复杂背景图像的字符识别算法研究
【摘要】 为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题，提出了一种分块处理与卷积神经网络(cNN)相结合的字符图像识别算法;首先利用0pencV机器视觉库，结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理，初步解决图像局部曝光和字符断裂问题;其次为了获得单个字符图像，利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割，进而去掉字符间的无用信息;最后利用Keras模块为字符识别提供的API搭建CNN模型.经过对lOo多张字符的识别训练，准确率高达96.9%，为某汽车零部件自动化生产中的字符识别提供了可靠的依据。
