李婧

（武漢晴川學(xué)院 電子信息與機(jī)電工程學(xué)院，湖北武漢 430204）

基于圖像分塊的商標(biāo)識(shí)別

李婧

（武漢晴川學(xué)院 電子信息與機(jī)電工程學(xué)院，湖北武漢 430204）

商標(biāo)識(shí)別是圖像識(shí)別中的一種。由于商標(biāo)是日常生活中隨處可見(jiàn)的事物，同時(shí)因?yàn)槠涓缓畔?，所以在自然環(huán)境下的商標(biāo)自動(dòng)識(shí)別也具有極大的用處。目前商標(biāo)識(shí)別由于在自然情況下圖片的干擾及其商標(biāo)的大小、位置的不一樣導(dǎo)致傳統(tǒng)的商標(biāo)識(shí)別算法難以解決以上的問(wèn)題。本文提出了一種基于圖像分塊的商標(biāo)可以很好的解決以上的問(wèn)題。商標(biāo)識(shí)別；圖像分塊；二值化算法

1 前言

商標(biāo)識(shí)別由于其應(yīng)用領(lǐng)域多、應(yīng)用范圍廣，受到了眾多研究者的關(guān)注。商標(biāo)識(shí)別框圖1所示，一般商標(biāo)識(shí)別分為以下幾步：獲取圖片、圖像灰度化、圖像二值化、去噪濾波處理、識(shí)別。

（1）獲取圖片：圖片一般是從相機(jī)、手機(jī)、網(wǎng)絡(luò)等途徑獲得的。由于相機(jī)和手機(jī)的攝像頭分辨率參差不齊，并且拍攝時(shí)自然條件的多樣化導(dǎo)致得到的圖片的格式、大小、分辨率也各有不同。

（2）圖像灰度化：由于開(kāi)始獲取的圖片包含了干擾、前景和背景、噪聲等元素，這些東西非常不利于圖像的識(shí)別，所以先把彩色的圖像灰度化。圖像的灰度化有許多種方法，這里采用的是用以下公式計(jì)算：

其中

I

代表灰度化之后的亮度值，B、G、R分別代表原來(lái)彩色圖像中的藍(lán)色、綠色、紅色的值。

（3）圖像二值化：圖像灰度化后還是包括目標(biāo)、背景和噪聲，圖像二值化便是通過(guò)一個(gè)閥值的選取將目標(biāo)完全保留，同時(shí)將背景和噪聲去除。本文中選取閥值的方法為大津閥值。

（4）圖像標(biāo)準(zhǔn)化：圖像二值化后由于顏色的原因，有些圖片的目標(biāo)變成背景，背景變成圖片。由于絕大多數(shù)圖片，背景的像素點(diǎn)比目標(biāo)的像素點(diǎn)多，所以這一步默認(rèn)將像素點(diǎn)多的顏色為白色，像素點(diǎn)少的為黑色。

（5）去噪和濾波處理：此模塊的作用是將圖像二值化后殘留的背景和噪聲完全去除，為了方便下一步的識(shí)別。本文中采用的濾波方法是基于輪廓提取的濾波方法。

（6）識(shí)別：以上的過(guò)程都完成后便只剩下目標(biāo)了，這一步是將圖片中的目標(biāo)和模板進(jìn)行比較，識(shí)別商標(biāo)。本文中采用的識(shí)別方法為分塊識(shí)別。

2 二值化算法

本文中采用的二值化算法為基于大津閥值的二值化算法。此方法為將一個(gè)灰度圖像的數(shù)據(jù)在某一閥值處分成兩組，當(dāng)被分成的兩組方差最大時(shí)，決定閥值。

圖1 商標(biāo)識(shí)別框圖

圖2 圖像的二值化

假設(shè)一幅圖像中的灰度值為0～

m

-1，灰度值

i

的像素?cái)?shù)為

N

，此時(shí)我們得到的像素總是為：

個(gè)值的概率：

然后用

T

將其分成兩組可以求出其全部的灰度平均值以及兩組間的方差：

其中，

w

，

w

為

C

，

C

的概率，

μ

，

μ

為

C

，

C

的平均值然后求出

δ

(

T

)最大時(shí)的

T

就是二值化算法中的閥值。取得閥值后將比閥值小的像素點(diǎn)變?yōu)?，比閥值大的像素點(diǎn)變?yōu)?55。整個(gè)二值化過(guò)程如下圖2所示。

3 濾波算法

本文中采用的濾波算法是一種新型的濾波算法，這個(gè)濾波算法基于邊界提取算法。在實(shí)際圖片中，絕大多數(shù)圖片的目標(biāo)物在中間，所以本文考慮的圖片是目標(biāo)在圖片的中間。濾波算法為我們從邊界上開(kāi)始找點(diǎn)，如果找到黑色點(diǎn)，則默認(rèn)為噪聲點(diǎn)，然后通過(guò)從此點(diǎn)的左上角開(kāi)始順時(shí)針查找是否還有黑點(diǎn)，如果有黑點(diǎn)則將其全部存起來(lái)，繼續(xù)尋找，直到所有點(diǎn)都已經(jīng)找完。

4 識(shí)別算法

在圖片識(shí)別之前首先獲取圖片的特征，首先獲取圖片中目標(biāo)的左上方、左下方、右上方、右下方的點(diǎn)，通過(guò)這四個(gè)點(diǎn)確定包含目標(biāo)的最小矩形，本文中獲取三個(gè)特征：第一個(gè)是目標(biāo)所在的最小矩形的高和寬的比值；目標(biāo)所在最小矩形中黑色點(diǎn)的個(gè)數(shù)與矩形的面積的比值；將最小矩形切割成100份，每一份小矩形中黑色點(diǎn)的個(gè)數(shù)與小矩形的面積的比值。繼而將以上三個(gè)特征與模板圖片的三個(gè)特征進(jìn)行比較，取差值最小的模板所對(duì)應(yīng)的商標(biāo)為圖片對(duì)應(yīng)商標(biāo)。

5 結(jié)語(yǔ)

本文中提出了一種新的商標(biāo)識(shí)別方法，這種算法克服了商標(biāo)的大小和位置不同的問(wèn)題，并對(duì)這種方法進(jìn)行了驗(yàn)證。在驗(yàn)證過(guò)程中一種識(shí)別了四個(gè)商標(biāo)，識(shí)別正確率為91.67%。證明了這種方法在實(shí)際應(yīng)用過(guò)程中有著一定的優(yōu)勢(shì)。

[1]游張華,徐勇,康業(yè)娜.基于ARM的商標(biāo)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程,2007,(15):264-266.

[2]楊淑瑩.圖像模式識(shí)別[M].北京:清華大學(xué)出版社,2005.

TP391.3

A

1003-2177（2017）11-0061-02

李婧（1988—），女，湖北仙桃人，講師，碩士研究生，研究方向：網(wǎng)絡(luò)化控制系統(tǒng)。