为了减轻地磅检测过程中检测人员的工作量，提高检测质量，本文提出了一 种基于液晶屏的数据识别采集方法，该方法首先读入衡器上含有液晶屏数字的图像，在手动 标注出数字区域的基础上，通过中值滤波、二值化、形态学闭运算、数字分割、数字图像归 一化等处理，得到待识别的单个数字图像，然后提取数字图像的水平方向和垂直方向的直方 图作为特征，最后用K最近邻算法识别出各个数字。实验结果表明，该方法能够正确识别出 衡器液晶屏中的数字。

引言

作为计算机科学的重要研究方向之一，机器 视觉正处于一个飞速发展的时期，在很多行业都 得到了成功的应用。目前，机器视觉在数字或符 号识别[1]方面的应用主要有车牌识别、手写数字 识别等。随着数字图像处理相关算法的不断改进 和优化，识别的准确率不断得到提高。

在工业生产中，液晶屏作为人机交互的输出 方式被大量应用。例如在衡器检测中，需要在多 种环境中检测衡器的液晶屏读数是否准确，检验 人员疲于重复性的记录读数，在此过程中容易产生疏忽，影响检测质量。针对类似应用的特点， 设计一种液晶屏数字自动识别采集方法具有重要 的实用价值。

2.基于液晶屏数字识别采集方法

为了实现液晶屏数字自动识别功能，本文提 出了一种液晶屏数字识别方法，该方法首先读入 含有液晶屏数字的图像，在手动标注出图像中含 有的数字区域的基础上，通过中值滤波、二值化、 形态学闭运算、轮廓提取、字符图像归一化等处 理，得到分割出的待识别的单个数字图像，然后 通过提取数字图像的水平方向和垂直方向的直方图作为数字的特征，最后用K最近邻算法识别出 各个数字。整个算法的流程如图1所示。

2.1图像读取与预处理 1读取工业相机拍摄到的含有液晶屏的图 像，若为彩色图像，则按照公式d转化成灰度

图,grey。

Igray=0.299Ir+0.587Ig+0.114Ib 1

其中：Ir——彩色图像的红色分量；

Ig—彩色图像的绿色分量；

Ib——彩色图像的蓝色分量。

2通过鼠标选取含有多个待识别数字的图像 区域，作为感兴趣区域ROI (Region Of Interest。

3图像滤波。对ROI图像按照公式2进 行中值滤波处理，去除图像噪声。

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

其中：/(x，；y——原始图像；

g(c,y)——中值滤波后图像；

W——二维模板，本文取3x3的区域。 4图像二值化。对中值滤波后的图像进行二 值化处理，本文采用的二值化方法为最大类间方 差法。设T为前景图像与背景图像的阈值，图像 的平均灰度值为u,前景图像的平均灰度值为u。,

前景图像像素数与图像全部像素数的比值为_, 背景图像的平均灰度值为^,背景图像像素数与 图像全部像素数的比值为Wl,前景图像与背景图 像的方差为g,则

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

当g取最大值时，前景和背景的差异也最大， 此时的阈值T即为二值化图像的最佳阈值。

2.2数字分割 1形态学闭运算

考虑到七段码方式显示的数字，同一个数字 可能由多个不同的轮廓区域组成，如图2所示的 数字7,由3部分组成，为使得同一个数字的不同 区域在轮廓检测时能作为一个轮廓检测出来，本 文对二值化后的图像按照公式@进行形态学闭 运算，其中十表示膨胀运算，一表示腐蚀运算， 结构元素s取为1x 7的列向量，结构元素的原点 取中心点。

2数字分割与归一化

遍历图像，找出形态学闭运算后的图像中的 所有轮廓区域[89],并去除面积小于9的轮廓区域。 然后根据剩余的每个轮廓的最左、最右、最上和 最下像素点的位置，求取对应轮廓的最小外接矩 形，并归一化成大小为32x 16的标准图像，作为 待识别的单个数字图像。

2.3特征提取与识别

分别计算每个归一化后的待识别二值字符图 像的垂直方向和水平方向的直方图，得到大小为 1x48的图像特征向量，作为待识别字符图像的特 征。

对需要识别的各类衡器，按照上述方法提取 其液晶屏的0-9个数字特征，并标记好数字类别， 作为识别数字库。

对于每个待识别的数字图像，计算其特征向 量U与数字库中每个数字的特征向量X的相似度， 即按照公式G计算两个向量的距离D。则距离 最小的D所对应的x即为与u最相似的特征向量， 其所对应的数字即为u所对应的数字。

D (x,U =姨豆 f=i (x - u)~ 7

3.实验结果与分析

按照本文的方法，对如图3所示的衡器液晶 数字进行识别，图像处理过程中的结果如图4所 示，其中Q为鼠标选择的待识别数字ROI区域， (b)为中值滤波后的数字图像区域，为二值化处 理后的数字图像区域，（d为形态学闭运算后的数 字图像区域，（e>为提取的数字轮廓区域，o为求取 的各数字的最小外接矩形。分割并归一化之后的5 个数字如图5所示，最终，该方法能够正确识别 出数字15441。

4.结论

本文提出了一种衡器检测中基于液晶屏数字 识别米集方法，该方法在手动选择待识别数字区

域图像的基础上，首先通过图像滤波、二值化等 操作对图像进行预处理；然后通过形态学闭运算、 轮廓提取与小轮廓去除、计算最小外接矩形等操 作进行数字分割；最后，在归一化处理的基础上， 提取单个数字图像的水平方向和垂直方向的直方 图作为数字的特征，用K最近邻算法识别出各个 数字。实验结果表明，该方法能够正确识别出衡 器液晶屏中的数字。