目录机器视觉一概述机器视觉二机器视觉硬件技术机器视觉三摄像机标定技术机器视觉四空域图像增强机器视觉五机器视觉与世界杯机器视觉六频域图像增强机器视觉七图像分割机器视觉八图像特征提取机器视觉九图像配准机器视觉十印刷体字符识别机器视觉十一一维条码识别机器视觉十二二维条码识别以下为正文模式识别是对图像或各种物理对象的分类与描述的技术在机器视觉中具有广泛的应用涉及到图形、图像和文字的识别也涉及到有形物件的测量、分类与描述。本章节主要介绍印刷体字符识别。一、印刷体字符识别流程①扫描输入文本图像②图像的预处理包括倾斜校正和滤除干扰噪声等③图像版面的分析和理解④图像的行切分和字切分⑤单字图像特征选择和提取⑥单字图像特征的模式分类⑦将被分类的模式赋予识别结果⑧识别结果的编辑修改后处理。一、字符图像分割1.图像亮度调整在亮度过大的情况下正常度量的阈值分割就会将本应保留的区域滤除而亮度过小的情况下很多噪声点无法被滤除掉。2.色彩分割3.基于离散余弦变换(DCT for Discrete Cosine Transform)的频域分割离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换这个离散傅里叶变换是对一个实偶函数进行的因为一个实偶函数的傅里叶变换仍然是一个实偶函数在有些变形里面需要将输入或者输出的位置移动半个单位(DCT有8种标准类型其中4种是常见的)。在字符识别的应用中字符区域按一定的行列结构分布在频域能够呈现出特殊的能量分布通常来说其水平和垂直能量较大高中频分量更加丰富因此可以通过这些频域分布的特征将其与背景分割开来。基于DCT的图像频域分割流程图4.基于小波变换wavelet transformWT的图像小波域分割基于小波变换的图像小波域分割流程图二、字符区域校正与切分1.基于哈夫变换的区域矫正基于Hough变换的区域校正在图像的多层分辨率下分级进行Hough变换 Hough变换主要用于图像中直线的检测。图像中的字符多是横向成串出现的因此可以利用Hough变换的方法拟合字符串边缘形成字符串边缘直线从而求得字符倾角。2.基于仿射变换的图像旋转通过仿射变换矩阵把旋转后的图像坐标仿射回原图像点并通过一定的方法计算出该点在原图像上的灰度值作为旋转后图像该点的灰度值。3.字符图像缩放有些字符识别方法需要将图像大小指定在某一个标准上这就需要在识别前对该字符图像区域大小进行归一化。归一化一般采用灰度插值的方法。最简单的插值方法是最邻近插值即令输出像素的灰度值等于离它所映射位置最近的输入像素灰度值。但这种插值方法会使输出图像掺入锯齿噪声。4.粘连字符切分一串字符在结构和形态上存在如下特征单个字符长宽比例一致多个数字和英文字符轮廓存在凹凸结构多数情况下字符不会出现重叠交叉。根据这些特点可以检测字符串凹凸结构并结合字符长宽比来分割单个字符 。