基于圖像處理的指針式儀表示數自動判讀算法研究

摘要：本文為了獲取指針式儀表的示數，研究了基于圖像處理的示數自動判讀算法。根據采集到的儀表示數圖像，首先采用預處理增強、降采樣及二值化、旋轉投影指針的方法提取出指針所在的區域；然后選取備選區域并進行二值化處理，在備選區域中定位了針尖的位置；最后對刻度線進行標記和排序，完成了示數判讀。結果表明，測量的214幅圖像中，誤差小于儀表最小分度值5%的讀數占85.05%。本文網絡版地址：http：//www.eepw.com.cn/article/274754.htm

關鍵詞：指針式儀表；自動判讀；圖像處理；降采樣；二值化DOI：10.3969/j.issn.1005-5517.2015.5.014

引言

指針式儀表在工業生產中得到了廣泛應用，如何|央速準確讀取儀表的示數是人們關心的問題。使用機械設備進行讀數是一種方便、準確的方法，與之配套使用的圖像處理和示數自動判讀算法是整套設備的核心。國內外很多學者研究了指針式儀表示數自動判讀算法，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判讀結果的影響。因此，本文以某公司使用的指針式壓力儀表為對象，研究了示數自動判讀算法。

1 指針區域提取

1.1 預處理增強

本文使用一臺CCD相機獲取儀表讀數的圖像，由于光線較差時會導致圖像灰暗，因此需要增強灰度值偏低的圖像，步驟為：

（1）計算原圖像整體平均灰度值M。

（2）如果M

以某儀表為例，增強效果如圖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相機采集到的原圖像尺寸較大，采用經過8倍降采樣的金字塔第3級圖像進行圖像降采樣。定義降采樣后的圖像為Ilon=0.6Mlow，計算其灰度均值為Mlon，設置其闕值Thlow。w=0.6Mlow。使用全局二值化方法進行二值化，低于闕值的像素點在二值圖像中賦值為1，得到的二值圖像記為BWlow。對于BWlow，首先去除與圖像邊界連接的連通域，同時將二值圖中間的部分設置為感興趣區域（ROI），然后分別計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。根據該思想，與圖l（b）對應的降采樣后的圖像Ilow。w如圖2（a）所示，與Ilow對應的連通域分析結果如圖2（b）所示。

1.3 旋轉投影提取指針

基于圖2（b），得到指針所在區域的步驟為：

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

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

（3）根據所有mi繪制全局投影曲線上，，找至憶，的最大值點m*=max（m1）以及取得該最大值時的旋轉角度i*和對應的橫坐標xi。

由于指針區域是長條狀，因此只要得出其中一點的坐標，并對寬度加以約束，就可以得到包含指針的區域信息。指針區域關鍵坐標點P相對于Co的坐標為：

在以Co為中心的坐標系中，通過P且與指針區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，同時構造與圖像Ilow大小一致的模板圖像Im，Im、與此直線距離小于d的像素點設置為感興趣點，所有感興趣點構成了包含指針的條狀區域。根據降采樣的比例因子，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域圖像Ip，如圖3所示。

2 針尖區域提取及定位

2.1 備選區域提取

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間，可以確定圖像lp的旋轉圖像lp上指針兩端的粗略坐標，進而變換到Ip中，得到指針兩端的坐標。

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

根據p，點的坐標，設置感興趣區域大小為hr×Wr，可以在原圖中得到兩塊備選子區域。以某圖像為例，備選子區域如圖4所示，針尖一定位于兩個子區域中的一個。

2.2 基于LoG算子邊緣檢測的二值化

由于針尖區域內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8的計算公式為：

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

其中，c的取值范圍是0—1，是所有邊緣點灰度值之和，N=是邊緣點的總數。

2.3 備選子區域篩選

對于二值化處理結果，針尖區域包含了針尖和刻度線。本文的針尖區域遠離圖像中心，對于第i個備選區域，定義判斷值Ji口下：

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

2.4 針尖定位

在第2.3節的基礎上，對針尖定位的步驟是：

（1）將僅含指針連通域的ROIBW逆時針旋轉角度i*得到ROI，BW，從指針連通域所連接邊界對側的邊界開始搜索，判斷是否出現分叉點。判斷方法是：統計該行所有寬度大于2的非零區間的數目，如果有兩個這樣的區間且距離不小于2，說明存在交叉點。設這一對區間的端點坐標分別是（x1，x2：）和（X3，X4），則交叉點橫坐標為。若逐行搜索至ROIBW高度的一半仍未發現分叉，跳至第（4）步。

（2）根據將ROIBw分為左右兩部分，記為I和r，計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置零，跳轉至第（4）步。

（3）若（2）中條件不滿足，分別計算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置零。

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

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

3 刻度線標記及讀數

3.1 基于逐步搜索的刻度線標記

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，其中心點為Ps，刻畫待搜索區域，該區域為傾斜矩形，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搜索區域進行二值化，再由Ps出發，沿過該點且與刻度線垂直的直線方向搜索相鄰的刻度線。

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

（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，轉換搜索方向繼續搜索標記至結束。

逐步搜索標記刻度線的實例如圖5所示，矩形框為搜索區域，兩個箭頭表示搜索方向。

3.2 刻度線排序

標記完所有刻度線后設置參考點，并結合已知儀表指針的旋轉方向將刻度線排序。參考點設置方法為：設兩個方向搜索到的末端兩條刻度線中心點分別是P1（x1，y1和p2（x2，y2），參考點坐標可設為，h是原圖像的高度。

3.3 讀數

通過計算針尖位置和參考點連線的斜率，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為n1和n2（n2>n1），同時計算針尖到這兩條刻度線所在直線的距離為d1和d2則讀數V的計算方法為：

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目。

4 實驗及評價

為了驗證本文方法的準確性，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，v是肉眼讀數，將判讀結果列于表1。有5幅圖像由于光線太暗，導致無法正確標記刻度線；有85.05%的讀數誤差小于儀表最小分度值的5%，讀數誤差大于儀表最小分度值10%的僅4.20%，證明本文算法的準確率較高。

（1）首先對圖像進行預處理增強，然后對圖像進行降采樣和二值化，之后進行旋轉投影提取出指針所在的區域。

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

（3）采用逐步搜索的方法標記刻度線，并對刻度線排序，從而實現示數讀數。

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