徐陽

摘 要 隨著我國智能制造的迅速發(fā)展，信息技術(shù)和制造業(yè)的覆蓋面越來越廣泛，本文針對智能穿戴中表帶字符識別，提出了利用OpenCV和Tesseract-OCR（Google開源光學文字識別引擎）的方法。經(jīng)過一系列圖像預處理、圖像降噪、定位等操作，再通過Pyteseract模塊的處理，達到了快速、準確的文字識別目的。

關(guān)鍵詞 OpenCV 字符識別 Tesseract-OCR技術(shù)

中圖分類號：TP3 文獻標識碼：A 文章編號：1007-0745（2022）05-0016-03

1 研究背景及理論基礎

當下智能穿戴在人群中非常流行，專屬化以及個性化的服務讓人們有著滿滿的時尚感、科技感。人們在追求高品質(zhì)生活的同時，對穿戴樣式及美觀需求更高，作為可更換的配件手表表帶，除了對材質(zhì)要求外，對圖案樣貌以及一些專屬字符等也有需求。在生產(chǎn)車間里，用傳統(tǒng)方式面對字符檢測，耗時、耗力、效率低。所以為了更加簡潔快速地識別表帶字符，剔除劣質(zhì)品，快速找到合格品[1]，本文著重研究基于OpenCV和Tesseract-OCR的表帶字符識別算法的實現(xiàn)。

OpenCV創(chuàng)建之初，是為了提供來源優(yōu)化過的基礎代碼，可以實現(xiàn)許多圖像處理的基礎算法，具有更強的可讀性、移植性且免費，支持C++，Python等語言。二十世紀八十年代初開發(fā)的一個開源OCR引擎在測試中精準度很高，經(jīng)過不斷地改進后，結(jié)合Python語言逐漸發(fā)展為Pytesseract的模塊。它支持PIL庫中各式各樣的圖片文件，也可以靈活地處理OpenCV圖像，和Numpy數(shù)組相互轉(zhuǎn)化，同時為了提高圖像轉(zhuǎn)對文本的處理能力，可以訓練自己的庫[2-3]。

2 表帶字符識別流程

本文將采集到的表帶圖像進行預處理，包括圖像灰度化、二值化，再進行定位，包括尋找字符輪廓、繪制輪廓等操作，將所需檢測部分進行截取，最后OCR字符識別輸出結(jié)果。

1.獲取圖像。

2.預處理。

3.字符定位。

4.字符圖像提取。

5.OCR字符識別。

3 表帶圖像預處理

3.1 圖像顏色空間轉(zhuǎn)換

在顏色空間轉(zhuǎn)換中，灰度圖像經(jīng)過轉(zhuǎn)換后，彩色圖像中的所有通道都相同，其中CV_8U類型圖像范圍在0到255之間，CV_16U類型圖像范圍在0到6535之間，CV_32F類型圖像范圍在0到1之間。與之相反，彩色圖像轉(zhuǎn)換為灰色圖像，就要使用加權(quán)公式，如下：

Y=（0.299）R+（0.587）G+（0.114）B

其中，R代表彩色圖像中紅色部分（Red）的像素值，G代表彩色圖像中綠色部分（Green）的像素值，B則代表彩色圖像中藍色部分（Blue）的像素值，加權(quán)的最終結(jié)果Y代表灰度的像素值。

gray=cv.cvtColor（dst，cv.COLOR_BGR2GRAY）

其中g(shù)ray代表處理之后圖像，COLOR_BGR2GRAY代表BGR格式圖像轉(zhuǎn)化為GRAY格式圖像。以下是得到的灰度圖像（見圖1）：

3.2 高斯濾波降噪

我們經(jīng)常使用的圖像濾波算法包括：中值濾波、均值濾波、高斯濾波。中值濾波特點是計算模板內(nèi)所有像素的中值，然后用計算出來的值分別代替該像素點的灰度值，這種方法能很好地保護邊緣信息，但是花費時間較長。均值濾波的特點是計算模板內(nèi)所有像素的平均值，然后用計算出來的值分別代替該像素點的灰度值，對于目標圖像只能相對減弱噪聲，無法克服邊緣像素信息丟失部分。結(jié)合前兩種方法不同的優(yōu)缺點，本文采用高斯濾波的方法去除噪聲，因為它對圖像鄰域內(nèi)像素進行平滑時，不同位置的鄰域像素有著不同的權(quán)值，能夠更多地保留圖像總體灰度分布特征。一維零均值高斯函數(shù)：

G（x，y）=exp（-）

其中x2和y2分別表示的是鄰域內(nèi)其他像素與鄰域內(nèi)中心像素的距離，σ是標準差。σ值越大，函數(shù)圖形越寬，圖形越平坦，類似于平均模板。

σ值越小，分布越集中，圖形寬度越窄。

dst=cv.GaussianBlur（image，（3，3），0）

表帶圖像經(jīng)過高斯濾波降噪處理后，如圖2所示：

4 表帶字符定位

為了使圖像定位更加準確，首先需要將圖像的輪廓清晰地表現(xiàn)出來，可以選用閾值分割法或者邊緣檢測的方法。

4.1 閾值分割法

簡單的圖像分割方法可以利用閾值來處理，圖像閾值化適用于背景和目標占據(jù)不同灰度級范圍的圖像，因為它計算量小，性能穩(wěn)定，成為最廣泛的圖像分割技術(shù)。我們可以給出一個數(shù)組以及一個閾值，然后根據(jù)每個數(shù)組中的值與閾值進行比對，不管是高了還是低了分別進行相應的處理。給定原始圖像f（x，y），T為閾值，則g（x，y）滿足下式：

使用全局閾值方法進行閾值圖像處理：

ret，binary=cv.threshold（gray，0，255，cv.THRESH_BINARY|cv.THRESH_OTSH）

其中閾值類型THRESH_BINARY中，可以將超過閾值部分取最大值，反之取0。THRESH_OSTH遍歷所有可能的閾值，然后對每個閾值結(jié)果的兩類像素計算方差σi2。OTSU算法計算方差使下列表達式最?。?/p>

σw2≡W1（t）.σ12+W2（t）.σ22

其中的W1（t）和W2（t）是根據(jù)兩種類型像素的數(shù)量計算的權(quán)重，σ12和σ22表示兩類像素的方差。圖3是經(jīng)過全局閾值處理后的表帶圖像：

4.2 邊緣檢測

這些輪廓是通過將滯后閾值應用于像素而形成的，并且采用了兩個閾值。兩個閾值中分為較大的數(shù)值a和較小的數(shù)值b，像素的梯度被計算出后大于a就接受，反之小于b則舍棄，但如果介于a與b之間，那么接受它的方式只有它連接到一個高于閾值的像素時[4-5]。Canny內(nèi)部調(diào)用Sobel算子，不但用了高斯平滑還有微分導數(shù)，來計算該圖像灰度函數(shù)的近似梯度[6]。

xgrad=cv.Sobel（gray，cv_16SC1，1，0）

ygrad=cv.Sobel（gray，cv_16SC1，0，1）

得到x和y方向的梯度后，對圖像進行Canny（xgr-ad，ygrad，50，150）操作后得到圖像（見圖4）：

4.3 兩種定位方法的比較

閾值分割是用于強調(diào)圖像中感興趣的部分的方法，經(jīng)過二值化處理后，顯示出該目標的灰度值，強調(diào)主體本身具有灰度特性，使用閾值分割來表現(xiàn)。與之相似的，邊緣檢測重點在于利用算法表現(xiàn)邊緣的灰度特性，常用于發(fā)現(xiàn)物體的邊緣，特征更加明顯，方便后續(xù)操作[7-8]。

5 表帶字符圖像提取

將表帶中需要提取的部分定位好后，準備進行字符圖像提取，需要尋找輪廓并繪制輪廓：

cv.findContours（binary，cv.RETR_EXTERNAL，cv.CHAIN_APPROX_SIMPLE）

cv.drawContours（image，contours，i，（0，0，255），1）

其中cv.RETR_EXTERNAL表示只檢測最外層的輪廓，cv.CHAIN_APPROX_SIMPLE表示水平、垂直、對角線方向的元素被壓縮，只保留該方向的最終坐標位置。表帶字符的矩形外框只需4個點來保存輪廓信息。執(zhí)行結(jié)束后得到的圖像為（見圖5）：

6 表帶字符識別

6.1 預處理

由于使用Tesseract-OCR有字符識別方面的要求，所以在字符背景和像素方面要進行一些處理。首先進行圖像預處理，去除干擾線與點，防止識別過程中出現(xiàn)錯誤[9]。

開操作是先腐蝕后膨脹的過程，它相當于一個幾何運算的濾波器[10]。

open_out=cv.morphologyEx（binary，cv.MORPH_OPEN，kernel）

作為形態(tài)學中核心的API函數(shù)morphologyEx（），cv.M ORPH_OPEN可以代表開運算，kernel是其中的內(nèi)核，可以通過cv.getStructuringElement（cv.MORPH_RECT，（3，3））返回具有特定形狀和大小的結(jié)構(gòu)元素。得到開操作后的圖像為（見圖6）：

6.2 Tesseract-OCR字符識別

Tesseract是一種開源OCR（光學字符識別），可以識別不同格式的圖像文件并將其轉(zhuǎn)換為文本。首先我們需要下載windows下相應的安裝文件，Pytesseract是由Python封裝，支持PIL圖像或者Numpy圖像，使用Image.fromarray（open_out）函數(shù)實現(xiàn)數(shù)組array到image的轉(zhuǎn)換，使用OCR模塊的API的方法：

text=tess.image_to_string（textImage）

最后以字符串的形式返回結(jié)果（見圖7）：

7 結(jié)語

本文利用一些傳統(tǒng)的Opencv圖像處理方式和目前較為流行的OCR方法，主要是使用Python語言，對表帶識別進行了初步的研究。對于一些簡單的圖像，處理迅速、識別準確。但是關(guān)于如何應對復雜場景下的字符識別、能否進行算法的擴充以達到提高識別準確率的效果，還需要更進一步的分析研究。

參考文獻：

[1] 郝輝，哈里木拉提·買買提，喬薩礎拉，等.字符識別研究現(xiàn)狀和發(fā)展趨勢計量分析[J].現(xiàn)代電子技術(shù)， 2018，41（22）：154.

[2] 阮秋琦，阮宇智.岡薩雷斯數(shù)字圖像處理（第二版）[M].北京：電子工業(yè)出版，2010.

[3] Hongkun Tian，Tianhai Wang，Yadong Liu，Xi Qiao，Yanzhou Li.Computer vision technology in agricultural automation[J].Information Processing in Agriculyure，2020，07（01）：1-19.

[4] 孫汝萍.一種改進的圖像邊緣提取方法[J].科技通報，2018，34（10）：158-161.

[5] RGV Gioi，G Randall.A Sub-Pixel Edge Detector：an Implementation of the Canny/Devernay Algorithm[J].Image Processing on Line，2017，07（01）：347-372.

[6] 趙芳，周旺輝，陳岳濤，等.改進的Canny算子在裂縫檢測中的應用[J].電子測量技術(shù)，2018，41（20）：107-111.

[7] 曾建華，黃時杰.典型圖像邊緣檢測算子的比較與分析[J].河北師范大學學報（自然科學版），2020，44（04）： 295-301.

[8] 張少偉.基于機器視覺的邊緣檢測算法研究與應用[D].上海：上海交通大學，2013.

[9] 沈同平，王元茂.基于灰度形態(tài)學的圖像邊緣特征提取算法研究[J].蘭州紋理學院學報，2018，32（02）：58-61.

[10] 劉曉剛，閆紅方，張榮.基于形態(tài)學多尺度多結(jié)構(gòu)的熔池圖像邊緣檢測[J].熱加工工藝，2019，48（05）：216-219.