专利名称：一种环形排布字符图像分割方法
技术领域：
本发明涉及一种环形排布字符图像分割方法，用于环形排布字符图像中的字符识另IJ，属于光学字符识别技术领域。
背景技术：
光学字符识别技术是指电子设备对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。光学字符识别技术早在七十年代就已经有人开始研究，发展了几十年后，目前技术相对比较成熟，字符识别率比较高。现有字符识别系统的使用环境都比较理想，如白底黒字，图像像素对比度高，且字符均呈现水平或竖直排列，字符排布比较规整，易于进行字符分割。而对于环形排布的字符图像，由于难以对图像进行准确有效的分割，使用现有字符识别方法无法得到满意的识别效果。以金属表盘上的环形排布钢印字符为例，由于金属材质的反光性等因素，钢印字符图像的清晰度很低，而且表盘字符排布并不是水平排列，而是呈现环形排布，怎样进行准确的字符分割是ー个难题，现有的光学字符识别系统都难以解决。定位字符所在位置，要用到椭圆检测方法，而以往的椭圆检测方法只能拟合单个椭圆，环形表盘存在同心椭圆问题，直接使用单个椭圆拟合方法，会出现拟合出的多椭圆并不完全同心，导致后续的几何变换和字符分割产生误差。
发明内容
本发明所要解决的技术问题在于克服现有技术无法对环形排布字符图像进行准 确分割的不足，提供一种环形排布字符图像分割方法，可实现环形排布字符图像的准确分害わ从而提高环形排布字符图像的字符识别准确率。本发明的环形排布字符图像分割方法，用于环形排布字符图像中的字符识别，包括以下步骤
步骤A、提取环形排布字符图像的边缘特征点，得到所述环形排布字符区域的内、外轮
廓；
步骤B、利用以下方法对表征环形排布字符区域内、外轮廓的ー对同心椭圆进行检测 步骤BI、利用以下方法对所述同心椭圆的中心点进行检测
步骤B101、在同心椭圆中心点可能存在的图像区域内取一点执行以下操作从该点处引出两条射线，如两条射线与环形排布字符区域内轮廓的交点间的连线，和两条射线与环形排布字符区域外轮廓的交点间的连线平行，则对该点所在位置投票加I ;再从该点出发旋转ー个预设角度引出两条射线，执行同样的操作进行投票，所述预设角度小于等于90° ;依此处理直至射线旋转完360°，则该点的投票结束；
步骤B102、遍历执行同心椭圆中心点可能存在的图像区域内所有点的投票后，得到一个ニ维投票值数组；选择投票值最大的点作为同心椭圆的中心点，则该点对应的横、纵坐标即为椭圆中心点的横、纵坐标；步骤B2、利用以下方法检测所述同心椭圆的偏角
步骤B201、取过所述同心椭圆的中心点的一条直线，对环形排布字符区域的内轮廓/外轮廓上的所有点求关于该直线的对称点，有一个对称点在环形排布字符区域的内轮廓/外轮廓上就对该直线投一票；
步骤B202、将该直线旋转ー预设角度并重复步骤B201，直至旋转完360°，得到一个ー维投票数组；
步骤B203、选择投票值最大的直线所对应的角度，该角度即为所述同心椭圆的长轴方
向；
步骤B3、利用以下方法检测所述同心椭圆的參数比值及其他參数值
步骤B301、过所述同心椭圆的中心点引两条射线，如果在其中一条射线上，中心点到内轮廓上的焦点与到外轮廓上焦点的比值和在另一条射线上的比值相等，则为该比值投ー票；
步骤B302、选择投票值最大比值即为两个椭圆參数的比值；
步骤B303、根据椭圆第一定义椭圆上的任意点到该椭圆轮廓两个焦点的距离和为两倍的长半轴长，对其中一个椭圆的长半轴和焦距进行投票；
步骤B304、选择票数最大值作为最終的焦距和长半轴长，井根据椭圆性质求得短半轴长度；
步骤B305、由步骤B302所得的比值，求得另ー个椭圆的所有參数；
步骤C、通过仿射变换将两同心椭圆之间的环形图像区域拉伸为矩形区域，并进行ニ值化处理，得到含有字符串的矩形图像；
步骤D、定位所述矩形图像中字符串的首字符位置，然后对矩形图像进行平移变换，得到以首字符为起始的新矩形图像；
步骤E、对步骤D中得到的新矩形图像进行字符分割。优选地,所述步骤D具体包括
步骤D1、过滤掉所述矩形图像中的噪声信息；
步骤D2、对步骤Dl中得到的图像进行膨胀处理，使其近邻的所有字符连成一体；
步骤D3、通过直方图投影寻找最大连通域，最大连通域的起始位置即为首字符开始
处；
步骤D4、将原先的含有字符串的矩形图像平移变换为以首字符所在位置为起始处的新矩形图像。优选地，所述对步骤D中得到的新矩形图像进行字符分割，具体按照以下方法分别计算步骤D中得到的新矩形图像的単行统计和与单列统计和，根据预定义阈值确定图像的有效区域；重新计算该有效区域的单列和与组列和，在预定义字符宽度阈值内根据单列和与组列和的极小值位置确定最佳分隔点，从而完成所述环形排布字符图像的分割。优选地，步骤A中所述环形排布字符图像是采用双边滤波算法对源图像进行滤波处理后得到。优选地，步骤A中采用Canny算子提取环形排布字符图像的边缘特征点。根据本发明的图像分割方法，可得到ー种金属表盘环形排布钢印字符识别方法及系统，分别如下ー种金属表盘环形排布钢印字符识别方法，包括以下步骤
步骤I、采集所述金属表盘图像；
步骤2、通过基于有效像素域的统计学方法获取金属表盘图像中环形排布钢印字符区域图像；
步骤3、利用上述任ー图像分割方法对所述环形排布钢印字符区域图像进行分割； 步骤4、对分割后的图像进行字符识别。进ー步地，步骤4中所述字符识别利用神经网络实现。ー种金属表盘环形排布钢印字符识别系统，包括
图像采集模块，用于对金属表盘图像进行实时采集；
图像预处理模块，用于从图像采集模块采集的图像中获取金属表盘图像中环形排布钢印字符区域图像；
图像分割模块，接收图像预处理模块输出的图像，并利用上述任ー图像分割方法对其进行图像分割；
字符识别模块，对图像分割模块输出的分割后图像进行字符识别。本发明采用独创的同心椭圆检测定位算法对表征环形排布字符区域内外轮廓的ー对同心椭圆进行检测，通过仿射变换将位于两同心椭圆之间的环形图像区域映射到矩形区域，并进行字符定位与分割，可实现环形排布字符图像的准确分割；本发明进一步通过神经网络对分割后图像进行字符识别。相比现有技术，本发明具有字符识别准确率高，识别速度快的优点，可用以解决所有类似表盘钢印的环形排布字符的识别问题。
图I为本发明金属表盘环形排布钢印字符识别系统的结构框 图2为本发明金属表盘环形排布钢印字符识别方法的流程示意 图3为同心椭圆中心检测的原理示意 图4为同心椭圆偏角检测的原理示意 图5为同心椭圆焦距和长轴长检测的原理示意图。
具体实施例方式下面结合附图对本发明的技术方案进行详细说明
本发明的金属表盘环形排布钢印字符识别系统，如图I所示，包括
图像采集模块，用于对金属表盘图像进行实时采集；
图像预处理模块，用于从图像采集模块采集的图像中获取金属表盘图像中环形排布钢印字符区域图像；
图像分割模块，接收图像预处理模块输出的图像，并对其进行图像分割；
字符识别模块，对图像分割模块输出的分割后图像进行字符识别。下面结合该系统的工作过程来对本发明的金属表盘环形排布钢印字符识别方法进行详细描述。该方法流程如图2所示，具体按照以下步骤
步骤I、采集所述金属表盘图像；
利用摄像机等图像采集设备采集金属表盘图像并将其作为后续处理的源图像传输至图像预处理模块。步骤2、通过基于有效像素域的统计学方法获取金属表盘图像中环形排布钢印字符区域图像；
源图像中仅有字符区域图像是我们感兴趣的部分，而其他部分并不需要，因此本发明在图像预处理模块中，通过基于有效像素域的统计学方法获取金属表盘图像中环形排布钢印字符区域图像，并将获取到的环形排布钢印字符区域图像传输至图像分割模块。步骤3、对所述环形排布钢印字符区域图像进行分割；
对图像的分割是本发明的核心所在，为了能够对环形排布字符图像进行准确分割，本发明采用独创的同心椭圆检测定位算法对表征环形排布字符区域内外轮廓的ー对同心椭圆进行检测，通过仿射变换将位于两同心椭圆之间的环形图像区域映射到矩形区域，并进行字符定位与分割。具体而言，本步骤具体包括
步骤A、提取环形排布字符图像的边缘特征点，得到所述环形排布字符区域的内、外轮
廓；
本具体实施方式
中，首先采用边缘信息不会丢失的双边滤波法对图像进行滤波平滑处理，当然，如果采集到的源图像质量较高，则不需要滤波过程。然后利用边缘检测算法提取环形排布字符图像的边缘特征点，得到所述环形排布字符区域的内、外轮廓本具体实施方式
中采用Canny算子提取轮廓边缘特征，并使用链表保存每ー个轮廓上的边缘特征点。步骤B、同心椭圆的检测；本发明采用独创的基于几何性质的Hough算法对表征环形排布字符区域内、外轮廓的ー对同心椭圆进行检测；具体如下
步骤BI、利用以下方法对所述同心椭圆的中心点进行检测
步骤B101、在同心椭圆中心点可能存在的图像区域内取一点执行以下操作从该点处引出两条射线，如两条射线与环形排布字符区域内轮廓的交点间的连线，和两条射线与环形排布字符区域外轮廓的交点间的连线平行，则对该点所在位置投票加I ;再从该点出发旋转ー个预设角度引出两条射线，执行同样的操作进行投票，所述预设角度小于等于90° ;依此处理直至射线旋转完360°，则该点的投票结束；
步骤B102、遍历执行同心椭圆中心点可能存在的图像区域内所有点的投票后，得到一个ニ维投票值数组；选择投票值最大的点作为同心椭圆的中心点，则该点对应的横、纵坐标即为椭圆中心点的横、纵坐标。通过几何证明可以得知，当两椭圆同心同向时，若分别位于两个椭圆上的弦平行，则弦端点的连线必交于椭圆中心点。利用此性质进行ニ维Hough变换累加投票，可以得出最大峰值点即为椭圆圆心。其原理如图3所示，具体方法为在椭圆中心点可能存在的图像区域A内，依次假设A内每个点为中心点0，从O点处引出两条射线与同心的内、外两椭圆轮廓相交于点B、D和C、E，若BD与CE平行，则对该o点所在位置投票加I。再从o点出引出两条射线，每条射线与与前一次的射线夹角相差10°，执行同样的操作进行投票，以此处理直到射线旋转完360°，则该O点的投票结束。遍历执行所有假设中心点的投票后，得到一个ニ维投票值数组，选择投票值最大的点作为候选圆心，则该点对应的横、纵坐标即为椭圆中心的横、纵坐标。步骤B2、利用以下方法检测所述同心椭圆的偏角
步骤B201、取过所述同心椭圆的中心点的一条直线，对环形排布字符区域的内轮廓/外轮廓上的所有点求关于该直线的对称点，有一个对称点在环形排布字符区域的内轮廓/外轮廓上就对该直线投一票，如图4，Pl和P2关于直线LO对称；
步骤B202、将该直线旋转一个预设角度并重复步骤B201，直至旋转完360°，得到ー个ー维投票数组；
步骤B203、选择投票值最大的直线所对应的角度，该角度即为所述同心椭圆的长轴方
向；
具体方法为假设LO与X轴的夹角为0，投票空间为
，0初值为0°，对椭圆 上的所有点求关于LO的对称点，有一个对称点在椭圆上就对该0值投一票。e角从0°到180°遍历整个投票空间，毎次递增0. 5°,最后得到一个ー维投票数组，选择投票值最大的两个点，这两个点对应的角度值即为椭圆长轴方向。步骤B3、利用以下方法检测所述同心椭圆的參数比值及其他參数值
步骤B301、过步骤BI中找到的中心点0引两条射线，分别交内轮廓于点P1、P2，交外轮廓于点Ql、Q2，如果OPl的长度和0P2的长度的比值与OQl的长度和0Q2的长度的比值相等，则为该比值投一票；
步骤B302、选择投票值最大比值即为两个椭圆參数的比值；
步骤B303、在内轮廓/外轮廓上随机取两点PI、P2，如图5所示，由椭圆第一定义这两个点中任意点到该椭圆轮廓两个焦点的距离和为长轴长，即\PFi\+\PF^2a0由此性质可以用ー维Hough变换累加，即可得出焦距大小，继而亦可算出长
轴长。在步骤B2求得的角度方向过中心点的直线上取两点作为焦点FI、F2，则连接Pl和Fl, Pl和F2，P2和Fl, P2和F2，如果PlFl的长度与P1F2的长度和与P2F1的长度与P2F2的长度和相等，则对于该长度和Fl到中心点的距离(即焦距)投一票；
步骤B304、选择票数最大值作为最終的焦距和长半轴长。根据椭圆性质，短半轴长度可由焦距和长半轴求出；
具体方法为先用步骤BI和B2中得到的中心与偏角将原椭圆变换为以(0，0)点为椭圆中心、X轴为椭圆长轴方向的标准椭圆。焦距c的取值范围为(0，a)。(I)假设c取定某ー值，则左右焦点F1、F2坐标为为(-C，0)、(C，0)，b是椭圆短轴长度的一半，b的值可通过椭圆轮廓与I轴的交点到原点的距离求出，而a可由b2+c2的平方根求出。从椭圆某一点P开始，如果PF1、PF2之和等于2a，则该c值投票加1，从P点开始遍历椭圆上所有点，对该c值投票；(2)在c的取值范围内，遍历所有的c值，重复执行(I)的投票操作，最后得到ー个ー维投票数组，选择投票值最大点即为焦距c的大小，继而长轴长度2a也能求出来。步骤B305、由步骤B302求得的比值I求得另ー个椭圆的所有參数；
椭圆上的每个点到两焦点的距离之和相等，此距离和为椭圆的长轴长，即为2a。由此性质可以用ー维Hough变换累加，即可得出焦距大小，继而亦可算出长轴长。其原理如图5所示，具体方法为先用步骤BI和B2中得到的中心与偏角将原椭圆变换为以(0，0)点为椭圆中心、X轴为椭圆长轴方向的标准椭圆。焦距c的取值范围为(0，a)。(I)假设c取定某ー值，则左右焦点C1、C2坐标为为(-C，0)、(C，0)，b是椭圆短轴长度的一半，b的值可通过椭圆轮廓与I轴的交点到原点的距离求出，而a可由b2+c2的平方根求出。从椭圆某一点N开始，如果NC1、NC2之和等于2a，则该c值投票加1，从N点开始遍历椭圆上所有点，对该c值投票；(2)在c的取值范围内，遍历所有的c值，重复执行(I)的投票操作，最后得到ー个ー维投票数组，选择投票值最大点即为焦距C的大小，继而长轴长度2a也能求出来。步骤C、通过仿射变换将两同心椭圆之间的环形图像区域拉伸为矩形区域，并进行ニ值化处理，得到含有字符串的矩形图像；根据步骤B所得到的金属表盘内外两个同心椭圆的椭圆參数，对两椭圆轮廓之间的环形图像区域像素进行仿射变换先通过环形区域点到矩形区域点的对应关系计算出仿射变换矩阵，然后用仿射变换矩阵将源图像中两椭圆环形区域图像映射成含有字符区域的矩形图像，由于椭圆环区域图像被拉直了，椭圆环上环形排布的字符串也被拉直为水平排列；然后采用自适应阈值ニ值算法对该矩形图像进行ニ值化处理，得到ニ值化图像 ，ニ值化图像更利于字符分割与识别。步骤D、定位所述矩形图像中字符串的首字符位置，然后对矩形图像进行平移变换，得到以首字符为起始的新矩形图像。步骤C所得到的图像是含有字符串的矩形图像，字符串的起始位置以随机概率分布在矩形长的任意位置上。本具体实施方式
中采用连通域分析法进行首字符定位，然后对图像进行平移变换，输出以首字符为起始的新矩形图像；本步骤具体包括以下步骤
步骤D1、过滤掉所述矩形图像中的噪声信息；
步骤D2、对步骤Dl中得到的图像进行膨胀处理，使其近邻的所有字符连成一体；
步骤D3、通过直方图投影寻找最大连通域，最大连通域的起始位置即为首字符开始
处；
步骤D4、将原先的含有字符串的矩形图像平移变换为以首字符所在位置为起始处的新矩形图像。步骤E、对步骤D中得到的新矩形图像进行字符分割；由于此时环形排布字符图像已转换为常规的矩形图像，因此可以采用现有的各种方法对其进行字符分割及字符识别；本具体实施方式
中具体按照以下方法进行字符分割
步骤E1、对于步骤D所得到的以首字符为起始的图像矩阵，计算水平灰度直方图，根据预定义阈值去除上下两端不符合要求的区域，保留中部范围最大有效域；
步骤E2、计算垂直灰度直方图，去除从左侧始连续不满足预定义阈值区域；
步骤E3、根据垂直灰度直方图A，计算得到对A进行滤波的新直方图B，方法及步骤如
下
步骤E301、根据预定义宽度值WIDTH，从A起始位置计算连续WIDTH宽度的数值和SUM，将SUM保存至B中；
步骤E302、将A起始位置后移一位，重复步骤E301过程，并将SUM顺序保存至B中； 步骤E303、直至A中所有数据均參与计算，结束。步骤E4、在预定义字符宽度范围内，通过A与B的极小值位置关系确定最佳分隔点当A、B极小位置差满足预定阈值时，取其平均位置作为最佳分隔点；当A、B极小位置差超过预定阈值时，先以A极小值位置作为最佳分隔点，再以B极小值位置作为最佳分隔点，这两个分隔点的优劣将在接下来的字符识别部分中指出，由此得到初歩分割的图像矩阵C。步骤E5、对图像矩阵C进行上下左右无效数据的去除和最大有效区域的提取；方法及步骤如下
步骤E501、计算C的水平灰度直方图，据此得到满足预定义阈值的无效区域D和有效区域E，其中D、E可能分别包含多个连续子区域；步骤E502、如果D中存在这样的子区域F :它临近图像的上边缘或者下边缘，则以F为分割线，如果F临近上边缘，就将F及其以上数据全部去除，如果F临近下边缘，则将F及其以下数据全部去除。将经过本步骤处理后的D与E进行合并，得到新的有效区域E ;
步骤E503、如果E中存在这样的连续子区域G :它约在图像的中部位置，并且在E中具有最大高度值，这个高度值满足预定义阈值，则G作为待识别图像；
步骤E504、计算G的垂直灰度直方图，类似于上述水平灰度直方图的处理方法对G进行再处理，得到待识别图像H ;
步骤E505、统计H中数据点个数I，并将H边缘化后统计边缘点个数J，在I、J均达到预定义阈值的情况下，将图像規格化为固定宽高的ニ值图像K。步骤4、对分割后的图像进行字符识别。
通过步骤Iー步骤3的处理，环形分布字符图像已转换为单字符矩形图像，下面进行字符识别。本具体实施方式
中采用以下方法将步骤3中得到的ニ值图像K按行展开，送入神经网络识别器进行字符识别，神经网络具有两个输出，ー个是识别输出值L，一个是识别结果分类M，根据L是否满足预定义阈值确定待识别字符图像K是否符合要求，如果符合要求，则存储M并准备接收下一幅图像数据。如果不符合要求，则调节预定义字符宽度范围后转入步骤3重新进行图像分割。整个图像处理完毕后，若结果满足字符串先验规则定义，则输出识别结果，否则回到开始的图像采集步骤重新开始。本方法的特点是将整个ニ值图像作为源输入到神经网络分类器，并且根据神经网络的输出值反馈所输入的ニ值图像是否符合要求，在符合要求和不符合要求两种情况下，分别作了不同的后续处理。本发明方法的时间、空间复杂度小，在外界环境条件适宜的情况下能做到I秒内识别2-3次，识别速度快，正确率可达到99%以上。可将该方法应用于エ业检测领域，通过传送带进行自动化流水作业，大大减轻操作人员的工作強度，极大地提高工作效率。
权利要求
1.一种环形排布字符图像分割方法，用于环形排布字符图像中的字符识别，其特征在于，包括以下步骤 步骤A、提取环形排布字符图像的边缘特征点，得到所述环形排布字符区域的内、外轮廓； 步骤B、利用以下方法对表征环形排布字符区域内、外轮廓的ー对同心椭圆进行检测 步骤BI、利用以下方法对所述同心椭圆的中心点进行检测 步骤B101、在同心椭圆中心点可能存在的图像区域内取一点执行以下操作从该点处引出两条射线，如两条射线与环形排布字符区域内轮廓的交点间的连线，和两条射线与环形排布字符区域外轮廓的交点间的连线平行，则对该点所在位置投票加I ;再从该点出发旋转ー个预设角度引出两条射线，执行同样的操作进行投票，所述预设角度小于等于90° ;依此处理直至射线旋转完360°，则该点的投票结束； 步骤B102、遍历执行同心椭圆中心点可能存在的图像区域内所有点的投票后，得到一个ニ维投票值数组；选择投票值最大的点作为同心椭圆的中心点，则该点对应的横、纵坐标即为椭圆中心点的横、纵坐标； 步骤B2、利用以下方法检测所述同心椭圆的偏角 步骤B201、取过所述同心椭圆的中心点的一条直线，对环形排布字符区域的内轮廓/外轮廓上的所有点求关于该直线的对称点，有一个对称点在环形排布字符区域的内轮廓/外轮廓上就对该直线投一票； 步骤B202、将该直线旋转ー预设角度并重复步骤B201，直至旋转完360°，得到一个ー维投票数组； 步骤B203、选择投票值最大的直线所对应的角度，该角度即为所述同心椭圆的长轴方向； 步骤B3、利用以下方法检测所述同心椭圆的參数比值及其他參数值 步骤B301、过所述同心椭圆的中心点引两条射线，如果在其中一条射线上，中心点到内轮廓上的焦点与到外轮廓上焦点的比值和在另一条射线上的比值相等，则为该比值投ー票； 步骤B302、选择投票值最大比值即为两个椭圆參数的比值； 步骤B303、根据椭圆第一定义椭圆上的任意点到该椭圆轮廓两个焦点的距离和为两倍的长半轴长，对其中一个椭圆的长半轴和焦距进行投票； 步骤B304、选择票数最大值作为最終的焦距和长半轴长，井根据椭圆性质求得短半轴长度； 步骤B305、由步骤B302所得的比值，求得另ー个椭圆的所有參数； 步骤C、通过仿射变换将两同心椭圆之间的环形图像区域拉伸为矩形区域，并进行ニ值化处理，得到含有字符串的矩形图像； 步骤D、定位所述矩形图像中字符串的首字符位置，然后对矩形图像进行平移变换，得到以首字符为起始的新矩形图像； 步骤E、对步骤D中得到的新矩形图像进行字符分割。
2.如权利要求I所述环形排布字符图像分割方法，其特征在于，所述步骤D具体包括 步骤D1、过滤掉所述矩形图像中的噪声信息；步骤D2、对步骤Dl中得到的图像进行膨胀处理，使其近邻的所有字符连成一体； 步骤D3、通过直方图投影寻找最大连通域，最大连通域的起始位置即为首字符开始处；步骤D4、将原先的含有字符串的矩形图像平移变换为以首字符所在位置为起始处的新矩形图像。
3.如权利要求I所述环形排布字符图像分割方法，其特征在于，所述对步骤D中得到的新矩形图像进行字符分割，具体按照以下方法分别计算步骤D中得到的新矩形图像的单行统计和与单列统计和，根据预定义阈值确定图像的有效区域；重新计算该有效区域的单列和与组列和，在预定义字符宽度阈值内根据单列和与组列和的极小值位置确定最佳分隔点，从而完成所述环形排布字符图像的分割。
4.如权利要求I所述环形排布字符图像分割方法，其特征在干，步骤A中所述环形排布字符图像是采用双边滤波算法对源图像进行滤波处理后得到。
5.如权利要求I所述环形排布字符图像分割方法，其特征在于，步骤A中采用Canny算子提取环形排布字符图像的边缘特征点。
6.ー种金属表盘环形排布钢印字符识别方法，其特征在于，包括以下步骤 步骤I、采集所述金属表盘图像； 步骤2、通过基于有效像素域的统计学方法获取金属表盘图像中环形排布钢印字符区域图像； 步骤3、利用权利要求I一5任ー项所述图像分割方法对所述环形排布钢印字符区域图像进行分割； 步骤4、对分割后的图像进行字符识别。
7.如权利要求6所述金属表盘环形排布钢印字符识别方法，其特征在于，步骤4中所述字符识别利用神经网络实现。
8.ー种金属表盘环形排布钢印字符识别系统，其特征在于，包括 图像采集模块，用于对金属表盘图像进行实时采集； 图像预处理模块，用于从图像采集模块采集的图像中获取金属表盘图像中环形排布钢印字符区域图像； 图像分割模块，接收图像预处理模块输出的图像，并利用权利要求I一5任ー项所述图像分割方法对其进行图像分割； 字符识别模块，对图像分割模块输出的分割后图像进行字符识别。
全文摘要
本发明公开了一种环形排布字符图像分割方法，用于环形排布字符图像中的字符识别。本发明采用独创的同心椭圆检测定位算法对表征环形排布字符区域内外轮廓的一对同心椭圆进行检测，通过仿射变换将位于两同心椭圆之间的环形图像区域映射到矩形区域，并进行字符定位与分割，可实现环形排布字符图像的准确分割。本发明还公开了一种金属表盘环形排布钢印字符识别方法及系统。相比现有技术，本发明具有字符识别准确率高，识别速度快的优点，可用以解决所有类似表盘钢印的环形排布字符的识别问题。
文档编号G06K9/46GK102646193SQ20121007892
公开日2012年8月22日 申请日期2012年3月23日 优先权日2012年3月23日
发明者刘惠义, 刘颜君, 周斌, 曾晓勤, 裴沛, 黄利宏 申请人:河海大学