一種改進的指針式儀表讀數識別方法

邵錫 沈普 韓俊 俞武嘉

摘要：針對傳統的單純的利用Hough變換處理多指針儀表的讀數識別時遇到的一系列問題，提出了一種改進后的指針讀數方法。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，并運用輪廓法確定指針。對指針與零刻度線間夾角長刻度與零刻度線間夾角進行校正，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關系，實現儀表示值的智能讀取。實驗結果表明，該算法很好的解決了噪聲對結果產生的影響，在保證準確率的同時提高了識別速度。

關鍵詞：讀數識別 Hough變換 OpenCV 視覺檢測

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1007-9416（2016）07-0229-02

當前很多領域受工作條件限制及經濟性、便捷性要求，指針式儀表還大量使用。目前在計量檢定領域，對指針式儀表的檢定多采用手動校驗的方法，檢定過程復雜，大量的重復測量工作以及數據處理多而繁瑣，造成檢定工作費時費力，極容易造成人為差錯，使檢定準確性難以保證。因此，研究和發展計量測量過程中所需的先進自動化技術，對于提高工作效率，減少人工干預并降低出錯概率具有重要的現實意義。

本文將在現有的指針式讀數識別算法的基礎上改進不足之處，提出一種改進的指針式讀數圖像識別算法。具體算法流程如下圖1所示。

指針式儀表自動識別的關鍵技術就是指針的提取[1]。而Hough變換是圖像變換中的經典手段之一，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Hough變換的基礎上提出了一種改進算法，在完成表盤區域的預處理后，鎖定ROI（Region of Interesting），將子表盤區域單獨提取出，放入內存中，剔除其余部分，減小Hough變換的搜索范圍來減小Hough變換所需的存儲空間和計算量，然后利用Hough梯度法獲取指針圓心后，運用輪廓法找出指針，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關系，實現儀表示值的智能讀取。

1 圖像預處理

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，每個像素由三個字節表示，圖像由彩色變換為灰度，其對應點的灰度值為[2]：其中：Y為灰度值，R、G和B為RGB顏色空間中像素的三個分量。為了突出本次實驗中研究對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。

二值化是圖像預處理的關鍵環節，其效果將對后續的數字定位和分割操作產生直接的影響。這里我們使用計算圖像直方圖的方法來找出每一幅圖像一一對應的最佳閾值。按照以上算法得到的結果如圖3所示。一般用255表示白色，0表示黑色。籠統地講，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大的峰值，同時有大量的深色像素。這幾組像素基本對應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行閾值化。按照以上算法得到的結果如圖5所示。

2 指針圓心定位

再完成了圖像預處理后，就需要對子表盤的指針進行定位，找出指針并確定指針的指向。在OpenCV的應用中可以通過一個比較靈活的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的結果。

3 指針指向定位與讀數識別

在找出各個指針的圓心點后，我們就需要識別指針指向了。常用的指針指向識別算法有[4]：步長法、圓周灰度檢測法和基于多特征的分區模板匹配法等。

在檢測過程中，發現由于光照時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，導致水表表盤區域明暗灰度的變化不規則。而步長法和圓周灰度檢測對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別指針方向。如果使用基于多特征的分區模板匹配法，由于受到模板的約束條件的限制，當指針的指示方向在一個刻度附近的時，就很難區分該指針指示的是哪一個數值。而且該算法考慮的特征信息較多，算法的時間復雜度比較大。針對以上出現的幾種問題，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。輪廓跟蹤法基于區域邊界上相鄰像素點的相互連通性，沿區域邊界走一圈回到起始點可以得到一段封閉曲線，適用于輪廓完整，但內部像素性質不一定相一致的區域的分割。輪廓跟蹤就是從一個起始點開始，按照四連通或八連通關系逐點跟蹤下個邊界點，同時輸出移動的方向（即鏈碼值），直到得到整條輪廓線。

在OpenCV中一般用序列來存儲輪廓信息。序列中的每一個元素是曲線中一個點的位置。所以，對于定位指針，我們只需找出離圓心點最遠的點，然后將圓心點和這個最遠的點相連接，這條直線即為指針。按照以上算法，可以得到如圖7的結果。

再完成對指針的圓心與指針尖端的定位后，我們就需要用相應方法完成對指針指向的定位。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，而且計算簡單的算法。經過綜合分析后，我們發現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關系式可以完成對指針與零刻度線間夾角長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的關系，從而實現儀表示值的智能讀取。

插值函數的定義：設連續函數y-f（x） 在區間[a，b]上有定義，已知在n+1個互異的點x0，x1，…xn上取值分別為y0，y1，…yn（設a≤x1≤x2……≤xn≤b）。若在函數類中存在以簡單函數P（x），使得P（xi） = yi，則稱P（x） 為f（x）的插值函數。稱x1，x2，…xn為插值節點，而稱[a，b]為插值區間。插值函數定理：n次代數插值問題的解存在且唯一。

需要說明的一點是，用牛頓插值法計算得到的指針示值只是指針相對于自己所在的子表盤的刻度線的讀數。從表盤的結構分析可以得出結論，即表盤的中心和指針的回轉中心的連線與表盤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系中的角度可利用它的直線方程求出。可利用這兩個角求出指針相對于零基準線的轉角α，進而可以根據轉角α與表盤讀數的關系計算指針讀數。轉角α與表盤讀數的關系如表1所示。

利用表盤中心與指針回轉中心的連線與子表盤0刻度線的夾角一定的特征來計算表盤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角度旋轉對讀數識別算法的影響。

4 實驗與分析

本文以水表表盤為具體研究對象，采用Microsoft Visual 2010開發測試程序對水表的指針式儀表的自動識別功能進行測試。我們首先自己構建一個圖像集，用來模擬實際采集水表表盤圖像時可能出現的隨機角度旋轉、一定程度的隨機噪聲干擾、外界光照條件變化造成的圖像明暗變化等情況，然后對這個圖像集中的圖片進行自動識別。圖8給出實驗測試算法的識別時間和識別結果。

同時，本文基于同一組圖像數據分別利用基于Hough變換的子表盤定位方法與本文提出的定位子表盤區域算法進行了定位對比實驗。比較結果如表2所示。

實驗結果表明，與傳統的Hough變換相比，改進算法的處理速度要快5～6倍，在存儲空間減小的同時保持了良好的效果，具有較高的實用價值。

參考文獻

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

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

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

[4]江澤濤，王軾，李克偉.一種指針式儀表非接觸測量方法[J].計算機應用與軟件，2009， 26（4）：281-283.

[5]J.R.Parker著，景麗譯.圖像處理與計算機視覺算法及應用（第二版）[M].北京：清華大學出版社，2012.