王蕊

摘 要：針對傳統(tǒng)板材噴碼人工記錄的問題，提出一種基于圖像處理的噴碼圖像識別方法。在該方法中，首先采用加權平均法對圖像進行灰度化處理，然后采用背景差分法和Otsu對圖像進行定位和分割;利用旋轉投影法和最小二乘擬合法對噴碼圖像進行校正;通過PCA融合方法完成對一維投影特征、外輪廓特征和網格特征的提取;最后通過二叉樹的SVM進行識別分類。通過試驗驗證表明，本文采用的方法可有效識別不同格式的英文字符，且識別正確數明顯高于傳統(tǒng)的SVM方法，具有一定的優(yōu)勢。

關鍵詞：噴碼圖像;英文字符;圖像識別;SVM分類

中圖分類號：TP391.43 文獻標識碼：A 文章編號：1001-5922（2021）05-0076-04

Research on English Character Recognition of Chemical Products Based on Image Processing

Wang Rui

（Xi an Siyuan University，Xi an 710038，China）

Abstract：Aiming at the problem of manual record of traditional plate spray code， an image recognition method based on image processing is proposed. In this method， firstly， the weighted average method is used to gray the image， then the background difference method and Otsu are used to locate and segment the image; the rotation projection method and the least square fitting method are used to correct the spray code image; the PCA fusion method is used to extract the one-dimensional projection features， the contour features and the grid features; finally， recognition and classification are carried out through the SVM of the binary tree. The experimental results show that the proposed method can effectively recognize English characters of different formats， and the correct number of recognition is significantly higher than that of the traditional SVM method ， which has certain advantages.

Key words：inkjet image; English characters; image recognition; SVM classification

為區(qū)別鋼鐵板材信息，部分廠家會在生產的板材表面會通過噴涂的形式噴印上板材的信息，如鋼板號、鋼種、尺寸、制造商、生產批次等，且每一個板材產品對應于唯一的鋼板號。在這其中，包含著大量的英文字符信息。而板材成品從入庫導裝車發(fā)貨過程中，管理員往往會通過手工記錄的方式來記錄本批次板材的噴碼信息，以此區(qū)別不同類別的板材。但這種傳統(tǒng)的人工記錄難免會出錯，進而給板材的管理帶來不便。而伴隨著現代圖像識別技術的發(fā)展，以及圖像識別在物流等領域的應用，給板材噴碼識別提供了新的借鑒思路。而在當前的圖像識別中，對圖像進行特征提取，然后采用神經網絡、SVM等算法對圖像進行識別，是常用的思路。而本文則結合以往研究的思路，嘗試將識別方法應用到板材的噴涂信息識別中，特別是數字字符和英文字符識別，以此為圖像識別在板材管理的運用提供新思路。

1 識別整體思路

參照一般性的字符識別流程，結合板材表面噴印字符、噴碼信息的特點，本文確定了板材表面噴碼字符識別的技術路線，展示如圖1所示。

2 圖像預處理與字符區(qū)域定位

基于色彩空間變換原理對獲取到的噴涂信息圖像進行灰度轉換，然后利用背景差分法來定位板材噴涂圖像，最后利用Otsu法對噴涂圖像的字符區(qū)域進行分割。

2.1 圖像灰度化

灰度化處理采用加權平均法。該方法的基本思路為：首先RGB三分量不同的權值，然后通過求解加權平均來確定灰度值。本研究則采用如下公式進行灰度化計算：

其中，? ?為彩色圖像的三分量，指的是灰度圖像對應點亮度。

2.2 圖像定位

圖像定位采用背景差分法。具體流程為：首先獲取噴碼背景圖像，然后將之與抓拍圖像進行差分運算，由此得到寬厚板表面噴碼圖像。差分運算公式為：

其中，依次是目標圖像、背景圖像，M界定了圖像尺度。

在本噴碼圖像的定位中，由于外部環(huán)境中的光照變化會對背景差分造成擾動，因此采用對背景圖像進行實時更新，以盡量消除光照條件的干擾作用。

2.3 圖像分割

圖像分割采用Otsu法。具體步驟為：首先通過Otsu法確定最佳閥值，保持目標像素不變，并設置背景像素為0，在此基礎上，通過Otsu法再次確定最佳閥值。如此重復迭代，直到滿足迭代停止條件，即在一次迭代過程中，分割前與分割后整體圖像的像素變化率小于類內方差變化率。將所有的Otsu閥值列入閾值數組，利用閥值數組逆序驗證二值化效果。根據閾值二值化圖像后，采取水平垂直法計算出字符區(qū)域的寬高比，如果寬高比符合先驗條件，隨即輸出正確結果;如果寬高比不符先驗條件，則需要提取前一個閾值并據此進行復判;如果提取了所有閾值都不符先驗條件，則根據先驗知識提取閾值，并利用此閾值二值化圖像。流程如圖2所示。

2.4 圖像校正

實踐發(fā)現，板材表面噴印的英文字符缺少直線邊框，因此需要對圖像進行校正。傳統(tǒng)的校正方法中，旋轉投影法的校正容易受旋轉角度的影響，雖控制較小的旋轉角度能夠提高旋轉投影法的精度，但運算較大;最小二乘擬合法的校正精度取決于關鍵點提取量，如果提取出的關鍵點數較少，則無法保證最小二乘擬合法的精度。因此融合以上兩種方法的優(yōu)勢進行校正，具體步驟為：

（1）根據底層坐標點數求解出傾斜角度。首先獲得字符區(qū)域底層目標像素點的坐標，然后將坐標點列入直角坐標系中，通過最小二乘擬合求解出整體圖像的傾斜角度。最小二乘擬合法的基本思路是，針對一組已知的有序數據，采取一條光滑曲線進行擬合，確保目標函數最小化，殘差算式是。建立直線方程，對直線方程中的參量、b求偏導，最終計算出直線斜率的值，如下：

在計算出直線斜率以后，即可根據關系式求解出傾斜角度。

（2）設定閾值t，據此對最小二乘擬合法所用的關鍵點數n進行檢驗。若nt，說明當前的傾斜角度是有效的，隨即跳轉至步驟（5）。

（3）利用基于最小二乘擬合法確定的傾斜角度進行投影校正。若，則向X軸上方旋轉;若，則向X軸下方旋轉。

（4）基于旋轉投影法對傾斜角度進行驗證。

（5）根據驗證后的傾斜角度，對整體圖像執(zhí)行傾斜校正。

2.5 特征提取

在本文中，主要對噴碼圖像的一維投影特征、網格特征和外輪廓特征進行提取。

（1）一維特征提取。對于像素m×n的二值圖，將原點選定在二值圖像的左下角，然后確定該圖像在x軸上的垂直投影以及在y軸上的水平投影，從而提取出圖像的一維投影特征，即：

由垂直投影提取的一維圖像：

由水平投影提取的一維圖像：

（2）網格特征。將字符區(qū)域劃分為多個子區(qū)域，并且計算出不同子區(qū)域內的目標像素點數，這一信息構造了圖像的網格特征。

（3）外輪廓特征。以圖像邊緣為基礎，計算出圖像邊緣與第一個目標像素點之間的像素點數，從而獲悉了字符結構的外輪廓信息，或者稱之為圖像的外輪廓特征。

2.6 基于PCA的特征融合

為更好的獲得完整的噴碼圖像特征，本研究采用PCA的融合方式對主成分特征進行提取，這樣在減少圖像特征維度的同時，降低計算量。

PCA的特征融合是以實現轉換前后的均方誤差最小化作為目標的，具體實現步驟為：

（1）建立噴碼圖像原始特征的協方差矩陣。初始向量x的均值向量是，協方差矩陣是，相關矩陣是。

（2）計算的特征值、特征向量，并且確定特征值序列以及相應的特征向量序列。代入式Y=UX中，即可求解出D個新特征的方差。

（3）界定第i個主成分的“方差貢獻率”和前d個主成分的“累計方差貢獻率”，如果已經足夠大，則提取前d個主成分做好新的特征，即：

在獲得新的特征以后，隨即摒棄后面D-d個特征，由此實現了降維效果。

3 基于二叉樹的SVM多模板識別

SVM主要適用于兩分類問題，但在實際應用中卻存在多類分類問題。因此，本文提出采用基于二叉樹的SVM多模板識別方法。具體步驟為：首先針對板材表面噴印字符格式不同問題，先判定圖像中英文字符、數字字符的格式，然后識別具體字符。具體可分為2個步驟：①利用決策樹模式識別噴印字符的不同格式，從而對字符的模板類型進行分類;②在確定字符模板類型以后，基于多分類SVM進行字符識別，最終確定字符內容。

4 試驗驗證

4.1 噴印格式的識別

基于決策樹進行板材噴印格式的識別，首先明確各類噴印格式的特點，然后提取關鍵特征，包括字符行數、字符區(qū)域的寬高比、校正后的水平投影等。在對板材噴碼圖像進行字符區(qū)域定位和傾斜校正以后，首先進行y方向的水平投影，并獲取波峰數量m，然后利用先驗知識確定字符行數，由此計算出字符區(qū)域的寬高比。考慮到噴印格式不會輕易發(fā)生變化，所以，首先構造不同類型、不同功能的判別函數，然后據此完成分類工作。具體來說，利用寬高比特征建立人工噴印模板的分類函數;利用字符行數n、波峰數量m等信息構建根判別函數;利用y向水平投影特征信息建立機器噴印格式的分類函數。在實操中，首先在根節(jié)點上利用判別函數進行樣本判決，判定噴印樣本屬于右節(jié)點（即機器噴印格式）或者左節(jié)點（即人工噴印格式）。

4.2 英文字符識別結果

以“B”字符識別為例，通過采集不同噴碼圖像中的“B”字符樣本集720組，訓練樣本80組，在經過以上二叉樹的SVM模式識別訓練后，得到表1所示的識別結果。同時為比較識別效果，將該測試樣本與傳統(tǒng)的SVM算法進行比較。

5 結語

根據上述的識別結果看出，在對板材的噴碼進行識別過程中，最為關鍵的是要結合圖像識別思路對圖像一步步進行處理。而在本研究中，采用圖像灰度化處理、圖像定位與分割，以及采用基于PCA的特征融合和二叉樹的SVM識別方法，得到更高準確率的英文字符識別率，由此說明該方法的可行性。

參考文獻

[1]莊家俊，冼文鋒，王前.結合形態(tài)結構和BP神經網絡的盲文字符識別[J].現代計算機，2020（21）：50-53+76.

[2]傅漢東.光學字符識別技術在高校會計核算中的實踐和應用[J].現代經濟信息，2020（12）：64-65+67.

[3]張秀玲，魏其珺，周凱旋，等.基于改進LeNet-5網絡的車牌字符識別[J].沈陽大學學報（自然科學版），2020，32（04）：312-317.

[4]侯嘉璐.模式識別及其在圖像處理中的應用研究[J].計算機產品與流通，2020（10）：42+139.

[5]李亞楠，王海暉，劉黎志.基于PBL模式的數字圖像處理課程教學優(yōu)化探討[J].教育教學論壇，2020（36）：251-253.

[6]曹林根，宓超.集裝箱箱號字符識別算法研究[J/OL].計算機工程與應用：1-11[2020-09-16].

[7]徐亮.復雜光照條件下含拖影儀表字符識別方法[D].武漢：湖北工業(yè)大學，2020.

[8]李朋飛，王熙，丁國超，等.精準播種機粒距檢測系統(tǒng)信號與圖像處理的研究[J].農機化研究，2021，43（06）：20-25.

[9]王正玉.基于數字圖像處理的機房網絡設備安全監(jiān)控技術研究[J].計算機時代，2020（08）：37-41.

[10]陳建國，康海靜，蘭英.基于CPLD芯片控制的視頻圖像處理系統(tǒng)設計[J].計算機測量與控制，2020，28（08）：217-222.