形態學處理在光學字符識別中的應用研究

2016-11-30 08:36:46郭昊冉黎小琴

傳感器世界 2016年8期

關鍵詞：區域結構

郭昊冉黎小琴

一、引言

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

本文通過研究形態學處理技術在字符識別中的應用，解決字符識別中的字符不完整、粘連和斷裂等問題，提高字符識別的準確性，通過德國MvTec公司的圖像處理軟件Halcon軟件實現字符識別的過程。

二、形態學處理一般方法

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

腐蝕是一種消除邊界點，使邊界向內部收縮的過程。設二值圖像為F，其連通區域設為X，結構元素為S，當一個結構元素S的原點移到點(x, y)處時，我們將其記作Sxy。此時圖像X被結構元素S腐蝕運算可表示為：

膨脹是將與目標區域接觸的背景點合并到該目標物中，使目標邊界向外部擴張的處理。設二值圖像為F，結構元素為S，當一個結構元素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被結構元素S膨脹的運算可表示如下：

使用同一個結構元素對圖像先腐蝕再進行膨脹的運算稱為開運算[3]。在結構元素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。

使用同一個結構元素對圖像先膨脹再進行腐蝕的運算稱為閉運算。在結構元素S下的閉運算定義如下：

閉運算通常用來填充目標內細小空洞、連接斷開的鄰近目標、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，下面對其進行腐蝕和膨脹實驗。

經過1次腐蝕運算，結果如圖3所示。從圖3中可以看出，細小的連接被消除，多余的噪聲點被去掉，邊緣也有一定的腐蝕效果。

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

對圖4進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，腐蝕和膨脹結合使用可以進行圖像平滑。

三、形態學技術在字符識別中的應用

1、圖像預分割

圖像預處理[4,5]的主要目的是消除圖像中無關的信息，更凸出需要的信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特征抽取、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，白色為目標區域，黑色為背景區域。圖6為實驗原始圖片，通過調試和觀察發現當閾值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

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

開運算關鍵代碼為：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，這會導致無法準確識別字符，所以必須要截斷粘連。首先要進行填充區域洞，避免截斷我們所需的字符。其關鍵代碼為：fill_up_shape(RawSegmentation,RemovedNoise, ‘area’, 1, 5)。填充區域洞得到的結果如圖9所示。其次，利用矩形的結構元素對圖9進行開運算，截斷粘連，得到結果如圖10所示，其關鍵代碼為opening_rectangle(Solid,Cut, 1, 7)。最后利用intersection函數取區域交集得到目標區域，如圖11所示。