目錄：

機(jī)器視覺（一）：概述

機(jī)器視覺（二）：機(jī)器視覺硬件技術(shù)

機(jī)器視覺（三）：攝像機(jī)標(biāo)定技術(shù)

機(jī)器視覺（四）：空域圖像增強(qiáng)

機(jī)器視覺（五）：機(jī)器視覺與世界杯

機(jī)器視覺（六）：頻域圖像增強(qiáng)

機(jī)器視覺（七）：圖像分割

機(jī)器視覺（八）：圖像特征提取

機(jī)器視覺（九）：圖像配準(zhǔn)

機(jī)器視覺（十）：印刷體字符識別

機(jī)器視覺（十一）：一維條碼識別

機(jī)器視覺（十二）：二維條碼識別

🌏🧐以下為正文🦄🪐

????????模式識別是對圖像或各種物理對象的分類與描述的技術(shù)，在機(jī)器視覺中具有廣泛的應(yīng)用，涉及到圖形、圖像和文字的識別，也涉及到有形物件的測量、分類與描述。

? ? ? ? 本章節(jié)主要介紹印刷體字符識別。

一、印刷體字符識別流程

①掃描輸入文本圖像；

②圖像的預(yù)處理，包括傾斜校正和濾除干擾噪聲等；

③圖像版面的分析和理解；

④圖像的行切分和字切分；

⑤單字圖像特征選擇和提取；

⑥單字圖像特征的模式分類；

⑦將被分類的模式賦予識別結(jié)果；

⑧識別結(jié)果的編輯修改后處理。

?一、字符圖像分割

?1.圖像亮度調(diào)整

????????在亮度過大的情況下，正常度量的閾值分割就會將本應(yīng)保留的區(qū)域?yàn)V除，而亮度過小的情況下，很多噪聲點(diǎn)無法被濾除掉。

2.色彩分割

3.基于離散余弦變換(DCT for Discrete Cosine Transform)的頻域分割

????????離散余弦變換相當(dāng)于一個(gè)長度大概是它兩倍的離散傅里葉變換，這個(gè)離散傅里葉變換是對一個(gè)實(shí)偶函數(shù)進(jìn)行的（因?yàn)橐粋€(gè)實(shí)偶函數(shù)的傅里葉變換仍然是一個(gè)實(shí)偶函數(shù)），在有些變形里面需要將輸入或者輸出的位置移動半個(gè)單位(DCT有8種標(biāo)準(zhǔn)類型，其中4種是常見的)。

????????在字符識別的應(yīng)用中，字符區(qū)域按一定的行列結(jié)構(gòu)分布，在頻域能夠呈現(xiàn)出特殊的能量分布，通常來說，其水平和垂直能量較大，高中頻分量更加豐富，因此可以通過這些頻域分布的特征將其與背景分割開來。

基于DCT的圖像頻域分割流程圖

?4.基于小波變換（wavelet transform，WT）的圖像小波域分割

基于小波變換的圖像小波域分割流程圖

二、字符區(qū)域校正與切分

1.基于哈夫變換的區(qū)域矯正

基于Hough變換的區(qū)域校正（在圖像的多層分辨率下分級進(jìn)行Hough變換 ）

????????Hough變換主要用于圖像中直線的檢測。圖像中的字符多是橫向成串出現(xiàn)的，因此可以利用Hough變換的方法擬合字符串邊緣，形成字符串邊緣直線，從而求得字符傾角。

2.基于仿射變換的圖像旋轉(zhuǎn)

????????通過仿射變換矩陣，把旋轉(zhuǎn)后的圖像坐標(biāo)仿射回原圖像點(diǎn)，并通過一定的方法計(jì)算出該點(diǎn)在原圖像上的灰度值，作為旋轉(zhuǎn)后圖像該點(diǎn)的灰度值。

? ? ??

3.字符圖像縮放

????????有些字符識別方法，需要將圖像大小指定在某一個(gè)標(biāo)準(zhǔn)上這就需要在識別前對該字符圖像區(qū)域大小進(jìn)行歸一化。歸一化一般采用灰度插值的方法。最簡單的插值方法是最鄰近插值，即令輸出像素的灰度值等于離它所映射位置最近的輸入像素灰度值。但這種插值方法會使輸出圖像摻入鋸齒噪聲。

4.粘連字符切分

????????一串字符在結(jié)構(gòu)和形態(tài)上存在如下特征：單個(gè)字符長寬比例一致；多個(gè)數(shù)字和英文字符輪廓存在凹凸結(jié)構(gòu)；多數(shù)情況下字符不會出現(xiàn)重疊交叉。根據(jù)這些特點(diǎn)，可以檢測字符串凹凸結(jié)構(gòu)，并結(jié)合字符長寬比來分割單個(gè)字符 。

總結(jié)

以上是生活随笔為你收集整理的机器视觉（十）：印刷体字符识别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。