[发明专利]一种基于轮廓技术的数学符号识别方法

权利要求书

1.一种基于轮廓技术的数学符号识别方法，其特征在于：包括如下步骤：

S1、提取图片，首先利用Tensorflow软件读取大量的图片，并且这些图片中会包含有大量的数学符号、包含字母符号及包含数字符号；

S2、调整图像尺寸、阈值、轮廓，使用opencv2 bilateralFilter方法对图片进行处理，首先找出图像中符号的边缘；接下来的任务是确定形状、对象是否属于闭合型；然后使用轮廓技术确定图像中的形状或对象为加减乘除及平方根等数学符号；再将输入的图像转换为灰度模式，最后将灰度图像作为阈值函数的第一个输入参数；

S3、数值输入轮廓循环函数，计算近似值，源图像作为阈值函数的第一个输入参数，源图像即为灰度图像，像素值分类阈值作为阈值函数的第二个输入的参数，maxVal作为阈值函数的第三个输入的参数；

S4、近似值的计算，通过阀值函数内输入的各种参数，计算出阀值函数的近似值，并且将近似值与轮廓值进行比较，如果近似值等于轮廓值，符号被识别，给出准确率，并停止程序；如果近似值不等于轮廓值，则直接终止程序；

S5、循环计算，如果在计算的时候未能得到准确的近似值，则重复步骤S3的计算，直至得到准确的近似值，然后对近似值进行判断，得出结果，停止程序体的运行；

所述步骤S2中先使用opencv2 bilateralFilter方法去除图片中的噪点，找出图像中符号的边缘，然后确定形状、对象是否属于闭合型；

所述确定图片边缘是否属于闭合型需要形状的边缘上标记像素，根据链式码、相邻像素的概念，按照像素连接的方向移动；如果结束点与起始点重合，则可以推断形状为闭合型，如果结束点与起始点不重合，则可以推断形状为开合型；

所述步骤S2中使用opencv2 imread方法读取图像，并将输入的图像转换为灰度模式；灰度模式下图像的像素值亮度范围为0到255；将彩色图像转换为灰度图像即将RGB色彩值24位或3-D转换为灰度值8位或2-D；

所述步骤S2中运用了基础的阈值技术，使用的函数是cv.threshold，若像素值大于阈值，则为其分配一个值255代表白色，否则分配一个值0代表黑色；

所述步骤S2中第三参数maxVal表示当像素值大于或小于阈值时所赋的值；在opencv2提供多种类型阈值；

所述步骤S2中的轮廓是连接外缘所有相同颜色或密度节点的曲线，轮廓可以用来识别形状；轮廓对形状分析和物体检测识别非常有用；为提高准确性，确定轮廓之前先使用阈值进行边缘检测；

所述轮廓的确定使用到轮廓查找法，轮廓查找法可修改源图像，识别形状，轮廓查找法可从已识别边缘的中间绘制弧度值；轮廓查找法还可利用近似法提取图像轮廓的近似值；要确定符号的形状，需找到带有近似值的边界矩形，它会给出矩形左上角及长宽的值，之后，使用矩形长宽比分数，确认形状的弧度值，识别形状的轮廓，根据弧度的大小和形状的边角，识别出符号的形状；计算每个弧度和边角的度，得出准确的符号。