張  庚,，李  丹,，周  亮，常  亮

　?。ㄖ袊娏茖W(xué)研究院信息通信研究所,，北京 100192）

　　摘  要： 為了對數(shù)碼管儀表的數(shù)字識別系統(tǒng)進行改進和優(yōu)化，提出了一種新的數(shù)字識別方法,。對于攝像機采集到的圖像,，首先進行圖像預(yù)處理，包括灰度轉(zhuǎn)換,、中值濾波和二值化等,。簡單介紹了字符區(qū)域定位和字符分割的算法，在字符識別之前對分割得到的區(qū)域設(shè)置了一些限制條件,，防止將噪聲區(qū)域誤判為數(shù)字,。從穿線法得到啟示，采用直線和字符的交點和標識矩陣元素的分布來構(gòu)造識別特征對數(shù)字0-9進行分類識別,。該算法在保證識別精度和抗干擾性的條件下,，大大降低了運算量，具有較高的應(yīng)用價值,。

　　關(guān)鍵詞： 數(shù)字識別,；數(shù)碼管；外接矩形,；交點,；標識矩陣

0 引言

　　七段式數(shù)顯儀表有著諸如易讀數(shù)、無需估讀,、準確度高,、可調(diào)整模式和參數(shù)等很多優(yōu)點，被人們廣泛應(yīng)用于機械,、化工,、醫(yī)藥、電子、金融等各行各業(yè)中,。由于電力行業(yè)惡劣環(huán)境的影響,，人工操作危險性極高，不利于人為去記錄儀表的數(shù)據(jù),。利用數(shù)字圖像處理技術(shù)和識別技術(shù)可以實現(xiàn)數(shù)顯儀表的自動識別,，不僅可以提高工作效率，保證提高準確率,，而且可以消除人工現(xiàn)場操作的危險性,，這些都表明數(shù)顯儀表的數(shù)字識別技術(shù)研究具有非常重要的實用價值[1，2],。對于數(shù)字字符識別,，人們提出了很多方法， 包括模板匹配法,、統(tǒng)計決策法,、句法結(jié)構(gòu)法、模糊判別法,、邏輯推理法,、神經(jīng)網(wǎng)絡(luò)法等[3]。模版匹配法對每個模式類都定義一個標準的模式,，這種方法適用于印刷體數(shù)字的識別,；統(tǒng)計決策法是在概率論和數(shù)理統(tǒng)計的基礎(chǔ)上形成的，抗干擾能力強,，但是難以反映模式的精細結(jié)構(gòu)特征,；神經(jīng)網(wǎng)絡(luò)法需要通過自身的學(xué)習機制形成決策區(qū)域，網(wǎng)絡(luò)的特性由拓撲結(jié)構(gòu)神經(jīng)元特性決定,，利用狀態(tài)信息對不同狀態(tài)的信息逐一訓(xùn)練獲得某種映射,，但該方法過分依賴特征向量的選取[4]。申小陽[5]提出的交線特征提取的分類識別法,，過程比較繁瑣,，選取的掃描位置不具有代表性。本文提出了改進的交線特征和標識矩陣元素的分布特征法,，并且提出對于分割得到的可能的數(shù)字區(qū)域設(shè)定限制條件,，提高了數(shù)字識別的準確率。

1 數(shù)字儀表的字符識別流程

　　七段式數(shù)顯儀表中數(shù)字字符識別是通過使用數(shù)字圖像處理,、模式識別等方法,，對圖片中的數(shù)字內(nèi)容進行自動識別。七段式數(shù)顯儀表的識別流程主要包括5部分,，如圖1所示,。

2 圖像預(yù)處理

　　攝像機在采集圖像的過程中,，可能會受到實際采集環(huán)境以及攝像頭與目標圖像的距離和角度等因素的影響，最終傳輸?shù)接嬎銠C的圖像可能存在模糊和噪聲缺陷[6,，7],，這些缺陷會影響到字符的正確分割和識別，所以在對圖像進行字符分割和識別之前,，需要對圖像進行預(yù)處理操作,。

　　2.1 灰度化

　　攝像頭采集到的圖像是含有大量顏色信息的彩色圖像，使用彩色圖像,，增大了數(shù)據(jù)的處理量，嚴重影響圖像識別的速度和效率,，而且降低了圖像識別的正確率[8],。灰度圖像是指只含亮度信息,、不含色彩信息的圖像,，在RGB模型中，如果R=G=B時,，則彩色表示一種灰度顏色,，其中R=G=B的值叫灰度值，因此,，灰度圖像每個像素只需一個字節(jié)存放灰度值,，灰度范圍為0-255，共256個值,。本文采用的加權(quán)法來灰度化,，根據(jù)重要性及其他指標，將三個分量以不同的權(quán)值進行加權(quán)平均,。由于人眼對綠色的敏感最高,，對藍色敏感最低，因此,，按下式對RGB三分量進行加權(quán)平均能得到較合理的灰度圖像,。轉(zhuǎn)換關(guān)系為：

　　f(i,j)=0.3R(i,j)+0.59G(i,j)+0.11B(i,j)（1）

　　2.2 中值濾波

　　中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值,。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替,，讓周圍的像素值接近真實值，從而消除孤立的噪聲點,。

　　2.3 二值化

　　圖像二值化的關(guān)鍵在于通過尋找合適的閾值將要識別的目標和圖像的背景區(qū)分開來[9],。采用最大類間方差法Otsu來實現(xiàn)二值化，假設(shè)分割閾值是T,，屬于前景的像素點數(shù)占整幅圖像的比例記為w0,，其平均灰度u0；背景像素點數(shù)占整幅圖像的比例為w1，其平均灰度為u1,。另g為類間方差,，則g表示為：

　　g=w1w0(u0-u1)2         （2）

　　采用遍歷的的方式，當g取最大值時,，T值即為分割閾值,。

3 數(shù)字區(qū)域定位和分割

　　字符區(qū)域定位的主要目的是從預(yù)處理后的二值圖像中確定儀表顯示區(qū)域的具體位置，并將包含字符的子圖像從整個圖像中劃分出來[10],。儀表顯示區(qū)域字符串的定位方法主要有雙向投影法,、區(qū)域生長法、邊緣檢測法,。

　　字符分割是指將用戶所選取的數(shù)字區(qū)域分割成單個的數(shù)字區(qū)域,。本文中字符分割采用的是雙向投影法，這一環(huán)節(jié)效果的好壞將會直接關(guān)系到下一個環(huán)節(jié),，會影響到數(shù)字字符特征提取和識別的正確與否,。因此本文對于字符分割得到的區(qū)域設(shè)置了一些限制條件，以解決遇到混入噪聲的區(qū)域被判斷成其他數(shù)字的問題[11,，12],。設(shè)第k個被識別為數(shù)字區(qū)域的外接矩形為Rk，這個可能區(qū)域的橫坐標,、縱坐標,、寬度和高度分別為xk,yk，wk,，hk,，設(shè)定以下限制條件：

　　s0<wk,hk<s1               （3）

　　|yk-yi|<<a0(k≠i)    （4）

　　|hk-hi|<<a1(k≠i)（5）

　　以上三個式子分別從區(qū)域外接矩形的面積、高度差,、縱坐標三個方面進行了限制,。式（3）限制區(qū)域的大小，七段數(shù)碼管的每個數(shù)字顯示區(qū)域的大小除了1外,，其余大都相同,。s0值應(yīng)該取1的外接矩形的最小值，s1應(yīng)該比實際值略大一點,。式（4）和式（5）表示外接矩形的高度和縱坐標應(yīng)該基本相同,，但是考慮到拍攝的圖像中可能存在傾斜，因此a1的值略大于a0,，但兩者的值都很小,。下面對區(qū)域內(nèi)部的像素設(shè)置一些限制條件，設(shè)圖像第m行第n列的像素為p（m,，n）,，值為0表示黑,，值為1表示白。

　　在經(jīng)過上述限制條件后,，得到的數(shù)字區(qū)域在外形上是可信的,，式（6）表示該區(qū)域的像素不能是全白或者全黑，b0的值接近于0,，b1的值接近于1,。

4 交點特征提取的數(shù)字識別

　　4.1 數(shù)字識別

　　字符識別屬于模式識別的范疇，模式識別的方法主要有統(tǒng)計方法和結(jié)構(gòu)方法[13],。本文提出的方法結(jié)合了統(tǒng)計和結(jié)構(gòu),，從穿線法得到啟示，采用直線和字符的交點作為提取字符特征和識別的手段,。例如選取0和2,，在中垂線處掃描，0的交點數(shù)為2,，2的交點數(shù)為3，這樣就把2和3區(qū)分開了,。在實際提取特征時還需考慮到字符和直線的交點是假想的,，當字符在直線的方向像素由白變黑就認為字符和這條直線有一個交點[5]。從理論上來講,，掃描線的數(shù)量越多,，提取的特征越準確，但是會增大運算量,，因此選取的直線數(shù)和位置很關(guān)鍵,。選取的直線數(shù)和位置如圖2所示。

　　由圖2可知,，選取了3個位置進行掃描,，分別標記為A、B,、C,。對于字符先進行水平掃描，直線A,、B在數(shù)碼管的3/4和1/4處,，從左到右掃描，如果出現(xiàn)像素由白變黑就加1,，直到掃描結(jié)束,。然后進行垂直掃描，選取直線C為1/2處,，將字符垂直平均分割成兩部分,，從上到下掃描,，同樣每次出現(xiàn)像素由白變黑就加1，直到掃描結(jié)束,，得到的0-9的交點數(shù)如表1所示,。

　　對于字符1的識別可以提取字符寬度特征，寬度特征是一個相對值,，它表示的是字符最大寬度與最小寬度的比值[8],，該特征對于將 1 與其他數(shù)字分開是很有效的。由表1可知2,、3,、5的交點數(shù)完全一樣，根據(jù)交線特征無法識別出來,，可以根據(jù)標識矩陣[13]中數(shù)字豎直中線左側(cè)一列非0 和非 1 元素的重心分布來分類,。對于數(shù)字“3”，豎直中線左側(cè)幾乎沒有目標元素,，像素重心位于水平中線下側(cè)的則為“2”,，重心位于上側(cè)的則為“5”。

　　4.2  小數(shù)點識別

　　一般儀器顯示的數(shù)據(jù)都存在小數(shù)點,，所以確定小數(shù)點的位置極其重要,。本文提出的方法對于小數(shù)點的識別不是很理想，因此根據(jù)小數(shù)點的幾何特征以及位置特征對其進行識別,，最后加入到數(shù)字識別結(jié)果中,。首先考慮到小數(shù)點的外形類似圓，因此它的外接矩形應(yīng)該類似于正方形,，它的坐標雖然寬度與1相近,，但高度上與1有著很大的區(qū)別[14]，它的外接矩形長寬比接近 1 ,，并結(jié)合位置信息,，小數(shù)點通常處于數(shù)字的右下角，這樣就可以準確地識別出來了,。

5 結(jié)束語

　　本文從七段式數(shù)顯儀表中的數(shù)字字符識別入手,，提出了一種新的數(shù)字識別方法，結(jié)合了字符寬度,、直線和字符的交點,、標識矩陣元素分布和重心等多個特征來提取字符特征，并提出數(shù)字分割后得到的區(qū)域進行篩選后再識別,，實現(xiàn)了效果比較好的儀表數(shù)字實時識別系統(tǒng),。采用這種方法的優(yōu)點還在于這種處理方法不需要進行歸一化與細化處理。在具體的實施中,，利用C++編程實現(xiàn)該系統(tǒng),，實驗表明該方法正確識別率達到96%以上,，但是對于實時系統(tǒng)來說，字符區(qū)域的定位速度和識別時間還不是很理想,，因此在后續(xù)的工作中,，要進一步優(yōu)化和完善字符分割和識別算法，以達到識別率更高和實時性更好的目的,。

　　參考文獻

　　[1]鄭小清.數(shù)顯儀表的自動識別檢測技術(shù)應(yīng)用實例［J］．科技世界,，2013(21)：49-50．

　　[2]穆克，韓志剛.有毒有害氣體報警器數(shù)字檢測系統(tǒng)的設(shè)計［J］．遼寧石油化工大學(xué)學(xué)報,，2012,，32(1)：75－83．

　　[3]劉丹，穆林麗,，余曉鍔,，等.一種七段數(shù)碼管式醫(yī)用儀表的自動識別方法[J].科學(xué)技術(shù)與工程，2010,，10(16).

　　[4]張彤,，肖南峰.基于BP網(wǎng)絡(luò)的數(shù)字識別方法[J]. 重慶理工大學(xué)學(xué)報(自然科學(xué))，2010,，3(24)：43-47.

　　[5]申小陽,，唐軼峻，姜柏軍,，等.儀表的數(shù)字字符識別系統(tǒng)[J]. 儀表技術(shù)與傳感器,，2005（6）.

　　[6]田自君.數(shù)顯儀表數(shù)字字符快速識別系統(tǒng)的研究[D].成都：電子科技大學(xué),，2007.

　　[7]郭爽. 數(shù)碼管數(shù)字儀表自動識別方法的研究[J]. 通信技術(shù),，2012，8(45)：91-93.

　　[8]郝巧紅. 高壓變電站數(shù)顯儀表的識別[D].天津：天津大學(xué),，2007.

　　[9]尤曉俊.基于圖像識別的數(shù)字儀表自動校驗系統(tǒng)研究[D].安徽：安徽理工大學(xué),，2013.

　　[10]崔行臣 .數(shù)顯與指針儀表示值識別技術(shù)的研究與應(yīng)用[D].山東：山東師范大學(xué)，2011.

　　[11]GONZALEZ R C,，WOODS R E. Digital Image processing [M]. Beijing：Publishing House of Electronics Industry,，2007.

　　[12]劉文亮.七段式數(shù)顯儀表中數(shù)字識別的研究與實現(xiàn)[D].大連：大連理工大學(xué)，2013.

　　[13]崔行臣,，段會川,，王金玲，等.數(shù)顯儀表數(shù)字實時識別系統(tǒng)的設(shè)計與實現(xiàn)[J]. 計算機工程與設(shè)計,，2010,，31(1)：0214-0217.

　　[14]王蓉芳，汪仁煌,，康亞芬.基于數(shù)碼管機器視覺的小數(shù)點識別[J].電子測試,，2008(11)：17-20.