罐底字符识别.docxVIP

一．作业和讨论? 工业流水线上对易拉罐底字符进行检测，设计视觉检测系统及算法，实现罐底各种字体的数字检测。分析：视觉检测系统搭建：例如，下图是基于PC的机器视觉系统示意图。光源选择：OPT-RID240-W光源说明RID球积分光源具有积分效果的半球内壁，均匀反射从底部360度发射出的光线，使整个图像的照度十分均匀，主要适合于曲面、表面凹凸、弧形表面等物体和金属、玻璃表面等反光较强的物体表面的检测。工业摄像机一般是根据待检测物体的尺寸和要求的分辨率来选择。如在该系统中，假设易拉罐底是半径为30mm，如果要求分辨率为0.1mm,则相机视角至少为60mm*60mm，相机横纵最小像素为60mm/0.1mm=600pix。可以选择分辨率1024*768像素，像元尺寸为4.65um*4.65um,靶面大小为1/3’’的相机。镜头选择选择镜头时，通常要注意一个原则：即小尺寸靶面的CCD可使用对应规格更大的镜头，反之则不行。镜头分辨率为≥1000/(2*4.65)=77.5lp/mm（根据Nycuist采样定理）假设工作距离为10cm放大倍数=像元尺寸/系统分辨率=4.65/(0.1*100)=0.465焦距=工作距离*放大倍数/(放大倍数+1)=相元尺寸/系统分辨率=32mm根据上述方法，即可以确定选择1/3’’，焦距为35mm，分辨率为80-100pl/mm的镜头。图像处理系统：①方案一，选择DSP处理器，成本低，其集成度高，实时性强，处理速度快，其可编程性及强大的处理能力，使得这样的系统有很高的性价比。②方案二：使用工业计算机。图像显示：PC端使用MFC或者QT编写界面算法：搭建好系统后，可以采集到如下图像：算法实现过程：整体思路：将采集回来的图像，先进行预处理（如滤波、增强、二值化、膨胀腐蚀等），再将图像进行字符分割，再进行字符归一化，将分割出来的字符和预先储存的模板比较（模板匹配），输出最相近的字符。如在matlab中实现：字符图像获取%读取图片image1=imread(character.jpg);转成灰度图%2RGB image转灰度图if size(image1,3)==3 image1=rgb2gray(image1);end分割字符区域由于罐底的字符基本是处于中间位置，不可能靠近边缘，可以直接提取中间稍微小的区域，具体的值大小根据采集环境而定，下面的值是经调试出来的。image1=imcrop(image1,[145 200 500 240]);预处理（滤波，二值化，取反，膨胀腐蚀）取反是为了后面旋转操作做准备；膨胀腐蚀解决字符不连续问题。image1=medfilt2(image1,[2 2]);%均值滤波image1 =im2bw(image1,240/255);%阈值分割image1 = imcomplement(image1);%取反%腐蚀运算连接字符边界SE=strel(square,3);image1=imerode(image1,SE);image1=imdilate(image1,strel(rectangle,[4,2]));字符旋转矫正利用图像投影，就是说将图像在某一方向上做线性积分（或理解为累加求和）。如果将图像看成二维函数f(x, y)，则其投影就是在特定方向上的线性积分，比如f(x, y)在垂直方向上的线性积分就是其在x轴上的投影；f(x, y)在水平方向上的线积分就是其在y轴上的投影。。Radon变换（拉东变换），就是将数字图像矩阵在某一指定角度射线方向上做投影变换。这就是说可以沿着任意角度theta来做Radon变换。Radon变换找到倾斜角，进行矫正，MATLAB中其函数为radon();找到旋转角度后，调用旋转函数imrotate();%Radon变换找到倾斜角，进行矫正theta=1:180;[R,xp]=radon(image1,theta);dis=zeros(180,1);for n=1:180x0=find(R(:,n)0);x1=min(x0);x2=max(x0);dis(n)=x2-x1;endro=find(dis=min(dis)); J=ro(1);qingxiejiao=90-J;image1=imrotate(image1,qingxiejiao,bilinear,crop);%旋转字符区域分割分别找出x方向和y方向像素不为0的范围，在利用这范围进行分割。其函数为imcrop()。y1=find(sum(image1)~=0,1,first);y2=find(sum(image1)~=0,1,last);x1=find(sum(image1)~=0,1,first);x2=find(sum(image1)~=0,1,last);image1=imcrop(