智能電表?xiàng)l形碼圖像分割與增強(qiáng)算法研究

謝 鋼，林茂松，代彥輝

(西南科技大學(xué)信息工程學(xué)院，四川綿陽(yáng)621010)

0 引言

在國(guó)家大力發(fā)展智能電網(wǎng)(Smart Grid)的背景下，智能電表作為智能電網(wǎng)建設(shè)的重要基礎(chǔ)元件，加快智能電表產(chǎn)業(yè)鏈整合，促進(jìn)其產(chǎn)業(yè)化，對(duì)于電網(wǎng)實(shí)現(xiàn)信息化、自動(dòng)化和互動(dòng)化具有支撐作用.隨著國(guó)網(wǎng)公司計(jì)量管理方式的轉(zhuǎn)變和科學(xué)技術(shù)的進(jìn)步，要求計(jì)量中心能夠?qū)崿F(xiàn)智能電表檢定的無(wú)人化、自動(dòng)化，然而目前智能電表自動(dòng)檢定技術(shù)在電能計(jì)量中心尚未有應(yīng)用.

要實(shí)現(xiàn)基于機(jī)器視覺(jué)的智能電表全自動(dòng)檢測(cè)，需要對(duì)智能電表身份識(shí)別，在此基礎(chǔ)上對(duì)智能電表上的液晶屏、銘牌區(qū)域圖像進(jìn)行精確分割，實(shí)現(xiàn)液晶屏和銘牌區(qū)域的自動(dòng)外觀檢測(cè)，這是當(dāng)前智能電表自動(dòng)化檢定的迫切需求，也是推進(jìn)電能計(jì)量應(yīng)用技術(shù)發(fā)展的新課題.實(shí)現(xiàn)智能電表自動(dòng)化檢定的關(guān)鍵是自動(dòng)識(shí)別智能電表的一維條碼信息.當(dāng)前一維條形碼的識(shí)別算法已經(jīng)很成熟［1］，準(zhǔn)確識(shí)別條形碼信息的關(guān)鍵是條形碼的精確分割和條碼圖像紋理信息的增強(qiáng)，然而當(dāng)前關(guān)于智能電表圖像研究還處于一個(gè)空白階段.本文源于國(guó)家電網(wǎng)公司研發(fā)課題智能電表檢定機(jī)器人研究，針對(duì)目前國(guó)家電網(wǎng)公司流通的智能電表提出了一種通用可靠的條形碼定位與識(shí)別方法.

1 圖像去噪

在智能電表檢定環(huán)境下所采集的圖像都是受到噪聲干擾的，由于采集的圖像信號(hào)可近似地看成平穩(wěn)隨機(jī)過(guò)程，當(dāng)信號(hào)與噪聲同時(shí)輸入時(shí)，采用維納濾波器可以在輸出端將信號(hào)盡可能精確地重現(xiàn)，且噪聲受到最大抑制.維納濾波器的算法思想是使之間的均方誤差達(dá)到最小的準(zhǔn)則函數(shù)來(lái)實(shí)現(xiàn)原始圖像信號(hào)的去噪［2］，即

式中:E{·}代表期望值的計(jì)算.因此維納濾波器是一種最小均方誤差濾波器.

設(shè)原始圖像、退化圖像和圖像噪聲為f(x，y)，g(x，y)，n(x，y)，維納濾波圖像退化模型如圖1所示.

圖1 圖像退化過(guò)程模型Fig.1 The model of image degradation processing

其一般表達(dá)式為:

式中:h(x，y)是退化函數(shù)的空間描述，也稱為成像系統(tǒng)的沖擊響應(yīng)或點(diǎn)擴(kuò)展函數(shù)(PSF);“*”表示卷積.由于空間上的卷積可等同于頻域上的乘積，等式(2)具有如下等價(jià)形式:

對(duì)原始圖像(假設(shè)圖像大小為H*L)進(jìn)行維納濾波的算法.首先是估計(jì)出每個(gè)像素點(diǎn)M*N鄰域內(nèi)的平均值和方差值，有如下兩個(gè)表達(dá)式:

式中:v2為噪聲方差，將式(6)代入等式(3)中，得其在頻域中的表達(dá)式如下:

2 銳化圖像

為了能夠準(zhǔn)確分割智能電表上的條形碼區(qū)域，需要突出條碼區(qū)域.根據(jù)條形碼是由黑白相間的矩形長(zhǎng)條組成，采用基于一階微分的Sobel算子銳化圖像［3］，突出條形碼區(qū)域.Sobel算子的基本模板如圖2所示.

圖2 Sobel算子模板Fig.2 Sobel operator template

將圖像分別經(jīng)過(guò)兩個(gè)3×3算子的窗口濾波，所得結(jié)果按式(8)給出，就可得到增強(qiáng)后圖像的灰度值.

式中:

式(9)和式(10)分別對(duì)應(yīng)如圖2所示的兩個(gè)濾波模板.為了簡(jiǎn)化計(jì)算，也可以用g=|Sx|+|Sy|來(lái)代替式(8)的計(jì)算，從而得到銳化后的圖像.

3 智能電表?xiàng)l形碼圖像增強(qiáng)

由于實(shí)際光照環(huán)境的影響，采集到的條形碼區(qū)域圖像比較模糊，對(duì)條碼的細(xì)節(jié)信息提取增加了難度.常用的圖像增強(qiáng)算法有:冥次變換局部增強(qiáng)方法，主要依賴于變換函數(shù)和窗口大小的選取，且計(jì)算量大［4］;直方圖均衡化方法，主要是通過(guò)變換函數(shù)將原始圖像的直方圖調(diào)整為平坦的直方圖，不能很好地保留圖像的紋理信息［5］;基于小波變換的增強(qiáng)方法，主要依賴于小波函數(shù)的選取，小波變換通常能夠較好地保留圖像的紋理特征［6］.常用的小波變換方法有Mallat小波變換和提升小波變換.提升小波具有結(jié)構(gòu)簡(jiǎn)單、運(yùn)算量低、原位運(yùn)算、存儲(chǔ)空間較小、逆變換可以直接反轉(zhuǎn)實(shí)現(xiàn)，以及整數(shù)到整數(shù)變換可逆的特點(diǎn)，但是提升小波變換后低頻部分的細(xì)節(jié)信息被削弱了［7］，在提升小波的基礎(chǔ)上，對(duì)其變換過(guò)程中細(xì)節(jié)信息進(jìn)行重新構(gòu)造.

3.1 改進(jìn)的提升小波變換

提升算法給出了雙正交小波簡(jiǎn)單而有效的構(gòu)造方法，它使用基本的多項(xiàng)式插補(bǔ)來(lái)獲取信號(hào)的高頻分量，然后通過(guò)“保持原信號(hào)的均值和高階矩不變”的限制條件來(lái)獲取信號(hào)的低頻分量.提升算法的基本思想是，將現(xiàn)有的小波濾波器分解成基本的構(gòu)造模塊，分步完成小波變換［8-9］.

考慮有2n個(gè)樣本值的信號(hào)Sn，通過(guò)變換將其分解成一個(gè)表示信號(hào)全局信息的信號(hào)Sn-1和一個(gè)表示細(xì)節(jié)信息的信號(hào)dn-1，提升算法方案將通過(guò)分裂、預(yù)測(cè)和更新三步來(lái)完成，如圖3所示.

圖3 提升小波變換示意圖Fig.3 The diagram of lifting wavelet transform

3.1.1 分裂

將輸入信號(hào)Sn分為較小的子集Sn-1和dn-1，根據(jù)輸入信號(hào)Sn奇偶性將輸入信號(hào)分解成偶信號(hào)Sn-1、奇信號(hào)dn-1，這種分裂所產(chǎn)生的小波稱為惰性小波，分解過(guò)程表示為F(Sn)=(Sn-1，dn-1)，分解過(guò)程如圖4所示.這種分解方法充分利用了信號(hào)Sn的局部相關(guān)性，為提升方案后面的預(yù)測(cè)和更新步驟提供了數(shù)據(jù)基礎(chǔ).

圖4 信號(hào)分裂Fig.4 The signal splitting

3.1.2 預(yù)測(cè)

在基于原始數(shù)據(jù)相關(guān)性的基礎(chǔ)上，用偶數(shù)序列Sn-1的預(yù)測(cè)值P(Sn-1)去內(nèi)插奇數(shù)序列dn-1，即將濾波器P對(duì)偶數(shù)序列作用以后的值作為奇信號(hào)的預(yù)測(cè)值，奇信號(hào)的實(shí)際值與預(yù)測(cè)值相減得到殘差信號(hào)，該差值的大小體現(xiàn)了二者之間的逼近程度，殘差越小表明預(yù)測(cè)越精確，擬合程度越好。實(shí)際中利用P(Sn-1)和dn-1的差來(lái)代替原來(lái)的dn-1，若P(Sn-1)選擇合理的話，新的差值數(shù)據(jù)集dn-1包含的信息量大大少于原始子集中包含的信息量.

采用Harr小波進(jìn)行預(yù)測(cè)，偶數(shù)序列的樣本值用來(lái)預(yù)測(cè)奇數(shù)序列的樣本值，細(xì)節(jié)信息dn-1就是奇數(shù)序列樣本值和預(yù)測(cè)值之差:

在提升過(guò)程中，預(yù)測(cè)有兩個(gè)作用:一是可以分離出信號(hào)的高頻分量;二是可以緊湊表示數(shù)據(jù).本文預(yù)測(cè)算法P(·)為信號(hào)相鄰兩個(gè)樣本的平均.實(shí)驗(yàn)結(jié)果表明，該預(yù)測(cè)算子能夠得到比較好的逼近效果，對(duì)于邊緣擴(kuò)展采用周期延拓處理，這種處理方式能夠很好地保留邊緣的細(xì)節(jié)信息.

3.1.3 更新

為了使原信號(hào)某些全局特征信息在其子集Sn-1中繼續(xù)保持，必須進(jìn)行更新處理，更新的步驟緊跟在預(yù)測(cè)之后.全局信息Sn-1需要保持原始信號(hào)Sn的平均信息:

式中:U(·)為更新函數(shù);在Harr小波中，Sn-1為奇偶樣本對(duì)的平均值，即

然后從預(yù)測(cè)步驟中恢復(fù)原始信號(hào)的樣本值:

將(14)代入(13)中，得到

由上可知，通過(guò)原位運(yùn)算就不需要前級(jí)提升步驟的輸出之外的數(shù)據(jù)，這樣在每個(gè)點(diǎn)都可以用新的數(shù)據(jù)流替換舊的數(shù)據(jù)流.

3.2 小波多分辨率

利用改進(jìn)后的提升小波變換對(duì)圖像進(jìn)行多分辨率分析，對(duì)一幅圖像進(jìn)行多分辨率分解以后，會(huì)產(chǎn)生四個(gè)二維正交小波分解系數(shù)，它們每一個(gè)都可以看作一幅圖像，筆者采用三層提升小波算法進(jìn)行多分辨分析如圖5所示.

圖5 三層提升小波變換示意圖Fig.5 Three-tier lifting wavelet transform schematic

式中:max(x，y)，med(x，y)，min(x，y)分別表示小波系數(shù)中的最大值、均值和最小值.

4 實(shí)驗(yàn)結(jié)果與分析

筆者在WindowsXP下，以Visual studio 2008為開(kāi)發(fā)平臺(tái)，利用C++編程實(shí)現(xiàn)智能電表?xiàng)l形碼的自動(dòng)定位與身份識(shí)別.圖6(a)是智能電表的灰度原始圖像，圖像噪聲信息明顯.圖6(b)經(jīng)過(guò)維納濾波器處理后的圖像，有效的消除了噪聲，圖像平滑，整體視覺(jué)效果好.圖6(c)是利用Sobel算子對(duì)去噪后的圖像進(jìn)行銳化，從圖中可以看出，條形碼區(qū)域明顯突出，之后通過(guò)圖像二值化和行列掃描便可精確分割出條形碼區(qū)域，如圖7(a)所示.可以發(fā)現(xiàn)條形碼區(qū)域的圖像信息對(duì)比度較低，紋理信息模糊.圖7(b)是基于局部增強(qiáng)算法對(duì)條形碼區(qū)域圖像增強(qiáng)的結(jié)果，圖像整體得到了明顯增強(qiáng)，但是圖像信息不太平滑，出現(xiàn)了一定的振鈴現(xiàn)象.圖7(c)是基于直方圖統(tǒng)計(jì)對(duì)條形碼區(qū)域圖像增強(qiáng)的結(jié)果，圖像的細(xì)節(jié)和噪聲信息都得到了增強(qiáng)，整體視覺(jué)效果不太好.圖7(d)是基于傳統(tǒng)提升小波多分辨率圖像增強(qiáng)的結(jié)果，圖像的紋理信息得到了很明顯的增強(qiáng)，但是圖像的細(xì)節(jié)信息被削弱了.圖7(e)是基于改進(jìn)的提升小波多分辨率增強(qiáng)算法對(duì)條形碼區(qū)域圖像增強(qiáng)的結(jié)果，該處理方法在增強(qiáng)圖像細(xì)節(jié)的同時(shí)，壓縮了噪聲，并對(duì)圖像進(jìn)行整體增強(qiáng)，圖像較平滑，圖像的整體視覺(jué)效果好.

圖6 圖像預(yù)處理Fig.6 The image Pre-prololy

圖7 圖像增強(qiáng)后的結(jié)果Fig.7 The image enhancement results

5 結(jié)束語(yǔ)

為了填補(bǔ)基于機(jī)器視覺(jué)的智能電表自動(dòng)檢測(cè)技術(shù)在電能計(jì)量中心的研究空白，對(duì)智能電表?xiàng)l形碼區(qū)域圖像分割與增強(qiáng)技術(shù)研究.筆者利用維納濾波去噪效果明顯，通過(guò)Sobel算子突出條形碼區(qū)域，之后通過(guò)圖像掃描達(dá)到精確分割條形碼區(qū)域的目的，該方法在當(dāng)前流通的智能電表中具有通用性并且條形碼區(qū)域定位準(zhǔn)確.然而往往實(shí)際采集到的條形碼區(qū)域都比較模糊，為了能夠準(zhǔn)確無(wú)誤地解碼出條形碼，需要對(duì)條形碼區(qū)域進(jìn)行增強(qiáng)，筆者提出了一種改進(jìn)的提升小波多分辨率方法，從整體上增強(qiáng)圖像的細(xì)節(jié)紋理特征，使增強(qiáng)后的圖像較平滑，圖像的整體視覺(jué)效果好，為能夠正確識(shí)別條碼信息提供了可靠保證.

［1］ 謝俊喜.基于數(shù)字圖像處理的條形碼識(shí)別方法與應(yīng)用研究［D］.長(zhǎng)沙:中南大學(xué)信息工程學(xué)院，2008.

［2］ 張德豐，張葡青.維納濾波圖像恢復(fù)的理論分析與實(shí)現(xiàn)［J］.中山大學(xué)學(xué)報(bào)，2006，45(6):45-47.

［3］ 朱秀昌，劉峰，胡棟.數(shù)字圖像處理與圖像通信［M］.北京:北京郵電大學(xué)出版社，2008.

［4］ 岡薩雷斯.數(shù)字圖像處理［M］.第二版.北京:電子工業(yè)出版社，2007.

［5］ BRADSKI G，KAEBLER A.學(xué)習(xí) OpenCV(中文版)［M］.于仕琪，劉瑞禎，譯.北京:清華大學(xué)出版社，2009.

［6］ 宋娜.基于小波分析的車牌圖像增強(qiáng)與字符識(shí)別研究［D］.重慶:重慶大學(xué)信息工程學(xué)院，2010.

［7］ 倪林.小波變換與圖像處理［M］.合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社，2010.

［8］ 韓麗娜，耿國(guó)華.基于小波變換的真彩圖像降噪和增強(qiáng)［J］.計(jì)算機(jī)工程，2010，36(12):224-228.

［9］ CHANG S G，YU B，MARTIN V.Adaptive wavelet thresholding for image denoising and compression［J］.IEEE Transactions on Image Processing，2000，9(9):1532-1546.