[发明专利]一种基于轮廓技术的数学符号识别方法

说明书

本发明公开了一种基于轮廓技术的数学符号识别方法，包括以下步骤，S1、提取图片，读取大量的图片；S2、调整图像尺寸、阈值、轮廓，使用opencv2 bilateralFilter方法对图片进行处理；S3、数值输入轮廓循环函数，计算近似值；S4、近似值的计算，将近似值与轮廓值进行比较；S5、循环计算，未能得到准确的近似值，则重复步骤S3的计算；本发明技术非常新颖，方便理解，复杂度底，容易实现；数学符号识别非常有效，且本方法也可识别较低像素值图像；方法简单需求较低，对用户友好，可有效提高效率；且编程技术简单易懂，成本较低，无需训练和测试流程，流程的复杂性较低，内存及资源需求较小，各步骤流程容易识别，准确性更是达到了100％。

技术领域

本发明涉及计算机科学技术领域，具体为一种基于轮廓技术的数学符号识别方法。

背景技术

在编程语言中，对指定图像中的对象进行辨认的过程称为识别、数学符号识别，是一种根据对象轮廓识别对象符号的程序,用于识别给定图像中印刷体的数学符号。

现有技术基于Tensorflow的自定义对象数学符号检测模型的训练是通过输入带有数学符号、字母和数字的数据集，利用TensorFlow对象检测技术，进行反复的训练，直到准确率达到100％，将结果集存储起来，并作为输入，从而创建出一个新模型，即数学符号识别模型，但该模型获取的准确度不超过65％。需手动收集不同的手写符号，并对收集到的的符号进行训练和测试，这需用到高速处理器及更多内存，来提高准确率。这个过程相当复杂。要利用复杂的神经网络技术，以及复杂的内部操作。

故引入一项新技术，这种新兴技术用于识别或检测图像中印刷体的数学符号，它是一种改进的形状检测技术，本方案所使用的编程技术简单易懂，成本较低。无需训练和测试流程。与现有技术相比，流程的复杂性较低，内存及资源需求较小，各步骤流程容易识别，准确性更是达到了100％。

发明内容

本发明的目的在于提供一种基于轮廓技术的数学符号识别方法，具有编程技术简单易懂，成本较低，无需训练和测试流程，流程的复杂性较低，内存及资源需求较小，各步骤流程容易识别，准确性更是达到了100％等优点，用以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于轮廓技术的数学符号识别方法，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opencv2bilateralFilter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opencv2bilateralFilter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。