孫 勇 ，肖 勇 ，方彥軍

（1.武漢大學(xué) 自動化系，武漢 430072；2.廣東電網(wǎng)公司電力科學(xué)研究院，廣州 510080）

目前在我國的工業(yè)生產(chǎn)領(lǐng)域，指針式儀表由于結(jié)構(gòu)相對簡單、抗電磁干擾強、性價比高等優(yōu)點，仍在大量使用。同時，隨著機器視覺與數(shù)字圖像處理技術(shù)的發(fā)展，基于機器視覺的指針式儀表自動讀數(shù)系統(tǒng)的研究也受到廣泛關(guān)注[1-3]。系統(tǒng)主要完成特征值提取和讀數(shù)識別，先通過預(yù)處理技術(shù)初步篩選出刻度線、指針中心點，再識別出儀表示值。

圖像預(yù)處理在自動讀數(shù)系統(tǒng)中具有非常關(guān)鍵的作用，預(yù)處理效果直接影響到后續(xù)的識別精度。指針儀表圖像預(yù)處理主要包含濾波去噪、圖像增強和圖像二值化，文獻[4]對圖像預(yù)處理技術(shù)進行了論述與研究，并提出了改進的同態(tài)濾波法技術(shù)，文獻[5]采用動態(tài)閾值分割算法及改進的自適應(yīng)中值濾波來實現(xiàn)預(yù)處理目的，文獻[6]采用人工確定閾值的方法使灰度圖二值化。由于并沒有一種通用的圖像分割算法適用于所有圖像，相關(guān)研究[7-9]在圖像預(yù)處理環(huán)節(jié)大多采用特定的方法。本文針對自動讀數(shù)系統(tǒng)采集到的指針儀表圖像，結(jié)合生產(chǎn)工作實踐，提出一種改進的圖像預(yù)處理方法，即在圖像銳化濾波、直方圖均衡化的基礎(chǔ)上利用自適應(yīng)閾值法進行圖像二值化，相比全局閾值法、直接自適應(yīng)閾值法，該方法能夠有效地突出指針儀表圖像的特征，取得較好的輪廓提取效果。

1 系統(tǒng)硬件平臺

自動識別系統(tǒng)主要可分為工作臺及后臺計算機。工作臺是識別系統(tǒng)和被檢指針表的接口，包含圖像傳感器、輔助光源、可調(diào)節(jié)支撐架及壓力接口4部分。工作臺一是通過壓力接口實現(xiàn)儀表的安裝和標準壓力源的導(dǎo)入，二是通過圖像采集裝置實現(xiàn)指針儀表圖像數(shù)據(jù)的采集與傳輸。后臺計算機主要完成采集圖像的處理，實現(xiàn)指針儀表圖像的讀數(shù)。

系統(tǒng)硬件平臺構(gòu)成如圖1所示，系統(tǒng)工作時，先由圖像采集卡采集圖像，再進入計算機進行圖像處理，計算機根據(jù)處理結(jié)果進行判斷，發(fā)出指令控制云臺和攝像頭動作，也可控制程控電源實現(xiàn)儀表的相對移動，通過兩種方式調(diào)整攝像頭和指針儀表的相對位置，從而實現(xiàn)圖像的優(yōu)質(zhì)采集。指針儀表圖像采集后，通過圖像預(yù)處理、找圓心、確定半徑、提取刻度、確定刻度值、識別讀數(shù)等幾個步驟實現(xiàn)儀表讀數(shù)的識別。指針式儀表圖像的預(yù)處理是圖像輸入到計算機后進行的第一步操作，對后續(xù)的指針提取、刻度提取和自動讀數(shù)起關(guān)鍵作用。

圖1 系統(tǒng)硬件結(jié)構(gòu)框圖Fig.1 Structure diagram of automatic verification system

2 預(yù)處理操作

圖像采集卡由于周圍環(huán)境影響或是硬件條件的限制，采集到的圖像都會存在干擾噪聲，所以首先需要對指針儀表圖像進行預(yù)處理。一是濾除噪聲信號，避免其對特征信息的干擾，二是圖像增強，突出有用信息。預(yù)處理實驗在Matlab R2011b平臺上進行，根據(jù)濾波去噪和圖像增強理論，結(jié)合實際編程處理的可操作性，整個處理過程如下：先用加權(quán)平均值法進行圖像灰度化處理，再根據(jù)直方圖特點進行圖像濾波與增強操作，為后續(xù)的二值化處理打下基礎(chǔ)。

2.1 圖像濾波

指針儀表圖像在獲取和傳輸過程中，受外界環(huán)境條件以及自身器件的影響會產(chǎn)生大量噪聲，這些噪聲會干擾甚至是掩蓋圖像的特征信息?？臻g域濾波法和頻率域濾波法是常用的兩類圖像降噪濾波技術(shù)?？臻g域濾波法直接在空間中操作處理圖像各像素的灰度值。頻率域濾波法需要先利用傅里葉變換把圖像變換到頻率域，然后濾波處理圖像的頻域變換值，最后再將濾波后的頻譜逆變換回空間域。在實際應(yīng)用中并不是所有的圖像都適合傅立葉變換，其往往對圖像的大小有所限制，所以采用的相對較少。

空間濾波常用的有均值濾波器和中值濾波器。均值濾波器就是對鄰域內(nèi)所有像素點取平均值得到復(fù)原圖像的亮度值。令Sxy表示中心在（x，y）點，尺寸為m×n的矩形子圖像窗口的坐標組。（x，y）點處復(fù)原圖像的值為

均值濾波簡單的平滑了一副圖像的局部變化，減少了噪聲的同時模糊了圖像。中值濾波對鄰域像素點進行排序并取中間值為復(fù)原圖像亮度值：

Shyam等人提出了一種改進的均值濾波法，首先對噪聲點進行檢測再計算均值[10]。Taisheng等人將這兩種濾波方法綜合提出一種自適應(yīng)濾波方法[11]。

頻域是由傅里葉變換和頻域變量（u，v）定義的空間，設(shè)H（u，v）是濾波器函數(shù)，且輸出圖像的傅里葉變換為 G（u，v），則有：

常用的頻域濾波器有低通濾波器、高通濾波器和巴特沃斯濾波器等，但并不是所有的圖像都存在傅里葉變換，所以頻域濾波有一定的限制，本文采用中值濾波去除椒鹽噪聲。

2.2 直方圖均衡化

直方圖反應(yīng)了圖像的灰度分布情況，是多種空間域處理技術(shù)的基礎(chǔ)。直方圖修正是指增加圖像像素值直方圖分布來對圖像進行增強處理，經(jīng)過直方圖修正后，圖像像素值在各個級別上都有分布，像素值間的差距拉大，更容易表現(xiàn)圖像細節(jié)。直方圖均衡化是把已知灰度概率分布的圖像，經(jīng)過一種變換，使之演變成一幅具有均勻灰度概率分布的新圖像，經(jīng)過直方圖均勻化處理的圖像，其圖像灰度級出現(xiàn)的相對概率相同，此時圖像的熵最大，圖像包含的信息量也最大，一般能夠增強圖像細節(jié)。

灰度級為［0，L-1］范圍的數(shù)字圖像直方圖是離散函數(shù) h（rk）=nk，其中 rk是第 k 級灰度，nk是圖像中灰度級為rk的像素個數(shù)?；叶燃墳閞k的概率估計值為P（rk）=nk/n，其中n為像素總數(shù)。設(shè)灰度級r歸一化到［0，1］，考慮式（4）的連續(xù)變換函數(shù)，其中 s為變換后灰度值：

滿足下列條件：①T（r）在區(qū)間［0，1］為單值且單調(diào)遞增；②函數(shù)值域滿足 0≤T（r）≤1，0≤r≤1。

令 Pr（r）和 Ps（s）分別代表隨機變量 r和 s 概率密度函數(shù)，由基本的概率理論，若T-1（s）滿足條件（1），則：

當(dāng)變換函數(shù)為

由萊布尼茨準則：

將式（7）代入式（5）中可得到：

由此可知經(jīng)變換函數(shù)（6）得到均勻概率密度函數(shù)。對于離散值，用概率和求和代替上述變換中的概率密度函數(shù)和積分，可以得到式（6）的離散形式：

上式的映射即為直方圖均衡化。直方圖均衡化可以使圖像灰度級覆蓋整個灰度域，擴展了其動態(tài)范圍，具有較高的對比度。由于灰度值是離散的，直方圖均衡化之后輸出直方圖也不可能在所有灰度級上概率相等。圖2為直方圖均衡化處理前后的對比。

圖2 直方圖均衡化對比圖Fig.2 Comparison of histogram equalization

3 圖像二值化

圖像濾波與直方圖均衡化處理增強了儀表圖像的細節(jié)特征，下一步處理為圖像二值化。指針和刻度線反映指針儀表圖像主要特征，在提取這些信息之前，需對圖像進行分割，得到包含特征信息的二值圖像。圖像分割算法主要分為兩大類：利用區(qū)域內(nèi)象素灰度相似性的基于區(qū)域的算法和利用區(qū)域間灰度不連續(xù)性的基于邊緣的算法?；谶吘壍膱D像分割法包括點線檢測和各種邊緣檢測算子。

3.1 二值化算法

域值分割是最常用和古老的分割方法之一，其基本原理可用以下表達式說明：

其中： f（x，y）為原圖像；g（x，y）為處理后圖像；T 為閾值。根據(jù)T是否固定可分為單閾值法和自適應(yīng)閾值法，自適應(yīng)閾值法的T根據(jù)圖像各部分差異會相應(yīng)的變化。閾值的選取如果只和點的灰度值有關(guān)，則稱為點相關(guān)的全局閾值法。全局閾值法是操作起來最簡單的方法，一般通過實驗迭代法、雙峰法、Otsu[12]法等方法實現(xiàn)。如果與點的灰度值和局部鄰域特性有關(guān)，則稱為局部閾值法。它是圖像的部分區(qū)域使用同一個閾值，主要有Niblack算法、Bernsen算法、Kamel-Zhao算法等。閾值的選取如果與點的位置、灰度值、領(lǐng)域特征相關(guān)，則稱為自適應(yīng)閾值法，自適應(yīng)閾值法對于局部有更加規(guī)范和量化的規(guī)定，主要有共生矩陣法、Bruckstein算法等。

用Otsu法進行圖像二值化的基本思路是：選取的最佳閾值應(yīng)當(dāng)使得用該閾值分割得到的兩類間具有最好的分離性；類間分離性最好的判據(jù)是統(tǒng)計意義上的類間特性差最大或類內(nèi)特性差最小[13]。

圖像的灰度級在［0，L-1］范圍內(nèi)，若最佳閾值為 t，則按閾值將圖像劃分為 C0=｛0，1，…，t｝和 C1=｛t+1，t+2，…，L-1｝，每個灰度級的概率為

C0和C1的類間為

使該方差最大的t即為所求，方差反映的是一個變量對應(yīng)一組數(shù)值的均衡性大小，方差越大說明其均衡性越低。

自適應(yīng)閾值法的閾值不是一成不變的，而是根據(jù)鄰域的灰度分布情況按照一定的規(guī)律變化。一種基于積分圖像的閾值法思路為：定義輸入圖像為f（x，y），積分圖像用 I（x，y）表示。 對于積分圖像上任意一點 I（x0，y0），其含義是區(qū)域{（x，y）|0≤x≤x0，0≤y≤y0}內(nèi)所有像素點的灰度值之和。假定1≤x，1≤y則有：

I（x，y）=f（x，y）+I（x，y-1）+I（x-1，y）-I（x-1，y-1）（14）

若 x=0 則忽略 I（x-1，y），若 y=0 忽略 I（x，y-1）。得到積分圖像后，可以很方便地計算出區(qū)域{（x，y）|x1＜x＜x2，y1＜y＜y2，}內(nèi)所有像素點的灰度值之和，可以提高計算效率。

再取邊長為s的正方形為移動窗口，窗口在原圖像上移動，如果中心點位置像素點的灰度值低于窗口區(qū)域灰度平均值t%時，該點為黑點，反之為白點。若像素點處于邊界位置，則取移動窗口和圖像交集區(qū)域計算其灰度平均值。利用積分法對圖像分割能夠很好地消除由于照度不勻?qū)е铝炼确植疾痪母蓴_[14]。指針儀表圖像在獲取過程中，由于表盤邊緣遮蓋的緣故，在刻度線附近會出現(xiàn)陰影，所以更適合采用自適應(yīng)閾值法。圖3對比了采用Otsu算法和基于積分圖像的自適應(yīng)閾值法二值化結(jié)果，后者效果明顯優(yōu)于前者。

3.2 二值化處理分析

預(yù)處理實驗在Matlab R2011b平臺上進行，根據(jù)3.1節(jié)的討論，先將獲得的彩色圖像進行灰度化處理，對于處理結(jié)果分別進行Otsu法、自適應(yīng)閾值法和本文提出的改進自適應(yīng)閾值法二值化。本文提出的方法為對灰度化后的圖像去噪濾波和直方圖均衡化，再進行圖像求反與增強對比度操作，最終使用自適應(yīng)閾值法二值化。

由于光照的不均勻，選取的600×480的樣本1刻度45-55區(qū)域處于暗區(qū)域、刻度15-20區(qū)域儀表鏡面有反光現(xiàn)象。通過實驗可以看出，直接用全局閾值法二值化結(jié)果如圖3（a）所示，可見處理結(jié)果導(dǎo)致大部分刻度線丟失，為下一步完成讀數(shù)識別造成很大阻礙。采用自適應(yīng)閾值法的處理結(jié)果如圖3（b）所示，相比全局閾值法，自適應(yīng)閾值法處理結(jié)果有較大改善，但是在刻度15-20區(qū)域部分信息也有所丟失，同時每個刻度線都有所縮短，不利于進一步的刻度提取與讀數(shù)識別。本文提出的改進自適應(yīng)閾值法處理結(jié)果如圖3（c）所示，可見二值化圖像刻度15-20區(qū)域信息保留較好，其余刻度線特征突出，這為讀數(shù)識別打下很好基礎(chǔ)。圖3（d）為本文方法處理結(jié)果與自適應(yīng)閾值法處理結(jié)果的減影對比圖，可以看出，本文處理方法能夠保留樣本圖像更大特征。

為了驗證本文提出方法的有效性，選取精度等級更高的指針儀表圖像樣本2進行對比分析實驗。處理過程與樣本1相同，圖4（a）為自適應(yīng)閾值法處理結(jié)果，圖4（b）為本文提出方法的處理結(jié)果，可以看出，本文提出的方法對比效果更為明顯，刻度線保存更為完整，刻度線與指針信息丟失量較少。

圖3 樣本1試驗結(jié)果Fig.3 Test result of sample 1

圖4 樣本2試驗結(jié)果Fig.4 Test result of sample 2

4 結(jié)語

對機器視覺指針式儀表圖像預(yù)處理技術(shù)的研究，表明全局閾值法不適合此類圖像的二值化。本文根據(jù)儀表盤圖像特點，提出改進的自適應(yīng)閾值法，采取濾波去噪、直方圖均衡化、增強對比度等操作，再進行自適應(yīng)閾值法進行圖像二值化。實驗表明，此方法能夠克服光照不均勻、鏡面反光等影響因素，放大圖像細節(jié)特征，有效消除噪聲，為后續(xù)讀數(shù)識別打下基礎(chǔ)。

[1] 熊偉麗，周寰，徐保國.指針式壓力表自動檢定系統(tǒng)的設(shè)計與實現(xiàn)[J]，傳感器與微系統(tǒng)，2009，28（8）：105-107.

[2] F Correa Alegria，A Cruz Serra.Automatic calibration of analog and digital measuring instruments using computer vision[J].IEEE Transactions on Instrumentation and Measurement，2000，49 （1）：94-99.

[3] 陳世偉，李世平，管京周，等.指針式電壓表精度自動化檢定系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機測量與控制，2005，13（11）：1192-1194.

[4] 郭貴法.指針儀表圖像預(yù)處理技術(shù)研究[D].廣州：廣東工業(yè)大學(xué)，2010.

[5] 陶冰潔，韓佳樂，李恩.一種實用的指針式儀表讀數(shù)識別方法[J].光電工程，2011，38（4）：145-150.

[6] 張紹兵.基于神經(jīng)網(wǎng)絡(luò)數(shù)字識別方法的研究[J].計算機測量與控制，2008，16（12）：1994-1995.

[7] 戴海港，宮寧生，郇洪江.基于圖像處理技術(shù)的高精度儀表的自動判讀[J].化工自動化及儀表，2010，37（8）：131-132.

[8] 范江濤，汪仁煌，周武，等.基于數(shù)字圖像處理技術(shù)的針式儀表讀數(shù)識別[J].廣東工業(yè)大學(xué)學(xué)報，2007，27（4）：76-78.

[9] 季厭浮，張紹兵.無指針式儀表表盤數(shù)字識別方法的研究[J].自動化儀表，2008，29（12）：25-27，32.

[10]Shyam Lal，Sanjeev Kumar，Mahesh Chandra.Removal of high density salt and pepper noise through super mean filter for natural images[J].International Journal of Computer Science Issues，2012，9（3）：303-309.

[11]Taisheng Li，Xuan Zhang，Chongrong Li.An Improved adaptive image filter for edge and detail information preservation[C]//Systems and Informatics，ICSAI 2012 International Conference，2012：1875-1878.

[12]N Otsu，A threshold selection method from gray-level histogram[J].IEEE Trans.Systems Man and Cybernet，1979，9（1）：62-66．

[13]王磊，段會川.Otsu方法在多閾值圖像分割中的應(yīng)用[J].計算機工程與設(shè)計，2008，29（11）：2844-2845，2972.

[14]Derek Bradley，Gerhard Roth.Adaptive thresholding using the integral image[J].Journal of Graphics Tools，2007，12（2）：13-21.

2014控制工程師峰會將于11月3日在上海召開

2014年11月3日，2014控制工程師峰會（Control Engineers’Summit，簡稱CES）即將在上海大華錦繡假日酒店舉辦。在繼承2013年CES峰會的“推開控制之門，匯聚創(chuàng)新智慧”精髓外，今年將會一如既往的為工控人士呈現(xiàn)饕餮大餐，并加強同行經(jīng)驗交流與分享。

自首屆 “控制工程師峰會”2012年上海成功舉辦以來，CES峰會已經(jīng)成為以自動化工業(yè)用戶為導(dǎo)向的中國工控自動化領(lǐng)域年度重要盛會，旨在進一步研究和探討中國目前工業(yè)自動化行業(yè)的市場機遇與創(chuàng)新趨勢、存在的問題以及應(yīng)采取的戰(zhàn)略措施，以提升自動化視野、促進垂直行業(yè)自動化應(yīng)用技術(shù)交流為根本目的。

“控制工程師峰會”由新加坡騰世傳媒集團下的《亞洲控制工程》雜志社主辦，每年舉辦一次，主要面向中國工業(yè)自動化領(lǐng)域的控制工程師讀者、業(yè)內(nèi)專家和分析人士。通過年度控制工程師主題論壇、自動化技術(shù)及行業(yè)應(yīng)用，工廠自動化與過程自動化兩大分論壇以及現(xiàn)場展示、在線研討會等系列活動，對年度重要的自動化市場新動向、商務(wù)形勢、自動化新技術(shù)等進行探討和交流。