卿東升 李建軍 鄧巧玲

摘要：為了保證印刷體數(shù)字識(shí)別的準(zhǔn)確性和良好的擴(kuò)展性，提出了一種基于二進(jìn)制的印刷體數(shù)字識(shí)別算法，旨在為每一個(gè)被識(shí)別的印刷體數(shù)字分配一組特定的二進(jìn)制，從而保證其識(shí)別的準(zhǔn)確性和可擴(kuò)展性。通過Matlab編程仿真可知，識(shí)別的準(zhǔn)確率非常高，證明了其識(shí)別的可行性。

關(guān)鍵詞：數(shù)字識(shí)別；二進(jìn)制；特征值；數(shù)字分割

中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2018）05-62-3

Printed Digital Recognition Algorithm Based on Binary

QING Dongsheng1， LI Jianjun1，DENG Qiaoling2（1.College of Computer Science and Information Technology， Central South University of Forestry and Technology， Changsha Hunan 410004， China；2. Hunan Applied Technology University， Changde Hunan 415000， China）

0引言

隨著互聯(lián)網(wǎng)的發(fā)展和科學(xué)技術(shù)的不斷進(jìn)步和成熟，大數(shù)據(jù)、物聯(lián)網(wǎng)及互聯(lián)網(wǎng)+等智能科學(xué)技術(shù)時(shí)代已經(jīng)到來，數(shù)字圖像識(shí)別技術(shù)的應(yīng)用也越來越廣泛[1-3]。在此之前，印刷體數(shù)字的識(shí)別有很多算法，但這些算法各有優(yōu)缺點(diǎn)[4-6]。本文提出一種基于二進(jìn)制特征的印刷體數(shù)字識(shí)別方法，利用數(shù)字本身的獨(dú)特結(jié)構(gòu)，把其獨(dú)特的結(jié)構(gòu)轉(zhuǎn)化為二進(jìn)制數(shù)字0和1，并用一組二進(jìn)制數(shù)字來表示一個(gè)數(shù)字，作為該數(shù)字的識(shí)別編碼。該算法容易理解、識(shí)別率高、擴(kuò)展性好及易于后期的維護(hù)和升級(jí)。

1數(shù)字分割技術(shù)

1.1提取掃描圖像

在印刷體數(shù)字識(shí)別過程中，掃描到的數(shù)字必然會(huì)是一連串的數(shù)字，因此，在識(shí)別單個(gè)數(shù)字之前，必須先對(duì)這一連串?dāng)?shù)字進(jìn)行分割，以便把單個(gè)數(shù)字圖像分割出來進(jìn)行識(shí)別。

1.2分割方法

文中的數(shù)字分割方法是根據(jù)數(shù)字圖像的特征，尋找數(shù)字圖像中每個(gè)數(shù)字的左右邊界來分割每個(gè)數(shù)字的圖像，具體步驟如下：

①讀取掃描圖像并轉(zhuǎn)化成二值圖像，獲取該二值圖像的尺寸。由數(shù)字圖像的特征可知，數(shù)字圖像中的每一個(gè)數(shù)字都有邊界，因此只要把數(shù)字圖像中的每一個(gè)數(shù)字的左右邊界找到，就可以把每一個(gè)數(shù)字分離出來。

②從左至右掃描二值圖像，并且用一個(gè)游標(biāo)p1來記錄數(shù)字圖像中掃描的變化情況，如果該游標(biāo)遇到數(shù)值為0（p1=0），即該處有黑點(diǎn)，表示在該處找到第一個(gè)數(shù)字的左邊界并標(biāo)記col11；繼續(xù)向右掃描來尋找數(shù)字的右邊界，如果在掃描過程中游標(biāo)p1=1，即該處為白點(diǎn)。此時(shí)，以該點(diǎn)作為數(shù)字圖像的基點(diǎn)，從上到下掃描該數(shù)字對(duì)應(yīng)的所有行，用p2記錄該列數(shù)字圖像變化的情況，如果從上到下掃描該列對(duì)應(yīng)的行都沒有找到黑點(diǎn)及p2=1，則表示在該處找到第一個(gè)數(shù)字的右邊界并標(biāo)記col12，記錄該數(shù)字圖像為number1。否則，表示該白點(diǎn)只是數(shù)字中間的某個(gè)白點(diǎn)，并不是該數(shù)字的右邊界點(diǎn)。此時(shí)繼續(xù)向右掃描，直到找到某一列對(duì)應(yīng)的行全部為白點(diǎn)及p2=1為止，這樣就分割出了數(shù)字圖像中的第一個(gè)數(shù)字。

③以前一個(gè)數(shù)字的右邊界為掃描起點(diǎn)，重復(fù)步驟②，以此類推，直到把所有的數(shù)字圖像都分割出來為止，分割示意圖如圖1所示。

2數(shù)字二進(jìn)制特征值提取

通過分割數(shù)字圖像技術(shù)得到單個(gè)數(shù)字圖像后，提取單個(gè)數(shù)字圖像二進(jìn)制特征值。根據(jù)數(shù)字特征識(shí)別需要，文中提取的數(shù)字特征值的個(gè)數(shù)為7。

（1）數(shù)字的高度與寬度之比。根據(jù)數(shù)字特征可以發(fā)現(xiàn)，在0～9這幾個(gè)數(shù)字中，每一個(gè)數(shù)字的高度和寬度之比都是不同的，仔細(xì)觀察可以發(fā)現(xiàn)，數(shù)字1的寬度最窄，因此，通過數(shù)字的高度和寬度之比會(huì)得出數(shù)字1的比值最大，如圖2所示。

此時(shí)，印刷體數(shù)字1234567890提取到的二進(jìn)制特征值為0111111111。

（2）選取數(shù)字坐標(biāo)（1/3，1/2）處，向右掃描該組數(shù)字，看是否會(huì)碰到黑點(diǎn)，如果碰到，則輸出1；否則，輸出0，如圖3所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為1111001111。

（3）選取數(shù)字坐標(biāo)（1/3，1/2）處，向左掃描該組數(shù)字圖像，看是否會(huì)碰到黑點(diǎn)，如果碰到，則輸出1；否則，輸出0，如圖4所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為1101010111。

（4）選取數(shù)字坐標(biāo)（1/2，1/2）處，掃描該組數(shù)字圖像，看其是否為黑點(diǎn)，如果是黑點(diǎn)，則輸出1；否則，輸出0，如圖5所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為1010000100。

（5）選取數(shù)字坐標(biāo)（2/3，1/2）處，掃描該組數(shù)字圖像，看其是否為黑點(diǎn)，如果是黑點(diǎn)，則輸出0；否則，輸出1，如圖6所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為0011110111。

（6）判斷該組數(shù)字圖像左邊界的橫坐標(biāo)和右邊界的橫坐標(biāo)是否相等。如果相等，則輸出1；否則輸出0。選擇其作為特征值是因?yàn)閿?shù)字0的特殊性，如圖7所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為0000000001。

（7）掃描該組數(shù)字坐標(biāo)（3/7， 1/5）處，看其是否為黑點(diǎn)。如果是黑點(diǎn)，則輸出0；否則，輸出1。該組特征值主要是為了區(qū)別數(shù)字4和9，如圖8所示。

此時(shí)，1234567890提取到的二進(jìn)制特征值為1111101100。

4數(shù)字識(shí)別

4.1數(shù)字二進(jìn)制特征值

根據(jù)上文中提取到的數(shù)字二進(jìn)制特征值，就可以對(duì)0～9中的每一個(gè)數(shù)字進(jìn)行識(shí)別，每一個(gè)數(shù)字特有的一組二進(jìn)制特征值如表1所示。

4.2識(shí)別過程

根據(jù)每個(gè)數(shù)字提取到的二進(jìn)制特征值，識(shí)別步驟如下：①先把所有數(shù)字的二進(jìn)制特征值存入一個(gè)數(shù)組中；②從數(shù)組中取出一組二進(jìn)制進(jìn)行比較，如果該二進(jìn)制數(shù)字為0111001，則輸出識(shí)別數(shù)字1；否則，比對(duì)二進(jìn)制數(shù)字1110001，如果匹配，則輸出識(shí)別數(shù)字2；否則，比對(duì)二進(jìn)制數(shù)字11001101。以此類推，直到所有數(shù)字都識(shí)別完成為止。

5結(jié)束語

通過Matlab編程實(shí)驗(yàn)可知，該算法的準(zhǔn)確率非常高，基本上每一個(gè)數(shù)字圖像中的數(shù)字都可以很清楚地識(shí)別出來，因?yàn)槊恳粋€(gè)數(shù)字都有特定的二進(jìn)制數(shù)字與其對(duì)應(yīng)。理論上來說，該算法的識(shí)別率可以達(dá)到100%，且容易理解，可擴(kuò)展性強(qiáng)。但是該算法的執(zhí)行效率不高，所耗費(fèi)的運(yùn)算量比較大，理想的情況，識(shí)別10個(gè)數(shù)字只需要4位二進(jìn)制數(shù)字足夠，文中算法用了7位二進(jìn)制，造成的原因主要是因?yàn)檫x取的識(shí)別點(diǎn)和算法優(yōu)化度不夠，可以通過多做實(shí)驗(yàn)，選取最優(yōu)識(shí)別算法，把識(shí)別數(shù)字的二進(jìn)制數(shù)減少到4位。

參考文獻(xiàn)

[1] Rivera A R，Chae O.Spatiotemporal Directional Number Transitional Graph for Dynamic Texture Recognition[J].IEEE Transactions on Pattern Analysis & Machine Intelligence， 2015，37（10）：2146-2152.

[2] Aghayan R，Ellis T，Dehmeshki J.Planar Numerical Signature Theory Applied to Object Recognition[J].Journal of Mathematical Imaging and Vision，2014，48（3）：583-605.

[3] Dinh D L，Lee S Y，Kim T S.Hand Number Gesture Recognition Using Recognized Hand Parts in Depth Images[J].Multimedia Tools and Applications，2016，75（2）：1333-1348.

[4]嚴(yán)國莉，黃山，等.印刷體數(shù)字快速識(shí)別算法在身份證編號(hào)數(shù)字識(shí)別中的應(yīng)用[J].計(jì)算機(jī)工程，2003，29（1）：179.

[5]倪桂博，梁曉尊.基于結(jié)構(gòu)形狀的印刷體數(shù)字識(shí)別方法[J].軟件導(dǎo)刊，2010，9（5）：67-68.

[6]張董，游福成，王惠華，等.受限制Boltzmann機(jī)深度置信網(wǎng)絡(luò)與手寫數(shù)字識(shí)別[J].北京印刷學(xué)院學(xué)報(bào)，2016，24（4）：56-58.