標識別方法，這種算法克服了商標的大小和位置不同的問題，并對這種方法進行了驗證。在驗證過程中一種識別了四個商標，識別正確率為91.67%。證明了這種方法在實際應用過程中有著一定的優(yōu)勢。

[1]游張華,徐勇,康業(yè)娜.基于ARM的商標識別系統(tǒng)的設計與實現(xiàn)[J].計算機工程,2007,(15):264-266.

[2]楊淑瑩.圖像模式識別[M].北京:清華大學出版社,2005.

TP391.3

A

1003-2177（2017）11-0061-02

李婧（1988—），女，湖北仙桃人，講師，碩士研究生，研究方向：網絡化控制系統(tǒng)。