通過手機拍照獲取液晶屏圖像
，利用安卓本地接口功能調用計算機視覺庫，對圖像進行處理；針對圖像的傾斜問題，通過圖像預處理和霍夫變換取得圖像傾斜角
，並進行傾斜矯正

；利用直方圖對數字字符進行分割
，以網格法提取字符的特征值，用三層BP神(shen)經(jing)網(wang)絡(luo)進(jin)行(xing)液(ye)晶(jing)屏(ping)數(shu)字(zi)字(zi)符(fu)的(de)識(shi)別(bie)。實(shi)際(ji)檢(jian)測(ce)結(jie)果(guo)表(biao)明(ming)識(shi)別(bie)率(lv)很(hen)高(gao)，而(er)且(qie)識(shi)別(bie)速(su)度(du)很(hen)快(kuai)
，該(gai)係(xi)統(tong)基(ji)於(yu)安(an)卓(zhuo)手(shou)機(ji)，使(shi)用(yong)方(fang)便(bian)
，便(bian)於(yu)攜(xie)帶(dai)，可(ke)以(yi)實(shi)時(shi)操(cao)作(zuo)。

　　　　

suizhewoguoxinxihuajianshehexiandaihuajinchengdejiakuai，zidongshibiejishuyijingyuelaiyueguangfandiyingyongzaigegegongchenglingyu，liyongshuzituxiangshibiejishukeyiyouxiaodijiakuaizidonghua、智(zhi)能(neng)化(hua)進(jin)程(cheng)。液(ye)晶(jing)屏(ping)作(zuo)為(wei)智(zhi)能(neng)化(hua)設(she)備(bei)的(de)主(zhu)要(yao)標(biao)誌(zhi)，其(qi)識(shi)別(bie)已(yi)經(jing)成(cheng)為(wei)模(mo)式(shi)識(shi)別(bie)領(ling)域(yu)的(de)重(zhong)要(yao)研(yan)究(jiu)課(ke)題(ti)。帶(dai)有(you)七(qi)段(duan)碼(ma)的(de)數(shu)字(zi)液(ye)晶(jing)屏(ping)
，其(qi)顯(xian)示(shi)精(jing)度(du)高(gao)，易(yi)於(yu)讀(du)取(qu)和(he)設(she)置(zhi)
，在(zai)工(gong)業(ye)領(ling)域(yu)應(ying)用(yong)非(fei)常(chang)廣(guang)泛(fan)。利(li)用(yong)現(xian)有(you)的(de)圖(tu)像(xiang)采(cai)集(ji)技(ji)術(shu)
、圖像處理技術和圖像識別技術，可以實現液晶屏數字的識別

，常用的方法有神經網絡和模版匹配，識別的時間、識別精度和係統的便攜性是識別係統的關鍵。

　　

現有的識別係統大都是以計算機為載體，不能實現隨時隨地識別液晶屏的要求。近年以來，智能手機係統尤其是安卓係統
，以其開放性
、易開發和基於Linux操作係統等優勢
，獲得了大量的用戶。安卓係統提供本地接口（JNI）功能，使開發者可以通過接口調用庫文件
，不僅可以使用Java語言進行開發，而且可以使用輕量級且高效的C/C++yuyanbianxie。anzhuodebendijiekougongnengweishixiantuxiangchulitigonglefangbian。tongguotiaoyongjisuanjishijiaokuwenjian，anzhuokaifarenyuankeyifangbianjinxingtuxiangdechulihetuxiangdeshibie。jiyuci
，benwentichujiyuanzhuoshoujideyejingpingshuzishibiexitong，tongguoanzhuoshoujipaizhao，huoquyejingpingtuxiang，liyongtuxiangchulijishuduituxiangjinxingchuli，zuihoucaiyongsancengBP神經網絡對圖像進行識別
，隨時隨地
、快速
、準確地識別液晶屏圖像。

　　

　　

圖(tu)像(xiang)識(shi)別(bie)技(ji)術(shu)是(shi)利(li)用(yong)計(ji)算(suan)機(ji)視(shi)覺(jiao)采(cai)集(ji)物(wu)理(li)對(dui)象(xiang)，以(yi)圖(tu)像(xiang)數(shu)據(ju)為(wei)基(ji)礎(chu)，讓(rang)機(ji)器(qi)模(mo)仿(fang)人(ren)類(lei)視(shi)覺(jiao)

，自(zi)動(dong)完(wan)成(cheng)某(mou)些(xie)信(xin)息(xi)的(de)處(chu)理(li)功(gong)能(neng)，達(da)到(dao)人(ren)類(lei)所(suo)具(ju)有(you)的(de)對(dui)視(shi)覺(jiao)采(cai)集(ji)圖(tu)像(xiang)進(jin)行(xing)識(shi)別(bie)的(de)能(neng)力(li)，以(yi)代(dai)替(ti)人(ren)去(qu)完(wan)成(cheng)圖(tu)像(xiang)分(fen)類(lei)及(ji)識(shi)別(bie)的(de)任(ren)務(wu)。圖(tu)像(xiang)模(mo)式(shi)識(shi)別(bie)係(xi)統(tong)通(tong)常(chang)由(you)五(wu)個(ge)模(mo)塊(kuai)組(zu)成(cheng)，如(ru)圖(tu)1所示。

 

 

　　

由安卓手機拍照成功後得到液晶屏圖像，這裏選取拍照條件不是很理想的情況下獲取的照片，如下圖2所示。

 

 

由上圖2所示，得到的圖像是彩色圖像，由於光照強度等原因
，液晶屏圖像中常有許多噪聲點。為了得到精確圖像
，本文對圖像進行灰度化處理、大津法二值化處理和開運算處理。下圖3中（a）
、（b）和（c）分別為灰度化處理
、大津法二值化處理和開運算處理後的結果。

 

 

1.圖像傾斜矯正

　　

在拍攝過程中由於拍攝角度等因素
，導致圖像會有一定角度的傾斜，如圖3（c）所suo示shi。圖tu像xiang的de傾qing斜xie將jiang會hui增zeng加jia後hou續xu字zi符fu分fen割ge和he特te征zheng提ti取qu的de難nan度du
，甚shen至zhi導dao致zhi提ti取qu到dao的de特te征zheng值zhi是shi錯cuo誤wu的de
，進jin而er嚴yan重zhong影ying響xiang字zi符fu識shi別bie的de精jing度du。為wei了le便bian於yu圖tu像xiang後hou續xu處chu理li，需xu要yao對dui圖tu像xiang進jin行xing傾qing斜xie矯jiao正zheng。

　　

對於液晶屏圖像，考慮采用霍夫變換的方法求其傾斜角。通過霍夫變換，可以取得圖像中所有直線的端點。為了便於快速、高效地求取圖像的傾斜角
，先對圖像進行膨脹處理和邊緣檢測。

　　

膨脹是指將圖像與核進行卷積，核可以是任何形狀或大小。通過圖像的膨脹操作，可以將圖像中的高亮區域逐漸增加。對於圖3（c）
，先進行反色處理

，然後采用7×7的矩形內核膨脹處理5次。膨脹處理後的圖像包含有許多直線，對膨脹處理圖像進行邊緣檢測。設定上下限閾值比為3：1，通過Canny邊緣檢測得到的邊緣圖像。圖4中（a）和（b）分別是對圖3（c）進行膨脹和邊緣檢測後的結果。

 

 

由圖4（b）可以看出，經膨脹處理和邊緣檢測後的圖像可以將液晶屏數字的輪廓勾勒出來。對圖4（b）進(jin)行(xing)霍(huo)夫(fu)變(bian)換(huan)，可(ke)以(yi)獲(huo)取(qu)圖(tu)像(xiang)中(zhong)每(mei)條(tiao)線(xian)段(duan)的(de)端(duan)點(dian)
，進(jin)而(er)可(ke)以(yi)求(qiu)其(qi)反(fan)正(zheng)切(qie)函(han)數(shu)，即(ji)求(qiu)得(de)每(mei)條(tiao)線(xian)段(duan)與(yu)橫(heng)軸(zhou)之(zhi)間(jian)的(de)夾(jia)角(jiao)。對(dui)其(qi)餘(yu)傾(qing)斜(xie)角(jiao)求(qiu)取(qu)平(ping)均(jun)值(zhi)，即(ji)認(ren)為(wei)是(shi)圖(tu)3（c）的傾斜角度。

　　

根據傾斜角將圖3（c）進行旋轉得圖5。

 

 

2.字符分割及歸一化

　　

zifudefengejishukeyijiangdangezifucongtuxiangzhongfengechulai。zhifangtuguangfanyingyongyujisuanjishijiaoyingyongzhong，keyiduituxiangdeshujujinxingtongji
，huodeshujufenbudetongjitu。

　　

對於一個大小為X×Y的二值化圖像，定義其在橫軸和縱軸的投影分布函數為Hx（i）（i=1，2，…

，X）和Hy（i）（i=1
，2，…，Y），其中，X代表橫軸的坐標，Y代表縱軸的坐標
，初始化時設置函數值均為0。遍曆該圖像中的像素點，如果該像素點為黑色像素點，則將該像素點對應的投影分布函數Hx（i）和Hy（i）分別加1。最後，得出圖像在橫軸和縱軸的投影分布函數Hx（i）和Hy（i）。利用縱軸和橫軸方向分布函數中波峰和波穀的位置[9]，根據字符和空白在縱軸和橫軸投影的不同，得出各個字符的頂
、底、左端和右端在圖像中位置。

　　

根據各個字符在圖像中的位置，即可將字符分割，對圖3（c）進行字符分割後各個字符如圖6所示。

 

 

得到字符在圖像中的位置後，即可將字符從圖像中分割出來。由於實際分割過程中每個字符大小不一致
，如圖6所示，所以對分割字符進行歸一化處理，使不同字符的大小統一為固定大小，便於後續字符分割。首先將圖6中字符周圍的空白位置切除，然後采用三次樣條插值的方法，對源圖像附近的4×4個ge鄰lin近jin像xiang素su進jin行xing三san次ci樣yang條tiao擬ni合he，最zui後hou將jiang目mu標biao像xiang素su對dui應ying的de三san次ci樣yang條tiao值zhi作zuo為wei目mu標biao圖tu像xiang對dui應ying像xiang素su點dian的de值zhi。將jiang字zi符fu歸gui一yi化hua以yi後hou

，所suo得de各ge個ge字zi符fu如ru下xia圖tu7所示。

 

 

3.字符特征提取

　　

將字符從圖像中分割以後，就可以對圖像進行特征提取。采用網格法提取字符的21個特征值，用於字符圖像的識別。首先將字符圖像均分為5行3列的區域
，分別求得每個區域內黑色像素所占該區域的比例，作為字符的15個特征值；然後將字符圖像均分為3行，分別求得每行內黑色像素點占該區域的比例，作為字符圖像的3個特征值；最後，將字符圖像均分為3列，分別求得每列內黑色像素點占該區域的比例
，作為字符圖像的另外3個特征值。共提取字符圖像的21個特征值
，用於字符圖像的識別。

　　

　　

用誤差反向後傳算法即BP神經網絡來進行數字字符的識別。BP神經網絡由Rumelhart和McClelland於1985年提出，實現了Minsky和Papert認為不能實現的多層網絡的設想。

 

 

三層BP神經網絡的模型如圖8所示
，包括輸入層、隱含層和輸出層，各層間由連接權值構成。BPshenjingwangluodexunlianguochengyouxinhaodezhengxiangchuanbohewuchadefanxiangchuanbolianggeguochengzucheng，qixuexidebenzhishigelianjiequanzhidedongtaitiaozheng。suizhewangluodebuduanxuexi，quanzhiyebuduandetiaozheng，zhidaowuchajianshaodaokejieshoudechengduhuozhexunliandadaoyudingdexunliancishu。

　　

1.網絡結構設計

　　

2.3節說明了提取字符的21個特征值，本係統BP神經網絡的輸入層采用21個節點，分別對應字符的21個特征值。數字字符的識別結果共10個，本文用各個數字對應的四位二進製數表示其對應的期望輸出，即輸出層采用4個節點。

　　

由理論分析證明
，具有單隱層的BP神經網絡即可滿足大部分的設計需求，本文中采用單隱層。

　　

BP神經網絡隱含層節點數的設計與訓練樣本數的多少、樣yang本ben噪zao聲sheng的de大da小xiao及ji樣yang本ben中zhong蘊yun含han規gui律lv的de複fu雜za程cheng度du密mi切qie相xiang關guan。實shi際ji應ying用yong中zhong常chang用yong試shi湊cou法fa確que定ding最zui佳jia隱yin節jie點dian個ge數shu。下xia麵mian是shi一yi些xie確que定ding隱yin節jie點dian數shu的de經jing驗yan公gong式shi：

 

 

隱節點數，n為輸入層節點數，l為輸出層節點數


，為1~10之間常數。

　　

經過分析與實際檢驗
，本係統采用10個隱節點數時，可以使網絡誤差很小，同時具有很高的訓練精度，訓練速度也很快，所以采用10個隱節點數。

　　

網wang絡luo訓xun練lian所suo需xu樣yang本ben數shu取qu決jue於yu輸shu入ru輸shu出chu的de非fei線xian性xing映ying射she關guan係xi的de複fu雜za程cheng度du，映ying射she關guan係xi越yue複fu雜za，為wei保bao證zheng映ying射she精jing度du，所suo需xu要yao的de樣yang本ben數shu就jiu越yue多duo。對dui於yu本ben係xi統tong而er言yan，當dang每mei個ge數shu字zi字zi符fu取qu10個樣本，總共取100個樣本的時候，就可以訓練出比較理想的BP神經網絡。

 

2.生成訓練樣本和測試樣本

　　

本係統收集了1400張液晶屏數字的圖像，任意選取100張作為訓練樣本，剩餘1300張作為測試樣本。

　　

3.訓練神經網絡

　　

如果用安卓手機來進行BP神經網絡的訓練，消耗的時間非常長。為了節省時間
，用計算機進行BP神經網絡的訓練。采用VC++平台，根據訓練樣本訓練三層BP神經網絡
，訓練成功後將BP神經網絡模型移植到安卓手機中。

　　

4.係統測試

　　

圖9為本係統對圖2的識別結果，可以看到，該係統可以快速實現液晶屏數字的識別。

 

 

用1 300個測試樣本對識別係統進行檢測，檢測結果表明本係統正確識別率高達97.8%

，可以實現液晶屏數字的精確識別。

　　

　　

現xian有you的de液ye晶jing屏ping數shu字zi識shi別bie技ji術shu大da都dou是shi以yi計ji算suan機ji作zuo為wei載zai體ti來lai實shi現xian的de

，不bu便bian於yu實shi現xian隨sui時shi隨sui地di進jin行xing液ye晶jing屏ping的de識shi別bie。針zhen對dui這zhe個ge問wen題ti，以yi安an卓zhuo手shou機ji為wei載zai體ti
，通tong過guo拍pai照zhao獲huo取qu圖tu像xiang，調tiao用yong計ji算suan機ji視shi覺jiao庫ku實shi現xian圖tu像xiang的de預yu處chu理li和he特te征zheng提ti取qu
，用yong訓xun練lian的de三san層cengBP神經網絡模型實現液晶屏數字的識別。檢測結果表明，該係統可以隨時隨地、快速、高效地實現液晶屏數字的識別。