材料试验机自动检测系统数字识别技术的研究

李晓阳+赵新慧+顾冉冉+吕计坤

摘 要： 为了提高材料试验机测量值的读取效率、降低人工操作造成的误差和减轻操作员的工作强度，提出一种具有较强鲁棒性的实时材料试验机测量值自动识别方法，利用一系列图像处理技术对材料试验机测量值图像进行识别。实验证明识别准确率和识别速度完全满足实际需求。这里创新地对数字切分中处理断裂数字的合并和粘连数字的分割采用二次阈值化分割法。

关键词： 数字识别； 图像预处理； 自动检测； 材料试验机

中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）16?0114?03

Research on digital recognition technology of automatic detection system

in material testing machine

LI Xiao?yang， ZHAO Xin?hui， GU Ran?ran， L? Ji?kun

（School of Computer and Communication Engineering， Liaoning Shihua University， Fushun 113001， China）

Abstract： In order to improve the reading efficiency of values measured by ??material testing machine， reduce human error caused by the operators and lighten the working intensity of the operators， a robust real?time automatic identification method of values measured by material testing machine is presented in this paper. A series of image processing technologies were adopted to identify the digital images measured by material testing machine. The experimental results show that the recognition accuracy and speed can fully meet the actual needs of the system. The innovation is to use the secondary threshold method to deal with the broken digit merger and adhent digit division.

Keywords： digital recognition； image preprocessing； automatic detection； material testing machine

当前计量测试所对材料试验机定期检测时，使用人工方式比对标准测力仪和材料试验机测量点数据。这种人工方式不仅费时费力，而且误差较大。针对上述问题，本文提出了一种具有较强健壮性和实时性的材料试验机测量值自动识别方法，利用一系列图像处理技术对材料试验机测量值图像进行自动识别，然后与采集的标准测力仪读出的数据进行比较，进行相应的计算统计，从而提高材料试验机测量值的读取效率，降低人工操作造成的误差和减轻操作员的工作强度。

1 识别流程

材料试验机测量值图像的实时识别流程如图1所示。将摄像头获取材料试验机屏幕的连续视频帧图像进行灰度化、二值化、图像滤波和数字切分处理，获得单个数字的二值图像，然后对每个数字图像提取一组具有高区分度的特征，并将特征值输入识别器[1]，从而实现材料试验机测量值图像的实时识别 。

图1 试验机测量值实时识别流程

2 预处理

2.1 灰度化

灰度图是一种只包含图像亮度信息而不包含颜色信息的图像，它的每个像素只需要一个字节来存放灰度值，存储空间小，运算快。本文根据RGB和YUV颜色空间的变化关系建立亮度Y与R，G，B三个颜色分量的对应 [2?3]：

[Y=0.299R+0.587G+0.114B] （1）

式（1）可将真彩色图像转换成灰度图像。

2.2 图像滤波

图像的滤波处理是滤除图像中的各种噪声干扰，得到原始的数字图像。滤波的方法有很多，本文主要使用了自适应中值滤波来去除噪声干扰。自适应中值滤波的滤波方式和常规的中值滤波一样，都使用一个矩形区域的窗口，不同的是在滤波过程中，自适应滤波会根据一定的设定条件改变（即增加）滤波窗的大小，同时当判断滤波窗中心的像素是噪声时，该值用中值代替，否则不改变其当前像素值。具体步骤为：

（1） 对图像各区域进行噪声检测；

（2） 根据各区域受噪声污染的状况确定滤波窗口的尺寸；

（3） 对检测出的噪声点进行滤波。

2.3 二值化

二值化的目的是把彩色图像转变为黑白图像，从而便于进行图像分割等后续处理。本文采用全局二值化的方法。全局二值化在图像的二维空间内表示为[4?5]： [g（x，y）=0， f（x，y）

式中T为阈值，通过图像二值化处理，可以将图像分为前景和背景两部分，使方便取出所关心的部分。另外，为了提高灵活性，提供给用户手动设置阈值的接口，从而可以让用户根据现场情况去调整。

2.4 数字切分

数字字符切分有多种方法，最常用的方法是根据图像中的连通域来切分数字字符。正常情况下，每个数字字符都会构成一个独立的连通图像域，获取每个数字字符连通域的行和列的起始和终止位置，也就获取此数字的最小矩形，从而也就完成了此数字字符的切分工作。

本文使用了投影法[6]对数字图像进行分割。投影法是一种传统的切分图像的方法。在切分处理过程中面临的主要困难是怎样判断是否存在数字断裂或者粘连，以及如何处理断裂或粘连的数字。本文中断裂数字的合并和粘连数字的分割采用二次阈值化分割方法。在二值图像投影上找出所有满足先直线下降到0值或接近0值然后又直线上升的驻点，阈值取所有驻点的最大值，以此阈值进行第一次分割。第一次分割后可能存在数字断裂或者粘连现象，所以还需要进行二次分割和合并。具体步骤如下：

（1） 首先分析切分出的数字的宽度，在这个过程中找出与其他数字宽度相差大的特殊切分数字，这样的切分数字可能是断裂或粘连的数字或是数字“1”。

（2） 在去除了以上特殊切分数字后，统计出切分数字的最大宽度widthmax和最小宽度widthmin。

（3） 在特殊切分数字中对于宽度特别窄的切分数字，需要排除是否为数字“1”，方法是数字“1”的投影两端有非常大的斜率，如果排除了是数字“1”，就说明是断裂数字，那么分别计算其与前后切分数字合并后的宽度，若两者都小于widthmax，则和较小的合并；若只有一个小于widthmax，则合并它们，若都不小于，则不合并。

（4） 特殊切分数字中宽度特别宽的切分数字是粘连数字，寻找切分数字中投影最窄的地方进行切分。

2.5 大小归一化

大小归一化是对不同大小的切分数字的图像做几何变换，使之成为同一大小尺寸。大小归一化的目的为了使切分出来的数字图像在提取特征时能有一致的标准。切分数字图像的大小归一化需要保持原始切分数字图像的拓扑结构不能改变，从而最大限度地降低切分数字图像失真，以便提高识别准确率。本文将切分数字图像宽度小于25像素的统一归一化宽度为25像素。

3 特征提取

将切分出的数字图像的长度和宽度都进行N等分，得到N×N均匀小区域，称为N×N模板[7]。将每一个小区域内的数字白像素（或黑像素）个数进行统计，用统计出的白像素（或黑像素）个数除以该小区域的面积，即得特征值。N值越大，区分能力就越强，但计算量也会越大，本文取N值为5。

4 数字识别

考虑到模板匹配算法在数字类型较少时具有计算速度快的优点，能够满足实时性要求，本文采用模板匹配算法[8?10]。设有M个类别：ω1，ω1，…，ωM，每类由若干个向量表示，如ωi，有：

[Xi=xi1，xi2，xi3，…，xin]

对于被识别的数字X：

[X=x1，x2，x3，…，xn]

计算距离d（X，Xi），若存在某一个i，使d（X，Xi）

实际使用时，X，Y两点距离可以用|X-Y|2来表示。具体实现步骤如下：

（1） 待测数字图像X与模板集每个模板Xi的距离采用公式d（X，Xi）=|X-Xi|2计算。

（2） 分别计算待测数字图像和模板集中各已知模板之间的距离，找出距离待测数字图像最近的已知模板，待测数字图像中的数字就是该已知模板的中的数字。

5 实验结果与分析

实验中使用摄像头获取材料试验机屏幕的连续视频帧，视频帧分辨率为640×480。在AMD Ⅱ x2 B24 2.99 GHz，2 GB内存的PC机上进行了试验。系统运行界面如图2所示。结果如表1所示。

图2 系统运行界面

表1 不同样本的测试结果

从实验结果可看出，在数字图像清晰的情况下，识别率可以达到100%；对有轻微点状噪声和轻微断痕的样本，识别率也是很高的，但对存在数字残缺的样本，识别率有所下降。由于实际使用环境是在室内，光线是可以调节的，另外，本系统可以由用户根据现场情况手动调节二值化阈值，所以实际使用中可以保证数字图像的清晰。实验中，数字图像识别时间小于30 ms，远低于材料试验机检测时的误差时间要求（低于100 ms）。

6 结 语

本文研究了一种材料试验机测量值实时识别方法，该方法具有以下三个特点：数字切分中处理断裂数字的合并和粘连数字的分割采用了二次阈值化分割法； 识别速度快，识别时间短；能够由用户手动调整阈值，不需要进行细化、平滑等耗时的运算。

参考文献

[1] 张海波，段会川，张曙光，等.一种数字仪表显示值快速识别方法[J].计算机工程与应用，2005，41（4）：223?226.

[2] 陈明华.印刷体数字识别算法研究[D].武汉：华中科技大学，2012.

[3] 陈军胜.组合结构特征的自由手写体数字识别算法研究[J].计算机工程与应用，2013，49（5）：179?184.

[4] 张金凤.变电站数字识别技术和运动物体检测方法的研究[D].重庆：重庆大学，2008.

[5] 陈爱斌，陆丽娜.基于多特征的印刷体数字识别[J].计算技术与自动化，2011，30（3）：105?108.

[6] 崔行臣，段会川，王金玲，等.数显仪表数字实时识别系统的设计与实现[J].计算机工程与设计，2010，31（1）：214?217.

[7] 左飞，万晋森，刘航.数字图像处理原理与实践：基于Visual C++开发[M].北京：电子工业出版社，2011.

[8] 赵纪华.基于模板匹配算法的枪械编号识别研究[J].计算机与数字工程，2013，41（10）：80?81.

[9] 杨淑莹.图像模式识别[M].北京：北方交通大学出版社，2005.

[10] 黄涛.模板匹配在图像识别中的应用[J].云南大学学报：自然科学版，2005，27（5）：327?332.

2.4 数字切分

数字字符切分有多种方法，最常用的方法是根据图像中的连通域来切分数字字符。正常情况下，每个数字字符都会构成一个独立的连通图像域，获取每个数字字符连通域的行和列的起始和终止位置，也就获取此数字的最小矩形，从而也就完成了此数字字符的切分工作。

本文使用了投影法[6]对数字图像进行分割。投影法是一种传统的切分图像的方法。在切分处理过程中面临的主要困难是怎样判断是否存在数字断裂或者粘连，以及如何处理断裂或粘连的数字。本文中断裂数字的合并和粘连数字的分割采用二次阈值化分割方法。在二值图像投影上找出所有满足先直线下降到0值或接近0值然后又直线上升的驻点，阈值取所有驻点的最大值，以此阈值进行第一次分割。第一次分割后可能存在数字断裂或者粘连现象，所以还需要进行二次分割和合并。具体步骤如下：

（1） 首先分析切分出的数字的宽度，在这个过程中找出与其他数字宽度相差大的特殊切分数字，这样的切分数字可能是断裂或粘连的数字或是数字“1”。

（2） 在去除了以上特殊切分数字后，统计出切分数字的最大宽度widthmax和最小宽度widthmin。

（3） 在特殊切分数字中对于宽度特别窄的切分数字，需要排除是否为数字“1”，方法是数字“1”的投影两端有非常大的斜率，如果排除了是数字“1”，就说明是断裂数字，那么分别计算其与前后切分数字合并后的宽度，若两者都小于widthmax，则和较小的合并；若只有一个小于widthmax，则合并它们，若都不小于，则不合并。

（4） 特殊切分数字中宽度特别宽的切分数字是粘连数字，寻找切分数字中投影最窄的地方进行切分。

2.5 大小归一化

大小归一化是对不同大小的切分数字的图像做几何变换，使之成为同一大小尺寸。大小归一化的目的为了使切分出来的数字图像在提取特征时能有一致的标准。切分数字图像的大小归一化需要保持原始切分数字图像的拓扑结构不能改变，从而最大限度地降低切分数字图像失真，以便提高识别准确率。本文将切分数字图像宽度小于25像素的统一归一化宽度为25像素。

3 特征提取

将切分出的数字图像的长度和宽度都进行N等分，得到N×N均匀小区域，称为N×N模板[7]。将每一个小区域内的数字白像素（或黑像素）个数进行统计，用统计出的白像素（或黑像素）个数除以该小区域的面积，即得特征值。N值越大，区分能力就越强，但计算量也会越大，本文取N值为5。

4 数字识别

考虑到模板匹配算法在数字类型较少时具有计算速度快的优点，能够满足实时性要求，本文采用模板匹配算法[8?10]。设有M个类别：ω1，ω1，…，ωM，每类由若干个向量表示，如ωi，有：

[Xi=xi1，xi2，xi3，…，xin]

对于被识别的数字X：

[X=x1，x2，x3，…，xn]

计算距离d（X，Xi），若存在某一个i，使d（X，Xi）

实际使用时，X，Y两点距离可以用|X-Y|2来表示。具体实现步骤如下：

（1） 待测数字图像X与模板集每个模板Xi的距离采用公式d（X，Xi）=|X-Xi|2计算。

（2） 分别计算待测数字图像和模板集中各已知模板之间的距离，找出距离待测数字图像最近的已知模板，待测数字图像中的数字就是该已知模板的中的数字。

5 实验结果与分析

实验中使用摄像头获取材料试验机屏幕的连续视频帧，视频帧分辨率为640×480。在AMD Ⅱ x2 B24 2.99 GHz，2 GB内存的PC机上进行了试验。系统运行界面如图2所示。结果如表1所示。

图2 系统运行界面

表1 不同样本的测试结果

从实验结果可看出，在数字图像清晰的情况下，识别率可以达到100%；对有轻微点状噪声和轻微断痕的样本，识别率也是很高的，但对存在数字残缺的样本，识别率有所下降。由于实际使用环境是在室内，光线是可以调节的，另外，本系统可以由用户根据现场情况手动调节二值化阈值，所以实际使用中可以保证数字图像的清晰。实验中，数字图像识别时间小于30 ms，远低于材料试验机检测时的误差时间要求（低于100 ms）。

6 结 语

本文研究了一种材料试验机测量值实时识别方法，该方法具有以下三个特点：数字切分中处理断裂数字的合并和粘连数字的分割采用了二次阈值化分割法； 识别速度快，识别时间短；能够由用户手动调整阈值，不需要进行细化、平滑等耗时的运算。

参考文献

[1] 张海波，段会川，张曙光，等.一种数字仪表显示值快速识别方法[J].计算机工程与应用，2005，41（4）：223?226.

[2] 陈明华.印刷体数字识别算法研究[D].武汉：华中科技大学，2012.

[3] 陈军胜.组合结构特征的自由手写体数字识别算法研究[J].计算机工程与应用，2013，49（5）：179?184.

[4] 张金凤.变电站数字识别技术和运动物体检测方法的研究[D].重庆：重庆大学，2008.

[5] 陈爱斌，陆丽娜.基于多特征的印刷体数字识别[J].计算技术与自动化，2011，30（3）：105?108.

[6] 崔行臣，段会川，王金玲，等.数显仪表数字实时识别系统的设计与实现[J].计算机工程与设计，2010，31（1）：214?217.

[7] 左飞，万晋森，刘航.数字图像处理原理与实践：基于Visual C++开发[M].北京：电子工业出版社，2011.

[8] 赵纪华.基于模板匹配算法的枪械编号识别研究[J].计算机与数字工程，2013，41（10）：80?81.

[9] 杨淑莹.图像模式识别[M].北京：北方交通大学出版社，2005.

[10] 黄涛.模板匹配在图像识别中的应用[J].云南大学学报：自然科学版，2005，27（5）：327?332.

2.4 数字切分

数字字符切分有多种方法，最常用的方法是根据图像中的连通域来切分数字字符。正常情况下，每个数字字符都会构成一个独立的连通图像域，获取每个数字字符连通域的行和列的起始和终止位置，也就获取此数字的最小矩形，从而也就完成了此数字字符的切分工作。

本文使用了投影法[6]对数字图像进行分割。投影法是一种传统的切分图像的方法。在切分处理过程中面临的主要困难是怎样判断是否存在数字断裂或者粘连，以及如何处理断裂或粘连的数字。本文中断裂数字的合并和粘连数字的分割采用二次阈值化分割方法。在二值图像投影上找出所有满足先直线下降到0值或接近0值然后又直线上升的驻点，阈值取所有驻点的最大值，以此阈值进行第一次分割。第一次分割后可能存在数字断裂或者粘连现象，所以还需要进行二次分割和合并。具体步骤如下：

（1） 首先分析切分出的数字的宽度，在这个过程中找出与其他数字宽度相差大的特殊切分数字，这样的切分数字可能是断裂或粘连的数字或是数字“1”。

（2） 在去除了以上特殊切分数字后，统计出切分数字的最大宽度widthmax和最小宽度widthmin。

（3） 在特殊切分数字中对于宽度特别窄的切分数字，需要排除是否为数字“1”，方法是数字“1”的投影两端有非常大的斜率，如果排除了是数字“1”，就说明是断裂数字，那么分别计算其与前后切分数字合并后的宽度，若两者都小于widthmax，则和较小的合并；若只有一个小于widthmax，则合并它们，若都不小于，则不合并。

（4） 特殊切分数字中宽度特别宽的切分数字是粘连数字，寻找切分数字中投影最窄的地方进行切分。

2.5 大小归一化

大小归一化是对不同大小的切分数字的图像做几何变换，使之成为同一大小尺寸。大小归一化的目的为了使切分出来的数字图像在提取特征时能有一致的标准。切分数字图像的大小归一化需要保持原始切分数字图像的拓扑结构不能改变，从而最大限度地降低切分数字图像失真，以便提高识别准确率。本文将切分数字图像宽度小于25像素的统一归一化宽度为25像素。

3 特征提取

将切分出的数字图像的长度和宽度都进行N等分，得到N×N均匀小区域，称为N×N模板[7]。将每一个小区域内的数字白像素（或黑像素）个数进行统计，用统计出的白像素（或黑像素）个数除以该小区域的面积，即得特征值。N值越大，区分能力就越强，但计算量也会越大，本文取N值为5。

4 数字识别

考虑到模板匹配算法在数字类型较少时具有计算速度快的优点，能够满足实时性要求，本文采用模板匹配算法[8?10]。设有M个类别：ω1，ω1，…，ωM，每类由若干个向量表示，如ωi，有：

[Xi=xi1，xi2，xi3，…，xin]

对于被识别的数字X：

[X=x1，x2，x3，…，xn]

计算距离d（X，Xi），若存在某一个i，使d（X，Xi）

实际使用时，X，Y两点距离可以用|X-Y|2来表示。具体实现步骤如下：

（1） 待测数字图像X与模板集每个模板Xi的距离采用公式d（X，Xi）=|X-Xi|2计算。

（2） 分别计算待测数字图像和模板集中各已知模板之间的距离，找出距离待测数字图像最近的已知模板，待测数字图像中的数字就是该已知模板的中的数字。

5 实验结果与分析

实验中使用摄像头获取材料试验机屏幕的连续视频帧，视频帧分辨率为640×480。在AMD Ⅱ x2 B24 2.99 GHz，2 GB内存的PC机上进行了试验。系统运行界面如图2所示。结果如表1所示。

图2 系统运行界面

表1 不同样本的测试结果

从实验结果可看出，在数字图像清晰的情况下，识别率可以达到100%；对有轻微点状噪声和轻微断痕的样本，识别率也是很高的，但对存在数字残缺的样本，识别率有所下降。由于实际使用环境是在室内，光线是可以调节的，另外，本系统可以由用户根据现场情况手动调节二值化阈值，所以实际使用中可以保证数字图像的清晰。实验中，数字图像识别时间小于30 ms，远低于材料试验机检测时的误差时间要求（低于100 ms）。

6 结 语

本文研究了一种材料试验机测量值实时识别方法，该方法具有以下三个特点：数字切分中处理断裂数字的合并和粘连数字的分割采用了二次阈值化分割法； 识别速度快，识别时间短；能够由用户手动调整阈值，不需要进行细化、平滑等耗时的运算。

参考文献

[1] 张海波，段会川，张曙光，等.一种数字仪表显示值快速识别方法[J].计算机工程与应用，2005，41（4）：223?226.

[2] 陈明华.印刷体数字识别算法研究[D].武汉：华中科技大学，2012.

[3] 陈军胜.组合结构特征的自由手写体数字识别算法研究[J].计算机工程与应用，2013，49（5）：179?184.

[4] 张金凤.变电站数字识别技术和运动物体检测方法的研究[D].重庆：重庆大学，2008.

[5] 陈爱斌，陆丽娜.基于多特征的印刷体数字识别[J].计算技术与自动化，2011，30（3）：105?108.

[6] 崔行臣，段会川，王金玲，等.数显仪表数字实时识别系统的设计与实现[J].计算机工程与设计，2010，31（1）：214?217.

[7] 左飞，万晋森，刘航.数字图像处理原理与实践：基于Visual C++开发[M].北京：电子工业出版社，2011.

[8] 赵纪华.基于模板匹配算法的枪械编号识别研究[J].计算机与数字工程，2013，41（10）：80?81.

[9] 杨淑莹.图像模式识别[M].北京：北方交通大学出版社，2005.

[10] 黄涛.模板匹配在图像识别中的应用[J].云南大学学报：自然科学版，2005，27（5）：327?332.