結合HSV與局部Hough變換的指針式儀表識別算法

王延華，李 騰，張 沛，張印寶

（1.北京交通大學 電氣工程學院，北京100044；2.北京南瑞埃森哲信息技術中心有限公司 北京100094；3.北京市電力公司 北京100031）

結合HSV與局部Hough變換的指針式儀表識別算法

王延華1，李 騰1，張 沛2，張印寶3

（1.北京交通大學 電氣工程學院，北京100044；2.北京南瑞埃森哲信息技術中心有限公司 北京100094；3.北京市電力公司 北京100031）

隨著電力系統行業對自動化程度的要求不斷提高，關于指針式儀表識別技術有待進一步改進。傳統檢測常常忽視陰影的影響，速度及準確性也常常不能滿足要求，文章提出一種實用性強的識別算法。首先通過HSV空間變換操作消除陰影對指針識別的影響，結合減影法得到指針圖像，然后利用Canny算法實現指針邊緣的檢測，再通過消除指針兩端復雜圖像以實現局部區域的Hough變換，最終利用指針夾角判別指針讀數。實驗結果表明，本算法的陰影消除效果明顯，識別結果的準確性、實時性得到了較大提高。

指針式儀表；HSV空間變換；減影法；邊緣檢測；Hough變換

指針式儀表由于其成本低、讀數直觀等優點，在我國電力系統行業有著廣泛的應用。但目前變電站記錄數據還是以人工判讀為主，效率低下，檢修人員工作負擔較重。模式識別技術、計算機技術等智能視頻監控技術在儀表判別方面發展迅速，但是圖像處理技術都不是很完善。

在指針式儀表識別中，基于Hough變換的角度法和基于鄰近刻度線的距離法是兩種主要方法[1-2]。王瑞[2]等人提出了一種改進角度法，通過比較待測指針與相鄰刻度的弧度代替垂直距離來提高精度；孫鳳杰[3]等人提出指針位置識別算法，通過指定圓心和半徑，利用同心圓環搜索法確定指針位置，進而計算角度，方法簡單，實時性好，但是指針預處理效果對結果影響較大；劉薇[4]等人提出基于彩色區域識別的快速指針識別算法，該算法效率高，但是事先需要采集空表盤，非常不方便；周泓[5]等人提出通過色彩空間變換進行圖像分割，可有效消除背影等其他因素干擾，但是對非彩色指針進行指針提取效果不明顯。

文中為了提高預處理效果，在HSV色彩空間變換后采用減影法以消除陰影，并通過限定扇形區域的Hough變換以提高運算速度，實現了識別精確穩定的目的。

1 HSV顏色空間及指針提取

1.1 HSV空間變換

攝像頭采集的圖像一般是24位真彩圖，紅綠藍（RGB）分別占據8位，此時若直接灰度化，會將有用的色彩信息去除，陰影等會使圖像模糊，對后續的指針識別產生影響。而HSV空間（也稱HSB空間）是包含色調H、飽和度S、明度V屬性的一種顏色空間，其中亮度（明度）主要反應陰影的變化[5-6]。基于建立陰影統計模型可以判斷圖像內像素點是否為陰影區域，但建立模型復雜且耗時。人的視覺系統經常采用HSV色彩空間，它比RGB色彩空間更符合人的視覺特性，并且圖像處理和計算機視覺中的大量算法都可以在HSV色彩空間中使用，從而大大簡化圖像分析和處理的工作量。基于特征的陰影消除方法正是利用圖像的屬性進行陰影消除，也就是陰影覆蓋前后色度、飽和度屬性變化不大或者變化輕微，因此，本文選擇將RGB顏色空間轉換成基于視覺原理的HSV顏色空間，通過對其中的色度飽和度操作進行圖像處理來消除陰影的影響。

HSV空間的3個分量采用人們比較親近的方式來描述顏色：色調描述純色的屬性，飽和度可以度量純色被白光稀釋的程度，明度表示顏色的明亮程度（陰影包含在明度分量中），其中RGB空間到HSV空間的轉換關系如下公式。

給定一副代表性的監控儀表圖像如圖1（a），將其轉換到HSV空間后色調圖、飽和度圖和明度圖如下，可以看出指針及表框等的陰影主要包含在明度圖里。

圖1 RGB轉HSV顏色空間結果

1.2 指針提取

在變電站電磁測量環境中，電工儀表的位置通常都是固定的，這為自動化程度的提高和智能化管理提供了一個重要平臺，通過安裝固定的監控器來實現長期的監控。由于視頻監控設備相對于指針式儀表位置一般是相對靜止的，儀表處做旋轉運動的主要是待識別的指針，這有兩方面的好處，第一，儀表盤區域可以根據編程中常用ROI函數來提取，表盤指針旋轉圓心圖像坐標也可根據幾何位置用鼠標選定（編程設置）記下，方便后續圖像處理；第二，通過拍攝的幀圖片使用減影法[1-4]可以很好的提取出指針，主要是指將帶有指針的儀表和無指針的儀表的二值化圖像相減，得到只含有指針的圖像，但是由于很難獲取無指針的圖像，所以常常通過采集兩幅不同位置的指針儀表二值圖像進行按位邏輯運算來獲得。

通常在做邏輯運算時 （假定二值化后指針像素位為1），將兩幅指針在不同位置的指針儀表進行邏輯與運算可以獲得無指針的儀表圖，進行或運算可以獲得包含兩個指針的儀表圖，進行異或運算可以只獲得兩條指針，但是對于較寬指針或者呈長三角形狀的指針，當待測指針與基準指針角度相差較小時，進行異或運算或減運算會獲得邊緣斜指針，會對之后的邊緣檢測直線角度造成影響，如圖2（a）所示黑白兩條為模擬出的不同角度指針，指針相對角度較小，在直接做減運算后會形成圖2（b）所示邊緣傾斜指針，在指針寬度很大情況下影響也會更大。所以本改進方案增加一條基準指針，如圖2（c）所示豎直指針，通過使用這條較大角度基準線做減法來形成良好邊緣指針，結果如圖2（d）所示。

圖2 減影法提取指針

文中進行的指針識別是要消除部分陰影的，所以減法運算是在HSV空間進行，指針提取步驟如下：

1）將RGB顏色空間轉換到HSV顏色空間，選擇特征明顯的H分量和S分量指針圖分別做減法運算，兩減法的結果再做相加運算，以突出指針特征；

2）對于做減影法運算后得到的指針圖，通過計算外接矩形框[7]的斜率大小來判斷選擇的基準指針是否角度合適，否則選擇另一條指針作為基準再次做減影運算；

3）在對圖像進行減運算后，圖像上會出現椒鹽等噪聲，使用中值濾波[3-4，8]這一典型的非線性濾波技術對圖像進行濾波，定義如下：一組數x1，x2，x3…xn按照值的大小排列：

其中，y稱為x1，x2，x3…xn的中值，中值濾波器為含有奇數個像素的滑動窗口，窗口中心的像素值用窗口內其他像素的中值替代。中值濾波可以克服常見濾波器均值濾波、方框濾波器等帶來的圖像細節模糊，而對濾除脈沖干擾及掃描噪聲非常有效，在平滑噪聲的同時不會使邊緣模糊。最后得到指針提取效果如圖3所示。可以看出，待識別指針保留完整且表盤區域雜點少，有利于后續指針邊緣提取。

圖3 提取指針圖

4）對圖像進行Canny邊緣檢測，保留圖像的主要信息。Canny邊緣算子[7]是一個具有濾波、增強、檢測的多階段的優化算子，其邊緣檢測功能相對于其他幾種邊緣檢測算子都要好[9]，其優點是去噪能力比較強，提取的邊緣質量高，而且具有單像素寬，減少了后續Hough變換的計算量，提高了算法的效率。

2 局部Hough變換

為了從邊緣檢測圖像中計算出指針的讀數，采用Hough變換求得指針角度，由指針的角度和刻度的線性關系得出示數。Hough變換[2-10]的原理是將圖像空間的任意一點（x0，y0）變換到極坐標空間中的一條正弦曲線（θ，ρ），轉變關系如下：

其中，ρ為原點到直線的距離，θ為直線的角度，通過掃描所有像素點（x0，y0），并且遍歷所有的θ值，ρ和θ對應相等的點即為共線；記錄所有共線的ρ和θ以及相應的共線點數；最后對共線點數設定適當的閥值提取目標直線。其最大的優點是對噪聲不敏感、抗干擾性強、魯棒性較好。

然而，圖像空間的像素點數越多，Hough變換的計算量越大[10]，考慮到邊緣檢測后的指針兩端通常不規則，并會對Hough變換造成一定的影響，比如檢測到多條直線，在計算平均斜率時增加誤差。因此本文在通過邊緣檢測[11]減少像素點的基礎上，通過遍歷所有邊緣像素點，保留到指針旋轉中心像素點的距離滿足一定范圍的像素點，如圖4（a），從而消除無用像素點。無用像素消除結果如圖4（b），只有扇形內的數據被保留。圖4（c）中的黑色線段為進行Hough變換后檢測到的指針邊緣線段，其展示在白色背景下的效果圖。

圖4 指針提取過程圖

3 實驗及實驗分析

為了驗證本文的算法有效性，對從變電站低壓室的電壓表進行指針識別讀數實驗，電腦配置為CPU酷睿i5 1.60 GHz，內存4 G。軟件配置平臺為操作系統Windows 8.1專業版，編程軟件Visual Studio 2013[12]，使用Visual C++配置OpenCV2.4.8庫函數[13-15]，通過編程實現了指針式儀表的圖像預處理和讀數，圖表1為對采集到的6個不同時刻的指針讀數結果統計。

表1 識別電壓表的實驗結果

由表1可見，算法對每一張圖像都能正確讀出示數，可靠性比較高，儀表讀數的相對誤差在0.3%以內，測量精度提高，圖像預處理對提高精度的效果明顯，并且圖像識別和讀數時間在0.35 s之內，與完整圖像進行Hough變換識別相比，速度得到極大提高，符合實時性的檢測要求。

4 結束語

文中就實時場景中指針式儀表陰影光照等干擾問題展開研究，在圖像預處理階段，采用了HSV顏色空間變換、減影法、邊緣檢測相結合的算法，以消除陰影等無關干擾；在識別階段，采用了局部Hough變換識別示數的算法。實驗表明，本算法在消除光照和陰影的前提下能更加準確的提取出指針的邊緣圖像，然后快速準確的識別出指針讀數。本算法研究對于指針式儀表的快速、精確識別具有一定的參考研究價值。

[1]張文杰，熊慶宇，張家齊，等.基于視覺顯著性的指針式儀表讀數識別算法[J].計算機輔助設計與圖形學學報，2015，27（12）:2282-2295.

[2]王瑞，李琦，方彥軍.一種基于改進角度法的指針式儀表圖像自動讀數方法[J].電測與儀表，2013，50（11）:115-118.

[3]孫鳳杰，郭鳳順，范杰清，等.基于圖像處理技術的表盤指針角度識別研究[J].中國電機工程學報，2005，25（16）:73-78.

[4]劉薇，蘇俊源，尚秋峰.基于彩色區域識別快速報警指針識別算法[J].電測與儀表，2014，51（20）: 25-30.

[5]周泓，徐海兒，耿晨歌.基于HSI模型和Hough變換的指針式汽車儀表自動校驗[J].浙江大學學報:工學版，2010，44（6）:1108-1112.

[6]高東旭，曹江濤，李平.基于HSV空間陰影去除方法研究與應用[J].電子設計工程，2014，22（13）:65-68.

[7]唐路路，張啟燦，胡松.一種自適應閾值的Canny邊緣檢測算法[J].光電工程，2011，38（5）:127-132.

[8]胡義坦，曹杰，劉偉.無人機視覺著陸中的圖像去噪算法[J].計算機應用研究，2016，33（2）:629-631.

[9]李棟，楊志家.基于機器視覺的指針儀表識讀方法[J].儀表技術與傳感器，2012，21（10）:31-33.

[10]段汝嬌，趙偉，黃松嶺，等.一種基于改進Hough變換的直線快速檢測算法 [J].儀器儀表學報，2010，31（12）:2774-2780.

[11]王曉利.小型儀表信息識別研究及VHDL實現[J].電子設計工程，2011，19（20）:54-57.

[12]Lippman S B，Lajoie J，Moo B E.C++Primer中文版[M].5版.王剛，楊巨峰，譯.北京:電子工業出版社，2013.

[13]Baggio D L.Mastering OpenCV with practical computer vision projects[M].1st ed.Birmingham: Packt Publishing Ltd，2012.

[14]Bradski G， Kaehler A.Learning OpenCV: Computer vision with the OpenCV library[M].1st ed.California:O'Reilly Media.2008.

[15]Laganiere R.OpenCV2計算機視覺編程手冊[M]. 1版.張靜，譯.北京:科學出版社，2013.

Pointer recognition algorithm based on HSV and partial Hough transformations

WANG Yan-hua1，LI Teng1，ZHANG Pei2，ZHANG Yin-bao3
（1.School of Electrical Engineering，Beijing Jiaotong University，Beijing 100044，China；2.NARI Accenture Information Technolgy Center，Beijing 100094，China；3.Beijing Electric Power Company，Beijing 100031，China）

For the increasing demands of automation in power system industry，the identification technology about pointer instrument should be improved further.Interference effects such as the shadow are often ignored in traditional detection methods.Here a more practical，accurate and quick recognition algorithm is proposed.First of all，through transforming all data into HSV space，influence of the shadow could be eliminated；and then，the pointer could be obtained by using subtraction method. Secondly，an edge image of the pointer could be obtained through canny edge detection method.Finally，by eliminating the impact of complex images at both ends of the pointer，and then applying the Hough transform，the reading of the pointer could be identified correctly.Experimental results show that it is efficient to eliminate the shadow impact with this algorithm，and the identification accuracy and speed have been improved greatly.

pointer instrument；HSV space transformation；subtraction method；edge detection；Hough transform

TN98

：A

：1674-6236（2017）02-0110-04

2016-04-16稿件編號：201604169

國家自然科學基金青年基金（61307123）

王延華（1990—），男，山東鄒城人，碩士研究生。研究方向：模式識別、智能檢測。