一種改進(jìn)的指針式儀表讀數(shù)識(shí)別方法

邵錫 沈普 韓俊 俞武嘉

摘要：針對(duì)傳統(tǒng)的單純的利用Hough變換處理多指針儀表的讀數(shù)識(shí)別時(shí)遇到的一系列問題，提出了一種改進(jìn)后的指針讀數(shù)方法。該算法先利用指針和表盤背景的色差提取指針輪廓，利用Hough梯度法確定指針圓點(diǎn)，并運(yùn)用輪廓法確定指針。對(duì)指針與零刻度線間夾角長(zhǎng)刻度與零刻度線間夾角進(jìn)行校正，采用牛頓插值法逼近指針與零刻度線間夾角和儀表示值的函數(shù)關(guān)系，實(shí)現(xiàn)儀表示值的智能讀取。實(shí)驗(yàn)結(jié)果表明，該算法很好的解決了噪聲對(duì)結(jié)果產(chǎn)生的影響，在保證準(zhǔn)確率的同時(shí)提高了識(shí)別速度。

關(guān)鍵詞：讀數(shù)識(shí)別 Hough變換 OpenCV 視覺檢測(cè)

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）07-0229-02

當(dāng)前很多領(lǐng)域受工作條件限制及經(jīng)濟(jì)性、便捷性要求，指針式儀表還大量使用。目前在計(jì)量檢定領(lǐng)域，對(duì)指針式儀表的檢定多采用手動(dòng)校驗(yàn)的方法，檢定過程復(fù)雜，大量的重復(fù)測(cè)量工作以及數(shù)據(jù)處理多而繁瑣，造成檢定工作費(fèi)時(shí)費(fèi)力，極容易造成人為差錯(cuò)，使檢定準(zhǔn)確性難以保證。因此，研究和發(fā)展計(jì)量測(cè)量過程中所需的先進(jìn)自動(dòng)化技術(shù)，對(duì)于提高工作效率，減少人工干預(yù)并降低出錯(cuò)概率具有重要的現(xiàn)實(shí)意義。

本文將在現(xiàn)有的指針式讀數(shù)識(shí)別算法的基礎(chǔ)上改進(jìn)不足之處，提出一種改進(jìn)的指針式讀數(shù)圖像識(shí)別算法。具體算法流程如下圖1所示。

指針式儀表自動(dòng)識(shí)別的關(guān)鍵技術(shù)就是指針的提取[1]。而Hough變換是圖像變換中的經(jīng)典手段之一，主要用來從圖像中分離出具有某種相同特征的幾何形狀（如，直線，圓等）。本文在傳統(tǒng)Hough變換的基礎(chǔ)上提出了一種改進(jìn)算法，在完成表盤區(qū)域的預(yù)處理后，鎖定ROI（Region of Interesting），將子表盤區(qū)域單獨(dú)提取出，放入內(nèi)存中，剔除其余部分，減小Hough變換的搜索范圍來減小Hough變換所需的存儲(chǔ)空間和計(jì)算量，然后利用Hough梯度法獲取指針圓心后，運(yùn)用輪廓法找出指針，最后用牛頓插值法逼近指針與零刻度線間夾角和儀表示值的函數(shù)關(guān)系，實(shí)現(xiàn)儀表示值的智能讀取。

1 圖像預(yù)處理

本文所研究的指針儀表如下圖2所示。本儀表盤中紅色的指針是其中特征最明顯的物體，故提取紅色的指針。在彩色空間（RGB）中，每個(gè)像素由三個(gè)字節(jié)表示，圖像由彩色變換為灰度，其對(duì)應(yīng)點(diǎn)的灰度值為[2]：其中：Y為灰度值，R、G和B為RGB顏色空間中像素的三個(gè)分量。為了突出本次實(shí)驗(yàn)中研究對(duì)象中的紅色成分而削弱其他顏色成分，采用直方圖法來分割圖像。

二值化是圖像預(yù)處理的關(guān)鍵環(huán)節(jié)，其效果將對(duì)后續(xù)的數(shù)字定位和分割操作產(chǎn)生直接的影響。這里我們使用計(jì)算圖像直方圖的方法來找出每一幅圖像一一對(duì)應(yīng)的最佳閾值。按照以上算法得到的結(jié)果如圖3所示。一般用255表示白色，0表示黑色?；\統(tǒng)地講，灰度值越小，代表越暗，值越大，代表越亮。

可以直觀地看到，灰度的中間位置存在一個(gè)大的峰值，同時(shí)有大量的深色像素。這幾組像素基本對(duì)應(yīng)的是圖像的背景和前景。因此我們可以在這幾組像素之間的過渡處進(jìn)行閾值化。按照以上算法得到的結(jié)果如圖5所示。

2 指針圓心定位

再完成了圖像預(yù)處理后，就需要對(duì)子表盤的指針進(jìn)行定位，找出指針并確定指針的指向。在OpenCV的應(yīng)用中可以通過一個(gè)比較靈活的Hough梯度法來解決圓變換的這一問題。按照該算法，可以得到如圖6的結(jié)果。

3 指針指向定位與讀數(shù)識(shí)別

在找出各個(gè)指針的圓心點(diǎn)后，我們就需要識(shí)別指針指向了。常用的指針指向識(shí)別算法有[4]：步長(zhǎng)法、圓周灰度檢測(cè)法和基于多特征的分區(qū)模板匹配法等。

在檢測(cè)過程中，發(fā)現(xiàn)由于光照時(shí)候玻璃的反光以及光照的不均勻，使指針在背光方向形成陰影，導(dǎo)致水表表盤區(qū)域明暗灰度的變化不規(guī)則。而步長(zhǎng)法和圓周灰度檢測(cè)對(duì)圖像灰度和光照分布均勻都有很高要求，所以用這兩種方法不能正確識(shí)別指針方向。如果使用基于多特征的分區(qū)模板匹配法，由于受到模板的約束條件的限制，當(dāng)指針的指示方向在一個(gè)刻度附近的時(shí)，就很難區(qū)分該指針指示的是哪一個(gè)數(shù)值。而且該算法考慮的特征信息較多，算法的時(shí)間復(fù)雜度比較大。針對(duì)以上出現(xiàn)的幾種問題，我們提出了一種新的處理方法。使用輪廓跟蹤算法（ Contour Trace ）來定位指針指向。輪廓跟蹤法基于區(qū)域邊界上相鄰像素點(diǎn)的相互連通性，沿區(qū)域邊界走一圈回到起始點(diǎn)可以得到一段封閉曲線，適用于輪廓完整，但內(nèi)部像素性質(zhì)不一定相一致的區(qū)域的分割。輪廓跟蹤就是從一個(gè)起始點(diǎn)開始，按照四連通或八連通關(guān)系逐點(diǎn)跟蹤下個(gè)邊界點(diǎn)，同時(shí)輸出移動(dòng)的方向（即鏈碼值），直到得到整條輪廓線。

在OpenCV中一般用序列來存儲(chǔ)輪廓信息。序列中的每一個(gè)元素是曲線中一個(gè)點(diǎn)的位置。所以，對(duì)于定位指針，我們只需找出離圓心點(diǎn)最遠(yuǎn)的點(diǎn)，然后將圓心點(diǎn)和這個(gè)最遠(yuǎn)的點(diǎn)相連接，這條直線即為指針。按照以上算法，可以得到如圖7的結(jié)果。

再完成對(duì)指針的圓心與指針尖端的定位后，我們就需要用相應(yīng)方法完成對(duì)指針指向的定位。我們需要一種能夠使得指針的指向不受表盤的傾斜情況影響，而且計(jì)算簡(jiǎn)單的算法。經(jīng)過綜合分析后，我們發(fā)現(xiàn)牛頓插值法是一種完全能滿足上述需求的方法。用牛頓插值法得出的函數(shù)關(guān)系式可以完成對(duì)指針與零刻度線間夾角長(zhǎng)刻度與零刻度線間夾角的校正，并且很好地逼近零刻度線間夾角和儀表示值之間最真實(shí)的關(guān)系，從而實(shí)現(xiàn)儀表示值的智能讀取。

插值函數(shù)的定義：設(shè)連續(xù)函數(shù)y-f（x） 在區(qū)間[a，b]上有定義，已知在n+1個(gè)互異的點(diǎn)x0，x1，…xn上取值分別為y0，y1，…yn（設(shè)a≤x1≤x2……≤xn≤b）。若在函數(shù)類中存在以簡(jiǎn)單函數(shù)P（x），使得P（xi） = yi，則稱P（x） 為f（x）的插值函數(shù)。稱x1，x2，…xn為插值節(jié)點(diǎn)，而稱[a，b]為插值區(qū)間。插值函數(shù)定理：n次代數(shù)插值問題的解存在且唯一。

需要說明的一點(diǎn)是，用牛頓插值法計(jì)算得到的指針示值只是指針相對(duì)于自己所在的子表盤的刻度線的讀數(shù)。從表盤的結(jié)構(gòu)分析可以得出結(jié)論，即表盤的中心和指針的回轉(zhuǎn)中心的連線與表盤0刻度線的夾角是一定的。另外，指針指向線段在表盤圖像坐標(biāo)系中的角度可利用它的直線方程求出。可利用這兩個(gè)角求出指針相對(duì)于零基準(zhǔn)線的轉(zhuǎn)角α，進(jìn)而可以根據(jù)轉(zhuǎn)角α與表盤讀數(shù)的關(guān)系計(jì)算指針讀數(shù)。轉(zhuǎn)角α與表盤讀數(shù)的關(guān)系如表1所示。

利用表盤中心與指針回轉(zhuǎn)中心的連線與子表盤0刻度線的夾角一定的特征來計(jì)算表盤0刻度線與指針指向線段的夾角方法有效地克服了表盤隨機(jī)角度旋轉(zhuǎn)對(duì)讀數(shù)識(shí)別算法的影響。

4 實(shí)驗(yàn)與分析

本文以水表表盤為具體研究對(duì)象，采用Microsoft Visual 2010開發(fā)測(cè)試程序?qū)λ淼闹羔樖絻x表的自動(dòng)識(shí)別功能進(jìn)行測(cè)試。我們首先自己構(gòu)建一個(gè)圖像集，用來模擬實(shí)際采集水表表盤圖像時(shí)可能出現(xiàn)的隨機(jī)角度旋轉(zhuǎn)、一定程度的隨機(jī)噪聲干擾、外界光照條件變化造成的圖像明暗變化等情況，然后對(duì)這個(gè)圖像集中的圖片進(jìn)行自動(dòng)識(shí)別。圖8給出實(shí)驗(yàn)測(cè)試算法的識(shí)別時(shí)間和識(shí)別結(jié)果。

同時(shí)，本文基于同一組圖像數(shù)據(jù)分別利用基于Hough變換的子表盤定位方法與本文提出的定位子表盤區(qū)域算法進(jìn)行了定位對(duì)比實(shí)驗(yàn)。比較結(jié)果如表2所示。

實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的Hough變換相比，改進(jìn)算法的處理速度要快5～6倍，在存儲(chǔ)空間減小的同時(shí)保持了良好的效果，具有較高的實(shí)用價(jià)值。

參考文獻(xiàn)

[1]陳燕.指針式水表的圖像自動(dòng)讀數(shù)判讀方法的研究[D].江蘇：蘇州大學(xué)，2009.

[2]苑瑋琦，邵蕊.指針式儀表識(shí)別方法的研究[J].微計(jì)算機(jī)信息，2009，25（12）： 26-28.

[3]鄒俊貴，陳以.常用指針式儀表識(shí)別技術(shù)研究綜述[J].儀器儀表與分析檢測(cè)，2009（1）：1-6.

[4]江澤濤，王軾，李克偉.一種指針式儀表非接觸測(cè)量方法[J].計(jì)算機(jī)應(yīng)用與軟件，2009， 26（4）：281-283.

[5]J.R.Parker著，景麗譯.圖像處理與計(jì)算機(jī)視覺算法及應(yīng)用（第二版）[M].北京：清華大學(xué)出版社，2012.