改进Niblack算法及其在不均匀光照条件下的应用

文本二值化是光学字符识别的关键技术,但在光照不均的情况下,采用传统全局阈值二值化在图像过亮或暗区域情况下会造成大量文字信息丢失,因此通常采用局部阈值二值化方法。Niblack二值化是一种经典的局部阈值法,能够提取全部文字信息,缺点是存在大量伪影,且运算效率低,但优点是方法简单,易于实现。针对Niblack算法存在的问题,提出一种基于邻域信息的Niblack算法。该算法结合像素点空间八邻域灰度信息,能自适应调整阈值,逐点进行二值化处理,从而基本消除了伪影,并使用积分图法使运算时间从30s降低到3s,同时运用形态学腐蚀操作对笔画进行增强。实验结果表明,与传统Niblack、Sauvola等算法相比,在光照不均条件下,该方法图像噪声少、速度快,笔画更清晰,且更易于识别。     

Android下的机械式电表数字识别技术研究

针对Android系统下机械式电表数字识别应用,提出一种电表读数图像ROI提取方法。为消除光照不均及反光的影响,结合Canny边缘检测、局部自适应阈值二值化与全局阈值二值化实现电表读数图像二值化。使用Opencv的人工神经网络多层感知器模型完成电表数字识别,测试结果显示,该技术对机械式电表读数具有较高的识别率。     

改进二值化算法在QR码识别中的应用

针对模糊、光照不均情况下获得的低质量QR码难以识别的问题,设计一种低质量QR码识别算法,包括加权平均值法灰度化、中值滤波算法降噪、二值化、基于位置探测图形定位、基于透视变换法的旋转矫正,以及基于Zbar开源库的译码算法等。重点研究针对模糊、光照不均QR码图像的二值化算法,提出一种基于Bernsen算法思想的改进算法,将全局阈值引入该算法中,实现对图像的二值化处理。在VS2010环境下基于Opencv2.4.9图像处理库对识别算法进行验证,结果表明,通过该算法得到的QR码图像完整且噪声少,有效克服了低质量QR码的影响,提高了图像识别率,具有一定的实用性。     

基于Matlab液面银薄膜分形维数的计算分析

利用Matlab数值分析软件,将沉积在液体基金的银薄膜真彩数值图像进行了二值化处理,并计算了该银薄膜的分形盒维数。经计算发现银薄膜图像灰度分布具有双峰结构。二值化后的图像计算得到液体基底金属银薄膜的盒维数大约为1.50,计算结果与相关文献的结果一致。它表明基于Matlab的盒维数算法用于计算此类液体基底金属薄膜的二维分形盒维数具有较好的准确性,同时也表明其可以用来分析液体基底表面其他金属薄膜分形维数。     

图像二值化技术的研究

图像二值化技术的应用中比较突出的问题是如何确定合理的门限来达到较理想的二值化效果。介绍了当前几种较为流行的二值化处理技术和确定门限、阈值的算法,并对这些技术和算法的效果进行了测试与比较。     

基于最大局部变化的安全带检测算法

传统的边缘检测算法的效果很大程度上取决于阈值的选取,针对这个问题,提出了基于局部最大变化和二维OTSU的边缘检测方法,该方法利用图像局部区域的所有像素灰度值与中心像素灰度值的最大差值来描述图像边缘分布信息,从而得到图像边缘分布信息图,然后利用二维OTSU方法对该边缘分布信息图进行二值化处理得到边缘二值图。利用该边缘二值图,结合车辆的一些先验信息,提出车窗定位算法,并进一步确定驾驶员区域,最后通过在驾驶员区域内检测是否存在满足安全带先验特征的直线来判断驾驶员是否佩戴安全带。实验结果表明,该方法能够准确定位车窗边缘和驾驶员区域,可以应用于安全带的检测,具有一定的实用价值。     

一种基于直方图的图像二值化算法

图像二值化在计算机图像处理技术中应用十分广泛,其关键问题是阈值的选取.对于具有明显双峰直方图的图像,可选取双峰的谷底作为阈值,这是基于直方图的图像二值化算法的基本思想.根据其基本思想,提出了一种新的阈值选取算法——最佳阈值迭代法.算法先根据图像的最大灰度值和最小灰度值设定一个初始阈值,然后通过迭代循环计算在该阈值下的目标和背景的中心值,当目标和背景中心值的平均值和假定的阈值相同时,则循环中止,并以此值为阈值.实验结果表明,该算法可以较好地保留图像的细节信息,且具有一定的抗干扰性和稳定性.     

HGFA算法的应用

文[1]中提出的HGFA算法是一种很有效的模糊聚类算法,有较好的应用价值.本文对HGFA算法的应用进行了研究,将HGFA算法应用在了灰度图像二值化中,它不需要设定阈值.实验结果表明该方法可以较好的分离出目标图像.     

基于图像处理和神经网络的数字识别系统的设计

数字识别系统是通过使用灰度转化、二值化等图像处理的方法对原始的含有数字的图像进行处理,然后再用模式识别技术对处理之后的图像进行识别,最后得到数字图像中数字的一个图像处理系统。该系统不仅可以单独用来识别一般图片上的数字,而且可以用到诸如车牌识别系统中去。     

移动端身份证号码识别算法实现

为实现多场景下快速便捷的身份证号码提取,提出一种基于移动端的身份证号码识别算法。该算法利用搭载Android操作系统的移动设备,进行身份证号码区域定位和提取;首先利用身份证特殊的颜色分布,选取合适的通道分量;再通过图像阈值分割、噪声处理以及形态学处理,将身份证号码图像二值化;同时针对拍摄过程中可能出现的图像倾斜情况,通过图像旋转和投影法进行水平矫正;然后通过投影法将单个字符提取出来;最后使用卷积神经网络进行图像识别。通过MIX手机测试表明,单次身份证号码图像识别时间约为156ms,准确率约为99.1%,能够满足鲁棒性和实时性要求。