基于投影变换的锂电池喷码字符检测定位*

陈 燕, 杨 艳, 董 坤, 孙长伟, 邓运生

(蚌埠学院电子与电气工程学院，安徽 蚌埠 233030)

0 引 言

锂电池由于其体积小、容量大等优点，目前已被广泛的应用在各类电子产品中。锂电池上的喷码字符则表征了电池的产品信息，对喷码字符进行自动识别对产品的自动管理有着重要的意义。喷码字符的分割定位是进行字符识别[1-2]的前提，字符定位的准确性对字符识别精度有着关键的影响。由于锂电池表面光滑，采用摄像机进行抓拍时容易产生反光，从而导致成像亮度不均匀，此时采用传统的阈值分割难以取得理想的分割结果，增加了字符定位的难度。

随着智能制造技术的不断发展，产品管理的自动化程度越来越高，基于机器视觉的产品标识自动识别技术也贯穿其中[3-8]，而对包含产品信息的字符进行定位和识别则是这个过程中不可或缺的任务之一。针对该问题，文献[9]采用首先检测字符边缘点，然后将边缘点连接为直线的方法对线束连接器上的印刷字符进行检测。闵锋等人[10]则针对接触网支柱号牌定位和字符分割问题提出一种将形态学操作和支持向量机分类器相结合的解决方案。南阳等人[11]针对易拉罐生产过程中的喷码实时识别问题提出一种基于卷积神经网络的方法，该方法可以对喷码进行有效处理，然而卷积神经网络需要较高的硬件配置需求，增加了系统的成本。在文献[12]中，王睿等人则对啤酒包装电子监管码定位问题展开研究，设计了一种基于边缘检测和霍夫变化相结合的方法来解决该问题。上述的方法针对不同的机器视觉任务设计了对应的解决方案，取得了良好的效果，但在当图像成像不均匀时如何提高字符定位质量等问题上尚需要开展进一步的研究。

以设计一种轻量、高效的锂电池喷码字符检测定位系统为目的，本文力求采用简洁高效的传统图像处理手段，开发一种可以克服图像成像不均匀等问题，能对喷码字符进行准确、快速检测定位的算法，为锂电池喷码字符的识别应用提供一种可行的途径。

1 整体算法流程

如图1为常用的锂电池图像，从图像可以看出喷码字符位于电池的中间部位，且喷码由一系列的喷墨圆点组成。图像整体上灰度分布并不均匀，由于电池表面的不平整导致喷码区域明暗相间，难以采用传统的阈值分割得到理想的喷码字符。鉴于锂电池图像的上述特点，本文提出了如图2所示的字符定位流程，首先对字符区域进行初定位，获得字符区域的粗略位置；在此基础上对字符区域进行进一步的精细定位，并通过水平和垂直两次投影来得到单个字符的位置的尺度信息。

图1 锂电池图像示例

图2 算法的整体流程

2 喷码字符区域初定位

对锂电池图像中的喷码字符进行检测定位，首先需要确定喷码字符区域所处的范围。以图3(a)所示的锂电池图像为例，由于字符区域的灰度分布并不均匀，此时采用通用的阈值分割方法不能得到理想的效果。考虑到喷码字符区域灰度变化较为密集，此处采用梯度模型来构建区域特征。对于一幅图像f(x,y)而言，其x和y方向上的梯度gx,gy可以描述为：

(1)

(2)

为了消除噪声的影响，给定梯度阈值tg进行噪声滤除，将x和y方向梯度中大于阈值的保留，其余清零，可得到图3(b)和图3(c)的梯度二值图像。从图中可以看出，对于字符区域无论x方向还是y方向梯度都保持了较大密度，而对于其他的干扰区域则同一位置的像素点仅存在较大的x方向或y方向梯度。根据该特点，此处对不同方向的梯度图像进行邻域融合，融合的规则为：

s(x,y)=

(3)

其中s(x,y)为得到的融合图像，如图3(d)所示，此时多数噪声已被消除。

图3 方向梯度的领域融合

针对上一步得到的结果，通过形态学操作进行膨胀处理，将字符区域膨胀为一个整体的连通域，由于该连通域的面积和长宽比都处于一定范围内，以此为依据可得到字符区域的初定位位置如图4所示。

(a) 形态学操作后结果 (b)喷码区域的位置

3 喷码字符区域的精细定位

在得到字符区域的粗略位置后，将字符区域从原图中截取下来得到如图5(a)所示的目标图像，后续操作将依据此图开展。观察该图可知字符区域的整体灰度并不均匀，且存在一定的倾斜，需要进行倾斜校正。采用将字符区域按照一定角度进行水平投影的方式来获得校正角度，因为字符区域的倾斜角度与投影方向平行时得到的投影宽度最小，因此在获取投影宽度后即可得到旋转角度值。如式(4)所示：

(4)

其中θ为旋转角度，width(θ)为投影宽度，由于所拍摄图像近似水平，因此将角度校正的范围限定在了[-10,10]之内。

由于字符区域灰度并不均匀，不利于采用直接灰度投影的方法，再者，此时采用阈值分割也难以得到理想的分割图像。考虑到上述原因，此处采用先对原图进行Canny边缘检测，然后利用边缘图像进行投影来获得投影宽度。如图5(b)所示为对应的Canny边缘，该图像可以克服灰度不均匀的影响，得到的投影宽度曲线如图5(c)所示，可以明显看出投影宽度随着角度的改变而变化明显，投影宽度取最小值时的角度即为所需的校正角度，校正后得到如图5(d)所示的精细定位图像。

图5 喷码区域的精细定位

4 双向投影获得单个字符区域

图6 垂直投影喷码图像的获得

通过上述几个步骤的处理，可以得到姿态标准的喷码字符区域，接下来需要将喷码字符区域中的每一个字符都检测出来并进行定位。由于喷码字符的排列格式整体较为标准，因此此处提出对喷码字符进行水平和垂直投影，按照投影曲线的变化来对字符进行分割的方法。该方法的前提是获得准确的字符投影。从上节可知，采用直接阈值分割受亮度不均匀的影响难以得到理想的分割效果，采用Canny边缘检测则可以克服该问题，然而检测到的边缘往往相对喷码的准确位置存在一定的偏移。鉴于上述分析，以垂直投影为例，采用如图6所示方案来获取位置准确的字符图像。对于原始输入图像，分别进行图像分割和Canny边缘检测，得到分割图像和Canny边缘图像。然后将Canny边缘图像沿垂直方向进行形态学膨胀，并将膨胀后的图像与分割图像进行逻辑与操作得到投影喷码图像。

得到垂直投影喷码图像后，将该图像按照垂直方向进行投影，得到如图7所示的投影曲线，从图中可以看出经过投影后，由于相邻的两列字符之间存在一定的间隔，且间隔区域由于不存在边缘，故对应的投影值为0。然而也存在一定的字符粘连现象，如图中红色圆形所标出的位置，此时第二列字符与第三列字符投影后存在粘连，需要将粘连去除。具体步骤如下：

第一步，统计投影值为零点的位置，则相邻零点之间为字符列。然后获取相邻字符列之间的宽度wi,i=1,…,C，并求取平均字符列宽度wm。

第二步，计算各字符列宽度wi与平均宽度wm的比值ri=wi/wm。

第三步，如果ri>1.2或ri<0.8，则认为该列宽度存在异常并将其排除，重新计算正常字符列的平均宽度wn，此时wn对应了标准的字符列宽度。

第四步，对宽度异常的字符列进行处理，如果ri>1.2则说明第i列需要进行拆分，在该列离起点距离为wn的整数倍处寻找最小值，作为拆分点进行拆分。如果ri<0.8，则说明第i列需要与相邻列进行合并，则寻找相邻列宽度之和与wn最接近的进行合并。

进行上述处理后得到的分割结果如图7所示，从图中可以看出，通过所提出的粘连处理策略对异常列进行拆分或合并，能够准确的对每一列字符进行定位。

定位到字符列的位置后，下一步通过水平投影对字符行进行定位，采用与字符列相同的策略，将Canny边缘图像按照水平方向进行膨胀后，再与分割图像进行逻辑与得到水平投影字符图像，通过水平投影和对水平投影曲线进行粘连处理，可以对字符行进行定位。从而通过每一行和每一列的定位结果，可以获取单个字符的最终定位位置。

图7 投影曲线的粘连处理与分割结果

5 实 验

在本部分中将通过实验对所提出的算法进行评估和验证。所用的实验平台为CPU corei7、内存8G的台式计算机，软件开发平台为Matlab2012a。在实验前首先采集构建了锂电池喷码字符数据集，数据集包含了不同型号、不同亮度分布的102张锂电池图片样本。实验中采用本文算法对样本图片进行喷码字符定位，并衡量观测字符的定位结果。

如图8所示为部分样本的喷码字符区域定位结果，通过观察可以看出，尽管电池样本的形状、样本图像灰度的分布、字符区域的灰度分布各不相同，但本文算法都可以对样本图像进行准确的初定位和精细定位，从而得到理想的喷码字符区域。

图8 喷码区域的定位结果

图9 喷码字符的定位结果

图9则给出了部分样本图样的单个喷码字符定位结果。该图中每一个字符对应图中一个红色的矩形框。从图中可以看出喷码中的有效字符都可以得到准确检测，只有图9(e)中的点号由于喷码灰度太浅而被漏检。字符定位系统的运行速度方面，在Matlab2012a中可以达到9fps的检测速度，如果将算法移植到速度更快的c语言系统中将完全可以满足实时检测的需求。总体来看，本文所提出的算法无论在精度还是速度上都取得了优异的性能。

6 结 论

产品喷码是获取产品信息的重要途径，对产品喷码进行自动识别可以加快产品的自动化进程。本文针对锂电池喷码字符的检测定位问题，从机器视觉的角度出发设计了一种字符检测和定位方法。该方法首先依据喷码字符区域的梯度特征进行邻域融合，获取喷码区域的初步定位，在此基础上进一步对喷码区域进行倾斜校正得到喷码字符所在的精细区域。同时考虑到阈值分割图像和Canny边缘图像的优缺点，通过将分割图像与边缘膨胀图像进行逻辑与操作得到投影图像。最后对投影图像进行垂直和水平投影得到相应的投影曲线，以此获取单个喷码字符的位置，同时设计了拆分和合并算法对投影时产生的粘连现象进行处理。实验结果表明，本文所设计的方法可以准确的对各类锂电池喷码字符定位，具有一定的实用潜力。