[发明专利]啤酒瓶盖激光字符的定位识别方法

摘要

本发明公开了一种啤酒瓶盖激光字符的定位识别方法，包括以下步骤：步骤1、字符定位，包括粗定位和精定位，对定位符图像进行二值化、腐蚀膨胀、边缘检测、轮廓跟踪和霍夫变换处理，找到定位符“A”的两条边所在的直线的角度，计算出字符旋转的角度；找到瓶盖中心的坐标，将瓶盖中心平移到原始瓶盖图像的中心，按计算出的字符旋转角度将瓶盖图像转正，重新定位到字符。步骤2、字符分割和识别，字符识别包括提取13特征、提取投影统计特征、以及提取粗网格特征，最后在该三种字符特征的基础上，利用模板匹配法对字符进行匹配识别即成。本发明的方法，针对背景复杂、光照不均的瓶盖字符图像，实现了任意角度旋转的啤酒瓶盖激光字符定位。

主权项

一种啤酒瓶盖激光字符的定位识别方法，其特征在于，按照以下步骤实施：步骤1、字符定位，包括粗定位和精定位，1.1）图像预处理在生产线上采集到分辨率为640×480的啤酒瓶盖原始图像，对该原始图像进行中值滤波的处理；1.2）粗定位把定位符模板图像的分辨率降低，在低分辨率的定位符模板图像上取以图像中心为圆心，半径为r的圆内的像素，设共有H个像素，按逐列连接的方法将H个像素构成一个H维列向量，放入数组b的第一列，以步长Δθ旋转模板，用旋转后的H个像素构成b的第二列，依次旋转直至转过360度，最终生成H×(2π/Δθ)大小的数组b，把原始瓶盖图像降低分辨率，在瓶盖区域内部自上而下、自左而右搜索，在低分辨率瓶盖图像上的点(x,y)处取半径为r的圆内的像素，用同样的方法生成一个H维矢量a，矢量a与数组b逐列相关，记录下相关系数以及此时的位置信息，移动到下一个位置，生成新的a，重复计算相关系数的步骤，直至搜索完瓶盖图像范围内所有的像素点，将各位置处的相关系数排序，最大相关系数出现的位置就是定位符的位置；1.3）精定位截取步骤1.2）中定位得到的定位符所在区域的图像，图像尺寸设置为56×56，首先用OTSU方法对定位符图像进行二值化处理，统计此时定位符二值化图像中黑像素点的个数，当二值化后黑像素点个数在[200,900]范围内时定位符“A”的二值化效果最好，如果黑点个数不在这个范围内，则需要对定位符图像重新进行二值化，统计出定位符二值化图像上黑色像素点的个数，从而对定位符图像进行膨胀或腐蚀处理，当黑色像素点个数大于580时，需要对图像进行腐蚀处理，当黑色像素点个数小于500时，需要对定位符图像进行膨胀处理，采用水平投影法和垂直投影法找到定位符的边界以去除多余的噪声点，采用Gauss‑Laplace算子对定位符图像进行边缘检测；对定位符边缘检测图像用基于8连通区域的轮廓跟踪进行处理；通过霍夫变换找到定位符图像中两条最长的直线与水平线的夹角，即定位符A两个边所在直线的角度，用以计算字符的旋转角度；通过霍夫变换得到定位符A两边所在直线的角度，计算出两边夹角的中线的角度，当中线旋转至垂直时定位符即视为转正了，此时计算出的旋转角度就是字符的旋转角度；但是，无论定位符A是正是反，输出的两条边的角度都是一样的，仅仅按照一种情况计算出的旋转角度对瓶盖图像进行角度校正，有可能得到的校正后的瓶盖图像是倒的，判断出计算角度需调整的情况，将原来的旋转角度加上180度，重新旋转；用计算出的角度对原始瓶盖图像做旋转校正，在旋转校正的过程中进行了插值计算，因而校正后定位符的位置改变了，不再是粗定位的位置，需要重新对定位符进行定位，具体步骤如下：①对粗定位找到的定位符所在区域二值化；②将瓶盖中心平移到原始瓶盖图像的中心；③将此时图像中心的部分按照之前计算出的角度旋转；④因为定位符所在区域被二值化了，在包含定位符的区域里应该存在大量灰度值为0和255的像素点，在旋转校正后的 瓶盖图像的左半边图像范围内搜索定位符，如果在较大的范围内像素值为0或255的点的总个数大于预先设定的阈值，该区域就是定位符所在的区域，字符图像就在定位符的后面，把字符图像截取下来，即完成了字符定位的操作；步骤2、字符分割和识别2.1）字符分割字符分割前先对字符图像进行中值滤波以减弱噪声，从字符图像的左边截取较大范围的图像区域，第一个字符包含在里面，对这个区域二值化，经后续的投影去噪找到字符的边界，分割出第一个字符；再以第一个字符的右边界为左基准，向右下方截取较大范围的区域，第二个字符包含在里面，再对这个区域二值化、投影找到字符边界，分割出第二个字符，以此类推，用同样的方法把字符图像中的5个字符依次分割出来；对分割出的单个字符归一化，把字符都统一为24×40大小；2.2）字符识别提取出单个字符的13特征、投影统计特征和粗网格特征，把单个字符的特征与0到9的模板特征进行匹配，识别出字符，待识别的字符是ocr‑a字体的10个数字，从大量的单个字符中选择笔划饱满、效果好的单个字符作为模板，字符大小均为归一化后的尺寸，字符特征提取包括以下步骤：2.2.1）提取13特征；2.2.2）提取投影统计特征，对待识别的字符图像自左向右进行逐行的扫描，统计出每行黑色像素点的个数，然后自上而下进行逐列的扫描，统计出每列的黑色像素点的个数，将统计出的结果作为字符的特征向量；2.2.3）提取粗网格特征，把待识别的归一化数字字符图像按照4×4分块，统计出每个大网格中的黑色像素点的个数，将统计出的结果作为字符的特征向量；得到上述的三种特征后，就得到了归一化字符图像的特征，最后在该三种字符特征的基础上，利用模板匹配法对字符进行匹配识别，即成。