基于机器视觉的智能仪表的数字定位技术.docVIP

基于机器视觉的智能仪表的数字定位技术 　　摘要：远传水表抄表系统的数字字符识别系统，主要由字符定位与识别两个关键的环节构成。而是否能准确的定位待识别字符，直接影响到后一步的字符识别。本文针对在实际情况中，出现的字符区域的边框等因素的影响导致难以有效的定位到待识别字符的情况，提出了一种有效的字符再定位的算法。在定位前，首先进行预处理；然后对图像二值化，提取物体轮廓，确定候选区域和角度，摆正图像，再次确定感兴趣区域；最后对其分割，对字符重新定位，确定最终待识别字符。实验结果表明，该方法简单有效且定位准确率很高 关键词：图像预处理 感兴趣区域提取 字符重定位 中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2016）11-0072-01 1 引言 机器视觉系统在人工智能方面具有投资费用和运行费用低等特点，得到专家学者的青睐。本文将阐述基于机器视觉的数字定位技术在远传水表抄表系统的应用。主要研究基于机器视觉的水表数字定位技术，在定位方面，Wang A等研究了一种 Roberts 边缘算子与形态学边缘检测相结合的方法[2]。张阳在研究小波变换域特征的基础上，结合频域中的加权阈值法与块间信息的平均阈值法实现字符定位功能[3]。本文基于文献[2]的基础上提出了一种字符再定位算法 2 提取感兴趣区域 针对这种类型的水表，如图1所示，本文采用先提取字符的感兴趣区域，然后再对单个字符进行提取的方法[1] 2.1 图像预处理 在实际情况中，图像经常受到光线不均匀等因素的影响，须对其进行预处理。本文的水表图像主要采用平滑，gamma校正等预处理 2.2 二值化 为了易于后续字符的提取，先将图像反色，再进行后续的处理。鉴于本文是在数字图像处理开源计算机视觉库OpenCV的平台上开发的，所以采用库中substract函数进行反色，adaptiveThreshold进行二值化 为后续字符感兴趣区域的提取更具有鲁棒性，本文采用调整二值化参数的方法，根据实验得出block_size和param1的初始值分别为45，-15，步长分别为-4，2，可得到有效的二值化图 2.3 字符感兴趣区域 首先，对得到的二值化图像进行降噪处理，为了减少计算量，然后利用闭运算进行处理；最后，根据字符感兴趣区域的特征提取感兴趣区。这些过程主要用到morphologyEx和findContours两个方法。字符感兴趣区域如图1所示 由字符感兴趣区域得出旋转角度进行仿射变换。在旋转后的图像的基础上，再次提取字符感兴趣区域。摆正后如图2所示 3 重定位字符 对提取的感兴趣区域边界根据不同的宽高比进行相应缩减，然后均分字符，得出单个字符。然后对单个字符进行二值化和去噪，然后查找轮廓。参数block_size和param1的初始值为13和-7，步长分别为2，2，调整参数，以便找到满足条件的字符。精确定位字符的算法如下： （1）根据ROI的宽高比，进行相应的形态学处理，提取轮廓 （2）保存到容器中，然后以据面积排序（由大到小）和计算每个元素的宽高比，若宽高比大于1，cnt加1（设初始值cnt=0） （3）比较cnt与容器中的元素个数（设为n）进行比较，若cnt等于n，则取第一个元素，这样做的目的是，处理二值化字符出现断裂。反之，继续 （4）对字符的边缘区域和重叠交叉的情况进行相应处理 （5）容器的元素个数为1，则最终的字符为该元素，跳出循环；若元素个数大于2，则对元素进行排序，比较第一个a与第二个元素b面积，若面积之差小于一定范围，再判断a与b的高度之差和a高宽比，则交换。最终字符为a，跳出循环。元素个数若为0，则从步骤1开始，继续，直到找到满足条件的字符或循环结束（若元素个数为0，则最终字符认为原始字符）为止 下面是单字符二值化、字符所有轮廓，最终保留下的字符轮廓，如图3所示 4 结语 本文针对在实际情况中，定位易受字符区域的边框、光照不均匀等不良因素的影响，导致字符定位易出现误定位，提出了一种有效的字符重定位方法。经过实验表明，该方法定位准确率可达98.6%以上，且鲁棒性强，对后续字符的识别奠定了夯实的基础 参考文献 [1]高菊.一种有效的水表数字图像二次识别算法[J].东南大学学报：自然科学版，2013，43（S1）：153-157. [2]Wang A，Liu X，Han Y，et al. License Plate Location Algorithm Based on Edge Detection and Morphology[C]//International Forum on Strategic Technology. I