基于小区域字符模板匹配的金属标牌字符串识别

基于小区域字符匹配的金属标牌字符串识别 第 29 卷 第 6 期 Vol . 29 No . 6 武汉理工大学学报 JO URNAL OF WUHAN UNIVERSITY OF TECHNOLO GY J un. 2007 2007 年 6 月 基于小区域字符模板匹配的金属标牌字符串识别 1 1 2宋怀波,路长厚,王富春 ()1 . 山东大学机械工程学院 ,济南 250061 ;2 . 桂林电子科技大学机电与交通工程系 ,桂林 541004 摘 要 : 提出了一种基于小区域的快速模板匹配算法 ,实现了一行标牌字符串的识别 ,在利用投影法求得字符所在位 置以后制作被匹配图像数组以及模板 ,然后进行识别 。由于算法只对存在字符的区域进行小范围匹配 ,省去了在整幅图 像上搜索无关数据信息的过程 ,与传统的模板匹配算法相比显著降低了算法的运行时间 ,能够满足图像匹配即时性的需 要 。 关键词 : 模板匹配 ; 小区域 ; 字符识别 () 中图分类号 : TP 391 文献标志码 : A 文章编号 :167124431 20070620125203 String Ba sed on Recogn it ion of Metal La bel’s Character Small Region Character Template Matching 1 1 2S O N G H u ai2bo, L U Cha n g2hou, W A N G Fu2ch u n (1 . School of Mechanical Engineering , Shando ng U niversity ,J inan 250061 , China ; )2 . Depart ment of Mechanical and Transportatio n , Guilin U niversity of Elect ro nic Technology , Guilin 541004 , China Abstract : A new template2matching algorit hm based o n a small regio n was p resented. Af ter acquiring t he positio ns of t he characters , t his algorit hm was used to co mplete t he recognitio n of t hem. As t he algorit hm o nly do template matching o n a small regio n , t his met hod saved a lot of time co mpared wit h t he whole image searching algorit hm and meet t he instantaneous need for t he matching. Key words : template matching ; small regio n ; character recognitio n 模板匹配是一种最原始 、最基本的模式识别方法 ,它基本上是一种统计识别方法 。每一块模板与未知样 1 品匹配的好坏 ,取决于模板上各单元与样品上各相应单元匹配与否。模板匹配算法精度高 ,可以解决笔 2 画断裂的情况 ,抗干扰能力强,但是模板匹配还存在匹配时间过长 ,不适合工业生产中使用的缺点 ,如何 2 提高算法的匹配速度是一个关键的问题 ,目前已经提出了很多改进算法 。崔政等提出了 2 种改进的模板 3 匹配算法 :基于特征加权的模板匹配算法和基于特征块的模板匹配算法 ,左力采用二次匹配误差算法 ,首 先进行粗匹配 ,取模板的隔行隔列数据 ,即 1/ 4 的模板数据 ,在被搜索图上进行隔行隔列扫描 ,然后是精确匹 配 ,也就是在粗匹配的误差最小点的邻域内进行搜索匹配 ,得到最终结果 ,实验表明该方法比整幅图像的匹 4 配速度快 10 倍左右 。Ko suke Mitani 等采用变化尺寸的分割区块进行匹配 ,所得结果具有很强的鲁棒性 。 5 6 Takahiro Mae 等采用相关性间隔估计的方法进行模板匹配 ,获得了较好的识别效率 。Di Stef ano L 等采 用局部有限相关性方法实现了快速模板匹配 。 由于在图像处理过程中得到的字符仅有一个像素宽 ,上述改进的模板匹配算法在此次课题中并不能够 应用 ,为了课题的需要 ,提出了一种基于小区域的模板匹配算法 。 收稿日期 :2007201220 . () 基金项目 :山东省重点产业化项目 0203c06. () 作者简介 :宋怀波 19802,男 ,博士 . E2mail : so ngyangfeifei @163 . co m ( ) 假设模板的大小为 m ×n 。模板中的某ght 宽 ×高; 图像的大小为 Widt h ×Hei ( ) ( ) ( 点坐标为 x , y, 该点的灰度为 U x , y; 与之重合的图像中的点的坐标为 X -0 0 0 0 0 ) ) ( y, 该点的灰度为 V X -y, 如图 1 所示 。则一次匹配的结果为x , Y - x , Y - 0 0 0 0 0 0 0 m - 1 n - 1 2 ( )) ( [ U x , y - V X - x , Y - y ], 全部图像都匹配后 , 找到最小的即为结 0 0 0 0 0 0 ?? x = 0 y= 0 0 0 果 。由此可以看出模板匹配的运算量是惊人的 , 每一次匹配都要做 m ×n 次减法 , ( ( ) ) m ×n 次平方 , m ×n - 1 次加法 , 整个图像要匹配 Widt h - m + 1×Height - n + 1次 。文献 3 也通过实 验证明 ,被搜索图越大 ,匹配速度越慢 ;模板越小 ,匹配速度越快 。 由此可以看出 ,如果要想尽量地减少算法的时间 ,必须要尽可能地减少以上变量的大小 ,由于模板在制 作完成之后很少变动 ,而图像的大小可根据算法的需要进行改进 。这就是基于小区域的模板匹配算法 ,该算 法不再对整幅图像进行匹配 ,而是首先寻找字符区域 ,在完成字符分割的基础上将字符图像分割成一系列的 子图像 ,然后对各个子图像向外扩展一个像素 ,最后再进行匹配 。 按照上述算法 , 每一个子图像都要与所有的模板进行匹配 , 假设匹配次数为 k, 模板个数为 k, 且模板 1 2 的大小一致 , 则每一次匹配时 , 仍然需要进行 m ×n 次减法 , m ×n 次平方 , m ×n - 1 次加法运算 ,由于此 ( ( ) ) 时的子图像的大小 Widt h ×Height 已经变成 m + 2×n + 2,整个子图像仅仅需要进行 9 次匹配 ,整个匹 配过程只需要进行 9 ×k ×k次匹配 ,全图像匹配和小区域匹配 2 种算法所用时间的比值为 1 2 ( ( ) )Wi dt h - m + 1×Height - n + 1=ratio 9 ×k×k 1 2 式中 ,分母在图像确定以后不会变化 ,由此可见 ,当整幅图像的宽度和高度较大时 ,ratio 值将越来越大 ,基于 小区域的匹配算法的优越性就越好 。以标牌图像中的一行为例 ,此例中 ,图像的高为 35 ,宽为 314 ,模板的大 小约为 m = 15 , n = 23 ,匹配次数 k= 14 ,模板个数 k= 11 ,由此得到 ratio = 2 . 813 9 ,即采用小区域模板匹 1 2 配可以将时间缩短约 3 倍 。当对整个标牌进行小区域模板匹配时 ,该算法比整幅图像的匹配算法效果更加 明显 。 2 小区域模板匹配算法的实现 2 . 1 标牌图像的预处理 图 2 是一幅金属标牌图像的一行 ,可以看出 ,标牌图像与背景之间虽然存在色差 ,但并不明显 ,背景的灰 度值也不固定 ,并且刮擦 、污点等噪声的存在 ,字符的识别受到较大的影响 。 2 . 1 . 1 图像的二值化 ) 1Ot su 域值的选取准则 对图像进行二值化处理的关键是寻找合适的域值 , 这里采用 Ot su 方法进行全图像域值化 。对图像 A , 记 t 为前景与背景的分割阈 值 , 前景点的个数占图像比例为 w , 平均灰度为 u; 背景点数占图像比例为 w , 0 0 1 平均灰度为 u 。图像的总平均灰度为 : u = w ×u + w ×u 。从最小灰度值到最大灰度值遍历 t , 当 t 使 1 0 0 1 1 2 2 ( ) ( ) 得 g = w ×u - u+ w ×u - u 最大时 t 即为分割的最佳阈值 。该式实际上就是图像的类间方差 0 0 1 1 值 , 阈值 t 分割出的前景和背景 2 部分构成了整幅图像 , 而前景取值 u , 概率为 w , 背景取值 u, 概率为 0 0 1 w , 总均值为 u , 根据方差的定义即得该式 。由于方差是灰度分布均匀性的一种度量 , 方差值越大 , 构成图 1 像的 2 部分差别也就越大 , 当部分目标被错分为背景或部分背景被错分为目标时都会导致 2 部分差别变小 , 因此类间方差最大的分割可以使得被错分的概率最小 。 ) 2噪声点的去除方法 由于划痕 、污点等噪声的存 在 ,通过 Ot su 方法域值化后的图像存在很多多余信息 ,必 须进行相应的处理 ,域值化后的图像如图 3 所示 。由图 3 可知 ,噪声点所组成的点块比较小 ,通过设定点块个数域 ) ( 值 T ,利用形态学的方法就能够删除 。在 MA TL AB 中 ,该方法可以采用 bwareaopen B W , T 函数实现 ,其 中 , B W 表示待处理图像 , T 为像素个数域值 。通过该函数处理后 ,图像中所有小于该域值的点块均被去 除 。 2 . 1 . 2 字符的分割与存储 为了避免在字符分割时出现错分 ,在分割之前需要去除由于划痕等造成的冗余信息 ,根据形态学的原 理 ,对图像进行膨胀操作 ,这样小于结构元素的黑色点将进一步受到腐蚀而得以消除 。其中的关键是结构元 素的选择 ,结构元素选择太小 ,则仍然会存在干扰信息 ,不能够求得完整的结构信息 ;结构元素选择过大则会 消除有用的结构信息 ,导致有用结构信息的丢失 。 由于字符之间存在较大的间隔 ,可以采用投影的方法进行分割 。即对字符串进行垂直投影 ,对图像每一 列的非背景点像素进行统计 ,由此推测相邻 2 个字符之间的空白间隙 ,投影是许多字符切分采用的基本 方法 。在 MA TL AB 中提供了相应的函数 ,但是为了简化算法 ,使用 find 函数寻找字符的起始位置 。具体方 ) ) ) 法是 :1采用 find 函数得到字符的列信息 。2对所得到的列按照从小到大的顺序排列 。3考虑到字符可能 存在断裂现象 ,设置字符间隔的域值 ,只要是相邻的 2 个列的间隔大于设定的域值 ,就可以认定该列为字符 的左右边界 。同理 ,采用 find 函数得到字符图像的行信息 ,结合求取的列信息 ,可以得到各个字符的上下边 ) 界 。4利用求得到的字符的行列信息制作被分割图像的数组集合 。制作过程中对所得到的图像向外扩展一 个像素 ,以利于进行模板匹配 。将所得到的被分割图像逐个存放在 MA TL AB 提供的细胞数组中 。细胞数 组是 MA TL AB 特有的一种数据类型 ,数组中的每个元素可以是不同的数据类型 ,可以是不同的维数 。 2 . 2 标牌图像模板获取过程 ) 模板的制作需要手工干预 ,其获取过程如下 : 1利用图像处理的结果 ,确认标识图像中数字符号的位 ) ) 数 ,设为 L 1 ;2确定图像中各位数上 、下 、左 、右像素坐标 ; 3对字符进行分割 ,建立细胞数组 ,并将分割后 ) ) 的字符存储在细胞数组中 ;4逐个抽取数字图像中各位数字子图像到细胞数组的对应位置 ,得到模板 ; 5 按照字符的存储顺序制作字符对照表 。按照上述方法得到的模板细胞数组如图 4 所示 。 2 . 3 标牌图像的模板匹配 模板匹配的方法依然采用前述一次匹配结果 ,不同的是被匹配对象不再是整幅图像 ,而是由被匹配对象 所组成的数组 。该数组的每一个对象均在获取得到字符区域的基础上向外扩充一个像素的基础上得到的 , 为了进一步增快匹配速度 ,匹配时增加了判断过程 ,对差别明显的模板与待匹配图像不进行匹配 ,匹配过程 ) ) 如下 :1按照顺序提取每一个被匹配对象作为识别对象 。2将得到的模板与被匹配对象进行匹配 。计算模 板的高度和宽度 ,如果模板的高度和宽度小于被匹配对象的值 ,则跳过此次匹配 ,选择下一个模板进行匹配 。 ) 3设定拒识域值 T ,当匹配结果大于该域值时就认为匹配成功 ,并选择最接近的值作为匹配的结果 ,根 ref use 据算法的需要查找字符对照表 ,将结果进行显示 。否则认为该次匹配失败 。对该图像赋值为某个特定的字 符表示此次识别失败 。 2 . 4 实验结果 通过计算机编程 ,利用 MA TL AB 众多的函数库以及强大的矩阵运算能力 ,采用上述算法 ,取得了较好 的识别效果 ,其中第 2 个字符“9”识别错误 ,其余字符均能正确识别 ,识别率为 92 . 86 % 。实验证明 ,只要是 图像二值化效果良好 ,该方法就将有较高的识别效率 ,对于二值化效果较差的图像存在错识 、拒识现象 ,还需 要利用其他的方法进行辅助识别 。 3 结语 在分析以往的模板匹配方法基础上 ,结合课题的实际情况 ,提出了一种适合工程应用的基于小区域的模 板匹配算法 ,该算法在进行匹配之前先寻找待匹配的区域 ,将待匹配区域制作成一个个独立的待匹配子图 ,然后进行匹配计算 ,由于各个子图与模板的大小相差不大 ,避免了在无用区域进行匹配的可能性 ,大大缩短 了匹配时间 ,另外 ,由于字符的宽度和高度并不一致 ,在匹配中发现字符与模板相差很大是则不进行此次匹 配 ,进一步缩小了匹配所需的时间 ,因此该算法能够满足图像匹配的即时性的要求 。通过设定拒识域值 ,保 证了识别效果的正确性 。 () 下转第 133 页 2 液位参数查询与显示 为了使采集到的数据具有直观性和可视性 ,在中 ,通过 PC 机采用动态实时曲线来显示液位参数的 变化 。曲线图较直观地反映了某一时段单个或几个参数的变化趋势 。而实时曲线反映的是监控参数的当前 值及变化趋势 ,是当前工作状态的直观描述 。 ) 1动态曲线设计 由于 PC 机连续接收来自数据采集系统的数据 ,所以每一时刻屏幕上显示的都 是最近时刻的 N 个数据画出来的曲线 。系统采用的数据处理算法是 :先定义一个数组 ,每次新数据到来时 , 就将数组中前面的所有数据向后移一位 ,再把新的数据插入下标为 0 的位置 ,当数据满后 ,最后一个数据自 动被新来的数据“挤”出去 。这样始终能保证保存的 N 个数据是最新的 ,其实时曲线始终反映了输出信号与 传感器节数的对应关系 。 ) 2实时曲线显示界面 实时曲线界面如图 5 所示 。在屏幕 中滚动显示液位传感信号 ,该信号为与传感器节数相对应的一 系列三角波 。根据此三角波信号和传感器节数 ,即可计算出液 位高度与体积 ,同时将液位高度变化实时显示在窗口的储箱液 位动态图中 。在图 5 所示窗口左侧显示储箱液位动态比例图 , 其中左边为 L H2 储箱 ,右边为 L O X 储箱 ,窗口右侧显示实时曲 线 ,图 5 中实线三角波代表 L H2 ,虚线三角波代表 L O X。 ) 3历史曲线的保存及查询 历史曲线可较直观地反映过去 某时段一个参数或几个参数的变化趋势 。通过分析历史曲线 ,工作人员可以很方便地判断工艺流程稳定性 、 工艺参数设置是否合理 、出现故障的原因等 。由于所有数据都记录在数据库中 ,因而根据设定的查询条件 , 便可通过 SQL 语句获得相应的数据记录集 ,并将它以历史曲线的形式显示在界面上 。 3 结语 设计中 ,用串口将数据采集系统的液位数据实时传送到 PC 机中 ,然后在 PC 机中完成数据的处理 ,包括 () 软件滤波 、数据存储 、数值计算 、曲线显示等功能 。该系统可实现储箱 储罐液位传感器节数的在线实时检 测 ,并具有直观性和可视性 。 参考文献 () 1 吕 琳 ,袁佑新 ,冯甜甜 . 基于 Visual C + + 6 . 0 的液位检测系统设计 J . 武汉理工大学学报 ,2005 ,27 6:1392141 . () 袁佑新 ,常雨芳 ,黄 锴 . 数据采集与通信技术在结构健康监测系统中的应用 J . 广西交通科技 ,2003 ,28 5:31233 .2 ( ) 3 王华斌 ,袁佑新 ,王 萍 . Visual Basic 6 . 0 下利用 PC 机串口实现数据监视 J . 黑龙江工程学院学报 ,2002 ,16 1: 1202 122 . ()上接第 127 页 参考文献 () 张金国 ,吕庭豪 . 基于 MA TL AB 的改进模板匹配方法的机器人目标识别系统 J . 机器人 ,2003 ,25 7:6232625 . 1 () 崔 政 ,李 壮 . 2 种改进的模板匹配识别算法 J . 计算机过程与设计 ,2006 ,27 6:108321085 .2 () 左 力 . 图像处理系统在自动化设备中用作位置反馈的一种方法 J . 机械与电子 ,2004 , 1:43244 .3 Kosuke Mitani , Hitoshi Saji . Robust Template Matching by U sing Variable Size Block Divisio n A . O p to mechat ro nic Machine 4 Visio n C . Sa pporo : Kazuhi ko ,2005 . 2982305 . Takahiro Mae , Shun′ichi Kaneko , Takayuki Tanaka . Efficient Template Matching Algorit hm Based o n Interval Estimatio ns 5 o n Correlatio n A . O p to mechat ro nic Machine Visio n C . Sa pporo : Kazuhi ko ,2005 . 13222 . Di Stefano L , Mat toccia S. Fast Template Matching U sing Bounded Partial Correlatio n J . Machine Visio n and A pplicatio ns , 6 () 2003 ,3 4:2132221 .