新京葡萄京-基于安卓手机的液晶屏数字识别系统的设计与实现

概要：针对具有七段字节的数字液晶屏，设计了一种基于安卓手机的液晶屏数字识别系统。通过手机照片提供液晶屏图像，利用安卓本地模块功能调用计算机视觉库，对图像展开处置；针对图像的弯曲问题，通过图像预处理和霍夫转换获得图像倾斜角，并展开弯曲矫正；利用直方图对数字字符展开拆分，以网格法萃取字符的特征值，用三层BP神经网络展开液晶屏数字字符的辨识。实际检测结果表明识别率很高，而且辨识速度迅速，该系统基于安卓手机，使用方便，便于装载，可以动态操作者。

　　0章节　　随着我国信息化建设和现代化进程的减缓，自动识别技术早已更加普遍地应用于在各个工程领域，利用数字图像识别技术可以有效地减缓自动化、智能化进程。液晶屏作为智能化设备的主要标志，其辨识早已沦为模式识别[1]领域的最重要研究课题。具有七段字节的数字液晶屏，其表明精度高，更容易加载和设置，在工业领域应用于十分普遍。

利用现有的图像收集技术、图像处理技术和图像识别技术，可以构建液晶屏数字的辨识，常用的方法有神经网络和模板给定，辨识的时间、辨识精度和系统的便携性是识别系统的关键。　　现有的识别系统大都是以计算机为载体，无法构建随时随地辨识液晶屏的拒绝。近年以来，智能手机系统特别是在是安卓系统[2]，以其开放性、不易研发和基于Linux操作系统等优势，取得了大量的用户。

安卓系统获取本地模块（JNI）功能，使开发者可以通过模块调用库文件，不仅可以用于Java语言展开研发，而且可以用于轻量级且高效的C/C++语言撰写。安卓的本地模块功能为构建图像处理获取了便利。通过调用计算机视觉库[3]文件，安卓开发人员可以便利展开图像的处置和图像的辨识。

基于此，本文明确提出基于安卓手机的液晶屏数字识别系统，通过安卓手机照片，提供液晶屏图像，利用图像处理技术对图像展开处置，最后使用三层BP神经网络[4]对图像展开辨识，随时随地、较慢、精确地辨识液晶屏图像。　　1识别系统流程　　图像识别技术是利用计算机视觉收集物理对象，以图像数据为基础，让机器仿效人类视觉，自动已完成某些信息的处置功能，超过人类所具备的对视觉收集图像展开辨识的能力，以替换人去已完成图像分类及辨识的任务[5]。图像模式识别系统一般来说由五个模块构成，如图1右图。

　　2图像预处理及特征提取　　由安卓手机照片顺利后获得液晶屏图像，这里挑选照片条件不是很理想的情况下提供的照片，如下图2右图。　　由上图2右图，获得的图像是彩色图像，由于光照强度等原因，液晶屏图像中常有许多噪声点。为了获得准确图像，本文对图像展开灰度化处置、大津法[6]二值化处置和进运算处置。

右图3中（a）、（b）和（c）分别为灰度化处置、大津法二值化处置和进运算处置后的结果。　　2.1图像弯曲矫正　　在摄制过程中由于拍摄角度等因素，造成图像不会有一定角度的弯曲，如图3（c）右图。图像的弯曲将不会减少先前字符拆分和特征提取的可玩性，甚至造成萃取到的特征值是错误的，进而严重影响字符识别的精度。

为了便于图像先前处置，必须对图像展开弯曲矫正。　　对于液晶屏图像，考虑到使用霍夫转换的方法欲其倾斜角。通过霍夫转换，可以获得图像中所有直线的端点。

为了便于较慢、高效地贪图图像的倾斜角，先对图像展开收缩处置和边缘检测。　　收缩是所指将图像与核展开卷积，核可以是任何形状或大小。通过图像的收缩操作者，可以将图像中的提示区域渐渐减少。对于图3（c），再行展开反色处置，然后使用77的矩形内核收缩处置5次。

收缩处置后的图像包括有许多直线，对收缩处置图像展开边缘检测。原作上上限阈值之比3：1，通过Canny边缘检测获得的边缘图像。

图4中（a）和（b）分别是对图3（c）展开收缩和边缘检测后的结果。　　由图4（b）可以显现出，经收缩处置和边缘检测后的图像可以将液晶屏数字的轮廓勾勒出来。

对图4（b）展开霍夫转换，可以提供图像中每条线段的端点，进而可以欲其当真托函数，即求出每条线段与横轴之间的夹角。对其余倾斜角贪图平均值，即指出是图3（c）的弯曲角度。

　　根据倾斜角将图3（c）展开转动得图5。

本文来源：新京葡萄京-www.agentangkasnet303.com