随着计算机技术和数字图像处理技术的发展, 机器视觉越来越广泛运用于实际生活中, 如通信领域、自动化生产等领域得到了越来越广泛的应用. ARM嵌入式图像处理技术相对于基于PC机等传统的图像处理系统, 其具有小巧、灵活、实时性强、便携性好、低功耗、抗干扰强、程序固件化等优点, 得到了越来越广泛应用. 但也存在显而易见的缺点, 硬件方面如处理器的处理速度不够快, 以及主频较低、缓存比较小、软件方面设计难度大、开发难度高和专业性要求高等等. 针对上述优缺点, 本文在研究ARM嵌入式系统原理的基础上, 设计了一种基于ARM Cortex-A9、OpenCV函数库构建嵌入式图像处理系统来实现对文字图像的处理. 该系统包括硬件平台的构建和软件架构设计, 实现图像的采集、显示、存储及处理. 该系统采用Qt编程技术开发图形应用程序, 能实现图像实时显示和处理, 从而缩短程序开发周期和降低开发难度.

1 嵌入式图像处理平台硬件环境构建

本文硬件核心处理器是采用三星公司的基于ARM Cortex-A9四核的Exynos4412 (Exynos4 Quad), 主频可达1.6 GHz处理器, 并拥有双通道DDR3, 处理器支持1Mbyte L2cache, 具有可靠性高、稳定性好等特点. 同时平台采用64 MB SDRAM、64 MB NandFlash作为系统存储器来存储图像的处理结果, LCD显示触摸屏显示采集图像和图像处理过程及结果等^[1]. 摄像头选用的是与硬件开发平台配套的Webeye2000 USB摄像头来采集图像. 为了与PC机通信和向嵌入式平台烧录程序, 平台通过数据发送模块、JTAG模块以及串口和网线接口连接到上位PC机, 组成了整个硬件开发平台, 这些硬件资源能够满足嵌入式文字识别系统的开发. 本文嵌入式图像处理系统的硬件结构图如图1所示.

2 嵌入式图像处理系统软件环境的构建

由于嵌入式平台上可利用的资源有限, 所以直接在平台上很难完成软件的开发和测试, 因此, 在嵌入式平台上开发相关应用程序时, 要构建交叉编译环境, 在PC机上完成相关程序开发和调试后, 通过交叉编译生成嵌入式平台可执行的文件. 嵌入式图像处理系统开发环境的构建主要包括Bootloader移植、操作系统的移植、摄像头驱动配置、Tslib驱动移植和OpenCV的移植等.

2.1 操作系统移植

对于嵌入式开发系统平台构建的首要步骤是操作系统的选择和移植. 目前, 嵌入式Linux操作系统作为嵌入式主流操作系统, 其最大的特点是源码公开并且遵循GPL协议, 同时嵌入式Linux操作系统支持广泛的硬件, 可以同各种强大的应用软件及完善的设备驱动和开发工具融合. 嵌入式Linux操作系统移植的关键在于制作根文件系统以启动Linux内核, 制作根文件系统步骤如下:

(1) 建立rootfs目录, 并在该目录下建立root、home、lib、dev、shin、proc、tmp、var、etc、usr等子目录, 并设置rootfs的可读写权限.

(2) 编译busybox文件, 将生成的bin、sbin、linuxrc、etc文件拷贝到rootfs, 在dev里面建立新的结点devA、devB. 执行cramfsck -x rootfs rootfs. cramfs命令, 生成rootfs.ext4根文件镜像, 将该文件拷入到开发板中, 完成根文件系统的制作.

2.2 Bootloader的移植

Bootloader是在目标板上电后, 运行于操作系统之前的一段小程序, 它的作用是引导加载应用程序. 能够用来初始化硬件配置、建立系统空间映像表, 从而建相匹配的系统软件和硬件环境^[2], 为最终调用嵌入式图像处理平台的Linux系统做好准备. 修改Makefile文件, 进行相关宏定义修改, 主要步骤如下:

(1) 添加交叉编译库include文件路径到系统中, 即:

INCLUDE_DIR=/usr/local/arm/arm-2009q3/include/

(2) 添加交叉编译工具路径, 即:

CROSS_COMPILE=/usr/local/arm/arm-2009q3/bin/arm-none-linux- gnueabi-

(3) 交叉编译工具依赖文件, 即:

CROSS_COMPILE_ARM_GCC_LIBS=/usr/local/arm/arm-2009q3/lib/gcc/ linux-arm/

进行上述配置后, 执行make menuconfig和make生成二进制文件并烧录到开发板.

2.3 嵌入式平台摄像头驱动配置

进入Linux内核配置界面, 依次选择Device Drivers→Multimediac Surport→Video capture adapters→V4L USB devices→USB Video Class 便可完成摄像头驱动模块的加载配置.

内核配置编译完成后会生成zImage内核镜像文件, Bootloader会自动加载zImage到内核, 并跳转到zImage开始地址运行. 开发板上电, 在Linux超级终端minicom命令行中输入root命令, 会启动嵌入式平台Linux操作系统出现, 启动界面如图2所示.

2.4 Tslib驱动移植

Tslib是用来校准电阻式触摸屏开源软件库, 可以为触摸屏驱动获得的采样提供滤波、去抖、校准等功能, 经常用作触摸屏驱动的适配层, 在系统硬件的上层为应用提供接口. 移植步骤如下文.

(1) 进入Tslib源码目录下, 配置交叉编译工具环境变量、生成路径, 进行编译之前的配置, 执行命令:

# ./autogen.sh

#./configure

--host=arm-none-linux-gnueabi ac_cv_func_malloc_0_nonnull=yes --cache-file=arm-linux.cache -prefix=/media/inand_ext4_1/tslib

(2) 完成tslib交叉编译后, 进入tslib/etc目录, 配置文件tslib.conf, 把module_raw_input前面的“#”和空格去掉. 将tslib动态库移植到嵌入式开发板, 配置tslib在开发平台上的环境变量.

2.5 Qt的驱动移植

Qt是一种跨平台且面向对象的C++图形用户界面应用程序开发框架. 它既可以开发GUI程序, 也可用于开发非GUI程序. Qt使用一些特殊的代码生成扩展以及一些宏, 它易于扩展, 允许组件编程. 本文选用Qt-4.8.5, 其在Linux嵌入式平台的移植步骤如下:

(1) 进入embedded Linux版本qt-everywhere

-opensource-src-4.8.5源码目录下, 执行命令, 进行编译之前的配置, 添加交叉编译工具inux-arm环境路径、添加-embedded arm指定对arm平台embedded版本、添加-qt-mouse-tslib和tislib的lib库路径为了指定使用tslib来驱动触摸屏.

(2) 编辑文件mkspecs/qws/linux-arm-g++/

qmake.conf, 添加tslib动态库, 将QMAKE_CC、QMAKE_CXX、QMAKE_LINK、QMAKE_LINK_SHLIB的arm-none-linux- gnueabi-gcc/g++后添加-lts, 将QMAKE_AR、QMAKE_OBJCOPY、QMKE_STRIP的arm-none-linux- gnueabi-后面分别添加-ar cqs、-objcopy、-strip.

(3) 在终端make和make install后, 将经过交叉编译得到的lib库拷贝到嵌入式平台的根目录下, 配置Qt库在开发平台环境变量.

2.6 OpenCV的移植

OpenCV提供了大量的图像处理算法函数, 开发者可以在图像处理程序中直接调用算法并进行移植, 可以减少繁杂的开发任务. 本文移植的视觉库是OpenCV-2.4.9, 移植步骤如下:

(1) 下载和安装cmake-gui. 它是跨平台交叉编译工具, 能够生成makefile文件.

(2) 下载安装OpenCV-2.4.9. 下载完成后解压到/root/tools目录下, 切换到root用户下, 输入#cmake-gui打开cmake图形界面, 输入OpenCV的源码路/root/tools/ OpenCV-2.4.9和安装路径/user/local/arm-opencvlib, 点击configure和next按钮后, 添加C/C++交叉编译工具, 并勾上BUILD_JPEG、BUILD_PNG, 取消安装tiff, 修改CMAKE_INSTALL_ PREFIX值, 点击Generate按钮生成Makefile文件. 进入到arm-opencvlib目录下CmakeCache.txt文件, 在CMAKE_EXE_LINKER_FLAGS:STRING=后加上-lpthread –lrt; 在终端输入make和make install完成OpenCV-2.4.9编译安装.

(3) 进入arm-OpenCV目录, 将编译连接得到的lib、include、share文件拷贝到开发板的/user/local目录下, 并配置嵌入式板的OpenCV库的环境路径.

3 嵌入式文本字符识别程序开发

本文设计了对汉英混排字符文本文档图像的字符识别程序, 文字识别处理流程如图3所示.

3.1 图像预处理

由于在图像的获取过程中, 拍摄的角度及相机的振动和拍摄的高低远近变化无常, 再加上光线的变化, 本身曝光时间, 这些因素都会影响所采集图像的质量. 为了使在后续对图像中信息更好识别获取, 必须使区域特征更加突出, 目标信息更加明显, 故在对图像进行信息识别之前, 需要经过一系列的预处理来对图像进行补偿^[3], 以减少识别的错误率. 图像预处理工作依次为对采集到的图像进行图像去噪、灰度化处理、边缘处理、图像二值化等.

为了在去噪过程中, 不损坏图像中字符的轮廓和边缘等信息, 本文采用了中值滤波法进行滤波, 在消除噪声的同时不破坏图像的细节. 在灰度化处理方面, 本文选择颜色通道的最大值作为灰度值, 即:

$\begin{array}{l}Gray(i,j) = \max \left\{ {R(i,j),G(i,j),B(i,j)} \right\}\\0 \le i \le W,\;0 \le j \le H\end{array}$

(1)

其中, W、H为图像的宽和高.

另外, 采用Sobel算子进行文字的边缘检测, OTSU算法进行图像的二值化, 预处理效果如图4所示.

3.2 文本字符图像分割

在预处理完成后, 利用文本图像版面一些特点, 首先采用水平投影进行行分割, 其次基于字符连通域的方法对二值图像进行字符连通域标记^[4,5], 以及将中文区域和英文区域进行分离, 最后已分割出来文字进行合并和粘连分割, 处理步骤如下:

(1) 行分割 对于印刷字体来说, 一般行界区分都很明显, 即文本图像行与行之间的空白空隙是固定的, 而且要小于字符行的高度, 为了更好的处理, 可以通过检测空白区域, 可以确定图像中的各行边界, 本文根据这一特征采用水平的投影算法^[6]来进行行割. 目前, 对文本字符分割采用投影法效果明显. 它是把图像具体化为一个A×B的矩阵 $f(i,j)$ , 对每一行的投影算法如下:

$V(j) = \sum\limits_{i = 0}^N {f(i,j)} , \; j = 0,1,2, \cdots ,N$

(2)

其中, 投影值为0的点是字符间的空白. 将第一个V(j)≠0的点标记为V_a, 并从V_a开始, 分割程序从上到下或从左到右扫描每一行或列, 当第二次遇到V(j)=0的点时, 将该点标记为V_b, 此时扫描停止, 这两点之间视为一行字符, 使用这种方法循环至行的结尾.

(2) 字符连通域标记 在完成行分割后, 就可以进行字符分割. 除了行与行之间, 在同一行中的字符之间也是存在空白的, 可以利用这些空白, 可以确定字符之间的边界. 可以利用该特性, 对图像不同行区域的字符进行连通域标记, 并定义连通域类如下:

struct UnionArea

{ UnionArea* up //指向上一个连通域的指针

Point Rt //连通域的左上角顶点

Point Lb //连通域的右下角顶点

UnionArea* next //指向下一个连通域的指针

}

对文本进行初步切分, 大多数文字可以被切分出来, 但仍然有少许文字不能被正确切分出来, 如左右结构汉字、上下结构汉字、粘连字符和交叉包含结构的字符会形成独自连通域, 如图5所示, 因而对初步切分结果进行合并处理是很有必要的^[7]. 经过试验表明, 采取以下几个步骤能够较为有效地切分出各文字.

1) 区域分割: 根据文本图像中同一水平线上, 同类文字之间中心间距是均匀且固定的, 因此可以利用这种特性来判断一些字符是否为英文字符或中文字符^[8,9]. 但是当不同类文字混合出现在一行的时候, 对等间距性产生破坏^[10]. 文本中英文字符的长和宽远远小于中文字符, 可以利用字符的长和宽特性来分离出中英文字符区域^[11]. 因为英文字符和数字字符有类似的宽度和周期, 所以本文在区域分离的时候, 将数字考虑在英文区域内. 但是对于标点符号来说, 其长宽比相对来说要小很多, 可以依此快速分离出标点符号.

2) 字符合并: 首先对连通域进行行排列, 以连通域的中心点为特征, 对每行的连通域按照中心点列坐标进行排序. 其次, 合并分两步进行, 根据上下结构和交叉包含连通域的中心点的横纵坐标都在最大连通域的范围内, 将完全包含关系和上下结构关系的连通域合并^[12]. 最后, 以连通域中心点为中心, 以m倍×平均字宽作为搜索半径进行左右搜索; 如果合并后的字宽不超过n倍×平均字宽, 则进行合并(其中m、n为系数), 并结合左右结构字符的内部间隙小于字与字之间的距离进行合并.

3) 粘连分割: 首先, 求解平均字宽. 由于连通域大多是已经切分正确的文字, 因而可以通过统计连通域的宽度来得到一个参考的平均字宽^[13]. 为了使得统计的平均字宽更接近真值, 需要舍弃或合并某些连通域进行多次平均求解, 会得到接近实际的平均字宽. 其次, 为了使粘连的字符或部件分离, 扫描结点, 判断连通域的宽度是否超过平均字宽一定程度. 如果超过, 则返回到层次连通域表中上一个层次得到多个连通域. 合并和粘连切分如图6所示.

4 字符特征提取与训练

由于汉字数量较大, 本文选取了200个宋体汉字作为训练样本, 100个宋体汉字作为测试样本. 分别训练常用汉字、英文和标点模板, 形成样本库. 具体步骤如下: 首先将输入只有单个字符的图像, 进行中值滤波、二值化、归一化和特征提取等处理; 然后把提取出来的特征向量值存入自动生成的HOG_SVM_CHIN. xml、HOG_SNM_DATA.xml、HOG_SVM_CHAR. xml文件. 最后文件的命名时把手动输入指定的字符转化为对应的微软标准编码作为文件的名字, 后缀名为.xml数据文件, 并把文件保存在指定的路径下.

5 实验测试

(1) tslib测试, 把tslib.tar.gz拷贝到开发平台, 并解压到/media/inand_ext4_1目录下, 运行ts_calibrate触摸校准程序, 触摸校准完成后会在/etc目录下生成pointercal文件. 接着可以运行其他命令(ts_harvest 、ts_print、ts_print_raw、ts_test)进行触摸测试.

(2) Qt测试, 把QtEmbedded-4.8.5-arm.tar.gz拷贝到开发平台, 解压到/media/inand_ext4_1目录下, 进入/media/inand_ext4_1/QtEmbedded-4.8.5-arm/demos/embedded/fluidlauncher, 运行fluidlauncher 启动器程序, 触摸屏上将启动Qt图形界面, 并且可以用触摸操作.

(3) 编写开机运行Tslib和Qt启动脚本, 让系统开机就自动运行Qt图形界面程序, 需要在系统的启动文件里加上执行指令, 修改文件文件/usr/etc/rc.local.

(4) 在平台下安装Qt插件库, 在/usr/local下安装支持jpeg、png等图片格式的插件库.

(5) 将已经训练好的字符库.xml文件拷贝到嵌入式平台的/bin/目录下.

(6) 程序移植, 完成字符处理程序设计后, 使用交叉编译器对已经调试好的源程序编译, 生成可以在开发平台运行的可执行文件QTlmage, 并将该文件移植到开发平台下的/bin/目录.

启动系统, 应用程序自动运行, 在嵌入式平台上看到程序运行效果如图7所示.

6 结论与展望

本文研究了基于嵌入式平台混合字符识别系统, 给出了嵌入式系统开发环境的构建步骤, 主要包括: Bootloader移植、摄像头驱动配置、Tslib驱动移植和OpenCV的移植等, 开发了基于ARM Cortex-A9嵌入式图像字符识别程序, 并将程序移植到嵌入式平台运行, 从运行结果可知, 编译程序已经在嵌入式平台正常运行, 移植的OpenCV和Qt嵌入式图像处理系统具有较高的稳定性和可行性, 同时该系统也能对图像字符进行很好的分割和识别. 但在拍摄图片时, 图片的质量受多种因素的干扰, 字符分割时有时会产生错误, 导致识别出现误差. 因此, 下一步还需要改进算法, 来提高字符的识别.