马艳宁，陈晓荣，张运涛

(上海理工大学 光电信息与计算机工程学院，上海 200093)



基于Halcon的刹车片字符检测算法研究

马艳宁，陈晓荣，张运涛

(上海理工大学 光电信息与计算机工程学院，上海 200093)

针对人工检测刹车片字符时低效率的现状，提出一种基于机器视觉软件Halcon的字符检测算法。该算法在光照不均匀的条件下,充分利用了刹车片的外形特征，通过数幅图像测试后确定合适的分割方法和最佳阈值，定位出感兴趣区域(字符区域)，通过适度膨胀解决字符断裂的难题，并特别处理了易发生混淆的I和1，测试图像达到了96%的识别率。结果表明，该算法可高效准确地识别出刹车片字符，且具有较高的实用价值。

字符识别；Halcon；阈值分割；字符断裂；OCR

MA Yanning, CHEN Xiaorong, ZHANG Yuntao

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology,Shanghai 200093, China)

在工业生产中，金属零件表面的字符信息用来标记识别，为了实现生产的高度自动化，提高生产效率和减少次品率，其自动化生产线上需要应用产品字符自动识别系统[1]，用摄像机来代替人的眼睛辨识产品上的字符内容，避免费时费力的人工检测。

1 图像预处理

众多因素会影响图像的质量，给字符分割和字符识别等带来干扰。所以要先进行图像预处理，提高图像质量，突出字符特征。图像预处理包括3部分：图像修正、图像滤波和形态学分析[2]。

1.1 图像修正

虽理论上检测系统是固定在生产线上的，但由于误差和外界环境的干扰，实际中获得图片中的工件可能会有倾斜，故要修正成字符垂直的效果。且为了便于识别，字符要设置成横向的，所以要进行图像修正。

首先对图像进行阈值分割。阈值分割是一种简单有效的图像分割算法，选取最佳阈值才能分割出理想的区域，所以阈值的选择是关键。此处采用基于直方图的峰谷算法，如图1(a)所示，图像的灰度直方图为双峰分布。图像的像素点分布大致分为两部分，分别为灰度直方图的两个山峰。直方图左侧峰亮度较低，这部分恰好对应于图像中较暗的工件部分；直方图的右侧峰亮度较高，对应工件的背景部分，选择阈值下限为10，上限为两峰谷底点，即可将工件从背景中分割出来，如图1(b)所示[3]。

再生成工件的最小外接矩。因工件是对称的，所以其最小外接矩的偏移角度就是图像的偏移角度，图像旋转这一角度后再顺时针旋转270°，此时字符是横向的。

图1 峰谷法的图像分割效果

1.2 中值滤波

由于场景条件等因素的影响，拍摄得到的图像会伴随有噪声干扰，使图像质量变差，此时需要平滑噪声。中值滤波是经典平滑噪声的方法，其基本原理是取某种结构的二维滑动模板，将模板内像素按像素的大小进行排序，生成单调上升(或下降)的数据序列，并将窗口中心点的灰度值用排好序后中间的值代替，这样可使周围的像素接近真实值，从而将孤立的噪声点去掉[4]。其能有效地抑制图像中随机噪声，同时较好地保持图像的边缘。

1.3 形态学分析

形态分学析的基本思想是，用具有一定形态的结构元素去度量和提取图像中的对应形状以达到图像分析和识别的目的。在实际应用中，膨胀与腐蚀运算常均是级连复合使用，对图像先做膨胀运算，再做腐蚀运算，称为开运算；或先对图像做腐蚀运算，再做膨胀运算，称为闭运算。这样图像中小于结构元素的一些细节将被滤除，同时使保留的图像特征集合不失真，相当于对图像进行了平滑滤波。开运算对图像的平滑滤波作用表现在可清除图像中的边缘毛刺及孤立斑点，闭运算可填补图像中的边缘间隙及消除小孔[5]。

2 字符定位分割

图2 字符区域分割过程

2.1 字符定位

先取一幅图片作为模板，测得模板工件的尺寸为：半宽为hwidth，半高为hheight，中心坐标为(row，column)，而字符区域的位置相对于工件是固定的，能以中心坐标为中心，测出字符区域相对于中心坐标的偏差，定位出字符区域坐标。所以，只需得到图像中工件的宽或高，就能对比模板尺寸得到伸缩倍数k，算得图像中的实际偏差；再获得工件的中心坐标，就能根据偏差定位出字符区域[6]。

经过所有图片的试验，工件左侧的阴影始终处于阈值范围内，内接于外接矩，可看做是工件的一部分，所以模板的宽也要包括左侧阴影。但上侧边缘的阴影在不同图片中分割的效果不同，不总是在外接矩内，造成工件的高和中心纵坐标不易被测得，故做两次分割。

第一次阈值分割并生成最小外接矩：所有图片中工件左侧、右侧、下侧内接于外接矩；上侧浮动。可知外接矩的宽就是工件的宽，外接矩的中心横坐标就是工件的中心横坐标。此次分割可得到工件半宽hwidth1、中心横坐标column1及外接矩的下边缘纵坐标row1，工件半宽hwidth1对比模板半宽hwidth得到伸缩倍数k1[7]。

第二次阈值分割并生成最小外接矩：所有图片中的工件只有上侧内接于外接矩，得到外接矩的上边缘纵坐标row2。因第一次分割中工件下侧内接于外接矩，第二次分割中工件上侧内接于外接矩，所以工件的高为row1-row2，中心纵坐标为(row1+row2)/2。

最后根据工件中心坐标(column1，(row1+row2)/2)、伸缩系数k1以及模板中字符区域相对于中心坐标的偏差进行字符区域定位。

2.2 字符分割

图3 字符分割结果

确定上下两处字符的整体位置后，将其确定为新的感兴趣区域Regionree1和Regionree2，后面依次处理两处字符区域。

根据灰度直方图找到峰值PeakGray，经过多次调试，当阈值设置为PeakGray-14，字符分割效果最佳。但此时的字符存在断裂的问题，尤其是字母“R”，左右部分易断裂，分割时就会分割成两个字符，如图4(a)所示，字母“R”被识别成了两个目标。该问题可通过形态学中的膨胀来解决。生成每个目标的覆盖矩形，考虑到每个字符之间间隔的大小，不能无限膨胀，否则会发生字符粘连，所以要经过多次测试，确定最佳膨胀值[8]。

图4 膨胀前后字符的覆盖矩

3 字符识别

Halcon中自带多种字体模板，在大多数情况下可直接使用。因刹车上的字符只包括大写字母和数字，所以决定采用OCR。将分割出的单个字符与系统中的模板相比对，并将置信度最大的值返回，以此达到识别的目的。

图5 识别结果

使用Halcon自带的字符库进行识别，但I易被识别成1，所以要单独识别I。生成每个字符的外接矩后，判断外接矩的高宽比。因字符“I”上下两头没有勾，但数字“1”上下均有勾，在字符大写字母和数字字符系统中，“I”的高宽比一定是最大的。设定若比值>5，则默认输出I，若不是则继续与字符库进行匹配[9]。

4 结果分析

表1 样本测试结果

为检测算法的准确率和速度，采集了150张样本图片，并且其拍摄环境、光线、角度均是有差别的。所以，字符的定位并不容易，经过两次阈值分割后才换算出字符的准确位置。因该金属工件的表面并不光滑，且字符是刻印，而不是印刷，所以图像处理时噪声较大，经中值滤波以及开运算，多次滤除噪声。解决了字母“R”的断裂问题和字符“I”的误识问题后，最终用于测试的150张样本图片的识别率达到了96%，平均每张检测时间为67.3 ms。定位字符理论上复杂，但设计的算法却较为简单，且刹车片表面刻印的字符只包括大写字母和数字，使用Halcon自带的字体模板即可识别，无需训练字体，简化了算法，所以系统识别速度较快。

5 结束语

本文提出的基于Halcon的刹车片字符自动检测系统，配合摄像机在线采集刹车片图像，使用机器视觉算法[10]，对字符进行定位、分割、识别。根据刹车片尺寸与字符区的数学关系虽复杂，但Halcon的算子功能强大、集成度高，两次阈值分割即可定位出字符区域。本文解决了字符断裂和字符混淆的问题，弥补了OCR的不足，提高了字符识别的准确性。该算法逻辑简单，功能齐全，测试结果也证明了其可行性较高，能代替工作人员实现在线自动检测，节省人力，且提高了效率。

[1] 项辉宇,刘倩倩,黄佳军,等.基于Halcon的字符识别及缺陷检测[J].机电产品开发与创新,2014,27(2):77-79.

[2] 蔡晋辉,张光新,周泽魁.在线钢坯喷号自动视觉检测系统设计[J].传感技术学报,2006,19(3):686-689.

[3] Rafael C Gonzalez,Richard E Woods.数字图像处理[M].3版.阮秋琦,阮宇智,译.北京:电子工业出版社,2011.

[4] 赵喆,侯俊.基于肤色模型和改进Adaboost算法的人脸检测[J].电子科技,2015,28(12):80-83.

[5] 王增春.基于视觉的标签动态检测识别系统研究及应用[D].天津.河北工业大学,2006.

[6] Steger C, Ulrich M, Wiedemann C.机器视觉算法与运用[M].杨少荣,吴迪靖,段德山,译.北京:清华大学出版社,2008.

[7] 李洋,李岳阳.一种快速提取植物叶片最小外接矩形的算法[J].江南大学学报:自然科学版,2015,14(3):273-277.

[8] 王文宁,王汇源,牟文英.一种新的灰度直方图分割阈值的自动检测算法[J].计算机工程与应用,2005,41(26):89-90.

[9] 王冠,敖志刚,刘永跃,等.基于快速连通域标记的车牌字符分割[J].计算机与现代化,2007(6):55-57.

[10] 郑云雷,黄影平.基于HIL和机器视觉的汽车仪表测试平台[J].电子科技,2015,28(12):88-91.

Research on the Brake Character Detection Algorithm Based on Halcon

A character detection system based on the machine vision software Halcon is proposed in view of the low efficiency of manual detection of the brake characters. Under the condition of uneven illumination, the algorithm makes full use of the shape characteristics of the brake, determines the appropriate segmentation method and the best threshold value through 30 images testing, and locates the ROI (character region). It solves the problem of character breaking through appropriate expansion and especially distinguishes I and 1. The recognition rate of the testing images is 96% .The results show that the algorithm can identify the characters of the brake efficiently and accurately.

character recognition; Halcon; thresholding; character fracture; OCR

2015- 12- 20

马艳宁(1991-)，女，硕士研究生。研究方向：图像处理。陈晓荣(1974-)，女，博士，副教授，硕士生导师。研究方向：图像处理等。

10.16180/j.cnki.issn1007-7820.2016.10.029

TP391.41

A

1007-7820(2016)10-101-04