基于ZS細(xì)化改進(jìn)算法的儀表盤指針讀數(shù)方法

齊淑雯，陳愛軍，劉 磊

(中國計量大學(xué) 計量測試工程學(xué)院，浙江 杭州 310018)

汽車儀表盤是駕駛員在駕駛過程中獲得汽車信息的重要渠道，通過儀表盤的信息顯示，駕駛員可以判斷當(dāng)下的汽車運行狀況和汽車部件的安全狀況，儀表盤是否顯示準(zhǔn)確關(guān)系著汽車駕駛的安全性和可靠性[1]。因此，準(zhǔn)確快速地對儀表盤信息進(jìn)行識別具有重要意義。

當(dāng)前，很多學(xué)者對于儀表盤指針讀數(shù)進(jìn)行了研究。對于指針的識別，秦善培提出使用Hough變換提取儀表指針?biāo)谥本€，然后利用角度轉(zhuǎn)換法換算出指針刻度[2]；孫晶晶提出基于最小距離法與中心點校正相結(jié)合的直線提取方法來提取指針直線，并選擇用角度法換算出指針讀數(shù)[3]。但Hough變換中需要手動設(shè)置累加平面的閾值參數(shù)，因此無法實現(xiàn)自適應(yīng)，還經(jīng)常會出現(xiàn)細(xì)化出的直線有多于一條的情況，而且由于Hough變換是將整個圖像像素數(shù)據(jù)一起運算，故在處理速度上相對較慢[4]。

目前使用較為廣泛的直線提取方法是基于ZS細(xì)化的基礎(chǔ)上進(jìn)行的[5]。牟少敏等人對ZS快速并行細(xì)化算法進(jìn)行了改進(jìn)，將8鄰域進(jìn)行二進(jìn)制編碼，從而刪除ZS細(xì)化中出現(xiàn)冗余和分叉的像素點[6]；陳樹等則在初步細(xì)化的基礎(chǔ)上采用四連通域模板和構(gòu)造保留模板實現(xiàn)徹底細(xì)化和直線連通[7]。然而上述方法都采用某一特定的模板進(jìn)行匹配細(xì)化，不能覆蓋可能出現(xiàn)的情況，且運算過程復(fù)雜，無法解決直線細(xì)化過程中重復(fù)出現(xiàn)的分叉和像素冗余的問題。

為了解決現(xiàn)有方法存在的問題，今提出一種基于ZS細(xì)化改進(jìn)算法的汽車儀表盤指針讀數(shù)方法。首先運用顏色空間轉(zhuǎn)換的方法，將儀表盤圖像從RGB空間轉(zhuǎn)換至YUV空間，提取U分量得到指針區(qū)域圖像；然后針對上述ZS細(xì)化算法存在的不足，對ZS細(xì)化算法進(jìn)行改進(jìn)，基于不同的搜索方法和方向判別方法，得到需要保留的像素點；最后將所有的像素點在新建的背景圖像中輸出，得到最終細(xì)化完全的直線，對該直線進(jìn)行最小二乘擬合，并計算出指針讀數(shù)。

1 指針區(qū)域提取

為了減少后期的算法難度，需要對原圖像進(jìn)行指針區(qū)域提取，流程圖如圖1。

圖1 指針提取程序框圖Figure 1 Block diagram of pointer extraction

1.1 YUV空間轉(zhuǎn)換

首先采用張氏算法[8]標(biāo)定相機(jī)，然后對圖像進(jìn)行校正，所得的儀表盤圖像如圖2，在圖像處理過程中，RGB模型是一種傳統(tǒng)的顏色信息表達(dá)方式，但對于該儀表盤而言，通過傳統(tǒng)的提取紅色分量的方法來得到指針區(qū)域圖像[9]，圖像中紅色刻度以及指針區(qū)域會存在噪點以及毛刺的問題，所以采用顏色空間轉(zhuǎn)換的方法。

圖2 儀表盤圖像Figure 2 Dashboard image

YUV空間是將亮度參數(shù)和色度參數(shù)分開表示，這樣的操作有利于提取該圖像的色度分量。針對此儀表盤，可采取提取U分量來提取指針區(qū)域，RGB與YUV的轉(zhuǎn)換公式如式(1)：

(1)

1.2 指針提取

由圖2可以看出，指針區(qū)域的面積明顯大于其余區(qū)域。首先將提取到的U分量圖像采用Otsu方法進(jìn)行圖像二值化，其次獲取二值圖像中每個輪廓的面積以及最小外接矩形的伸長比，最后根據(jù)面積和伸長比的閾值判斷條件，得到只含有指針連通域的圖像。

1.3 傾斜校正

由于儀表盤的形狀比較特殊，在固定時會存在一定的傾斜，此時需要對儀表盤圖像進(jìn)行傾斜校正。

首先采用在YUV顏色空間中提取U分量的方法提取部分紅色主刻度，其次利用大津法對原圖像進(jìn)行二值化，再提取剩余的主刻度，然后將主刻度圖像在背景圖中復(fù)原得到完整的刻度圖像，提取刻度區(qū)域的最小外接矩形的中心點，采任意三點擬合圓得到圓心[10]，并對得到的圓心進(jìn)行加權(quán)平均，得到該度盤的圓心點坐標(biāo)(x，y)，計算50 km/h處刻度與圖像坐標(biāo)系y軸的夾角α，以圓心(x，y)為旋轉(zhuǎn)中心，將原圖像順時針旋轉(zhuǎn)α角度，完成圖像擺正，如圖3。

圖3 擺正的儀表盤圖像Figure 3 Corrected dashboard image

1.4 形態(tài)學(xué)閉運算

由于ZS細(xì)化算法有著保持直線原始形狀的特性，所以指針連通域外圍輪廓上微小的變化都會在細(xì)化過程中影響細(xì)化的結(jié)果，比如細(xì)小的凸起會在最終細(xì)化結(jié)果中出現(xiàn)分叉的現(xiàn)象。

利用形態(tài)學(xué)閉運算[11]對指針連通域圖像進(jìn)行處理，可以彌合較窄的間斷和細(xì)長的溝壑，消除細(xì)小的孔洞，填補輪廓線中的斷裂。本文采用的結(jié)構(gòu)元素形狀為矩形，尺寸大小為5×5。

2 指針細(xì)化讀數(shù)

2.1 ZS快速并行細(xì)化算法原理

ZS快速并行細(xì)化算法的原理[12]如下：首先尋找以邊界點為中心的8鄰域，記中心點為P1，其鄰域的8個點順時針繞中心點分別記為P2，P3，…，P9，如圖4。

圖4 8鄰域系統(tǒng)
Figure 4 8 Neighborhood System

將二值圖像中的目標(biāo)點標(biāo)記為1，背景點標(biāo)記為0，然后刪除滿足公式(2)或公式(3)的點，將刪除過程構(gòu)成一次迭代，直到刪除所有滿足條件的點，剩余點組成的圖像便是ZS細(xì)化的結(jié)果圖像。

(2)

(3)

式(2)～(3)中：N(P1)為P1的8鄰域中不為零的點的個數(shù)；S(P1)為以P2，P3，…；P9為序時這些點的值從0到1變化的次數(shù)。

2.2 細(xì)化優(yōu)化算法

ZS快速并行細(xì)化算法具有一定的局限性，如果圖像的外圍輪廓存在細(xì)微的變化，在細(xì)化過程中會出現(xiàn)像素冗余、分叉等，這種現(xiàn)象無法避免，所以采用改進(jìn)算法對ZS算法細(xì)化結(jié)束得到的初始細(xì)化圖像進(jìn)行優(yōu)化：采取先斜線再十字的搜索方法進(jìn)行逐點細(xì)化，按照與被搜索像素點相鄰的點的方向，判斷該像素點是否應(yīng)該保留，直到將所有像素點遍歷，此時直線徹底細(xì)化完成。

本文提出的改進(jìn)細(xì)化算法可分五步進(jìn)行：

1)首先找到細(xì)化的起點，以二值圖像中直線的左上角為搜索起點，逐行逐列尋找連通域中首個像素值不為0的點。設(shè)該像素點P0為細(xì)化起點，按順時針方向定義像素點P0的8鄰域內(nèi)方向序號，具體編號為1至8，如圖5。在該點的8鄰域內(nèi)按先斜線后十字的順序(首先尋找1、3、5、7位置上是否存在值為1的像素點，如果沒有，則尋找2、4、6、8位置上值為1的像素點)搜索相鄰像素點P1，確定兩個相鄰像素點間的方向Dir0，再將像素點P0取反，并將P0點的位置信息保存。將像素點P1作為新的細(xì)化起點，在像素點P1的8鄰域內(nèi)按先斜線后十字的順序搜索是否存在相鄰像素點P2，若存在像素點P2，則確定兩個相鄰像素點之間的方向Dir1。

1238P04765

圖5 8鄰域系統(tǒng)
Figure 5 8-neighborhood system

2)判斷Dir1與Dir0兩方向間的差值，如果滿足式(4)，則確定像素點P2相對于像素點P0的象限方位，若Dir1屬于相應(yīng)的方向范圍內(nèi)，則將像素點P1作為起始像素P0，并將像素點P1位置信息保存，如圖6。

0≤Dir1-Dir0≤1。

(4)

圖6 判別條件1示意圖Figure 6 Discrimination condition 1

若存在“T”字型特殊情況，則優(yōu)先處理，以當(dāng)前像素點P2作為搜索起點，確定像素點P2的8鄰域內(nèi)1、2、3、6方向上的像素值;若像素點P2規(guī)定方向上的像素值都為1，則將像素點P1作為起始像素點P0，并將像素點P1位置信息保存。若像素點P2規(guī)定四個方向上的像素值并不都為1，則將當(dāng)前P2像素值置為0，如圖7。

圖7 “T”字型示意圖Figure 7 ‘T’font schematic diagram

3)如果滿足式(5)，則將像素點P2作為新的搜索起點，確定像素點P2相對于像素點P0象限方位Dir1，若Dir1滿足規(guī)定的像素方向范圍，則在像素點P2的8鄰域內(nèi)按先斜線后十字的順序搜索是否存在不屬于P1的8鄰域內(nèi)相鄰像素點P3，確定相鄰像素點P2與P3間的方向Dir2，如果滿足公式(6)，則將像素點P1作為新的起始像素點P0，并將像素點P1的位置信息保存，如圖8。

-1≤Dir1-Dir0<0，

(5)

|Dir2-Dir0|<2。

(6)

圖8 判別條件2示意圖Figure 8 Discrimination condition 2

4)如果滿足公式(7)，以當(dāng)前像素點P3為新的搜索起點，在像素點P3的8鄰域內(nèi)按先斜線后十字的順序搜索是否存在相鄰且不是P2的像素點P4；如存在像素點P4，則確定相鄰像素點P3與P4間的像素方位Dir3。如果滿足公式(8)，則將像素點P1作為起始像素點P0，并將像素點P1位置信息保存，如圖9。

|Dir2-Dir0|≥2，

(7)

Dir3-Dir1=0或|Dir3-Dir0|≤1。

(8)

圖9 判別條件3示意圖Figure 9 Discrimination condition 3

如果滿足公式(9)，則存在“一”字型特殊情況，則轉(zhuǎn)入處理“一”字型特殊情況算法，以當(dāng)前搜索點P4作為搜索起點，判斷是否存在相鄰且不屬于P4的8鄰域內(nèi)像素點P5；若存在相鄰像素點P5，則確定P5與P4間的象限方位Dir4。如果滿足公式(10)，則將像素點P1作為起始像素點P0，并將像素點P1位置信息保存，如圖10。

Dir3-Dir2=0，

(9)

Dir4-Dir1=0或|Dir4-Dir0|≤1。

(10)

圖10 “一”字型示意圖Figure 10 ‘一’ font schematic diagram

5)逐個對圖像中的像素點進(jìn)行判斷，若已遍歷完，則將所有保存的點的位置坐標(biāo)信息在新建的背景圖像中輸出；若未遍歷完，則將上述步驟2)、3)、4)繼續(xù)迭代，直到所有的像素點已經(jīng)遍歷完。

2.3 刻度值判讀

利用最小二乘法對完全細(xì)化的指針圖像中的點進(jìn)行直線擬合，得到擬合方程：y=kx+b，通過式(11)計算得到車速s。

(11)

式(11)中，(x，y)為汽車儀表盤度盤的圓心坐標(biāo)，(x1，y1)是該線段的中點坐標(biāo)。

3 實驗結(jié)果與分析

本文的操作環(huán)境為Win10 64位操作系統(tǒng)VS2010開發(fā)環(huán)境、內(nèi)存8 GB、CPU 2.8 GHz。在相同的環(huán)境下，將采集到的原始圖像運用ZS細(xì)化原始算法和優(yōu)化算法進(jìn)行提取直線，如圖11。將圖像進(jìn)行局部放大，如圖12。

實驗結(jié)果表明，ZS細(xì)化會存在細(xì)化不徹底的現(xiàn)象：像素冗余和毛刺分叉。本文提出的改進(jìn)優(yōu)化算法能夠完全去除毛刺分叉以及像素點冗余，從而達(dá)到單像素。該算法在保持ZS并行細(xì)化算法的優(yōu)異運算速度的基礎(chǔ)上，提高了直線細(xì)化的準(zhǔn)確度。

圖11 細(xì)化算法結(jié)果圖Figure 11 Refine algorithm result images

圖12 局部放大圖Figure 12 Enlarged view

為了驗證算法對汽車儀表盤讀數(shù)精度的影響，采用角度校驗[13]的方法，人為控制指針指向10、30、50、80等標(biāo)準(zhǔn)車速值的位置，通過表1兩種算法的誤差對比數(shù)據(jù)可以看出，優(yōu)化算法的平均相對誤差降低了0.55%。

表1 兩種算法的誤差對比結(jié)果Table 1 Comparison of errors between the two algorithms

4 結(jié) 語

本文對汽車儀表盤的指針讀數(shù)方法進(jìn)行了研究，提出了基于ZS細(xì)化的改進(jìn)算法并進(jìn)行實驗驗證，結(jié)論如下。

1)運用機(jī)器視覺技術(shù)對汽車儀表盤指針進(jìn)行讀數(shù)，采用面陣CCD相機(jī)采集圖像，降低了圖像預(yù)處理的難度，預(yù)處理過程中通過圖像擺正的方法提高了直線讀數(shù)的準(zhǔn)確度。

2)提出了一種新的ZS細(xì)化改進(jìn)算法，不僅保持了指針的固有形狀特征，而且有效改善了ZS快速并行細(xì)化算法中存在局部像素冗余、細(xì)化直線存在分叉的問題。

3)本文提出的改進(jìn)算法提高了直線識別的準(zhǔn)確度，其平均相對誤差降低了0.55%。