基于形態(tài)學(xué)的數(shù)字符號圖像骨架的識別方法研究

摘要：在數(shù)字符號圖像骨架的識別中，對于數(shù)字符號圖像骨架的多樣性和復(fù)雜性，尚缺乏一種準(zhǔn)確和通用的識別方法，對此提出了基于形態(tài)學(xué)的數(shù)字符號圖像骨架的特征值提取方法。該方法定義了骨架中的端點、節(jié)點等概念，利用數(shù)學(xué)形態(tài)學(xué)的方法識別圖像骨架。計算機(jī)仿真表明，該方法不僅具有通用性，而且具有很高的準(zhǔn)確性。

關(guān)鍵詞：數(shù)字符號；圖像骨架特征值；數(shù)學(xué)形態(tài)學(xué)；識別方法

0 引言

圖像骨架特征提取是圖像處理的重要內(nèi)容。圖像骨架往往反應(yīng)了圖像的重要特征，提取骨架的特征值，是要使目標(biāo)圖像更加準(zhǔn)確地被反應(yīng)出來，特征值提取的好壞，會直接影響圖像識別的正確率。但是，由于圖像的復(fù)雜性和不確定性，對圖像骨架的特征值提取，會受到骨架結(jié)構(gòu)特征的影響。

圖像識別方法已初步形成三大類：統(tǒng)計識別、結(jié)構(gòu)識別、人工神經(jīng)網(wǎng)絡(luò)識別等。具體到統(tǒng)計決策識別，句法結(jié)構(gòu)識別和人工神經(jīng)網(wǎng)絡(luò)識別這三種方法它們各具優(yōu)缺點。結(jié)構(gòu)法采用分而治之的方法，把一個復(fù)雜的任務(wù)分解為若干個復(fù)雜程度較低的子任務(wù)。這種方法對細(xì)節(jié)特征敏感，容易區(qū)分相似文字，文字變形后適應(yīng)性好。缺點是需要進(jìn)行筆劃抽取，在圖像質(zhì)量不佳的情況下，結(jié)構(gòu)特征難以抽取，且不穩(wěn)定。

本文主要研究數(shù)字儀表表盤數(shù)字的識別。數(shù)字圖像的骨架結(jié)構(gòu)比較簡單，圖像都是在比較好的室內(nèi)條件下拍攝，經(jīng)過圖像的前期處理后，數(shù)字符號圖像骨架都能比較好地反應(yīng)數(shù)字符號的特征，因此，采用結(jié)構(gòu)法識別對數(shù)字圖像符號，可以盡可能地發(fā)揮方法的優(yōu)點。結(jié)構(gòu)識別我們將通過數(shù)學(xué)形態(tài)學(xué)方法。實現(xiàn)。

1 基于數(shù)學(xué)形態(tài)學(xué)的特征值提取方法介紹

形態(tài)學(xué)圖像處理是以幾何學(xué)為基礎(chǔ)的，其基本思想是：利用一個稱作結(jié)構(gòu)元素的“探針”收集圖像的信息，當(dāng)探針在圖像中不斷移動時，便可考察圖像各個部分間的相互關(guān)系，從而了解圖像的結(jié)構(gòu)特征。

本文主要是利用形態(tài)學(xué)對圖像骨架的端點進(jìn)行識別。本文定義了圖像骨架端點：表示8連同域中，只用—個像素與其相鄰，我們稱之為端點。如2，5，7，6，9的端點數(shù)是2；而3，4的端點數(shù)是3，表示8連同域中，只用—個像素與其相鄰，我們稱之為端點。

在考察分析圖像時，要設(shè)計一種收集圖像信息的探針，稱為結(jié)構(gòu)元素s。它是E(n)，或其子空間E(m)(ffKn)中的一個集合。結(jié)構(gòu)元素可以設(shè)置為一定的幾何形狀，如菱形、正方形、圓形、線段等的集合。設(shè)計者通過對圖像的分析和理解，選擇合理的結(jié)構(gòu)元素，在圖像中不斷移動結(jié)構(gòu)元素便可以考察圖像中各個部分之間的關(guān)系，從而分析圖像中圖像背景、目標(biāo)圖像等各種區(qū)域之間的關(guān)系。結(jié)構(gòu)元素s在形態(tài)學(xué)運算中的作用類似于在信號處理時的“濾波窗口”或一個參考模板。

根據(jù)本文的定義，我們可以選取8連同域中，只用一個像素與其相鄰的結(jié)構(gòu)元素。這樣的結(jié)構(gòu)元素有8個。這樣我們可以對端點進(jìn)行統(tǒng)計和定位。

2 數(shù)字符號圖像的特征值提取

為了使數(shù)字能夠區(qū)分出來，本文采用了以下幾個特征表示參數(shù)：歐拉系數(shù)(Enul)，斜率(K)，端點數(shù)(N)，端點集中區(qū)域(D)。

在對數(shù)字圖像處理后的細(xì)化二值圖像的辨識上，上面給出的幾個特征參數(shù)是本文所述數(shù)字圖像識別技術(shù)的亮點之一。借助于這些參數(shù)克服了以前數(shù)字匹配識別、特征提取識別等方法容錯能力和通用性較差的弊端。通過對數(shù)字符號骨架圖的分析我們可以對圖像特征作如下的區(qū)分：

(1)小數(shù)點、1和其他數(shù)字的區(qū)分

小數(shù)點和1在分割原始圖像的時候，它們的水平寬度是小于其他的數(shù)字的，從而，我們可以把小數(shù)點和1與其他的數(shù)字進(jìn)行區(qū)分。1和小數(shù)點的區(qū)別在于它們的水平投影是不同的。因此，我們可以區(qū)分小數(shù)點、數(shù)字1和其他數(shù)字。

(2)歐拉系數(shù)區(qū)分

歐拉系數(shù)是用來表示骨架途中圓形環(huán)與骨架整體數(shù)目之差的值。例如2，3，5，7的歐拉系數(shù)是1；而4，6，9的歐拉系數(shù)是0；8的歐拉系數(shù)是-1。

(3)端點數(shù)區(qū)分

定義端點如4.3節(jié)中，表示8連同域中，只用一個像素與其相鄰，我們稱之為端點。如2，5，7，6，9的端點數(shù)是2，而3，4的端點數(shù)是3。

(4)端點分布域

首先把單個數(shù)字分成上左、上右和下左、下右四個域。端點分布域是指端點落在我們分好的一個域中。如6和9的區(qū)份是：6的端點是分布在上域中，而9的端點分布在下域中。這樣我們就可以很容易區(qū)分6和9的區(qū)別了。2和5的區(qū)分是：2的端點分布在上左和下右兩個區(qū)域，5的端點分布在上右和下左兩個域中，這樣我們就能區(qū)分2和5了。

(5)2和7的區(qū)分

由于7的寫法不一樣，因此，我們只能用垂直面投影法來區(qū)分2和7。顯然，7的投影上部分像素點與下部分像素點的比值是不一樣的。

1 2 3 4 5 6 7 8 90

1 2 3 4 5 6 7 8 9 0

圖1儀表數(shù)字的數(shù)字與字體顯示形式

從上面的分析中，我們發(fā)現(xiàn)最常見的上面的兩種數(shù)字顯示形式(圖1所示)，都符合上述的區(qū)分方法。

3 試驗仿真及結(jié)果

本文所采用的數(shù)字圖像是對儀表表盤的數(shù)字和漢字進(jìn)行識別時候的圖像。

圖3是圖2經(jīng)過細(xì)化后的得到圖像。在利用上述的方法進(jìn)行識別的時候都能得到滿意的識別結(jié)果，識別率達(dá)到98％以上；而且我們通過圖1可以看出，在工業(yè)現(xiàn)場遇到的數(shù)字的形式也是多樣的和復(fù)雜的。這說明本文的方法具有兼容性強(qiáng)，準(zhǔn)確率高的特點。通過使用matlab試驗進(jìn)行識別顯示，運算的速度也比其他的方法快，具有一定的實用性。

參考文獻(xiàn)：

[1]張晉陽等.手背靜脈圖像骨架特征提取的算法[J].計算機(jī)應(yīng)用，2007.27(1):152-154.

[2]楊志平.數(shù)學(xué)彬態(tài)學(xué)在空間格局圖像骨架提取中的應(yīng)用[J].地球信息學(xué)，2003.32(5):411～413.

[3]黃鳳崗，楊國，宋克歐.柔性形態(tài)學(xué)在圖象邊緣檢測中的應(yīng)用[J].中國園像圖形學(xué)報，2000.5(A).4:254～287.

[4]徐志平.基于交叉視覺皮質(zhì)模型二值圖像形態(tài)學(xué)算法[J].計算機(jī)輔助設(shè)計與國形學(xué)學(xué)報，2007.19(8)：990～994.

[5]戴汝為，郝紅衛(wèi)，肖旭紅.漢字識別的系統(tǒng)與集成[M].浙江科學(xué)技術(shù)出版社，1998.

[6]趙春暉，張兆禮，梅曉丹.現(xiàn)代圖像處理技術(shù)及Matlba實玩[M].人民郵電出版社，2001.