-
中英文对照外文翻译
中英文对照外文翻译
一种在线图像编码识别系统的设计
摘要
：
本文
介绍了在线图像编码字符识别系统的设计与实现过程，
对其
中重
点环节进行了分析与研究，给出了主要环节问题的解决方法，
在识别算法上，
结合模板匹配与特征识别，
提出了基于特征加权的
模板匹配算法，该算法对提高字符识别率提到了较好的作用。
关键词
：图像处理
;
模式识别
;
特征加权
;
软件设计
0
引言
图像
编码字符识别的研究目前仍是国内外一个重点研究课题，
它具
有
广泛的应用背景，
比如车牌号码自动识别、
邮政编码的自动识别
、
试
卷自动阅读、
报表自动处理等，<
/p>
由于这种在线图像编码字符的识别都具
有一些共性，
本文结合在线轮胎编码字符识别系统的设计，
对一般图像
编码字符识别系统进行了阐述，
对关键环节进行了研究与分析，
该方法
对其它在线图像编码字符系统的开发具有一定指导意义。
1
在线图像编码识别系统流程
在线图像编码字符识别系统主要包括数字图像的采集、
存储、<
/p>
图像
预处理、
编码图像提取、
编码特征提取、
编码识别和后续处理等一些环
节，
其流程图如图
1
所示。
编码图像的采集与存储
图像预处理
编码特征提取与识别
后续处理
图
1
在线图像编码字符识别系统流
程图
在线轮胎图像编码字符识别系统要求对通过生产流水线上每一个
1
中英文对照外文翻译
轮胎采集含有轮胎编码的图像，
然后通过对图像的处理，
< br>提取出轮胎编
码特征，
采用合适的识别算法将每一位编码
字符进行识别。
由于轮胎编
码字符在轮胎上有一定变形，
且摄像角度不同，
得到的编码图像差异也
很大
，
规律性差，
所以编码图像的预处理和识别算法的选取显得尤为
重
要。
2
图像采集与存储
< br>在线编码图像通常使用数码摄像机、
数码照相机、
数码摄
像头等设
备采集并输入计算机进行处理，本系统采用
Quick
CamPro4000
数码摄
像头采集轮胎编码图像
,
直接按
JPG
格式存储
。
编码图像一般都要先转成
BMP<
/p>
图像格式，因为
BMP
格式己经成
为
PC
领域事实上的标准——几乎所有为
Windows
操作系统设计的图像
处理软
件都支持这种格式的图像。
BMP
是
W
indows
的原始位图格式，
它可以用于保存任意类型的位图
数据，可以支持所有的屏幕分辨率和
Windows
所支持的颜
色组合。
一般情况下，
为了保证显示的高效率，
它
对图像数据没有任何的压缩，
所以一幅很小的位图就
可能占据相当大的
空间。
BMP
位图文件包括位图文件头、位图信息头、调色板、位图数据
区四个部
分，
位图文件头由
14
个字节构成，<
/p>
位图信息头由
40
个字节构
成，调色板的大小取决于色彩数，单色图像调色
板
占
8
个字节，
16
色图像调色板占
64
个字节，
25
6
色图像调色板占
1024
个字节，<
/p>
2
24
色图像没有调色板，位图数据区内
数据按行顺序自下而上、
自左而右排列。
3
图像预处理
图像预处理主要包括有：
图像灰度化、
图像降噪与增强、
编码区边
缘检测、
图像几何校正、
编码区图像提取、
编码图像二值化、
字符分割、
字符归一化等。下面介绍几个关键环节的处理过程。
3.1
图像灰度化处理
2
中英文对照外文翻译
编码图像通常是
彩色的，
实际识别用的图像是灰度图，
所在需要先
将彩色编码图像转换为灰度图像。在
RGB
颜色模型
中，如果
R=G=B
，
则颜色（
R
，
G
，
B
）表示一种黒白颜色，其中
R=G=B
的值叫灰度值，
灰度化处理就是使彩色的
R
、
G
、
B
分量值相等的过程。
常用灰度化处理
方法是加权
平均值法，即
R=G=B=(W
R<
/p>
R+W
G
G+W
B
B)/3
其中，
W
R
、
W
G
、
W
B
分别是
R
、
G
、
B
的权值，实验和理论证明，当
W
R<
/p>
=0.3,
W
G
=0.59,
< br>W
B
=0.11
时，即当
R=G=B=0.30R+0.59G+0.11B
时，能得到最合<
/p>
理的灰度图像。
3.2
图像增强处理
3.2.1
直接灰度变换
①线性灰度变换：假设
图像灰度是线性变化的，如原图像
f(x,y)
灰
度范围为
[a,b]
，要求变换后图像灰度范围达到
[c,d]
，根据线性规律，则
变换后
图像
g(x,y)
为：
g
(
x
,
< br>y
)
?
d
?
c
f
(
x
,
y
)
?
c
（
1
）
b
?
a
②非线性变
换——对数变换和指数变换。
当需要扩展低灰度区、
压
缩高灰度区时使用对数变换，当需要扩展高灰度区时使用指数变换。
3.2.2
平滑滤波
—
降噪
由于噪声对应图像
中的区域边缘等灰度值具有较大较快变化的部
分，属高频分量，所以使用低通滤波器（即
平滑滤波器）降噪。同时平
滑还可以使图像模糊，
有利于在提取
较大的目标前去除较小的细节或将
目标内的小间断连接起来。
平滑降噪的方法是使用模板对图像进行卷积运算，
线性平滑滤波
器
最常用的模板是如图
2
所示的
3
×
3
模板，将此模
板与图像中像素按如下
方法进行卷积运算，可得到平滑降噪的图像。
①将模板在图中漫游，并将模板中心与图中每个像素位置重合；
3
中英文对照外文翻译
②将模板上系数与模板下对应像素相乘；
③将所有乘积相加；
④将和赋给图中对应模板中心位置的像素。
< br>非线性平滑滤波器最常用的是中值滤波器，
它将区域中所有的值按
大小进行排序，
将排序后位于中间的像素值赋予中心像素。
中值滤波可
有效地去除随机噪声，能得到较好的视觉效果。
3.3
编码区边缘检测
边缘是灰度值不连续的结果，
可利用求一阶和二阶导数的方法检测
到。
因为在边缘地带导数值大，
而非边缘的地方
导数值小。
由于数字图
像是离散的，不能求导数，可以通过卷积
的方法用差分近似代替微分。
效果较好的边缘检测算法是
Sobel
算子。
Sobel
算子是一种梯度幅值
M
?
2
2
s
x
?
s
y
，
分别利用垂
直算子
Sx
、
水平算子
Sy
来获取编码区垂直边
缘和水平边缘，
即在水平和垂直方向上使用如
1
2
1
-1
0
1
4
图
3<
/p>
所示的两个不同的卷积模板，得到如图
0
0
0
-2
0
2
-1
-2
-1
-1
0
1
所示的边缘检测结果。
图
2
平滑滤波器模板
图
3
Sobel
边缘检测模板
图
4
So
bel
算子边
缘检测结果
3.4
图像几何校正
Hough
变换可以检测出编码区图像倾斜角度，
根
据此角度进行旋转
变换可使编码区图像得到校正。
Hough
变换可以将图像空间
XY
中的直线（
y=px+q
）检测问题转换
到参数空间
PQ
中点的检测问题，
在参数空间
PQ
里，
建立一个
累加数组
Sum(p,q)
，对每一个图像空间中给定边缘点，
让
p
取遍所有可能值，根
据直线方程<
/p>
q=-xp+y
计算出对应的
q
，对
Sum(p,q)
进行累加，得到
4
中英文对照外文翻译
Sum(p,q
)
的值就是在
(p,q)
处共线的点的
个数，
(p,q)
的值就是图像空间
中
直线的斜率和截距，由斜率得到图像编码区水平边缘角度。
3.5
字符切割
< br>通过对编码字符区直接进行水平扫描，
由字符间距一般可以将字符
区域分割出来。
也可以通过对编码字符区做垂直方向投影运算，
根据字
符大致宽度与字符总数，对字符进行切割。如图
5
所示是编码字符区及
对应垂直投影图。
图
5
编码字符及对应垂直投影
图
6
线性插值示意
图
3.6
字符归一化处理
对分割出的字符从四
个方向扫描，
确定字符边界，
然后采用线性插
< br>值方法对每个字符作归一化处理，使每个字符归一为
32
×
16
点阵。图
6
为线性插值示意图，根据线性原理，
f(x
1
)
可由公式（
2
）计算：<
/p>
f
(
x
1
)
?
(
f
(
x
2
)
?
f
(
x
0
))(
x
1
?
x
0
)
?
f
(
x<
/p>
0
)
（
2
）
x
2
?
x
0
4
识别算法设计
<
/p>
字符识别一般采取特征判别或模板匹配的方法，
特征判别是根据特
征抽取的程度分阶段的、
用结构分析的办法完成字符的识别。<
/p>
模板匹配
即是根据字符的知识采取按形匹配的方法，
模板匹配一般分为两类：
一
类是直接利用输入的二维
平面图像与字典中记忆的图形进行匹配；
另一
类是抽出部分特征
与字典进行匹配。
5
中英文对照外文翻译
轮胎编码图像中
字符仅涉及部分英文字符和
10
个阿拉伯数字，
字符
较少，结构相对简单，因此具体识别时，既可以采用图形匹配的方法，
也可以采用结构分析的方法。
但由于轮胎上编码字符有一定变形，<
/p>
且有
断裂现象，
所以直接模板匹配与直接
特征抽取方法识别率都不理想，
本
系统使用了模板匹配与特征识
别相结合的基于特征加权的模板匹配识
别算法，
其字符识别率比
简单模板匹配算法和特征识别算法识别率都有
不同程度的提高。
基于特征加权的模板匹配识别算法基本思路是：
给模板中有字符
笔
画的点分配不同的权重，
位于笔画中心的点权重最高，
位于笔画边缘的
点权重最低，
然后将样本模板
与标准模板逐点模糊匹配，
按模糊识别规
则识别。
5
结论
本文
结合轮胎编码识别系统的实现对在线图像字符编码识别系统
的设计进行了阐述，提出了一
种模板匹配与特征匹配相结合的识别算
法，
该方法对传统的模板
匹配算法进行了改进，
提高了变形、
断裂等字
< br>符的识别率。这种方法在试验中得到了验证，取得了令人满意的效果。
6
中英文对照外文翻译
The Development of A Kind of Online
Image
Code Recognition System
Abstract:
This
paper
describes
the
design
and
the
implement
of
online
image coding char
recognition system. It analyses and researches the
important contents about the system.
Then it provides the solutions of
main
problems.
In
recognition
algorithm,
combining
template
matching
with
feature
recognition,
it
put
forword
an
improved
template matching algorithm based on
feature weights. The algorithm
can
obviously improve the char recognition ratio.
Keyword
: image processing;
pattern recognition; feature weights; software
design
0
Introduction
Character
recognition
of
image
coding
is
still
the
subject
of
intense
study
at
home
and
abroad,
it
has
broad
applications,
such
as
Automatic
number
plate
recognition,
postal
code
of
the
automatic
identification,
automatic
reading
papers,
reports,
automatic
processing,
because
of
this
online
image
coded
character
recognition
has
some
common,
this
paper
online tire coding
character recognition system for the general image
coding
character
recognition
system
has
been
elaborated
on
the
key
link
of
the
research and analysis,
the method of the other online image coded
character
system Development of guiding
significance.
1
An online image coding identification
system processes
7
-
-
-
-
-
-
-
-
-
上一篇：ant使用教程
下一篇：FORM Builder常用函数