基于Canny算子的IC卡字符邊緣檢測及分割的研究

鄭鵬 王雨 苑澤偉

摘 要：針對IC卡壓印字符的表面特征，邊緣檢測算子的選取并得到精準凹凸字符信息是圖像處理的關鍵。利用Canny算子提取凹凸字符的邊緣特征，并利用幾種經典的邊緣檢測算子對Canny算子效果進行檢驗，得出Canny算子對卡片字符的邊緣檢測有相當好的結果。同時，根據字符圖像的邊緣檢測結果，選取閾值參數對字符圖像進行分割得到單個字符的二值化圖像和灰度直方圖。較傳統的二值化分割方法相比，取得了滿意效果。并提高了字符的識別率。

關鍵詞：IC卡；Canny算子；邊緣檢測；字符分割

中圖分類號：TP391.4 文獻標識碼：A

Abstract： It is the key to image processing to select the appropriate edge detection operator and get the precision concavity and convex character information for the surface features of IC card concavity characters.The Canny operator is used to extract the edge features of bump characters.And through several classic edge detection operators to verify the effect of Canny operator，verify that the Canny operator is an effective edge detection method.According to the edge detection results of the Canny operator，the threshold image is selected to segment the character image to obtain the histogram of the binarized image.Compared with the traditional binarization method，the satisfactory results are obtained.And improve the recognition rate of characters.

Key words： IC card，Canny operator，Edge detection，Character Segmentation

隨著IC卡在社會各行各業的廣泛使用，現代化的卡片制作前景也是越來越廣闊。但是在卡片壓印過程中，由于工藝技術和設備精度的限制，難免會出現部分字符不完整等一些缺陷，這樣對卡片的使用造成很大的影響。在生產過程中要保證字符的完整性，就要對其卡片的圖像提取以及對字符邊緣進行檢測。

目標圖像的邊緣檢測是圖像分割[1]、特征提取和機器視覺等圖像分析領域的重要基礎。這種檢測實質上是利用一些算法來尋找圖像中目標和背景之間的邊界線，通常由尋找圖像一階導數中的極值或尋找圖像二階導數過零點穿越來檢測圖像邊緣。常用的邊緣檢測有一階微分算子（Roberts、Sobel、Prewitt等）、二階微分算子（Laplacian、LoG等），這些算子提取目標邊緣[2]都是用模板與圖像卷積來實現的，優點是計算量很小，但常常會丟失一些邊緣信息，抗噪能力差，檢測效果不理想。

John Canny在1986年首先提出的[3]Canny邊緣檢測算子是一種含有最優化的逼近算子，與傳統算子相比具有良好的的信噪比和定位精度，能夠準確完整的檢測出目標的圖像邊緣，并被普遍應用到圖像識別和處理問題中。

本文提出的IC卡字符邊緣檢測和分割識別，與一般打印形成的字符相比，卡片通過壓印產生凹凸不平的字符，在視覺上通過光差對比來生成字符圖像。并結合Canny算子得到的邊緣圖像進行分析，然后通過直方圖閾值[4]參數的調節對字符進行分割并得到二值化圖像[5]，最終達到字符識別的目的。

1 Canny算子邊緣檢測

1.1 Canny算法基本原理

4 實驗結果分析

本文是在MATLAB的環境下得出結果，如圖9所示，選取不同的閾值對字符的分割效果影響很大，隨著黑色像素的減少，分割出的字符不連續增加。以下是卡片字符的二維信息熵。通過比較其值大小，二維信息熵可以作為字符二值化的質量檢測標準。

5 結 語

Canny算子對字符邊緣檢測有很好的效果。而且通過對圖像閾值的篩選，來分割目標區域，已達到對字符圖像的有效識別。

（1）通過集中經典邊緣檢測算子的對比，得出Canny算子檢測圖像能夠清晰、連續準確檢測出目標字符。

（2）利用Canny算子的檢測優勢，作為凹凸字符邊緣的提取工具，來處理圖像邊緣和字符的分割，并且能夠很好的解決圖像分割二值化問題。

（3）通過對字符的分割試驗，有效的提高了識別速度，降低了誤識率。

參考文獻

[1] 宋熙煜，周利莉，李中國，等.圖像分割中的超像素方法研究綜述[J].中國圖象圖形學報，2015，20（5）：599—608.

[2] MALIK J，BELONGIE S，LEUNG T，et al.Contour and texture analysis for image segmentation[J].International Journal of Computer Vision，2001，43（1）：7—27.

[3] Canny J.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，1986，8（6）：679.

[4] 林正春，王知衍，張艷青.最優進化圖像閾值分割算法[J].計算機輔助設計與圖形學學報，2010，22（7）：1201—1206.

[5] 陳強，朱立新，夏德深.結合Canny算子的圖像二值化[J].計算機輔助設計與圖形學學報，2005，17（6）：1302—1306.

[6] CHENG Z，ZHANG T，YAN L.Thresholding using two-dimensional histogram based on local entropy[C]// International Asia Conference on Informatics in Control，Automation and Robotics.IEEE Press，2010：357—360.

[7] DONG X，TANG X D.Multi-threshold image segmentation based on two-dimensional tsallis[C]// IEEE International Conference on Computer Science and Information Technology.IEEE，2010：1—5.

[8] 李學勇，路長厚，李建美.基于重構誤差的單類子空間壓印凹凸字符識別[J].機械工程學報，2008，44（5）：181—185.

[9] 曹建海，李龍，路長厚.基于RBF-NN的壓印凹凸字符質量檢測研究[J].光電子·激光，2006，17（8）：963—968.