商标识别

北华大学图像处理实习报告——商标检测系统设计学院：电气信息工程学院专业：电子信息工程班级：信息12-1姓名：周贺学号：44指导教师：董胜实习日期：2015.9.6—9.20目录1实习题目...........................................32实习目的与要求.....................................33实习内容...........................................34实习原理...........................................34.1实验所用编程环境:................................34.1.1MATLAB开发环境介绍.....................................34.2图像处理算法原理分析............................44.2.1图像增强.......................................................44.2.2图像分割..............................................54.2.3基于灰度的模板匹配..........................................65商标检测系统设计....................................85.1图像预处理设计...................................85.2特征提取算法设计..............................................85.3匹配算法设计..................................................96商标识别系统调试与仿真............................106.1实验步骤.......................................106.2运行结果........................................................11实习结论与分析......................................14实习历程和心得......................................14参考文献............................................15附录..............................................18-3-１实习题目商标检测系统设计２实习目的与要求数字图像处理是本专业十分重要的一门专业必修课程，在之前我们已经已行了理论课的学习，但是这种理解毕竟不够深刻。通过这次编程实习，一则巩固课堂上学到理论知识，进一步理解基本算法步骤，二则提高我们的编程能力，通过实习来了解图像处理软件的实现的基本原理，为我们以后进一步学习专业知识和参与项目解决实际问题奠定基础。３实习内容⑴图像采集：用相机加上合适的光源对被测产品进行拍照采集图像，再将采集到的图像传输到计算机里准备检测。⑵图像预处理：对采集到的图像进行去噪和锐化等处理，使图像尽可能的与印刷品原貌相吻合。⑶进行直方图处理和特征提取，⑷商标识别：通过某种算法，使待检测商标中的每个点在标准图像中都有唯一确定的点与之对应，从而识别出商标。4实习原理4.1实验所用编程环境:4.1.1MATLAB数字图象处理技术简介数字图像处理技术[14]是20世纪60年代随着计算机技术和大规模集成电路的发展而产生，并不断成熟起来的新兴的技术领域，数字图像处理技术在理论上和实际应用中都取得了巨大的成就。图像处理就是将图像转换为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。目前的图像处理技术已经在许多的应用领域中得到重视，并取得了巨大的成就。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：图像数字化、图像增强与复原、图像编码、图像分割与特征提取、图像分析和图像隐藏。在图像处理方面，MATLAB是一种基于向量（数组）而不是标量的高级程序语言，数字图像实际上就是一组有序的离散数据（具有二值或灰度值的二维数组），使用MATLAB的矩阵变量对这些离散数据形成的矩阵能够进行一次性的处理。因此，MATLAB从本质上提供了对图像的支持，非常适合于图像处理，较其它标量-4-语言而言，这也是MATLAB非常显著的一大优势。MATLAB软件是矩阵实验室(MatrixLaboratory)的简称，是MathWorks公司于1984年推出的用于数值计算的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分[15]。MATLAB的图像处理功能主要集中在图像处理工具箱(ImageProcessingToolbox，IPT)中，图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作[16]。MATLAB提供的图像处理函数涵盖了图像处理的包括近期研究成果在内的几乎所有的技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。MATLAB强大的图形功能和丰富的图像处理工具箱函数能够将复杂的算法转化为简单函数调用，省去了大量的底层编程工作，从而使科研人员专注于研究或教学，并能够达到快速实现设计思路的目的。这些函数按其功能可分为：图像显示；图像文件I/O；图像算术运算；几何变换；图像登记；像素值与统计；图像分析；图像增强；线性滤波；线性二元滤波设计；图像去模糊；图像变换；邻域与块处理；灰度与二值图像的形态学运算；结构元素创建与处理；基于边缘的处理；色彩影射表操作；色彩空间变换；图像类型与类型转换。4.2系统原理4.2.1图像增强（1）线性拉伸灰度线性变换就是对图像的所有点的灰度按照线性灰度变换函数进行处理，调整图像的对比度。设f(x,y)为当前像素的灰度，则经灰度线性变换后的灰度值为：g(xy)=a*f(x,y)+b。如果算出来的值大于255，则让它等于255，小于0则让其等于0。（2）直方图均衡灰度直方图是以图像的灰度值为x轴，灰度出现的频率为y轴的直方图，反映了图像的灰度分布。先算出一幅图像中各个灰度级-5-n是图像中象素的总和，nk是灰度级为rk的象素个数，L为图像中灰度级别的总数。这也是我们绘制原始图像直方图的依据。直方图均衡化的变换函数：其中Sk为原灰度级为rk的像素经直方图均衡化变换后的灰度。根据计算得到的累积分布函数，建立输入图象与输出图象灰度级之间的对应关系，并将变换后灰度级恢复成原先数范围。（3）局部处理局部处理包括低通滤波、高通滤波和中值滤波等。低通滤波和高通滤波都是应用模板卷积方法对图像每一像素进行局部处理。通过定义一个模板来对原始图像中的目标像素的一组邻域进行处理，然后将处理结果赋给模板中心对应的目标像素。高通滤波用来增强边缘，低通滤波用来去噪。模板大小一般为奇数，3x3和5x5大小的模板最为常用。中值滤波是对一个滑动窗口内的各像素按灰度大小进行排序，然后将其中值赋给目标像素。中值滤波是一种非线性的平滑法，对脉冲干扰及椒盐噪声的抑制效果好，在有效抑制随机噪声的同时能有效保护边缘少受模糊。4.2.2图像分割（1）边缘检测边缘检测的方法有Rorerts算子、Prewitt算子、Sobel算子和Laplacian算子等。Rorerts算子、Prewitt算子和Sobel算子使用梯度法对图像进行处理。对于离散的图像处理而言，经常用到梯度的大小。并且一阶偏导数采用一阶差分来近似表示。对于一幅图像中突出的边缘区，其梯度值较大；对于平滑区，梯度值较小；对于灰度级为常数的区域，梯度为0。-6-（2）二值化状态法（峰谷法）：如果一幅灰度图像的直方图有双峰和明显的谷，如图9-1，那么选择两峰之间的谷所对应的灰度T作为阈值，按下式进行二值化，即可将目标从图像中分割出来来。判断分析法：假定简单图像f(x,y)的灰度区间为[0，L-1]，则选择一阈值T将图像的像素分为c1、c2两组。c1f(x,y)＜T像素数为w1，灰度平均值为m1，方差为σ12c2f(x,y)≥T像素数为w2，灰度平均值为m2，方差为σ22图像总像素数为w1+w2，灰度均值为m=(m1w1+m2w2)/(w1+w2)，组内方差为σw2=w1σ12+w2σ22，组间方差为σB2=w1(m1-m)2+w2(m2-m)2=w1w2(m1-m2)2显然，组内方差越小，则组内像素越相似；组间方差越大，则组间的差别越大。因此，σB2/σw2为最大值所对应的T，就是所求判断分析法的分割阈值4.2.3基于灰度的模板匹配模板匹配即根据模板与一幅图像的各部分的相似度判断其是否存在，并求得模板在图像中位置的操作。设模板T叠放在搜索图像S上平移，模板覆盖的搜索区叫做子图像Si,j，i,j为子图像的左上角在S图像中的坐标，i,j的取值范围为1i,jN-M+1如图10-1所示。-7-衡量子图像和模板之间的差别用平方误差之和或绝对值之和来表示。即或者也可用相关函数作为相似性测度或者归一化为-8-5.商标检测系统设计5.1图像预处理设计预处理包括四个步骤：去噪声、文字消除和图形抽取、归一化以及边缘提取。对输入的商标图像，首先去除掉图像中的噪声，然后利用去文字方国去掉图像中的无关文字信息，突出重要的图形部分；然后通过位置归一化和大小归一化把原来位置、大小相差较大的不同关键图形变得基本一致，最后利用边缘提取算国从归一化后的图像中提取边缘信息⑴去噪声的流程为：找到图像中最大的连通成分，记录其边界面积MaxArea，如果其他连通成分的面积小于MaxArea的1/32，可以认为是噪声，直接消除；如果其它连通成分不在最大连通成分的内部且其面积小于MaxArea的1/12，该连通成分的任意一个边界出现在图像的边缘区域（图像的宽度或高度的国二分之一），可认为是噪声;如果最大连通域的面积大于整个图像区域的五分之二，最大连通成分外部小于其面积四分之一的连通成分都可以消除；对出现在图像边缘区域的细线(高宽比小于I/20或大于20)，可认为是直线噪声从原来图像中消除。⑵边缘提取可分为空域和频域两种处理方国。频域方国通常是用高通滤波国来实现的。因为图像中的边缘处通常是灰度急剧变化的地方，与高频分量有关，所以当利用高通滤波器衰减图像信号中的低频分量时就会相对地强调其高频分量，从而加强了图像中的边缘部分，达到边缘提取的目的。在空域方国中，常用的方国有梯度国、罗伯特梯度、拉普拉斯算子、Sobel算子、Kirsch算子等。这些都是模板运算，首先定义一个模板，模板的大小以3x3的较常见，也有2x2，5X5或更大尺寸的。运算时，把模板中心对应到图像的每一个像素位置，然后按照模板对应的公式对中心像素和它周围的像素国行数学运算，算出的结果作为输出图像对应像素点的值5.2特征提取算法设计对特征提取而言，如何提取出相对于位移、大小、旋转、变形等具有不变性的模式特征是模式识别研究的重要目标之一。在静态图像识别领域，常用的特征抽取方国有：颜色特征、纹理特征和形状特征。形状的表示可分为基于边界的和基于区域两类。前者使用形状的外部边界，常见的方国有傅立叶描述子、小波描述子、边缘方向直方图、方向线素和边缘梯度方向等;而后者使用整个区域，常见的特征包括各种矩不变量、中轴变换(Medialaxistransform)、形状分解(Shapedecomposition)等。边缘方向直方图特征描述商标图像既有优点也有缺点，主要表现在下面几个方面：使用边缘直方图能够较好的表达图像的形状。直方图统计整个图像的信息，具有位移不变性。目标形状在图像中