[发明专利]一种图像数字分割与识别方法及系统

说明书

本公开提供了一种图像数字分割与识别方法及系统，通过采集原始钢板图片，对图片进行灰度化和阈值二值化的预处理，对预处理后的图像进行边缘检测；根据边缘检测结果确定图像的偏转角度，并根据偏转角度对图像进行校正，形成目标图像，利用支持向量机法对目标图像进行分割，并对分割后的图像进行腐蚀和膨胀优化，利用神经网络识别优化后的图像，得到识别结果，本公开能够较好的解决对复杂环境下的图像识别度不高的问题，能够准确和快速的自动分割识别钢板上的字符。

技术领域

本公开涉及一种图像数字分割与识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着自动化技术的发展，工厂生产效率的提高，对生产出的大量产品进行分类识别变得越来越有必要。因此我们需要提取进行分类的字符。

随着机器视觉技术的迅速发展，以及神经网络算法的丰富与成熟，机器视觉被应用到越来越多的领域当中，来对字符进行分割和识别。如车牌检测，电子支付等。图像分割和识别技术配合一些成熟的算法和设备能够对工厂中产品的管理起到很大的作用，图像分割识别技术广泛应用于国内外的工厂的产品管理系统中。

然而，由于工厂内灯光、阴影等环境因素较为复杂，造成字符与背景进行分割时比较困难，使得钢板字符分割识别的难度加大。

发明内容

本公开为了解决上述问题，提出了一种图像数字分割与识别方法及系统，本公开能够将钢板从整个图像中分离出来，可以避免因外界环境干扰所造成的图像识别误差。

根据一些实施例，本公开采用如下技术方案：

一种图像数字分割与识别方法，包括以下步骤：

采集原始钢板图片，对图片进行灰度化和阈值二值化的预处理；

对预处理后的图像进行边缘检测；

根据边缘检测结果确定图像的偏转角度，并根据偏转角度对图像进行校正，形成目标图像；

利用支持向量机法对目标图像进行分割，并对分割后的图像进行腐蚀和膨胀优化，利用神经网络识别优化后的图像，得到识别结果。

作为进一步的限定，图片灰度化是，利用平均值法，即将彩色图像中的三分量亮度求平均得到一个灰度值，以表示图像的灰度值。

作为进一步的限定，在进行图片阈值二值化时，利用最大类间方差法来挑选阈值。

作为更进一步的限定，最大类间方差法中，构建目标函数：

g(T)＝w₀×(u₀-u)²+w₁×(u₁-u)²

其中，w0为前景点占图像的比例，u0为前景点占图像的均值，w1为背景点占图像比例，u1为背景点占图像均值，u为整个图像的均值，u＝w0*u0+w1*u1，当g(T)取得全局最大值，此时的T为最佳阈值。

作为进一步的限定，使用edge函数对图像进行边缘检测，在edge函数中使用canny边缘检测算法来检测灰度化和阈值二值化后的图像的边缘。

作为进一步的限定，利用hough变换来得到目标图像的边框，从而能够标记出钢板的在图像中的具体位置，然后通过下边框和水平线间的夹角来对对象进行旋转矫正，最后展示出旋转后的图像。

作为进一步的限定，利用支持向量机进行图像分割的具体过程为，找到区分不同像素点的特征，选取多个前景点作为字符的特征点，选取多个背景点作为要去除的图像的特征点，利用支持向量机对进行训练，并分割图像。