[发明专利]基于自适应混合阈值的智能电表芯片图像二值化处理方法

说明书

本发明公开了一种基于自适应混合阈值的智能电表芯片图像二值化处理方法，包括步骤：S1、对原始图像进行预处理获得灰度图像；S2、根据整幅灰度图像的灰度值计算全局阈值T_g；S3、计算灰度图像中每个像素点对应的笔画宽度，并自适应地计算每个像素对应的窗口宽度，根据每个窗口内像素值计算每个像素的局部阈值T_w；S4、将全局阈值T_g和局部阈值T_w结合计算得到混合阈值T；S5、根据混合阈值T对灰度图像进行二值化操作，得到二值化处理后的图像。与现有技术相比，本发明提供的处理方法针对智能电表芯片图像亮度不均匀的问题，对传统的局部阈值法进行改进，将全局阈值和局部阈值进行加权相加，解决了局部阈值算法没有考虑图像整体效果的问题。

技术领域

本发明涉及智能电表芯片图像处理，具体是基于自适应混合阈值的智能电表芯片图像二值化处理方法。

背景技术

智能电表是智能电网中重要的基础设备，在其储存、运输和安装过程中可能出现芯片混用、错用等问题，因此有必要对智能电表的芯片型号进行检测。光学字符识别(OCR)是比较常用的图像字符识别技术，二值化则是该技术最重要的步骤之一。由于背景复杂、拍摄角度和光线强弱等众多环境因素的影响，拍摄的芯片图像会出现亮度不均匀以及部分字符大小不一等问题，使得二值化效果不理想，进而影响后续的字符识别结果。

二值化是指根据图像中的目标信息与其背景在灰度特性上的差异来确定阈值，从而由划分的两个灰度值来表示图中的目标和背景。目前的二值化算法中按照阈值计算的空间区域可分为两大类：全局阈值算法和局部阈值算法。全局阈值算法是根据整幅图像的灰度值来计算全局的阈值，常用的全局阈值算法主要包括大律法(Otsu)、迭代法等，该类算法适用于具有明显双峰灰度直方图和亮度均匀的图像。局部阈值法则是根据每一像素点和该点邻域的灰度值来确定其对应的局部阈值。常用的算法有Bernsen算法、Niblack算法、Sauvola算法等，该类算法处理光照不均匀图像的二值化效果比全局阈值法更好，但并没有考虑图像的整体情况，有时还会存在过分割效应和伪影，效果仍不理想。而且大多数现有的局部阈值法都需要手动调整参数以得到最佳结果，那么对于不同的图像和字符大小，固定的窗口大小和参数值就无法有效处理。

发明内容

本发明的目的在于克服现有技术由于不均匀光照和芯片图像字符大小不一影响，芯片图像在使用单一的全局或局部阈值算法时，无法被有效地二值化的不足，提供了一种基于自适应混合阈值的智能电表芯片图像二值化处理方法，针对智能电表芯片图像亮度不均匀的问题，对传统的局部阈值法进行改进，将全局阈值和局部阈值进行加权相加，解决了局部阈值算法没有考虑图像整体效果的问题；针对芯片图像字符大小不一的问题，对每个像素由笔画宽度变换自动计算窗宽，并且根据不同的窗宽和自适应参数计算局部阈值，从而自适应地计算混合阈值，避免了手动调整参数，提高了算法的效率。

本发明的目的主要通过以下技术方案实现：

基于自适应混合阈值的智能电表芯片图像二值化处理方法，其特征在于，包括步骤：S1、对原始图像进行预处理获得灰度图像；S2、根据整幅灰度图像的灰度值计算全局阈值T_g；S3、计算灰度图像中每个像素点对应的笔画宽度，并自适应地计算每个像素对应的窗口宽度，根据每个窗口内像素值计算每个像素的局部阈值T_w；S4、将全局阈值T_g和局部阈值T_w结合计算得到混合阈值T；S5、根据混合阈值T对灰度图像进行二值化操作，得到二值化处理后的图像。