铸件DR图像工件号的增强和分割

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (6): 216-218.

• 图形、图像、模式识别 • 上一篇下一篇

铸件DR图像工件号的增强和分割

郭燕^1，2，曾理^1，2，李宗剑^2，3

1.重庆大学数理学院，重庆 400044
2.重庆大学光电技术及系统教育部重点实验室ICT研究中心，重庆 400044
3.重庆大学光电工程学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-21 发布日期:2011-02-21

Enhancement and segmentation of casting DR image’s workpiece characters

GUO Yan^1，2，ZENG Li^1，2，LI Zongjian^2，3

1.College of Mathematics and Physics，Chongqing University，Chongqing 400044，China
2.ICT Research Center，Key Lab of Optoelectronic Technology & System of EMC，Chongqing University，Chongqing 400044，China
3.College of Optoelectronic Engineering，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-21 Published:2011-02-21

摘要/Abstract

摘要： 铸件DR（Digital Radiography，数字化X射线照相）图像中工件号的识别对提高检测信息录入的自动化程度具有重要意义。由于受铸件厚薄不均等因素的影响，某些铸件DR图像字符区域存在字符与背景区分不明显等问题。要正确识别出铸件的工件号，必须对图像进行处理。采用加性模型消除字符与背景区分不明显的影响，gamma校正调整图像灰度范围，可增强对比度，获得适宜于二值化的增强图像。改进基于二次边缘提取的二值化算法，用于对铸件DR字符图像的二值化，可以减少笔画断裂问题，得到良好的二值化字符图像。字符分割采用小波变换提取图像列和的突变信息，从而确定字符间隔，能够完整地分割出每个字符。对实际的铸件DR图像进行实验表明，研究的方法获得了良好的效果，为铸件DR图像的工件号自动识别做好了准备。

关键词: 数字化X射线照相（DR）图像, 图像增强, 图像二值化, 字符分割

Abstract: Recognizing the workpiece characters of casting DR（Digital Radiography） image has great significance for inputing the detection information automatically.Due to the influence of casting’s thickness and other factors，there are some problems in the character region of the casting DR image，such as not obvious to distinguish between characters and background，and so on.Therefore，in order to identify the characters precisely，a further image processing is necessary.The additive model is used to eliminate the impact of dark region，and gamma correction is used to adjust the gray range.It can enhance contrast of the DR image，and the result is good for binary.Improving the binary algorithm based on the second edge extraction，it’s used for binarizing casting DR image of characters，which can reduce the number of fracture strokes and get a good binary image.Using wavelet transform to extract the detail information of the image’s column sum，then determining the column space between two characters，each character could be segmented.For actual casting DR image，experiments show that these algorithms can obtain good results.And it’s ready to recognize the workpiece characters of the casting DR images automatically.

Key words: Digital Radiography（DR） image, image enhancement, image binary, character segmentation

郭燕^1，2，曾理^1，2，李宗剑^2，3. 铸件DR图像工件号的增强和分割[J]. 计算机工程与应用, 2011, 47(6): 216-218.

GUO Yan^1，2，ZENG Li^1，2，LI Zongjian^2，3. Enhancement and segmentation of casting DR image’s workpiece characters[J]. Computer Engineering and Applications, 2011, 47(6): 216-218.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[5]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[6]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[7]	赵永猛，宓超. 自然环境下道口客车车身字符识别算法研究[J]. 计算机工程与应用, 2020, 56(16): 191-198.
[8]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[12]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[13]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[14]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[15]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.

铸件DR图像工件号的增强和分割

Enhancement and segmentation of casting DR image’s workpiece characters

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics