摘要：本文為了獲取指針式儀表的示數(shù)，研究了基于圖像處理的示數(shù)自動(dòng)判讀算法。根據(jù)采集到的儀表示數(shù)圖像，首先采用預(yù)處理增強(qiáng)、降采樣及二值化、旋轉(zhuǎn)投影指針的方法提取出指針?biāo)诘膮^(qū)域；然后選取備選區(qū)域并進(jìn)行二值化處理，在備選區(qū)域中定位了針尖的位置；最后對(duì)刻度線進(jìn)行標(biāo)記和排序，完成了示數(shù)判讀。結(jié)果表明，測量的214幅圖像中，誤差小于儀表最小分度值5%的讀數(shù)占85.05%。本文網(wǎng)絡(luò)版地址：http：//www.eepw.com.cn/article/274754.htm

關(guān)鍵詞：指針式儀表；自動(dòng)判讀；圖像處理；降采樣；二值化DOI：10.3969/j.issn.1005-5517.2015.5.014

引言

指針式儀表在工業(yè)生產(chǎn)中得到了廣泛應(yīng)用，如何|央速準(zhǔn)確讀取儀表的示數(shù)是人們關(guān)心的問題。使用機(jī)械設(shè)備進(jìn)行讀數(shù)是一種方便、準(zhǔn)確的方法，與之配套使用的圖像處理和示數(shù)自動(dòng)判讀算法是整套設(shè)備的核心。國內(nèi)外很多學(xué)者研究了指針式儀表示數(shù)自動(dòng)判讀算法，但研究仍存在一些不足，如：算法不具有普遍性、沒有考慮光線等干擾對(duì)判讀結(jié)果的影響。因此，本文以某公司使用的指針式壓力儀表為對(duì)象，研究了示數(shù)自動(dòng)判讀算法。

1 指針區(qū)域提取

1.1 預(yù)處理增強(qiáng)

本文使用一臺(tái)CCD相機(jī)獲取儀表讀數(shù)的圖像，由于光線較差時(shí)會(huì)導(dǎo)致圖像灰暗，因此需要增強(qiáng)灰度值偏低的圖像，步驟為：

（1）計(jì)算原圖像整體平均灰度值M。

（2）如果M

以某儀表為例，增強(qiáng)效果如圖1所示，將圖l（b）的圖像定義為I。

1.2 基于降采樣處理的二值化

由于CCD相機(jī)采集到的原圖像尺寸較大，采用經(jīng)過8倍降采樣的金字塔第3級(jí)圖像進(jìn)行圖像降采樣。定義降采樣后的圖像為Ilon=0.6Mlow，計(jì)算其灰度均值為Mlon，設(shè)置其闕值Thlow。w=0.6Mlow。使用全局二值化方法進(jìn)行二值化，低于闕值的像素點(diǎn)在二值圖像中賦值為1，得到的二值圖像記為BWlow。對(duì)于BWlow，首先去除與圖像邊界連接的連通域，同時(shí)將二值圖中間的部分設(shè)置為感興趣區(qū)域（ROI），然后分別計(jì)算剩余連通域的長度，如果該長度低于某一闕值，則將其剔除。根據(jù)該思想，與圖l（b）對(duì)應(yīng)的降采樣后的圖像Ilow。w如圖2（a）所示，與Ilow對(duì)應(yīng)的連通域分析結(jié)果如圖2（b）所示。

1.3 旋轉(zhuǎn)投影提取指針

基于圖2（b），得到指針?biāo)趨^(qū)域的步驟為：

（1）將圖像左上角設(shè)置為原點(diǎn)（o，o），將圖像BWlow繞其中心點(diǎn)c。（w1/2，hl/2）依次逆時(shí)針旋轉(zhuǎn)。

（2）旋轉(zhuǎn)后將BWr豎直投影，記錄投影曲線的最大值mi，和最大投影點(diǎn)的橫坐標(biāo)xi。

（3）根據(jù)所有mi繪制全局投影曲線上，，找至憶，的最大值點(diǎn)m*=max（m1）以及取得該最大值時(shí)的旋轉(zhuǎn)角度i*和對(duì)應(yīng)的橫坐標(biāo)xi。

由于指針區(qū)域是長條狀，因此只要得出其中一點(diǎn)的坐標(biāo)，并對(duì)寬度加以約束，就可以得到包含指針的區(qū)域信息。指針區(qū)域關(guān)鍵坐標(biāo)點(diǎn)P相對(duì)于Co的坐標(biāo)為：

在以Co為中心的坐標(biāo)系中，通過P且與指針區(qū)域指向平行的直線斜率k和截距6是：確定直線方程后加入距離約束d，同時(shí)構(gòu)造與圖像Ilow大小一致的模板圖像Im，Im、與此直線距離小于d的像素點(diǎn)設(shè)置為感興趣點(diǎn)，所有感興趣點(diǎn)構(gòu)成了包含指針的條狀區(qū)域。根據(jù)降采樣的比例因子，將Im放大至原始尺寸，與原圖像I相乘，可以得出包含指針的條狀區(qū)域圖像Ip，如圖3所示。

2 針尖區(qū)域提取及定位

2.1 備選區(qū)域提取

采用豎直的邊緣提取算子提取指針的邊緣信息，提取出豎直邊緣特征后用Otsu_值化得到豎直邊緣的二值圖像BWp，通過水平投影分析找到投影曲線的最大非零區(qū)間，可以確定圖像lp的旋轉(zhuǎn)圖像lp上指針兩端的粗略坐標(biāo)，進(jìn)而變換到Ip中，得到指針兩端的坐標(biāo)。

BWp的水平投影中最大的非零區(qū)間對(duì)應(yīng)指針，從該區(qū)間的端點(diǎn)向曲線兩側(cè)搜索，若發(fā)現(xiàn)新的非零區(qū)間滿足該區(qū)間與最大非零區(qū)間的間隔小于闕值ETh。，則將該新區(qū)間并入最大非零區(qū)間。本文ETh=h/30，設(shè)圖像的尺寸是h×w ，H是旋轉(zhuǎn)圖像Ip的高度。設(shè)在BWp中，指針兩端點(diǎn)的坐標(biāo)是pl（x1，y1）和P2（x2，y2），y1和y2是上述最大非零區(qū)間兩端點(diǎn)的坐標(biāo)，x1是BWp第一行最左端非零點(diǎn)與最右端非零點(diǎn)的橫坐標(biāo)均值，x2的含義類似。pl（x1，y1）和P2（x2，y2）粗略標(biāo)記了指針兩端在Bwp和lp中的位置。設(shè)原圖像尺寸為6×w，將這麗點(diǎn)的坐標(biāo)變換到圖像Ip中，得到在原圖I中指針兩端點(diǎn)的粗略坐標(biāo)pi（xi，yi）：

根據(jù)p，點(diǎn)的坐標(biāo)，設(shè)置感興趣區(qū)域大小為hr×Wr，可以在原圖中得到兩塊備選子區(qū)域。以某圖像為例，備選子區(qū)域如圖4所示，針尖一定位于兩個(gè)子區(qū)域中的一個(gè)。

2.2 基于LoG算子邊緣檢測的二值化

由于針尖區(qū)域內(nèi)刻度線的邊緣特征明顯，因此采用基于Laplacian ofGuassian（LoG）算子邊緣檢測的二值化處理方法。設(shè)原圖像為I（x，y），邊緣檢測后輸出圖像為o（x，y），則：式（6）中參數(shù)8的計(jì)算公式為：

其中，Int是取整運(yùn)算：m是模板寬度，取m=min（hr，Wr）/7。通過求取o（x，y）中過零點(diǎn)的軌跡即可得到原圖像的邊緣點(diǎn)，最后的闕值為：

其中，c的取值范圍是0—1，是所有邊緣點(diǎn)灰度值之和，N=是邊緣點(diǎn)的總數(shù)。

2.3 備選子區(qū)域篩選

對(duì)于二值化處理結(jié)果，針尖區(qū)域包含了針尖和刻度線。本文的針尖區(qū)域遠(yuǎn)離圖像中心，對(duì)于第i個(gè)備選區(qū)域，定義判斷值Ji口下：

其中，N是二值圖中連通域的數(shù)目，是所有連通域面積之和，ca、c1、c2是常數(shù)。通過計(jì)算兩塊備選區(qū)域的判斷值，選擇判斷值較大的區(qū)域即可得到針尖所在區(qū)域。

2.4 針尖定位

在第2.3節(jié)的基礎(chǔ)上，對(duì)針尖定位的步驟是：

（1）將僅含指針連通域的ROIBW逆時(shí)針旋轉(zhuǎn)角度i*得到ROI，BW，從指針連通域所連接邊界對(duì)側(cè)的邊界開始搜索，判斷是否出現(xiàn)分叉點(diǎn)。判斷方法是：統(tǒng)計(jì)該行所有寬度大于2的非零區(qū)間的數(shù)目，如果有兩個(gè)這樣的區(qū)間且距離不小于2，說明存在交叉點(diǎn)。設(shè)這一對(duì)區(qū)間的端點(diǎn)坐標(biāo)分別是（x1，x2：）和（X3，X4），則交叉點(diǎn)橫坐標(biāo)為。若逐行搜索至ROIBW高度的一半仍未發(fā)現(xiàn)分叉，跳至第（4）步。

（2）根據(jù)將ROIBw分為左右兩部分，記為I和r，計(jì)算兩部分連通域的面積S1和Sr。如果，則在ROIBW中將面積較小的一側(cè)置零，跳轉(zhuǎn)至第（4）步。

（3）若（2）中條件不滿足，分別計(jì)算l和r中連通域面積占該連通域外接矩形框面積的比例R.和Rr，在ROIBW中將比例較小的一側(cè)置零。

（4）從指針連通域所連接邊界對(duì)側(cè)的邊界開始逐行搜索，找到的第一個(gè)非零行的行坐標(biāo)即針尖位置的縱坐標(biāo)，將該行豎直投影，投影曲線左右兩端非零點(diǎn)的橫坐標(biāo)均值視為針尖位置的橫坐標(biāo)。

（5）將ROIBW中的針尖坐標(biāo)變換到ROIBW，進(jìn)而得到針尖在原圖像I中的針尖坐標(biāo)。

3 刻度線標(biāo)記及讀數(shù)

3.1 基于逐步搜索的刻度線標(biāo)記

定位針尖后，搜索刻度線的步驟為：

（1）以ROIBW任一刻度線為起始，其中心點(diǎn)為Ps，刻畫待搜索區(qū)域，該區(qū)域?yàn)閮A斜矩形，長和寬分別是ws和hs。

（2）使用基于LoG算子邊緣檢測的二值化方法對(duì)搜索區(qū)域進(jìn)行二值化，再由Ps出發(fā)，沿過該點(diǎn)且與刻度線垂直的直線方向搜索相鄰的刻度線。

（3）標(biāo)記搜索到的相鄰刻度線，記錄中心坐標(biāo)、刻度線長度、與水平軸夾角，更新起始點(diǎn)Ps，刻畫新的待搜索區(qū)域繼續(xù)搜索。

（4）若沿某方向搜索不到新的刻度線，說明該方向搜索完畢，返回起始刻度線，轉(zhuǎn)換搜索方向繼續(xù)搜索標(biāo)記至結(jié)束。

逐步搜索標(biāo)記刻度線的實(shí)例如圖5所示，矩形框?yàn)樗阉鲄^(qū)域，兩個(gè)箭頭表示搜索方向。

3.2 刻度線排序

標(biāo)記完所有刻度線后設(shè)置參考點(diǎn)，并結(jié)合已知儀表指針的旋轉(zhuǎn)方向?qū)⒖潭染€排序。參考點(diǎn)設(shè)置方法為：設(shè)兩個(gè)方向搜索到的末端兩條刻度線中心點(diǎn)分別是P1（x1，y1和p2（x2，y2），參考點(diǎn)坐標(biāo)可設(shè)為，h是原圖像的高度。

3.3 讀數(shù)

通過計(jì)算針尖位置和參考點(diǎn)連線的斜率，可以確定針尖位于哪兩條刻度線之間，記這兩條刻度線的序號(hào)為n1和n2（n2>n1），同時(shí)計(jì)算針尖到這兩條刻度線所在直線的距離為d1和d2則讀數(shù)V的計(jì)算方法為：

其中，S是儀表的量程，u是儀表的最小分度值，n是搜索到的刻度線數(shù)目。

4 實(shí)驗(yàn)及評(píng)價(jià)

為了驗(yàn)證本文方法的準(zhǔn)確性，測量了該公司214幅指針式儀表的圖像。定義誤差，其中v是本文算法的讀數(shù)，v是肉眼讀數(shù)，將判讀結(jié)果列于表1。有5幅圖像由于光線太暗，導(dǎo)致無法正確標(biāo)記刻度線；有85.05%的讀數(shù)誤差小于儀表最小分度值的5%，讀數(shù)誤差大于儀表最小分度值10%的僅4.20%，證明本文算法的準(zhǔn)確率較高。

（1）首先對(duì)圖像進(jìn)行預(yù)處理增強(qiáng)，然后對(duì)圖像進(jìn)行降采樣和二值化，之后進(jìn)行旋轉(zhuǎn)投影提取出指針?biāo)诘膮^(qū)域。

（2）在指針兩端分割出兩塊區(qū)域，基于LoG算子邊緣檢測的二值化方法在子區(qū)域中篩選出針尖的區(qū)域，并對(duì)針尖定位。

（3）采用逐步搜索的方法標(biāo)記刻度線，并對(duì)刻度線排序，從而實(shí)現(xiàn)示數(shù)讀數(shù)。

（4）判讀了214幅圖像的讀數(shù)，85.05%的讀數(shù)誤差小于儀表最小分度值的5%，讀數(shù)誤差大于儀表最小分度值10%的僅4.20%，證明本文算法的準(zhǔn)確率很高。