公司最近来了一批智能锁产品~，

使用NB-IOT移动物联平台接入，我方负责锁产品的后台统一管理，包括控制智能锁密码下发等。

概要

这里需要给锁安装人员提供一个快捷的录入锁IMEI 编号的功能，

鉴于之前调研过图片识别相关的东西，这里顺便做了个锁IMEi图片的识别测试。

锁如下：

识别

输入

需要识别的

就是锁上贴着的白色小纸片，需要识别出拍摄图片上的IMEI码。

如果客户端通过各种手段能直接截取到方形图片的画，识别就是草鸡简单，没什么难度了，当然这个也是后续的真正方案了~

这里我自己扩展了下，也算又练了一把手，

直接识别随便手机拍摄的如上图片，包含高光点、杂乱背景、歪着拍的， 可能还有90度或者180度拍摄等情况。

综合处理了下，最后结果基本还行，不过总的来说最好还是固定样式的好

基本正常拍摄的图片.

歪着拍的图片

处理时，判断分析出的边界矩形长宽，进行旋转操作。

这里只简单处理了接近90度的图片

所以，这里如果要能处理全部的图像，可能还需要对偏移角度更进一步分析。

光照不均匀图片

又有光照又有背景的图片

,这个识别好像还有点问题，不过可以综合其他方法处理，比如数字前缀等.

或者多做几次边界处理，先一步截取最外层背景。

这里可以看出来，图片识别还是要对输入的图片有一个统一标准，不然识别的难度那是无限增加~

不知道那些搞机器人，自动汽车啥的，是咋搞的，真心应该很复杂。

实现

下面说下实现思路,

其实也没啥，定位白色贴条区域，截取，识别。

那么问题来了，怎么定位白色贴条区域？

定位

针对此特定问题，我们可以看到整个图片基本上都是深色居多，白色贴条部位除外。

那么如果我们对图片作水平方向的灰度投影计算，即将整张图片上每一行的灰度像素值水平累计，生成出一张图像，

也就是上面结果中的各个图上右下角那个图形，人眼可以非常明显的看出贴纸的那一块的上下边界。

灰度像素值基本比较平滑，比最大值少一半左右，

这个就是关键了。

算法

算法目标已经基本很明确了，计算出上述直方图中，比较平滑的一段数据的起始y和结束y.

再抽象一点，就是给定一组数据

([0,a0],[1,a1],[2,a2].....[ x,ax])  ， 数组数量>1800。 

找出其中一段连续数据，记录起始x1,x2. 其中x1-x2的所有对应a值都应该小于最大a值的一半，

并且x1-x2连续波动幅度不大的，即相连两个a值差别不应太大，假定不大于35（灰度像素）同时x2-x1的最小长度有要求，最低x2-x1>200。

即最少要有连续200个点,同时改连续段落位于给定数据中间(不会在接近头部或者尾部)

自己都被自己说糊涂了。。就酱吧。

实现这个算法搞了快一天，果然现在写程序都是机械化的，真正用到算法的地方不多呢，

随便搞点这种算法，脑袋就不好使了(｡・`ω´･)

我这里的实现步骤：

得到y投影

循环y,假设当前为段落起点.记录 起始相关值startj, startv。

  继续循环，对比前后两个值，及当前值与段落起始值 startv 差距。是否满足，

  满足： 记录连续次数times,  继续，

  否：是否满足最小连续次数times, 

      是:找到一段，记录值

      否：从新重新计算相关值startj, startv,继续循环.

这样用文字写一遍下来，好像思路更清晰了，果然有些东西还是要写写。

代码实现如下：

		Double max = 0D;
		// 单纯计算y投影
		Mat hist = canyStepOne(input, output, max);

		for (int j = 0; j < imgheight; j++) {
			double num = hist.get(0, j)[0];
			if (max < num)
				max = num;
		}

		// 计算纵向区域
		List<Rect> rects = new ArrayList<>();
		boolean isstart = false;

		double start_val1 = 0;// 前一个y值
		double start_val2 = 0;// 后一个y值
		int startj = 0; // 确定一行开始的y值
		double startv = 0;// 开始行的值

		int times = 0;
		int maxtimes = 5;// 像素值突然增大为区域开始
		boolean isend = false;
		for (int j = 0; j < imgheight; j++) {
			double num = hist.get(0, j)[0];

			start_val1 = start_val2;
			start_val2 = num;

			if (!isstart) {

				// 假设开始
				// 找到开始 ,剔除开头/结尾，图片位于图像当中
				if (j > 100 && j < imgheight - 100 && start_val1 / start_val2 > 1 && start_val2 < max * 2 / 3) {

					isstart = true;
					startj = j;
					startv = num;
					Rect r = new Rect(0, j, imgwidth, 0);

					rects.add(r);
				}

			} else {

				if (Math.abs(startv - start_val2) < 35)
					times++;// 前后相差不多，计数
				else {

					// 差距开始变大
					// 满足连续一段/同时 数字开始增大
					if (times > 100 && start_val2 > start_val1) {
						isend = true;

						isstart = false;
						isend = false;
						start_val1 = 0;

						// 更新当前找到的行
						Rect r = rects.get(rects.size() - 1);
						r.height = j - startj;
						rects.remove(rects.size() - 1);
						rects.add(r);

						times = 0;// 归0

					} else {

						// 重新开始计算
						isstart = false;
						times = 0;// 相差过大，重新开始

						// 移除之前的添加的不满足的区域.
						Rect r = rects.get(rects.size() - 1);
						if (r.height < 50)
							rects.remove(rects.size() - 1);

					}

				}

			}

		}

github:

https://github.com/kxjl168/opencv2/tree/master/opencvTest

有兴趣欢迎围观~(=￣ω￣=)