發布日期：2022-04-17 點擊率：78
摘 要： 針對帶有七段碼的數字液晶屏，設計了一種基于安卓手機的液晶屏數字識別系統。通過手機拍照獲取液晶屏圖像，利用安卓本地接口功能調用計算機視覺庫，對圖像進行處理；針對圖像的傾斜問題，通過圖像預處理和霍夫變換取得圖像傾斜角，并進行傾斜矯正；利用直方圖對數字字符進行分割，以網格法提取字符的特征值，用三層BP神經網絡進行液晶屏數字字符的識別。實際檢測結果表明識別率很高，而且識別速度很快，該系統基于安卓手機，使用方便，便于攜帶，可以實時操作。
0 引言
隨著我國信息化建設和現代化進程的加快，自動識別技術已經越來越廣泛地應用在各個工程領域，利用數字圖像識別技術可以有效地加快自動化、智能化進程。液晶屏作為智能化設備的主要標志，其識別已經成為模式識別[1]領域的重要研究課題。帶有七段碼的數字液晶屏，其顯示精度高，易于讀取和設置，在工業領域應用非常廣泛。利用現有的圖像采集技術、圖像處理技術和圖像識別技術，可以實現液晶屏數字的識別，常用的方法有神經網絡和模版匹配，識別的時間、識別精度和系統的便攜性是識別系統的關鍵。
現有的識別系統大都是以計算機為載體，不能實現隨時隨地識別液晶屏的要求。近年以來，智能手機系統尤其是安卓系統[2]，以其開放性、易開發和基于Linux操作系統等優勢，獲得了大量的用戶。安卓系統提供本地接口（JNI）功能，使開發者可以通過接口調用庫文件，不僅可以使用Java語言進行開發，而且可以使用輕量級且高效的C/C++語言編寫。安卓的本地接口功能為實現圖像處理提供了方便。通過調用計算機視覺庫[3]文件，安卓開發人員可以方便進行圖像的處理和圖像的識別。基于此，本文提出基于安卓手機的液晶屏數字識別系統，通過安卓手機拍照，獲取液晶屏圖像，利用圖像處理技術對圖像進行處理，最后采用三層BP神經網絡[4]對圖像進行識別，隨時隨地、快速、準確地識別液晶屏圖像。
1 識別系統流程
圖像識別技術是利用計算機視覺采集物理對象，以圖像數據為基礎，讓機器模仿人類視覺，自動完成某些信息的處理功能，達到人類所具有的對視覺采集圖像進行識別的能力，以代替人去完成圖像分類及識別的任務[5]。圖像模式識別系統通常由五個模塊組成，如圖1所示。
2 圖像預處理及特征提取
由安卓手機拍照成功后得到液晶屏圖像，這里選取拍照條件不是很理想的情況下獲取的照片，如下圖2所示。
由上圖2所示，得到的圖像是彩色圖像，由于光照強度等原因，液晶屏圖像中常有許多噪聲點。為了得到精確圖像，本文對圖像進行灰度化處理、大津法[6]二值化處理和開運算處理。下圖3中（a）、（b）和（c）分別為灰度化處理、大津法二值化處理和開運算處理后的結果。
2.1 圖像傾斜矯正
在拍攝過程中由于拍攝角度等因素，導致圖像會有一定角度的傾斜，如圖3（c）所示。圖像的傾斜將會增加后續字符分割和特征提取的難度，甚至導致提取到的特征值是錯誤的，進而嚴重影響字符識別的精度。為了便于圖像后續處理，需要對圖像進行傾斜矯正。
對于液晶屏圖像，考慮采用霍夫變換的方法求其傾斜角。通過霍夫變換，可以取得圖像中所有直線的端點。為了便于快速、高效地求取圖像的傾斜角，先對圖像進行膨脹處理和邊緣檢測。
膨脹是指將圖像與核進行卷積，核可以是任何形狀或大小。通過圖像的膨脹操作，可以將圖像中的高亮區域逐漸增加。對于圖3（c），先進行反色處理，然后采用7×7的矩形內核膨脹處理5次。膨脹處理后的圖像包含有許多直線，對膨脹處理圖像進行邊緣檢測。設定上下限閾值比為3：1，通過Canny邊緣檢測得到的邊緣圖像。圖4中（a）和（b）分別是對圖3（c）進行膨脹和邊緣檢測后的結果。
由圖4（b）可以看出，經膨脹處理和邊緣檢測后的圖像可以將液晶屏數字的輪廓勾勒出來。對圖4（b）進行霍夫變換，可以獲取圖像中每條線段的端點，進而可以求其反正切函數，即求得每條線段與橫軸之間的夾角。對其余傾斜角求取平均值，即認為是圖3（c）的傾斜角度。
根據傾斜角將圖3（c）進行旋轉得圖5。
下一篇： PLC、DCS、FCS三大控
上一篇： 索爾維全系列Solef?PV
