形態(tài)學(xué)處理在光學(xué)字符識別中的應(yīng)用研究

2016-11-30 08:36:46郭昊冉黎小琴

傳感器世界 2016年8期

郭昊冉黎小琴

一、引言

在產(chǎn)品外觀上的字符印刷過程中容易出現(xiàn)字符漏印、字符不完整、字符混亂、字符之間粘連和斷裂等問題，給機(jī)器視覺處理帶來一定的困難。

本文通過研究形態(tài)學(xué)處理技術(shù)在字符識別中的應(yīng)用，解決字符識別中的字符不完整、粘連和斷裂等問題，提高字符識別的準(zhǔn)確性，通過德國MvTec公司的圖像處理軟件Halcon軟件實現(xiàn)字符識別的過程。

二、形態(tài)學(xué)處理一般方法

數(shù)學(xué)形態(tài)學(xué)[1,2]進(jìn)行圖像處理的基本思想是：用結(jié)構(gòu)元素對原圖像進(jìn)行位移、交、并等運算，然后輸出處理后的圖像。最基本的形態(tài)學(xué)算子有：膨脹、腐蝕、開啟、閉合。用這些算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，可以解決抑制噪聲、特征提取、邊緣檢測、形狀識別、紋理分析、圖像恢復(fù)與重建等方面的問題。

腐蝕是一種消除邊界點，使邊界向內(nèi)部收縮的過程。設(shè)二值圖像為F，其連通區(qū)域設(shè)為X，結(jié)構(gòu)元素為S，當(dāng)一個結(jié)構(gòu)元素S的原點移到點(x, y)處時，我們將其記作Sxy。此時圖像X被結(jié)構(gòu)元素S腐蝕運算可表示為：

膨脹是將與目標(biāo)區(qū)域接觸的背景點合并到該目標(biāo)物中，使目標(biāo)邊界向外部擴(kuò)張的處理。設(shè)二值圖像為F，結(jié)構(gòu)元素為S，當(dāng)一個結(jié)構(gòu)元素S的原點移到圖像的(x,y)處時，我們將其記作Sxy。此時圖像X被結(jié)構(gòu)元素S膨脹的運算可表示如下：

使用同一個結(jié)構(gòu)元素對圖像先腐蝕再進(jìn)行膨脹的運算稱為開運算[3]。在結(jié)構(gòu)元素S下的開運算定義如下：

開運算通常用來消除小對象物、在纖細(xì)點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。

使用同一個結(jié)構(gòu)元素對圖像先膨脹再進(jìn)行腐蝕的運算稱為閉運算。在結(jié)構(gòu)元素S下的閉運算定義如下：

閉運算通常用來填充目標(biāo)內(nèi)細(xì)小空洞、連接斷開的鄰近目標(biāo)、平滑其邊界的同時并不明顯改變其面積。

圖1所示為一個邊長為20個像素單位的方形，圖2 為其原形，下面對其進(jìn)行腐蝕和膨脹實驗。

經(jīng)過1次腐蝕運算，結(jié)果如圖3所示。從圖3中可以看出，細(xì)小的連接被消除，多余的噪聲點被去掉，邊緣也有一定的腐蝕效果。

對上述一次腐蝕結(jié)果進(jìn)行膨脹后得到圖4。從圖4中可以看出，圖像在一定程度上被擴(kuò)大了，圖中的孔經(jīng)過膨脹后變小，邊緣也有一定的膨脹效果。

對圖4進(jìn)行二次膨脹運算得到圖5，可以從圖5中明顯看出，圖中的縫隙消失，小孔消失。因此，腐蝕和膨脹結(jié)合使用可以進(jìn)行圖像平滑。

三、形態(tài)學(xué)技術(shù)在字符識別中的應(yīng)用

1、圖像預(yù)分割

圖像預(yù)處理[4,5]的主要目的是消除圖像中無關(guān)的信息，更凸出需要的信息，增強(qiáng)有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識別的可靠性。

本文主要使用閾值處理來提取有用信息，白色為目標(biāo)區(qū)域，黑色為背景區(qū)域。圖6為實驗原始圖片，通過調(diào)試和觀察發(fā)現(xiàn)當(dāng)閾值95時為分割效果最佳，最佳閾值分割效果如圖7所示。

2、去除偽目標(biāo)

圖像分割的結(jié)果是二值圖像，從圖7中可以看出，目標(biāo)圖像中存在英文字符等偽目標(biāo)。首先利用半徑為2.5的圓形的結(jié)構(gòu)元素對圖7進(jìn)行開運算，清除干擾項，得到圖8所示的二值圖像。

開運算關(guān)鍵代碼為：opening_circle(RemovedNoise,ThickStructures, 2.5)。

3、消除字符粘連

如圖8所示，可以看到在圖像中，0與1之間有粘連，這會導(dǎo)致無法準(zhǔn)確識別字符，所以必須要截斷粘連。首先要進(jìn)行填充區(qū)域洞，避免截斷我們所需的字符。其關(guān)鍵代碼為：fill_up_shape(RawSegmentation,RemovedNoise, ‘a(chǎn)rea’, 1, 5)。填充區(qū)域洞得到的結(jié)果如圖9所示。其次，利用矩形的結(jié)構(gòu)元素對圖9進(jìn)行開運算，截斷粘連，得到結(jié)果如圖10所示，其關(guān)鍵代碼為opening_rectangle(Solid,Cut, 1, 7)。最后利用intersection函數(shù)取區(qū)域交集得到目標(biāo)區(qū)域，如圖11所示。

4、特征提取進(jìn)一步提取目標(biāo)

經(jīng)過形態(tài)學(xué)圖像處理，增強(qiáng)了目標(biāo)字符特征，再利用特征直方圖提取目標(biāo)字符，結(jié)果如圖12所示。齊關(guān)鍵代碼為select_shape(NumberCandidates, Numbers, ‘a(chǎn)rea’, 300, 9999)。

5、字符識別

本文使用Industrial_0-9A-Z.omc OCR訓(xùn)練字符對字符進(jìn)行識別。并利用for循環(huán)識別每個字符，并將得到的字符串顯示在窗口上，如圖13所示。

四、結(jié)論

本文利用德國的機(jī)器視覺軟件Halcon，通過開運算和閉運算等形態(tài)學(xué)處理相關(guān)知識來實現(xiàn)對于光學(xué)字符的準(zhǔn)確識別。通過對圖像的預(yù)處理，利用灰度直方圖對圖像進(jìn)行閾值處理減少干擾獲得所需區(qū)域，利用開運算和閉運算形態(tài)學(xué)處理相關(guān)知識解決圖像粘連、模糊、斷裂等問題，最終通過OCR訓(xùn)練字符對其進(jìn)行識別。