[发明专利]基于机器视觉的矩阵识别方法

摘要

本发明公开了一种基于机器视觉的矩阵计算器及实现方法，矩阵计算器包括摄像头、图像处理模块、用户界面、显示器、键盘和能够执行矩阵运算的运算模块；本发明从手写/印刷矩阵图像中直接分离并识别出矩阵中的元素，然后使用内置的函数根据用户选择进行矩阵运算；通过数字图像分析和模式识别技术，改变了传统计算器的数据输入方式，实现即拍即算，让计算器的使用更加简单与高效。

主权项

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Ty，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，yi表示升序排序后第i个连通域的y坐标，Ci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Ty时，这两个连通域属于同类，否则属于不同的类；阈值Ty由下式给出：Ty=αNΣi=1Nhi]]>其中，N表示连通域的总个数，hi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Tx，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；Tx表达式为：Tx=βNΣi=1Nwi]]>其中，wi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。