一种提取刻划字符轮廓的方法技术

本发明专利技术公开了一种提取刻划字符轮廓的方法，包括进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取字符的高灰度值区域和低灰度值区域；对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们的灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像；使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的轮廓，作为刻划字符的轮廓。所提取的字符轮廓完整、准确，利用其结果可以方便地提取字符的特征。

【技术实现步骤摘要】

本专利技术涉及光学刻划字符的轮廓提取，尤其涉及一种提取刻划字符轮廓的方法。
技术介绍
刻划字符是由硬质合金打标针或镶嵌工业钻石的打标针直接刻入金属工件的材料内部而形成的标示，常用于汽车、摩托车、发动机及其它零部件的标示和追索。光学刻划字符则是在光源下通过图像采集设备获得的刻划字符图像，准确提取光学刻划字符的轮廓是字符识别以及字符错误(笔画缺失、断裂等)检测的必要过程。目前，提取光学字符轮廓的方法有很多，主要是采用图像分割的方法，如基于阈值、基于区域、基于边缘、基于图论、基于能量泛函的方法等等。但是这些方法用于光学刻划字符时都不能取得良好的效果。特别是如果采用条形光源，与光源平行的笔划在图像上会产生比背景像素灰度值高的像素，而与光源垂直的笔划会产生比背景像素灰度值低的像素。因而传统的字符轮廓提取方法无论是基于阈值还是基于边缘等都不能准确地提取刻划字符的真实轮廓。而采用基于能量泛函如活动轮廓模型的方法也不能提取到理想的轮廓。常用的几何活动轮廓模型往往采用水平集方法求解能量泛函的最小值以获取期望的字符轮廓。采用双相模型和单水平集只能提取到部分轮廓，而采用多相模型和双水平集提取到的两种轮廓，具有交差或重叠，且不能用一条取曲线表示一个字符的整个轮廓，为后续处理如字符特征提取带来诸多不便。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种提取刻划字符轮廓的方法，综合运用直方图分析、灰度变换、活动轮廓模型以及水平集等方法的解决方案来提取刻划字符轮廓，所提取的字符轮廓完整、准确，利用其结果可以方便地提取字符的特征。为了实现上述目的，本专利技术采用如下技术方案：一种提取刻划字符轮廓的方法，包括以下步骤：步骤一，进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取字符的高灰度值区域和低灰度值区域；步骤二，对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们的灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像；步骤三，使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的轮廓，作为刻划字符的轮廓。所述步骤一中多相活动轮廓模型采用多相CV(Chan-vese)模型。所述步骤二中将多相图像变换为双相图像时背景区域不进行灰度变换，采用高灰度值向低灰度值影射的线性变换方法，利用像素标记法规定需要变换的区域。多相图像变换为双相图像的具体方法为，高灰度值区域ΩH，其灰度均值和方差分别为mH和δH；低灰度值区域ΩL，其灰度均值和方差分别为mL和δL；背景区域为ΩB，其灰度均值和方差分别为mB和δB；图像u0的某一像素u0(i,j)的灰度值为h(i,j)，变换后的灰度值为h'(i,j)，灰度变换过程如下：如果且h(i,j)＞mH-δH；那么h'(i,j)＝-(δL/δH)*h(i,j)+mH*(δL/δH)-mL。所述步骤三中的活动轮廓模型采用LCV(LocalChan-vese)模型。LCV模型综合利用全局和局部信息，使得分割可不受图像灰度不均匀的影响；LCV模型的能量泛函ELCV由全局项、局部项和规则化项构成：ELCV＝α·EG+β·EL+ER，其中EL、ER和EG分别是全局项、局部项和规则化项，α和β是大于0的常数；引入水平集函数后表示为：ELCV(c1,c2,d1,d2,φ)=∫Ω(α·|u0′(x,y)-c1|2+β·|gk*u0′(x,y)-u0(x,y)-d1|2H(φ(x,y))dxdy+∫Ω(α·|u0′(x,y)-c2|2+β·|gk*u0′(x,y)-u0′(x,y)-d2|2(1-H(φ(x,y)))dxdy+μ·∫Ωδ(φ(x,y))|▿φ(x,y)|dxdy+∫Ω12(|▿φ(x,y)|-1)2dxdy]]>R为实数，u'0是双相字符图像，C表示光滑闭合的轮廓曲线，c1和c2分别是演化曲线C内部和外部的图像灰度均值；φ(x,y)是水平集函数，H(z)和δ(z)分别是海氏(HeaViside)函数H(z)和狄拉克(Dirac)函数δ(z)的正则化形式；gk是窗口大小为k的平均卷积算子，d1和d2分别是卷积后的图像与源图像的差值；相应的水平集演化方程为：∂φ∂t=δϵ(φ)[-(α·(u0′-c1)2+β·(gk*u0′(x,y)-u0′(x,y)-d1)2)+(α·(u0′-c2)2+β·(gk*u0′(x,y)-u0′(x,y)-d2)2)]+[μ·δϵ(φ)div(▿φ▿φ)+(▿2φ-div(▿φ▿φ))]φ(0,x,y)=φ0(x,y)inΩ∂φ∂n→=0on∂Ω]]>方程的解就是最终提取的轮廓。本专利技术的有益效果：本专利技术提取的字符轮廓准确，完整，而且分割结果用一条封闭的曲线表示，为后续的字符特征提取带来了很大方便。附图说明图1(a)为原始刻划字符图像；图1(b)基于Canny算子的边缘提取方法获取的轮廓；为图1(c)基于多相C-V模型和多水平集提取的刻划字符轮廓；为图1(d)为本专利技术提取的字符轮廓；图2为是字符“G”的直方图。具体实施方式下面结合附图与实施例对本专利技术作进一步说明。如图1(a)所示，为原始刻划字符图像，为了提取字符“G”的轮廓。本专利技术包括：步骤一，进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取字符的高灰度值区域和低灰度值区域；直方图分析通过确定可以采用多相活动轮廓模型和双水平集方法获取字符的高灰度值和低灰度值区域。在刻划字符图像中，一个完整的笔画可能包含低灰度值本文档来自技高网...

【技术保护点】
一种提取刻划字符轮廓的方法，其特征是，包括以下步骤：步骤一，进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取字符的高灰度值区域和低灰度值区域；步骤二，对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们的灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像；步骤三，使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的轮廓，作为刻划字符的轮廓。

【技术特征摘要】
1.一种提取刻划字符轮廓的方法，其特征是，包括以下步骤：
步骤一，进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取
字符的高灰度值区域和低灰度值区域；
步骤二，对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们的
灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像；
步骤三，使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的轮
廓，作为刻划字符的轮廓。
2.如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤一中多相活动
轮廓模型采用多相CV模型。
3.如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤二中将多相图
像变换为双相图像时背景区域不进行灰度变换，采用高灰度值向低灰度值影射的线性变换方
法，利用像素标记法规定需要变换的区域。
4.如权利要求3所述一种提取刻划字符轮廓的方法，其特征是，多相图像变换为双相图
像的具体方法为，
高灰度值区域ΩH，其灰度均值和方差分别为mH和δH；低灰度值区域ΩL，其灰度均值
和方差分别为mL和δL；背景区域为ΩB，其灰度均值和方差分别为mB和δB；图像u0的某一
像素u0(i,j)的灰度值为h(i,j)，变换后的灰度值为h'(i,j)，灰度变换过程如下：
如果且h(i,j)＞mH-δH；
那么h'(i,j)＝-(δL/δH)*h(i,j)+mH*(δL/δH)-mL。
5.如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤三中的活动轮
廓模型采用LCV模型。
6.如权利要求5所述一种提取刻划字符轮廓的方法，其特征是，
LCV模型的能量泛函ELCV由全局项、局部项和规则化项构成：ELCV＝α·EG+β·EL+ER，
其中EL、ER和EG分别是全局项、局部项和规则化项，α和β是大于0的常数；
引入水平集函数后表示为：
ELCV(c1,c2,d1,d2,φ)=∫Ω(α·|u0′(x,y)-c1|2+&be...

【专利技术属性】
技术研发人员：许鸿奎，曲怀敬，韩晓，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37