為了減輕地磅檢測過程中檢測人員的工作量，提高檢測質量，本文提出了一 種基于液晶屏的數據識別采集方法，該方法首先讀入衡器上含有液晶屏數字的圖像，在手動 標注出數字區域的基礎上，通過中值濾波、二值化、形態學閉運算、數字分割、數字圖像歸 一化等處理，得到待識別的單個數字圖像，然后提取數字圖像的水平方向和垂直方向的直方 圖作為特征，最后用K最近鄰算法識別出各個數字。實驗結果表明，該方法能夠正確識別出 衡器液晶屏中的數字。

引言

作為計算機科學的重要研究方向之一，機器 視覺正處于一個飛速發展的時期，在很多行業都 得到了成功的應用。目前，機器視覺在數字或符 號識別[1]方面的應用主要有車牌識別、手寫數字 識別等。隨著數字圖像處理相關算法的不斷改進 和優化，識別的準確率不斷得到提高。

在工業生產中，液晶屏作為人機交互的輸出 方式被大量應用。例如在衡器檢測中，需要在多 種環境中檢測衡器的液晶屏讀數是否準確，檢驗 人員疲于重復性的記錄讀數，在此過程中容易產生疏忽，影響檢測質量。針對類似應用的特點， 設計一種液晶屏數字自動識別采集方法具有重要 的實用價值。

2.基于液晶屏數字識別采集方法

為了實現液晶屏數字自動識別功能，本文提 出了一種液晶屏數字識別方法，該方法首先讀入 含有液晶屏數字的圖像，在手動標注出圖像中含 有的數字區域的基礎上，通過中值濾波、二值化、 形態學閉運算、輪廓提取、字符圖像歸一化等處 理，得到分割出的待識別的單個數字圖像，然后 通過提取數字圖像的水平方向和垂直方向的直方圖作為數字的特征，最后用K最近鄰算法識別出 各個數字。整個算法的流程如圖1所示。

2.1圖像讀取與預處理 1讀取工業相機拍攝到的含有液晶屏的圖 像，若為彩色圖像，則按照公式d轉化成灰度

圖,grey。

Igray=0.299Ir+0.587Ig+0.114Ib 1

其中：Ir——彩色圖像的紅色分量；

Ig—彩色圖像的綠色分量；

Ib——彩色圖像的藍色分量。

2通過鼠標選取含有多個待識別數字的圖像 區域，作為感興趣區域ROI (Region Of Interest。

3圖像濾波。對ROI圖像按照公式2進 行中值濾波處理，去除圖像噪聲。

g (x,}) =med{f(x- k,y-1 , (k,/ ^ W } 2

其中：/(x，；y——原始圖像；

g(c,y)——中值濾波后圖像；

W——二維模板，本文取3x3的區域。 4圖像二值化。對中值濾波后的圖像進行二 值化處理，本文采用的二值化方法為最大類間方 差法。設T為前景圖像與背景圖像的閾值，圖像 的平均灰度值為u,前景圖像的平均灰度值為u。,

前景圖像像素數與圖像全部像素數的比值為_, 背景圖像的平均灰度值為^,背景圖像像素數與 圖像全部像素數的比值為Wl,前景圖像與背景圖 像的方差為g,則

u=u0w0+u1w1 3

g= (u0- u) 2W0+ (u1- u) 2W1 4

由公式(3)和公式(4可得

g= (u0- u) 2W0W g

當g取最大值時，前景和背景的差異也最大， 此時的閾值T即為二值化圖像的最佳閾值。

2.2數字分割 1形態學閉運算

考慮到七段碼方式顯示的數字，同一個數字 可能由多個不同的輪廓區域組成，如圖2所示的 數字7,由3部分組成，為使得同一個數字的不同 區域在輪廓檢測時能作為一個輪廓檢測出來，本 文對二值化后的圖像按照公式@進行形態學閉 運算，其中十表示膨脹運算，一表示腐蝕運算， 結構元素s取為1x 7的列向量，結構元素的原點 取中心點。

2數字分割與歸一化

遍歷圖像，找出形態學閉運算后的圖像中的 所有輪廓區域[89],并去除面積小于9的輪廓區域。 然后根據剩余的每個輪廓的最左、最右、最上和 最下像素點的位置，求取對應輪廓的最小外接矩 形，并歸一化成大小為32x 16的標準圖像，作為 待識別的單個數字圖像。

2.3特征提取與識別

分別計算每個歸一化后的待識別二值字符圖 像的垂直方向和水平方向的直方圖，得到大小為 1x48的圖像特征向量，作為待識別字符圖像的特 征。

對需要識別的各類衡器，按照上述方法提取 其液晶屏的0-9個數字特征，并標記好數字類別， 作為識別數字庫。

對于每個待識別的數字圖像，計算其特征向 量U與數字庫中每個數字的特征向量X的相似度， 即按照公式G計算兩個向量的距離D。則距離 最小的D所對應的x即為與u最相似的特征向量， 其所對應的數字即為u所對應的數字。

D (x,U =姨豆 f=i (x - u)~ 7

3.實驗結果與分析

按照本文的方法，對如圖3所示的衡器液晶 數字進行識別，圖像處理過程中的結果如圖4所 示，其中Q為鼠標選擇的待識別數字ROI區域， (b)為中值濾波后的數字圖像區域，為二值化處 理后的數字圖像區域，（d為形態學閉運算后的數 字圖像區域，（e>為提取的數字輪廓區域，o為求取 的各數字的最小外接矩形。分割并歸一化之后的5 個數字如圖5所示，最終，該方法能夠正確識別 出數字15441。

4.結論

本文提出了一種衡器檢測中基于液晶屏數字 識別米集方法，該方法在手動選擇待識別數字區

域圖像的基礎上，首先通過圖像濾波、二值化等 操作對圖像進行預處理；然后通過形態學閉運算、 輪廓提取與小輪廓去除、計算最小外接矩形等操 作進行數字分割；最后，在歸一化處理的基礎上， 提取單個數字圖像的水平方向和垂直方向的直方 圖作為數字的特征，用K最近鄰算法識別出各個 數字。實驗結果表明，該方法能夠正確識別出衡 器液晶屏中的數字。