基于圖像處理的鋼管字符分割方法研究

劉紅杰， 楊亞楠， 溫 佳， 韓 睿

（天津工業大學 a.電氣與信息工程學院；b.電氣自動化與信息工程學院，天津 300072）

0 引 言

21世紀后，機器視覺相關領域得到發展，圖像處理技術在生產和生活中得到廣泛的應用，極大地改變了人們的生活方式［1］，如車牌識別［2］、人臉識別［3］等。對于金屬制造業，研究人員進行了有關金屬字符分割和識別的相關研究，如鋼板字符識別［4］，金屬銘牌字符識別［5］，鋼管字符識別［6］等。這類研究的主要目的即通過攝像機獲取金屬表面字符圖像，并通過算法實現對圖像中的字符的分割和識別，替代人工統計標注。這不僅提高了工作效率，節省了人力物力，同時對于檢測的準確率和識別率也得到明顯的改善。例如，對于金屬制造業來說，鋼管作為建筑業中的重要產品，日生產量大，編號較為復雜，字符信息的錄入已經遠遠滯后于鋼管的制造，故而研究鋼管字符的準確分割和辨識具有十分重要的意義。目前針對鋼管字符的研究依然處在初級階段，傳統的分割方法很難滿足需求。本文以鋼管字符的分割為研究方向，設計一種專門針對鋼管字符圖像的分割算法，以達到準確分割的目的。

1 鋼管字符圖像的預處理

為改善畫質，使圖像的顯示效果更加清晰，需要進行灰度變換［7］；采用高斯濾波器對圖像進行平滑處理；應用頂帽變換解決拍照時反光現象造成的圖像不均勻光照問題；用自適應閾值算法即大津法對圖像進行二值化［8］。光照不均勻的實心字符圖像的原圖如圖1（a）所示，經過預處理后的效果圖如圖1（b）所示。

圖1 光照不均勻的實心字符圖像

各種復雜背景的鋼管字符圖像經過預處理后的效果圖如圖2所示，其中左側顯示的是圖像的原圖，右側顯示的是處理后的效果圖。

圖2 各種復雜背景的鋼管字符圖像經過預處理的效果對比圖

由于鋼管字符背景環境復雜，在預處理階段很難做到將噪聲或其他干擾完全去除，在預處理后需對字符圖像進行二次處理。鋼管字符分為實心字符和點陣字符，如圖2（a）所示點陣字符是不連接的，需要將字符進行修補填充，具體實現算法如下。

（1）設圖像的高為img＿H，寬為img＿W。并設置一個高為img＿H，寬為img＿W的全零矩陣；

（2）從左到右，從上到下遍歷預處理后的圖像；

（3）如果遇到白色像素，就在全零矩陣的對應位置向上向下各擴充1個白色像素，這樣就達到了填充的目的，效果圖如圖3（a）所示。

填充后，字符周圍的噪點也會跟著變大，需將噪點去除，用opencv輪廓提取函數findContours實現輪廓的提取，用contourArea函數計算圖像各個輪廓的面積，將面積小于50的輪廓去掉，并做腐蝕操作將圖像中的“毛刺”去除，如圖3（b）所示。圖4（a）～（d）為在各種復雜背景下鋼管字符圖像經過二次處理的效果圖。

圖3 圖像經過二次處理后的效果圖

圖4 各種復雜背景的鋼管字符圖像經過二次處理后的效果圖

2 字符分割算法的實現

鋼管字符分割的難點包括：字符的黏連、斷裂以及噪聲的影響。為解決上述問題設計了一款針對各類復雜情況下鋼管標識圖像的字符分割算法。

2.1 圖像分類處理

如圖4（d）經過預處理后的字符短缺圖像中的字符依然沒有完全的連接起來，如果直接進行圖像分割會導致結果的錯誤，所以對圖像進行分類處理是十分必要的［9］。根據連通域的性質設計一種分類處理方法，流程圖如圖5所示。

圖5 分類處理方法流程圖

（1）首先將圖像進行連通域標記，面積較小的連通域除去。將連通域的個數與圖像中字符的個數進行比較，當連通域個數大于等于字符個數的2倍時，說明圖像為字符短缺圖像。反之，為其他類型圖像。

（2）字符短缺圖像需要使用長度為5，偏轉角度為90（即垂直方向）的線性結構元素對圖像進行膨脹處理。字符短缺圖像4（d）處理后的效果如圖6所示。

圖6 字符短缺圖像經過膨脹處理后的效果圖

2.2 傾斜校正

鋼管標識圖像獲取過程中，鋼管擺放混亂或拍攝角度問題都會造成字符圖像傾斜，如果直接進行字符分割，可能會導致分割結果的不準確。有必要對字符圖像進行傾斜校正。傾斜校正的方法主要有：Hough變換法［10］、Radon變換法、最小二乘法和兩點法等。Hough變換法、Rough變換法以及兩點法都是針對圖像中有特定的傾斜直線的，鋼管字符圖像沒有特定的直線作為參考，應用最小二乘法直線擬合進行鋼管標識圖像的傾斜校正［11］。

根據連通區域邊界外接框的屬性計算出每個字符的高，當字符的高大于圖像高的一半時則計算出字符的中心，設字符中心點的坐標為（xi，yi）（i＝1，2…，m），其中m為字符的個數，最小二乘法的原理是將點集與光滑曲線y＝f（x）進行擬合［12］，使點到直線的誤差平方和最小，根據這條直線獲得連通域的傾斜方向［13］。經過傾斜校正后的效果圖如圖7所示。

圖7 圖像的傾斜校正

2.3 字符的定位

由于有一些噪聲干擾較嚴重的圖像，如傾斜校正后的圖像8（a），噪聲干擾的面積過大以至于無法去除，導致字符分割難度大，需將字符區域進行定位［14］。具體的算法如下：

（1）將圖像進行連通域的標記；

（2）設定閾值為圖像高的1／2，根據連通域邊界外接框屬性計算每個連通域的高，當連通域的高大于閾值時，保留連通域的屬性，相反，則不保留；

（3）通過保留的連通域，并由連通域邊界外接框屬性知道每個連通域的左上角和右下角的坐標，將所有連通域左上角的y軸坐標進行比較，把最小的值作為圖像的上切割點，同理，將右下角的y軸坐標作比較，把最大的值作為圖像的下切割點，這樣就可以得到最合適的上下切割點，對圖像進行切割，效果圖如圖8（b）所示。噪聲干擾不嚴重的圖像8（c）定位后的效果如圖8（d）所示。

圖8 圖像的定位

2.4 字符的分割

不同字符圖像的復雜程度不同，無法采用單一算法對其進行分割，設計連通域分割法與上下輪廓分析法相結合的分割方法。該方法的主要思想如下：

（1）首先進行連通域標記，將小面積連通域去除，計算剩余連通域的個數，將連通域個數與字符個數作對比；

（2）字符個數等于連通域個數，說明字符間沒有黏連，這時直接采用連通域分割法；

（3）字符個數大于連通域個數，說明字符間有黏連，這時采用連通域分割法與上下輪廓分析法相結合的方法。進行連通域分割，并設定閾值，將寬度大于閾值的連通域提取出來，此時的連通域為黏連字符部分，將該部分進行上下輪廓分析法分割。

滿足連通域個數等于字符個數條件的圖像分割效果如圖9～12（a）、（b）所示。

圖9 光照不均勻的實心圖像分割后的效果圖

圖10 模糊的點陣圖像分割后的效果圖

圖11 實心斷裂字符圖像分割后的效果圖

由于鋼管自身的特殊性，字符可能受到聚光點或腐蝕的干擾造成字符黏連，傳統的垂直投影分割法和連通域分割法只能解決清晰圖像的分割問題，而大部分圖像則不能完成準確分割。針對這類問題，設計一種上下輪廓分割法，該方法的主要思路是：將字符圖像進行輪廓描繪，用字符圖像的上輪廓點減去下輪廓點，得到最終的輪廓圖；根據其上下輪廓凹凸特征找到切割點進行切割。滿足字符個數大于連通域個數的黏連字符圖像經連通域標記后的圖像如圖13（a）所示。可見，圖像的前3個字符黏連在一起，被標記成一個連通域，將該連通域提取出來，如圖13（b）所示。并將該部分進行上下輪廓描繪，下輪廓如圖13（c）所示，上輪廓如圖13（d）所示，上下相減得到的整體輪廓圖如圖13（e）所示。由整體輪廓可知，只要找到曲線的最佳谷點便找到了分割點，其算法如下：

圖12 字符短缺的點陣圖像分割后的效果圖

（1）設置圖像的寬度為Img＿W1，n＝0，定義一個列表list。用D表示深度閾值，用K表示單個字符圖像的寬度閾值。

（2）從左到右遍歷曲線，將垂直坐標點x對應的輪廓曲線值減去坐標點x＋1對應的輪廓曲線值，如果結果大于D，并且滿足x＋1對應的輪廓曲線值小于等于x＋2對應的輪廓曲線值，那么將x＋1添加到list中，這時list中的值為黏連圖像的可能分割點，如圖13（e）中的藍點所示。

（3）判斷list中的值是否為分割點，將0和Img＿W1分別插入到list的首尾部，遍歷列表list，如果列表中n＋1點對應的值減去n點對應的值所得的結果小于K，并且n＋2點對應的值減去n＋1點對應的值所得的結果小于K，那么n＋2點所對應的值為圖像的分割點，否則n＋1點所對應的值為圖像的分割點，分割點如圖13（e）中的紅點所示。如果分割后圖像的寬度大于K，那么該圖像為最終的分割結果圖。效果圖如圖13（f）所示。

圖13 黏連字符圖像的分割過程

3 實驗結果及分析

本文通過多張鋼管字符圖像驗證了分割方法的可靠性，并將部分分割圖像進行了展示。如圖14為部分鋼管字符圖像采用傳統的垂直投影分割法［15］、連通域分割法［16］和本文方法分割的效果圖。圖14（a）從上到下為4幅字符圖像，其中綠色框標記的是單個字符區域，紅色框標記的是黏連字符區域。圖14（b）是使用投影分割法后的效果圖，可見，分割錯誤較多；圖14（c）是使用連通域分割法分割后的效果圖，可見黏連字符區域沒有分割開；圖14（d）是使用本文方法分割后的效果圖，4幅鋼管圖像均分割正確。

圖14 不同分割方法的分割效果對比圖

相較于投影分割法和連通域分割法，本文方法更適用于黏連、傾斜以及有大面積噪聲干擾的鋼管字符圖像的分割。

4 結 語

在字符圖像特征的基礎上設計一種針對鋼管字符的預處理方法。鋼管通常受到反光和噪聲的干擾，故本設計采用頂帽變換去除光照對圖像的影響，使用高斯濾波去除噪聲，使用大津法得到質量較高的二值圖像，并使用小面積去除算法去除圖像中的小塊干擾噪聲，通過圖像預處理得到適用于圖像分割算法的字符圖像。并將圖像進行二次處理，修補填充其空。

在字符分割階段，為提高字符圖像分割的準確率，根據連通域屬性對圖像進行分類處理，對圖像進行傾斜校正和定位。使用連通域分割和上下輪廓分割2種算法完成分割任務。

該設計分割的準確率主要取決于圖像預處理的效果和圖像的分類效果，采用本文提出的方法很大程度上降低了字符分割的難度。經實驗驗證，本方法可較準確的分割出反光、模糊、斷裂黏連字符圖像且明顯優于傳統方法。此外，本設計使用了層層遞進的算法思想，充分發揮了不同分割方法的優點并提高了效率。