形态学处理在光学字符识别中的应用研究

2016-11-30郭昊冉黎小琴

传感器世界 2016年8期

关键词：字符识别字符形态学

郭昊冉黎小琴

一、引言

在产品外观上的字符印刷过程中容易出现字符漏印、字符不完整、字符混乱、字符之间粘连和断裂等问题，给机器视觉处理带来一定的困难。

本文通过研究形态学处理技术在字符识别中的应用，解决字符识别中的字符不完整、粘连和断裂等问题，提高字符识别的准确性，通过德国MvTec公司的图像处理软件Halcon软件实现字符识别的过程。

二、形态学处理一般方法

数学形态学[1,2]进行图像处理的基本思想是：用结构元素对原图像进行位移、交、并等运算，然后输出处理后的图像。最基本的形态学算子有：膨胀、腐蚀、开启、闭合。用这些算子及其组合来进行图像形状和结构的分析及处理，可以解决抑制噪声、特征提取、边缘检测、形状识别、纹理分析、图像恢复与重建等方面的问题。

腐蚀是一种消除边界点，使边界向内部收缩的过程。设二值图像为F，其连通区域设为X，结构元素为S，当一个结构元素S的原点移到点(x, y)处时，我们将其记作Sxy。此时图像X被结构元素S腐蚀运算可表示为：

膨胀是将与目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张的处理。设二值图像为F，结构元素为S，当一个结构元素S的原点移到图像的(x,y)处时，我们将其记作Sxy。此时图像X被结构元素S膨胀的运算可表示如下：

使用同一个结构元素对图像先腐蚀再进行膨胀的运算称为开运算[3]。在结构元素S下的开运算定义如下：

开运算通常用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

使用同一个结构元素对图像先膨胀再进行腐蚀的运算称为闭运算。在结构元素S下的闭运算定义如下：

闭运算通常用来填充目标内细小空洞、连接断开的邻近目标、平滑其边界的同时并不明显改变其面积。

图1所示为一个边长为20个像素单位的方形，图2 为其原形，下面对其进行腐蚀和膨胀实验。

经过1次腐蚀运算，结果如图3所示。从图3中可以看出，细小的连接被消除，多余的噪声点被去掉，边缘也有一定的腐蚀效果。

对上述一次腐蚀结果进行膨胀后得到图4。从图4中可以看出，图像在一定程度上被扩大了，图中的孔经过膨胀后变小，边缘也有一定的膨胀效果。

对图4进行二次膨胀运算得到图5，可以从图5中明显看出，图中的缝隙消失，小孔消失。因此，腐蚀和膨胀结合使用可以进行图像平滑。

三、形态学技术在字符识别中的应用

1、图像预分割

图像预处理[4,5]的主要目的是消除图像中无关的信息，更凸出需要的信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。

本文主要使用阈值处理来提取有用信息，白色为目标区域，黑色为背景区域。图6为实验原始图片，通过调试和观察发现当阈值95时为分割效果最佳，最佳阈值分割效果如图7所示。

2、去除伪目标

图像分割的结果是二值图像，从图7中可以看出，目标图像中存在英文字符等伪目标。首先利用半径为2.5的圆形的结构元素对图7进行开运算，清除干扰项，得到图8所示的二值图像。

开运算关键代码为：opening_circle(RemovedNoise,ThickStructures, 2.5)。

3、消除字符粘连

如图8所示，可以看到在图像中，0与1之间有粘连，这会导致无法准确识别字符，所以必须要截断粘连。首先要进行填充区域洞，避免截断我们所需的字符。其关键代码为：fill_up_shape(RawSegmentation,RemovedNoise, ‘area’, 1, 5)。填充区域洞得到的结果如图9所示。其次，利用矩形的结构元素对图9进行开运算，截断粘连，得到结果如图10所示，其关键代码为opening_rectangle(Solid,Cut, 1, 7)。最后利用intersection函数取区域交集得到目标区域，如图11所示。