基于圖像處理的水位信息自動(dòng)提取技術(shù)

陳 翠，劉正偉，陳曉生，駱曼娜，牛智星，阮 聰（1. 江蘇南水科技有限公司，江蘇 南京 1001；. 云南省水文水資源局昆明分局，云南 昆明 650000；. 江西省鄱陽湖水文局，江西 九江 800；4. 水利部南京水利水文自動(dòng)化研究所，江蘇 南京 1001；5. 水利部水文水資源監(jiān)控工程技術(shù)研究中心，江蘇 南京 1001）

?

基于圖像處理的水位信息自動(dòng)提取技術(shù)

陳 翠1，5，劉正偉2，陳曉生3，駱曼娜3，牛智星1，5，阮 聰4，5
（1. 江蘇南水科技有限公司，江蘇 南京 210012；2. 云南省水文水資源局昆明分局，云南 昆明 650000；3. 江西省鄱陽湖水文局，江西 九江 332800；4. 水利部南京水利水文自動(dòng)化研究所，江蘇 南京 210012；5. 水利部水文水資源監(jiān)控工程技術(shù)研究中心，江蘇 南京 210012）

摘 要：為滿足水尺量測(cè)水位自動(dòng)化和實(shí)時(shí)性的需求，提出通過圖像處理技術(shù)實(shí)現(xiàn)對(duì)水尺圖像自動(dòng)提取水位信息的技術(shù)方法。首先通過對(duì)水尺圖像進(jìn)行圖像增強(qiáng)、二值化、邊緣檢測(cè)和去除噪聲等處理定位出水尺；然后根據(jù)水尺上字符的特征實(shí)現(xiàn)字符分割，采用模板匹配法實(shí)現(xiàn)字符識(shí)別，并運(yùn)用最長(zhǎng)等差數(shù)列法對(duì)識(shí)別結(jié)果進(jìn)行優(yōu)化校正；最后根據(jù)識(shí)別結(jié)果，分不同情況計(jì)算出水尺讀數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法識(shí)別信息的正確性和精確性較高，可滿足實(shí)際應(yīng)用需求。

關(guān)鍵詞：圖像處理；字符識(shí)別；水尺圖像；水位信息；matlab；自動(dòng)提取

0　引言

通過安裝水尺進(jìn)行水位量測(cè)，具有讀數(shù)穩(wěn)，抗干擾，費(fèi)用低，壽命長(zhǎng)等優(yōu)點(diǎn)，因而得到廣泛應(yīng)用。但這種方法需要人工讀數(shù)，受環(huán)境和人為因素的影響較大，在環(huán)境惡劣的情況下，觀測(cè)不便，水位監(jiān)測(cè)實(shí)時(shí)性和觀測(cè)人員的人身安全得不到保證。

隨著數(shù)字化、網(wǎng)絡(luò)化的日益發(fā)展，應(yīng)用計(jì)算機(jī)和圖像處理技術(shù)自動(dòng)化、智能化地識(shí)別圖像成為可能。經(jīng)過研究，將數(shù)字圖像處理技術(shù)應(yīng)用于水尺圖像上水位自動(dòng)提取中，并采用 matlab7.0 作為開發(fā)工具，對(duì)拍攝的水尺圖像進(jìn)行圖像處理和水位計(jì)算。

1　水尺圖像的預(yù)處理

通過 CCD 攝像機(jī)或數(shù)碼相機(jī)采集到的水尺圖像主要包括水尺及復(fù)雜的背景信息。由于在光照、天氣等因素影響下可能導(dǎo)致圖像質(zhì)量降低，因此需要對(duì)待識(shí)別的圖像進(jìn)行一系列的圖像處理操作以削弱背景信息，去除噪聲等無用信息，從而突出水尺信息，提高水尺識(shí)別和水位計(jì)算的準(zhǔn)確度和可靠性。

1.1圖像灰度化和增強(qiáng)

從監(jiān)測(cè)點(diǎn)采集到的原始圖像是 RGB 真彩色圖像，如圖 1 所示。在水尺圖像中，字符的顏色沒有特殊的含義，因此灰度圖像可滿足水尺識(shí)別的需求，且灰度圖像的顏色空間是一維的，進(jìn)行圖像處理和計(jì)算可以占用較少的系統(tǒng)資源，提高執(zhí)行速度。

對(duì)圖 1 灰度化[1]處理生成的灰度圖如圖 2 所示。為了將水尺與背景更準(zhǔn)確地分離開來，需要增強(qiáng)水尺與背景的對(duì)比度。首先采用形態(tài)學(xué)方法[2]中的開操作進(jìn)行背景圖像提取，然后從原始圖像中減去背景圖像，從而實(shí)現(xiàn)水尺圖像增強(qiáng)的效果。該方法的關(guān)鍵步驟是開操作中結(jié)構(gòu)元素的選取，結(jié)構(gòu)元素的選取直接影響圖像處理的結(jié)果。尺寸過小會(huì)將圖像中水尺上的字符結(jié)構(gòu)破壞，如圖 3 a 所示；尺寸過大提取的背景信息不全面，使得水尺與背景對(duì)比度不明顯，如圖 3 b 所示，水尺和背景中的石頭灰度值區(qū)分度過低。

圖3　不同結(jié)構(gòu)元素處理結(jié)果對(duì)比

通過多次試驗(yàn)和對(duì)比分析，對(duì)圖 1 選擇的結(jié)構(gòu)元素為半徑為 12 px 的圓盤。提取的背景圖像如圖4 a 所示，處理后的圖像如圖 4 b 所示，水尺與背景的灰度區(qū)別比較明顯。

圖4　圖像增強(qiáng)的結(jié)果

1.2圖像二值化

二值圖是指每個(gè)像素不是白（255）就是黑（0），灰度值沒有中間過渡的圖像。水尺不像人物和風(fēng)景那樣需要很多的灰度級(jí)來描述內(nèi)部細(xì)節(jié)，非黑即白的二值圖像即可展示出水尺及上面字符的輪廓，滿足后續(xù)水尺定位和字符識(shí)別的需求。

為了得到二值圖像，通常采用的技術(shù)是閾值分割技術(shù)，以閾值作為分割線，將圖像分割為前景和背景 2 個(gè)部分，不同的閾值分割產(chǎn)生的二值圖像可能截然不同。目前，許多研究者提出了多種閾值選擇方法[3-4]，根據(jù)閾值的應(yīng)用范圍可將這些方法劃分為以下 2 類：

1）局部閾值法。局部閾值法是將圖像分成若干子圖像，然后針對(duì)每個(gè)子圖像分別確定閾值，最后將分割的結(jié)果合并成完整的圖像。常用的局部閾值法有 Niblack 和 Bernsen 法等。由于局部閾值法要對(duì)每個(gè)子圖像進(jìn)行處理，計(jì)算量大，所以子圖像尺寸分割的越小，二值化處理速度越慢。且局部閾值是根據(jù)單個(gè)子圖像確定的，因此子圖像間的閾值聯(lián)系不緊密，可能產(chǎn)生相鄰子圖像之間過渡不平滑甚至突變的現(xiàn)象。

2）全局閾值法。全局閾值法指對(duì)整幅圖像只采用 1 個(gè)閾值進(jìn)行圖像分割。常用的方法有自定義閾值和 OTSU 算法[5]等。自定義閾值法是人為設(shè)定閾值，不需要耗費(fèi)系統(tǒng)資源計(jì)算，在拍攝水尺的相機(jī)位置固定，且光照、背景變化不大時(shí)可以應(yīng)用此方法，但是此方法對(duì)環(huán)境變化的適應(yīng)性不高；OTSU 算法是一種自適應(yīng)的閾值確定方法，在汽車牌照、驗(yàn)證碼識(shí)別等多個(gè)領(lǐng)域有著廣泛的應(yīng)用。

水尺圖像識(shí)別應(yīng)滿足自動(dòng)化及實(shí)時(shí)性的需求，盡量減少人工干預(yù)并快速計(jì)算出結(jié)果，因此，閾值的確定選用全局閾值 OTSU 算法。OTSU 算法又稱為最大類間方差法，主要思想是前景和背景如果錯(cuò)分，類間差別就會(huì)變小，因此，類間方差越大就意味著錯(cuò)分的概率越小。所以，求出最大類間方差所對(duì)應(yīng)的灰度值即為最佳閾值，主要步驟如下：

1）讀入灰度圖像；

2）求出灰度圖像灰度值的取值范圍 [a，b]；

3）取閾值 T∈[a，b]；

4）將圖像分割成前景和背景 2 類，并計(jì)算每類像素個(gè)數(shù) n目和 n背；

5）計(jì)算每類區(qū)域內(nèi)圖像的灰度均值 μ目和 μ背及其所占總圖像的比例 ω目，ω背；

6）計(jì)算閾值為 T 時(shí)的類間方差，并保存到數(shù)組中，計(jì)算公式為

7）遍歷 [a，b] 內(nèi)的灰度值，根據(jù)步驟（4）～（6）計(jì)算每個(gè)灰度值對(duì)應(yīng)的類間方差；

8）找出最大類間方差，則其所對(duì)應(yīng)的灰度值 T即為所求閾值。

采用 OTSU 算法求出圖 4 b 的二值化灰度閾值為 107，二值化結(jié)果如圖 5 所示。

圖5　二值化圖像

1.3邊緣檢測(cè)

水尺包含明顯的邊緣信息，是區(qū)別于背景圖像的一個(gè)重要特征，所以邊緣檢測(cè)對(duì)水尺定位相當(dāng)重要。邊緣檢測(cè)是圖像識(shí)別領(lǐng)域中的研究熱點(diǎn)之一[6]，已取得大量的研究成果，如 Sobel，Roberts，Perwitt，Laplacian 和 Canny 等算子。Canny 邊緣檢測(cè)算法[7]是一個(gè)具有濾波、增強(qiáng)和檢測(cè)的多階段優(yōu)化方法，通過對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子，屬于先平滑后求導(dǎo)數(shù)的方法。雖然相較于其他幾個(gè)算法，實(shí)現(xiàn)起來較麻煩，但是效果較好。采用 Canny 邊緣檢測(cè)算法進(jìn)行水尺邊緣檢測(cè)，邊緣檢測(cè)結(jié)果如圖 6 所示。

圖6　canny算子邊緣檢測(cè)結(jié)果

1.4噪聲處理

圖像在二值化后所得到的邊界往往很不平滑，目標(biāo)區(qū)域內(nèi)通常會(huì)分布一些噪聲孔，背景區(qū)域上也會(huì)散布著一些小的噪聲物體。為了去除噪聲，對(duì)水尺圖像的噪聲處理包括面積和圖像形態(tài)學(xué)去噪[8]2 個(gè)部分，面積去噪指將圖像中面積小于給定值的小物體過濾掉，圖像形態(tài)學(xué)處理的基本運(yùn)算有膨脹、腐蝕、開啟和閉合。先膨脹后腐蝕的過程稱為閉合運(yùn)算，其中的膨脹操作可使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空洞的話，經(jīng)過膨脹操作可將這些洞補(bǔ)上，使其不再是邊界，再進(jìn)行腐蝕操作時(shí)，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失。先腐蝕后膨脹的過程稱為開啟運(yùn)算，其中的腐蝕操作可以去掉物體的邊緣點(diǎn)，細(xì)小物體的點(diǎn)都會(huì)被認(rèn)為是邊緣點(diǎn)，因此會(huì)被整個(gè)刪去，再做膨脹時(shí)，留下來的大物體會(huì)變回原來的大小，而被刪除的小物體則永遠(yuǎn)消失。因此，組合使用這些基本運(yùn)算可實(shí)現(xiàn)復(fù)雜噪聲的處理。

對(duì)圖 6 的邊緣圖像，首先進(jìn)行面積去噪，然后按照先閉合再開啟的順序組合對(duì)邊緣圖像進(jìn)行形態(tài)學(xué)處理，再進(jìn)行 1 次面積去噪，從而實(shí)現(xiàn)過濾掉小的噪聲物體，填補(bǔ)一些小的空洞，連接鄰近物體和平滑水尺的邊界區(qū)的效果。噪聲處理的過程和結(jié)果如圖 7 所示。

圖7　噪聲處理過程

2　水尺定位

在圖像預(yù)處理后，最優(yōu)的狀態(tài)是將背景區(qū)域上的物體全部濾除，將水尺與背景完全分離，如圖 7 d所示，但有時(shí)仍會(huì)殘留一些背景物體，因此需要對(duì)水尺進(jìn)行精確定位。水尺定位過程是水尺圖像識(shí)別研究中的關(guān)鍵過程，是水尺字符分割的基礎(chǔ)，對(duì)識(shí)別水位起到?jīng)Q定性作用。

水尺定位算法主要針對(duì)水尺圖像的某種特征加以處理，水尺的形狀和投影具有以下特征：

1）圖像中的水尺通常為水平方向窄，垂直方向長(zhǎng)的矩形形狀，因而垂直方向的投影像素和較大，與背景上的其他物體的像素和之間的差值也較大。

2）相較于水尺上下邊緣外的背景物體，水尺左右兩側(cè)的背景區(qū)域更大，出現(xiàn)背景物體的幾率更大。

進(jìn)行水尺定位時(shí)，首先確定水尺的左右邊緣，再在此基礎(chǔ)上確定上下邊緣。具體的水尺定位算法描述如下：

1）在整個(gè)圖像范圍內(nèi)，計(jì)算每一列（總列數(shù) n,總行數(shù) m）像素灰度值的總和為

式中：i 為行坐標(biāo)；j 為列坐標(biāo)；

2）找出列像素總和為最大時(shí)所在的列坐標(biāo) j；

3）以 j 為分界點(diǎn)，分別向該列左右兩邊搜尋水尺的左右邊界 j1和 j2，判斷是否是邊界的條件為，列號(hào)在圖像的范圍內(nèi)且該列的像素和小于預(yù)定值；

4）在 j1和 j2列范圍內(nèi)，計(jì)算每一行像素灰度值的總和為

5）找出行像素總和為最大時(shí)所在的行坐標(biāo) i；

6）以 i 為分界點(diǎn)，分別向該行上下兩邊搜尋水尺的上下邊界 i1和 i2，判斷是否是邊界的條件為，行號(hào)在圖像的范圍內(nèi)且該行的像素和小于預(yù)定值。

在原始圖像中，行號(hào)在 i1，i2，列號(hào)在 j1，j2范圍內(nèi)的圖像即為水尺，截取的水尺原始圖像如圖 8 a所示。由于水尺底色為白色，字符為紅色或藍(lán)色，因此二值化后的水尺字符灰度值為 0，水尺底板灰度值為 255，如圖 8 b 所示，這樣的結(jié)果不利于后續(xù)字符的識(shí)別，因此需要對(duì)二值化后的水尺圖像取反，得到的圖像如圖 8 c 所示。

圖8　截取的水尺圖像

3　水尺字符分割與識(shí)別

3.1水尺字符分割

水尺上字符的特點(diǎn)如下：水尺上左右兩邊的“E”在相鄰的地方間隙非常小，由于拍照角度等原因，某些地方甚至有粘連；垂向上，數(shù)字字符的中間有間斷；數(shù)字字符的右側(cè)都有 1 個(gè)“E”字；雖然實(shí)際上每個(gè)“E”的高度和寬度一樣，但由于水尺較長(zhǎng)及拍攝角度的原因，圖像上第 1 個(gè)字符與最后 1 個(gè)字符的大小存在一定程度的差距。

為了將水尺上的字符最終識(shí)別出來，需要確定每個(gè)字符的上下左右邊界，將其從水尺中分離出來，作為后續(xù)字符識(shí)別的輸入數(shù)據(jù)。劃分 2 個(gè)字符的依據(jù)是字符之間的間隙，根據(jù)上述水尺字符的排列和間隙的特點(diǎn)，提出的字符分割方法如下：

1）將水尺分割成左右兩邊；

2）對(duì)左側(cè)的水尺做水平方向的投影，如圖 9 所示，根據(jù)字符之間間隙的投影像素和為 0，確定每個(gè)字符的上下邊界；

圖9　左半邊水尺及其投影

3）根據(jù)上下邊界分割字符；

4）對(duì)分割后的字符做垂直投影，分別從圖像的第 1 和最后 1 列開始，逐列向中間尋找像素和大于 0的列作為字符的左右邊界；

5）根據(jù)左右邊界再次分割該字符，完成字符的分割。

水尺右半邊水尺上只有字符“E”，所以不進(jìn)行字符識(shí)別，后續(xù)只用來精確確定水位。左半邊水尺分割后的字符圖像如圖 10 所示。

圖10　分割后的字符

3.2水尺字符識(shí)別

字符識(shí)別在車牌和驗(yàn)證碼等識(shí)別領(lǐng)域已有廣泛的應(yīng)用，識(shí)別的方法有很多種，如基于字符結(jié)構(gòu)、筆畫、統(tǒng)計(jì)等特征的識(shí)別方法，以及神經(jīng)網(wǎng)絡(luò)和模板匹配法等。模板匹配法相較于其他識(shí)別方法，不需要大量的樣本，具有簡(jiǎn)單、快速的優(yōu)點(diǎn)，特別適用于待識(shí)別的字符種類有限的領(lǐng)域，因此在車牌識(shí)別[9]領(lǐng)域應(yīng)用非常廣泛。

鑒于水尺上的字符只有 11 種，字符分類器結(jié)構(gòu)比較簡(jiǎn)單，因此選擇模板匹配法進(jìn)行字符識(shí)別。所謂模板，就是 1 幅已知的小圖像，模板匹配就是將模板與目標(biāo)圖像在空間上對(duì)準(zhǔn)，通過逐一比較同一位置上 2 幅圖的像素值度量 2 幅圖像的相似性。度量 2 幅圖像相似性的計(jì)算公式為

式中：D 為圖像相似性；M，N 分別表示圖像行、列像素?cái)?shù)；A 表示模板圖像；B 表示待匹配圖像。

從式（5）可以看出模板的大小直接影響計(jì)算量，根據(jù)分割后的水尺字符圖像的大小及長(zhǎng)寬比，選擇 20 px×28 px 作為標(biāo)準(zhǔn)模板的大小，并在photoshop 中制作每個(gè)字符的黑白標(biāo)準(zhǔn)模板，保存在模板庫中。為了消除由于字符圖像大小、位置的差異對(duì)字符匹配的影響，在與模板匹配之前，首先對(duì)分割后的字符圖像進(jìn)行大小歸一化處理，使其與標(biāo)準(zhǔn)模板大小相同；然后根據(jù)式（5）將待識(shí)別的字符與模板一一進(jìn)行計(jì)算，取 D 值最?。― 值越小表明相似性越高）的模板所代表的字符作為識(shí)別結(jié)果。

字符識(shí)別要求具有較高的正確率，由于拍攝角度、字符缺損或遮擋，難免會(huì)誤識(shí)別。相較于車牌、驗(yàn)證碼等沒有規(guī)律的字符序列，水尺上的字符排列具有一定的規(guī)律。因此，在模板匹配識(shí)別后，需對(duì)識(shí)別結(jié)果進(jìn)行檢查和校正，以提高水尺識(shí)別的正確率。左側(cè)水尺上字符的排列規(guī)律為：字母“E”與數(shù)字交替出現(xiàn)，且數(shù)字是 9～0，公差為 -1 的等差數(shù)列。如果識(shí)別結(jié)果中連續(xù)的幾個(gè)字符滿足上述規(guī)律，則這幾個(gè)字符被正確識(shí)別的可能性就較高。通過從識(shí)別結(jié)果中找出滿足上述字符排列規(guī)律的最長(zhǎng)的子字符串，并據(jù)此推求其他位置的字符，驗(yàn)證其他位置的識(shí)別結(jié)果是否正確，從而達(dá)到提高識(shí)別正確率的效果，具體優(yōu)化流程如圖 11 所示。

圖11　字符識(shí)別結(jié)果優(yōu)化流程圖

4　水位計(jì)算

由于水面淹沒最后 1 個(gè)字符的情況可以有很多種，因此無法制作各種情況的字符模板來識(shí)別最后1 個(gè)字符代表的具體值，以“E”為例，多種情況如圖 12 所示。按照字符識(shí)別和結(jié)果優(yōu)化方法，這幾個(gè)圖識(shí)別的結(jié)果是一樣的，但實(shí)際上表示的水位是不同的。因此，需要計(jì)算出最后 1 個(gè)字符表示的高度，才能精確計(jì)算出水位。

圖12　水面淹沒最后　1　個(gè)字符的多種情況

因?yàn)椤癊”的水平投影呈“峰谷峰谷峰”的特征，如圖 9 b 中黑色框所示即為“E”的水平投影。當(dāng)最后 1 個(gè)字符是“E”時(shí)，根據(jù)它的水平投影的“峰”數(shù)確定表示的高度；當(dāng)最后 1 個(gè)字符是數(shù)字時(shí)，根據(jù)水尺上數(shù)字右側(cè)是“E”這一特征，計(jì)算數(shù)字右側(cè) “E”的水平投影的“峰”數(shù)確定高度。

為了簡(jiǎn)化計(jì)算，峰數(shù)的計(jì)算方法為：在圖像列方向上，截取“E”圖像中間 30% 的列做水平投影，則投影中像素和大于 0 的行表示峰，等于 0 的行表示谷，據(jù)此計(jì)算出峰數(shù)。當(dāng)峰數(shù)為 1 時(shí)，表示的高度 Zc為 1 cm；當(dāng)峰數(shù)為 2 時(shí)，表示的高度為3 cm；當(dāng)峰數(shù)為 3 時(shí)，表示的高度為 5 cm。

確定最后 1 個(gè)字符表示的高度后，根據(jù)識(shí)別字符中是否有數(shù)字及最后 1 個(gè)字符是數(shù)字還是“E”，水尺讀數(shù)的計(jì)算方法分為如下幾種情況：

1）識(shí)別結(jié)果中有數(shù)字且最底端 1 個(gè)字符是 E，計(jì)算公式為

式中：Zn為當(dāng)前水尺讀數(shù)；Zl表示識(shí)別出的最后 1 個(gè)數(shù)字；Zc表示最后 1 個(gè)字符的高度。

2）識(shí)別結(jié)果中有數(shù)字且最底端 1 個(gè)字符是數(shù)字，計(jì)算公式為

3）識(shí)別結(jié)果僅有 1 個(gè) E，此種情況作為水面即將淹沒水尺處理，計(jì)算公式為

4）其他情況，作為識(shí)別結(jié)果錯(cuò)誤處理，計(jì)算公式為

通過計(jì)算，所得結(jié)果只表示當(dāng)前水尺（長(zhǎng)度為100 cm）的水位讀數(shù)，與人工讀取水尺一樣，若要計(jì)算出實(shí)際水位 Zs（m），還需要知道該水尺最高點(diǎn)表示的水位 Z（m），則

對(duì)圖 13 所示多水尺垂直疊加的情況，字符識(shí)別的方法同樣適用，但由于通常不能拍攝到全部的水尺，也很難從圖像中判斷是第幾根水尺，因此雖然可以識(shí)別出圖像中的字符，但只能給出當(dāng)前沒入水中的水尺的讀數(shù)，其表示的實(shí)際水位無法計(jì)算；如果可以拍攝到全部的水尺，則可以通過水尺頂端代表的實(shí)際水位減去水尺識(shí)別的字符所代表的高度計(jì)算實(shí)際水位。

圖13　多水尺疊加

5　結(jié)果與分析

對(duì)圖 1 水尺原始圖像的水位信息提取結(jié)果如圖 14 所示。采用模板匹配法初次識(shí)別的結(jié)果為“9E8E7E6E5E4E36”，采用最長(zhǎng)等差數(shù)列法優(yōu)化校正后，最終的識(shí)別結(jié)果為“9E8E7E6E5E4E3E”。根據(jù)識(shí)別的結(jié)果中有數(shù)字且最后 1 個(gè)字符是“E”，當(dāng)前水位的計(jì)算采用式（6）計(jì)算，得出當(dāng)前水尺的讀數(shù)為 0.27 m。

圖14　水尺圖像水位信息提取結(jié)果

應(yīng)用圖像自動(dòng)提取技術(shù)對(duì)圖 15 中幾幅原始圖像進(jìn)行水位提取，結(jié)果如圖 16 所示。

從圖 14 和 16 的水位提取結(jié)果可以看出，將模板匹配和優(yōu)化校正法結(jié)合使用，可有效提高水尺字符識(shí)別的正確性，誤差分析如表 1 所示。

圖15　實(shí)驗(yàn)應(yīng)用原始圖像

圖16　實(shí)驗(yàn)應(yīng)用水位提取結(jié)果

表1　水位提取結(jié)果誤差分析　m

6　結(jié)語

將現(xiàn)代化的圖像處理技術(shù)與傳統(tǒng)的水尺量測(cè)水位的方法相結(jié)合，可提高水情遙測(cè)的自動(dòng)化程度。此外，應(yīng)用計(jì)算機(jī)代替人工進(jìn)行水尺水位判讀，可提高水位觀測(cè)的及時(shí)性和自動(dòng)化程度，提高水位監(jiān)測(cè)的工作效率。實(shí)驗(yàn)結(jié)果表明，應(yīng)用圖像自動(dòng)提取技術(shù)能夠較準(zhǔn)確地識(shí)別出水尺的字符，計(jì)算出的水尺讀數(shù)與人工讀數(shù)基本一致，可滿足實(shí)際應(yīng)用需求。雖然在字符識(shí)別后進(jìn)行的識(shí)別優(yōu)化過程可以在一定程度上解決由于尺面污染、水尺破損等導(dǎo)致的誤識(shí)別的問題，但也不能完全保證正確，應(yīng)采取措施保護(hù)水尺。此外，因?yàn)樗邎D像是在野外拍攝的，受光照不足、雨、霧等因素的影響，圖像質(zhì)量可能較低，也會(huì)影響識(shí)別的正確性，所以實(shí)際應(yīng)用時(shí)，還需要在現(xiàn)場(chǎng)安裝一些保護(hù)及照明設(shè)施來提高水尺圖像的質(zhì)量。

參考文獻(xiàn)：

[1] 陳金水. 基于視頻圖像識(shí)別的水位數(shù)據(jù)獲取方法[J]. 水利信息化，2013 (1): 48-51.

[2] 萬麗，陳普春. 一種基于數(shù)學(xué)形態(tài)學(xué)的圖像對(duì)比度增強(qiáng)算法[J]. 現(xiàn)代電子技術(shù)，2009，32 (13): 131-133.

[3] 江明，劉輝，黃歡. 圖像二值化技術(shù)的研究[J]. 軟件導(dǎo)刊，2009 (4): 175-177.

[4] 吳冰，秦志遠(yuǎn). 自動(dòng)確定圖像二值化最佳閾值的新方法[J]. 測(cè)繪學(xué)院學(xué)報(bào)，2001，18 (4): 283-286.

[5] 范九倫，趙鳳. 灰度圖像的二維 Otsu 曲線閾值分割法[J].電子學(xué)報(bào)，2007，35 (6): 751-755.

[6] 段瑞玲，李慶祥，李玉和. 圖像邊緣檢測(cè)方法研究綜述[J]. 光學(xué)技術(shù)，2005，31 (3): 415-419.

[7] 王植，賀賽先. 一種基于 Canny 理論的自適應(yīng)邊緣檢測(cè)方法[J]. 中國(guó)圖象圖形學(xué)報(bào)，2005，9 (8): 957-962.

[8] 張艷玲，劉桂雄，曹東，等. 數(shù)學(xué)形態(tài)學(xué)的基本算法及在圖像預(yù)處理中應(yīng)用[J]. 科學(xué)技術(shù)與工程，2007，7 (3): 356-359.

[9] 胡桂珍. 基于數(shù)字圖像處理的車牌識(shí)別系統(tǒng)研究[D]. 成都：西南交通大學(xué)，2010: 23-25.

Technology of Water Level Automatically Extract based on Image Processing

CHEN Cui1,5, LIU Zhengwei2, CHEN Xiaosheng3, LUO Manna3, NIU Zhixing1,5, RUAN Cong4,5
(1. Jiangsu Naiwch Co.Ltd, Nanjing 210012, China; 2. Kunming Branch Bureau of Yunnan Province Hydrology and Water Resources Bureau, Kunming 650000, China; 3. Poyanghu Branch Bureau of Jiangxi Province Hydrology and Water Resources Bureau, Jiujiang 332800, China) 4. Nanjing Automation Institute of Water Conservancy and Hydrology, the Ministry of Water Resources, Nanjing 210012, China; 5. Hydrology and Water Resources Engineering Research Center for Monitoring, the Ministry of Water Resources, Nanjing 210012, China)

Abstract:In order to meet requirements of automation and real-time of water gauge for measuring water levels, the article proposes research and technical methods of automatically extract water gauge water level image information by image processing technology . First it locates the water gauge by the disposes of image enhancement, binarization, edge detection and removal process noise for the water gauge image. Then it realizes character segmentation based on the characteristics of the characters on the water gauge, achieves character recognition using the template matching method, and uses the longest and other arithmetic method to optimize recognition results. Finally, it calculates water gauge readings based on the recognition results at the different situations. Experimental results show that the correctness and accuracy of the method for identifying information is higher. It may meet the actual application requirements.

Key words:image processing; character recognition; water gauge image; water level information; matlab; automatically extract

作者簡(jiǎn)介：陳 翠（1989-），女，江蘇徐州人，碩士，主要研究方向：GIS 應(yīng)用、水情信息系統(tǒng)軟件研發(fā)。

收稿日期：2015-09-15

中圖分類號(hào)：P331；TV39

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1674-9405(2016)01-0048-08