[发明专利]基于机器视觉的矩阵识别方法

权利要求书

1.一种基于机器视觉的矩阵识别方法，其特征在于，包括以下步骤：

步骤1、输入矩阵图像，将矩阵图像转换为灰度图像A；

步骤2、使用自适应二值化方法对灰度图像A进行二值化处理，得到二值图像B；

步骤3、对二值图像B进行连通域提取和面积滤波；

步骤4、使用投影法对矩阵元素进行聚类，所述矩阵元素为矩阵中的数据项；具体为：

步骤4-1、根据中心点的y坐标对所有连通域由小到大进行排序；

步骤4-2、使用阈值T_y，根据每相邻两个连通域y坐标之间的绝对差值对连通域进行聚类，得到矩阵的行数和每一个连通域的行号；聚类的方法为：

Ci+1=Ci,yi+1-yi<TyCi+1,otherwise]]>

上式中，y_i表示升序排序后第i个连通域的y坐标，C_i表示升序排序后第i个连通域的类别标签，并且初始条件下C₁＝1；当相邻两个连通域的y坐标之间的绝对差值小于阈值T_y时，这两个连通域属于同类，否则属于不同的类；阈值T_y由下式给出：

Ty=αNΣi=1Nhi]]>

其中，N表示连通域的总个数，h_i表示第i个连通域的高度，参数α为可调的经验参数，0.8≤α≤2.5；

步骤4-3、在上一步的基础上，根据中心点x坐标对所有连通域再次进行由小到大排序；

步骤4-4、在同一行上，使用阈值T_x，根据每相邻两个连通域x坐标之间的绝对差值对连通域进行聚类，得到矩阵的列数和每一个连通域的列号；T_x表达式为：

Tx=βNΣi=1Nwi]]>

其中，w_i表示第i个连通域的宽度，参数β为可调的经验参数，1.2≤β≤2.5；

步骤4-5、将行号和列号相同的连通域组合在一起，构成一个完整的矩阵元素；

步骤5、使用卷积神经网络识别矩阵元素；

步骤6、输出矩阵的行数、列数和所有矩阵元素值。