基于特征檢測的數字儀表數碼快速識別算法

陳剛 胡子峰 鄭超

摘要：為對數顯類儀表的顯示數據進行自動識別與監測，提高該類儀表的自動化水平，需要研究儀表數碼快速識別算法。該文提出一種基于特征提取的數字儀表數碼快速直接識別算法。將圖像進行預處理后，對數顯屏幕進行定位。通過列切實現單個數碼字符切割，對單個數碼字符進行七段特征檢測和五線相交檢測，實現對正體數碼和斜體數碼的快速直接識別。實驗表明，算法基本可以滿足各種儀表數碼的識別需求，識別速度快、準度高。

關鍵詞：數碼識別;特征檢測;數字儀表;快速識別

中圖分類號：TP391.4文獻標志碼：A 文章編號：1674-5124（2019）04-0146-05

0引言

隨著科學技術的發展，各行業的管理手段正在由人工管理逐漸變為自動或半自動管理方式，工業的自動化也是發展的必然趨勢。由于使用環境和儀器設計的原因，目前很多儀器儀表尚無計算機數據通信接口，需要進行人為讀數。為了實現這類儀器儀表的動態數據自動化監測，需要使用數碼攝像頭實時拍攝儀表數字顯示區域，通過計算機進行圖像采集和處理識別，將圖像轉換為文本形式的數字，從而進行讀數的存儲和分析。在此過程中，圖像處理識別算法是實現自動化監測的核心。

這類儀器儀表大多是采用各種數碼管進行數據顯示。七段數碼管所顯示的數字較規則，但筆畫較寬，使用普通的OCR識別無法正確識別。數碼管基本可以分為正體和斜體兩種，大多數數碼管所顯示的數字為正體或稍向右側傾斜，但也有一部分數碼管向右傾斜較大。針對這類儀表的圖像處理識別算法主要就是對數碼管的數字和小數點進行識別檢測。

目前數碼檢測已有一些檢測算法，如模板匹配法、穿線法、七段特征提取法、基于BP網絡的識別方法、基于KNN的識別算法川、基于數學形態學的識別方法和基于模式識別的方法等。模板匹配法需要建立0～9這10個數字的模板，將數字圖像與模板圖像歸一化成相同大小，求差后逐一對比，將差值最小的認為是相同的數字;此方法簡單、易于實現，但要根據不同的字體設計不同的模板，計算量較大。穿線法將一條垂直的二等分線和兩條水平的四等分線穿過數字矩形區域，掃描線上的像素點，以此確定具體數字;此方法計算量小，但易受前期預處理效果影響。七段特征提取法通過判斷7個位置的數碼管是否點亮來判斷具體數字，抗干擾能力強，但不適用于傾斜度很高的數碼數字。基于BP網絡的識別方法具有良好的自學習能力，但需要海量數據進行訓練，使用復雜。基于KNN的識別算法和基于數學形態學的識別方法的識別率高，但識別過程緩慢，實時性不強。基于模式識別的方法算法簡單，但受限于分類方法的具體實現方案。

為了克服現有方法的不足，實現儀表數碼的快速直接檢測，本文提出了基于特征檢測的數字儀表數碼快速直接識別算法。將七段特征提取法和穿線法進行融合改進，通過七段特征檢測和五線相交檢測來確定具體數字，實現正體數碼和斜體數碼快速直接檢測。

1數碼快速識別算法

在獲取到儀器數顯屏區域的圖像后，對圖像進行預處理和數字切分，得到每個數字的二值化圖像。本文提出的數碼快速識別算法分為兩步，第一步為利用七段特征檢測，第二步為利用五線相交檢測。

1.1七段特征檢測

七段特征檢測本質為七段特征提取法，但在原有方法上對檢測點進行了優化，降低了對圖像處理的要求，更便于實現。數碼管如圖1所示，標記了7個需要檢測的點。

對于一個切分好的數碼字符二值化圖像，若使其背景為黑色，數字為白色，則此圖像為一個二維矩陣，各元素分別為0或1。其中，1代表白色，0代表黑色。假設圖像為mxn矩陣，記為A。假設數碼筆畫線寬為w，對于一般的數碼管，線寬與數碼圖像寬度n關系式為：

為了防止圖像局部噪聲過大或數碼斜體等情況對檢測結果產生誤判，需要使用7個特征點來判斷數字。若7個特征點的值出現其他的組合，則視為識別錯誤，可以使用五線相交進行補償檢測。

1.2五線相交檢測

傳統的穿線法用3根線條與圖像像素的交點作為數碼識別的依據，此方法對于正體和稍微傾斜的數碼字體有較好效果，但對于傾斜較大的字體無法識別，同時也無法進行數字后小數點的識別與判斷。本文提出的五線相交檢測方法，采用5根線條作為檢測對象，通過每根線條與對應位置的相交次數來進行數字判斷。

橫向采用兩根線條，分別放置于圖像縱向的2個四分點位置;縱向采用3根線條，一條放置于橫向中線，一條放置于稍往前一段的位置，另一條放置于橫向末端，如圖2所示。

對于矩陣A對應的圖片，以其左下角作為坐標原點，橫向向右作為x軸正方向，縱向向上作為y軸正方向，則所用的5條直線表達式分別為：

直線l1、l2與圖像中筆畫相交次數分別為pnp12，用兩位表示。其中，第一位表示直線與圖像左半部相交次數，第二位表示圖像與右半部相交次數。例如，若直線l1與圖像左半部沒有相交，與右半部相交一次，則pn=01。直線l3、l4與圖像中筆畫相交次數分別為p13、p14，用一位表示，只記錄相交次數，不記錄位置。需要說明的是，計算直線與圖像中筆畫相交次數時，在跨度為w的范圍內重復相交算作一次，以防止由于圖像噪聲點產生的計算錯誤。

數碼為1和小數點可以根據圖像尺寸判斷，方法如1.1節所述。剩余數字可以根據pn、p12和min{p13，p14}三者的值來進行數字判斷，對應關系見表2。

對于直線l5，可以通過其與圖像下部之間是否有交點來判斷數字后是否帶有小數點。若有交點且相交范圍較小，則表示該數碼數字后帶有小數點。

1.3融合兩種方法的數碼識別方法

七段特征檢測方法抗干擾能力強，對于正體數碼和稍微傾斜的數碼很有效，但不能識別數字后面是否帶有小數點。五線相交檢測方法對于斜體檢測很有效，并且可以識別數字后面是否帶有小數點，但抗噪聲能力稍弱。因此，將此兩種方法綜合使用，可以實現對各種儀表數碼的快速直接檢測。算法融合流程如圖3所示。

2實驗驗證

為了驗證算法的有效性，采用廣陸公司的數顯卡尺和DP-360數顯傾角儀作為測試對象，進行數碼識別實驗。實驗處理流程如圖4所示。

以一組數據為例，攝像頭拍到的圖片如圖5所示。根據設置的紅、綠、藍三色的閾值對圖像進行二值化，并選定最大連通域圖像為圖6。根據橫向和縱向投影，設置閾值，確定顯示屏的上下左右邊界如圖7所示。

對顯示屏范圍內的圖像進行剪裁，進行灰度化處理和直方圖均衡化處理，結果見圖8。采用OTSU法進行二值化，并進行濾波和取反，得到最后的預處理結果見圖9。

通過水平投影和豎直投影進行行切割和列切割，將各個數字所在區域切分出來，最終的切分結果如圖10所示。

經過算法識別，得到識別結果為28.99。識別速度快，識別準確。在實驗中多次改變數顯卡尺和數顯傾角儀的讀數，均可以快速準確地識別出正確讀數。

3結束語

本文提出了一種基于特征檢測的儀器儀表數碼快速直接識別算法。分別將傳統的七段特征提取法和穿線法進行改進，改良為七段特征檢測方法和五線相交檢測方法，并給出了具體的算法公式和結果適配。七段特征檢測方法適用于正體和稍微傾斜的數碼檢測，抗干擾能力強;五線相交檢測方法適用于斜體數碼檢測，并可以檢測數字后的小數點。將這兩種方法融合，基本可以實現所有的儀表數碼的快速準確檢測，適用于正體、斜體，抗干擾能力強。經過大量實驗，驗證了此算法的準確性，對實現儀器儀表的動態數據自動化監測具有參考意義。