引言

　　指針式儀表在工業生產中得到了廣泛應用，如何快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[1-3] ，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1(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[4]進行圖像降采樣。定義降采樣后的圖像為Ilow，計算其灰度均值為Mlow，設置其闕值Thlow=0.6Mlow。使用全局二值化[5]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1(b)對應的降采樣后的圖像Ilow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(0, 0)，將圖像BWlow繞其中心點C0(wl/2, hl/2)依次逆時針旋轉i (1°≤i≤180°)。

　　(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Lp，找到Lp的最大值點m*=max(mi)以及取得該最大值時的旋轉角度i*和對應的橫坐標x*。

　　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C0的坐標為：

(1)

　　在以C0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b是：

(2)

　　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二值化得到豎直邊緣的二值圖像，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Ip的旋轉圖像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。

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是旋轉圖像的高度。設在中，指針兩端點的坐標是，和是上述最大非零區間兩端點的坐標，是第行最左端非零點與最右端非零點的橫坐標均值，的含義類似。粗略標記了指針兩端在和中的位置。設原圖像尺寸為h×w，將這兩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：

(3)

　　根據pi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。

本文引用地址：https://www.eepw.com.cn/article/274754.htm

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 of Guassian(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：

(4)

　　其中，;*是卷積符號。將式(4)變換為：

(5)

　　由于，則LoG模板為：

(6)

　　式(6)中參數δ的計算公式為：

(7)

　　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：

(8)

　　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如下：

(9)

　　其中，Ni是二值圖中連通域的數目，是所有連通域面積之和，c0、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ROI'BW高度的一半仍未發現分叉，跳至第(4)步。

　　(2)根據將ROI'BW分為左右兩部分，記為l和r，計算兩部分連通域的面積sl和sr。如果，則在ROI'BW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Rl和Rr，在ROI'BW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ROI'BW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。

本文引用地址：https://www.eepw.com.cn/article/274754.htm

　　(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：

(10)

　　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。

5 結論

　　(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。

參考文獻：

　　[1] Matas J, Galambos C, Kittler J. Robust detection of lines using progressive probabilistic hough transform[J]. Computer vision and image understanding, 2000,78(1):119-137

　　[2] 孫世杰，張凱，孫力，等.基于圖像處理的航空儀表自動判讀系統設計[J].科學技術與工程，2011,11(6):1260-1263+1284

　　[3] Alegria F C, Serra A C. Computer vision applied to the automatic calibration of measuring instruments[J]. Measurement, 2000,28(3):185-195

　　[4] Lee C C, Shih C Y, Lee S K, et al. Enhancement of blood vessels in retinal imaging using the nonsubsampled contourlet transform[J]. Multidimensional Systems and Signal Processing, 2012,23(4):423-436

　　[5] 羅松，王俊峰，唐鵬，等.面向條碼識讀的自適應二值化改進算法[J].計算機工程與設計,2013,34(4):1324-1330