一種提取刻劃字符輪廓的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及光學(xué)刻劃字符的輪廓提取，尤其設(shè)及一種提取刻劃字符輪廓的方法。
【背景技術(shù)】
[0002] 刻劃字符是由硬質(zhì)合金打標(biāo)針或鑲嵌工業(yè)鉆石的打標(biāo)針直接刻入金屬工件的材 料內(nèi)部而形成的標(biāo)示，常用于汽車、摩托車、發(fā)動(dòng)機(jī)及其它零部件的標(biāo)示和追索。光學(xué)刻劃 字符則是在光源下通過圖像采集設(shè)備獲得的刻劃字符圖像，準(zhǔn)確提取光學(xué)刻劃字符的輪廓 是字符識別W及字符錯(cuò)誤（筆畫缺失、斷裂等）檢測的必要過程。
[0003] 目前，提取光學(xué)字符輪廓的方法有很多，主要是采用圖像分割的方法，如基于闊 值、基于區(qū)域、基于邊緣、基于圖論、基于能量泛函的方法等等。但是運(yùn)些方法用于光學(xué)刻 劃字符時(shí)都不能取得良好的效果。特別是如果采用條形光源，與光源平行的筆劃在圖像上 會產(chǎn)生比背景像素灰度值高的像素，而與光源垂直的筆劃會產(chǎn)生比背景像素灰度值低的像 素。因而傳統(tǒng)的字符輪廓提取方法無論是基于闊值還是基于邊緣等都不能準(zhǔn)確地提取刻劃 字符的真實(shí)輪廓。而采用基于能量泛函如活動(dòng)輪廓模型的方法也不能提取到理想的輪廓。 常用的幾何活動(dòng)輪廓模型往往采用水平集方法求解能量泛函的最小值W獲取期望的字符 輪廓。采用雙相模型和單水平集只能提取到部分輪廓，而采用多相模型和雙水平集提取到 的兩種輪廓，具有交差或重疊，且不能用一條取曲線表示一個(gè)字符的整個(gè)輪廓，為后續(xù)處理 如字符特征提取帶來諸多不便。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了解決上述問題，提供一種提取刻劃字符輪廓的方法，綜合 運(yùn)用直方圖分析、灰度變換、活動(dòng)輪廓模型W及水平集等方法的解決方案來提取刻劃字符 輪廓，所提取的字符輪廓完整、準(zhǔn)確，利用其結(jié)果可W方便地提取字符的特征。 陽〇化]為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0006] 一種提取刻劃字符輪廓的方法，包括W下步驟：
[0007] 步驟一，進(jìn)行光學(xué)字符圖像的直方圖分析，采用多相活動(dòng)輪廓模型和雙水平集方 法獲取字符的高灰度值區(qū)域和低灰度值區(qū)域；
[0008] 步驟二，對獲取的高灰度值區(qū)域和低灰度值區(qū)域分別進(jìn)行局部直方圖分析，根據(jù) 它們的灰度分布及其對應(yīng)關(guān)系，確定灰度變換系數(shù)，將多相圖像變換為雙相圖像；
[0009] 步驟Ξ，使用能利用局部信息的活動(dòng)輪廓模型，并采用單水平集方法提取雙相圖 像的輪廓，作為刻劃字符的輪廓。
[0010] 所述步驟一中多相活動(dòng)輪廓模型采用多相CV(化an-vese)模型。
[0011] 所述步驟二中將多相圖像變換為雙相圖像時(shí)背景區(qū)域不進(jìn)行灰度變換，采用高灰 度值向低灰度值影射的線性變換方法，利用像素標(biāo)記法規(guī)定需要變換的區(qū)域。
[0012] 多相圖像變換為雙相圖像的具體方法為， 陽013] 高灰度值區(qū)域〇"，其灰度均值和方差分別為叫和δ";低灰度值區(qū)域Ω^^其灰度 均值和方差分別為niL和δL;背景區(qū)域?yàn)棣窧，其灰度均值和方差分別為1?和δB;圖像Uο的 某一像素U(j(i，j)的灰度值為h(i,j)，變換后的灰度值為h'（i,j)，灰度變換過程如下：
[0014]如果"uOV/) |:二Ω"且h(i, _]·) > 叫-δH; 陽01引那么h'（i, _]·) =-( δ l/δ _]·)+叫*( δ l/δ ")-化。
[0016] 所述步驟Ξ中的活動(dòng)輪廓模型采用LCV化ocal化an-vese)模型。
[0017] LCV模型綜合利用全局和局部信息，使得分割可不受圖像灰度不均勻的影響；LCV 模型的能量泛函護(hù)"由全局項(xiàng)、局部項(xiàng)和規(guī)則化項(xiàng)構(gòu)成：eLev=α.Ε6+β*護(hù)巧K，其中護(hù)、護(hù) 和護(hù)分別是全局項(xiàng)、局部項(xiàng)和規(guī)則化項(xiàng)，α和β是大于0的常數(shù)； 陽01引引入水平集函數(shù)后表示為：
[0019]
[0020] Ω.二如.R為實(shí)數(shù)，U'。是雙相字符圖像，C表示光滑閉合的輪廓曲線，C1和C2分別 是演化曲線C內(nèi)部和外部的圖像灰度均值；Φ(x，y)是水平集函數(shù)，Η(ζ)和δ(Ζ)分別是海 氏化eaViside)函數(shù)Η(ζ)和狄拉克值irac)函數(shù)δ(Ζ)的正則化形式；gk是窗口大小為k 的平均卷積算子，di和d2分別是卷積后的圖像與源圖像的差值； 陽021] 相應(yīng)的水平集演化方程為：
[0022]
[0023] 方程的解就是最終提取的輪廓。
[0024] 本發(fā)明的有益效果：
[00巧]本發(fā)明提取的字符輪廓準(zhǔn)確，完整，而且分割結(jié)果用一條封閉的曲線表示，為后續(xù) 的字符特征提取帶來了很大方便。
【附圖說明】
[00%] 圖1 (a)為原始刻劃字符圖像；圖1化）基于Canny算子的邊緣提取方法獲取的輪 廓；為圖1 (C)基于多相C-V模型和多水平集提取的刻劃字符輪廓；為圖1 (d)為本發(fā)明提取 的字符輪廓；
[0027] 圖2為是字符"G"的直方圖。
【具體實(shí)施方式】
[0028] 下面結(jié)合附圖與實(shí)施例對本發(fā)明作進(jìn)一步說明。
[0029] 如圖1(a)所示，為原始刻劃字符圖像，為了提取字符"G"的輪廓。本發(fā)明包括：
[0030] 步驟一，進(jìn)行光學(xué)字符圖像的直方圖分析，采用多相活動(dòng)輪廓模型和雙水平集方 法獲取字符的高灰度值區(qū)域和低灰度值區(qū)域；
[0031] 直方圖分析通過確定可W采用多相活動(dòng)輪廓模型和雙水平集方法獲取字符的高 灰度值和低灰度值區(qū)域。
[0032] 在刻劃字符圖像中，一個(gè)完整的筆畫可能包含低灰度值和高灰度值兩類像素。如 圖2所示是字符"G"的直方圖。分析象素的灰度分布可知，背景灰度集中在80-100,低灰 度值像素的灰度集中在20-60,高灰度值像素的灰度集中在200-250,背景、高灰度值區(qū)域、 低灰度值區(qū)域的灰度是互相"擬和"的。采用多相活動(dòng)輪廓模型如多相CV模型獲取高灰度 值區(qū)域和灰度值區(qū)域的邊緣。
[0033] 步驟二，對獲取的高灰度值區(qū)域和低灰度值區(qū)域分別進(jìn)行局部直方圖分析，根據(jù) 它們的灰度分布及其對應(yīng)關(guān)系，確定灰度變換系數(shù)，將多相圖像變換為雙相圖像；
[0034] 設(shè)高灰度值區(qū)域Ωη，其灰度均值和方差分別為叫和δ