李 偉，張長勝，馮 廣，劉賀翔，劉 銳

(昆明理工大學 信息工程與自動化學院，云南 昆明 650500)

指針式儀表大量應用于工農業(yè)生產中，但其讀數十分麻煩，而且工作量大，工作效率低。為縮短檢測時間，有效減輕工作人員的工作強度，提升檢測精度和效率，設計實現一種指針式儀表的自動讀取系統具有重要現實意義。

許多學者也對指針式儀表的自動讀取進行了研究，文獻[1]提出了一種以表盤半徑和指針的旋轉中心作為先驗特征的指針定位算法，克服了指針定位容易受干擾的問題。文獻[2]通過改進的重心位置,對0～9的數字進行分組；然后依次對3組中的數字采用垂直線特征和水平方向投影，最后對各組中的數字進行精確識別，取得了良好識別效果。文獻[3]提出了基于圓周區(qū)域的累積直方圖法對指針進行定位,由指針偏轉角度得到讀數，對指針讀數識別十分有效。文獻[4]進行了指針式儀表圖像預處理工作的研究，設計了預處理方案和相關方法,較好地提取了表盤目標區(qū)域,清晰地保留了各種特征。

本文利用圖像處理的方法實現了指針式儀表的自動讀取，利用視感檢測系統獲取表盤圖像，通過圖像的灰度化、濾波、二值化和邊緣檢測對原始表盤圖像預處理，去除噪聲和無用信息，再利用Hough變換提取表盤指針的相關參數，根據指針與表盤的線性關系求解出表盤示數。

1 表盤圖像預處理

通過遙視技術得到的圖像是真彩色圖像，又稱為RGB圖像，真彩色圖像存儲為24位的圖像，由R、G、B3個分量表示一個像素顏色，所以對一個尺寸x×y的彩色圖像，在計算機中存儲為x×y×3的多維數據數組，所需儲存空間大、無用信息多，故對它進行處理時會占用相對較大的存儲空間、浪費較多系統資源，也會降低系統的執(zhí)行速度，在使用圖像時要將其簡化[5-6]。

1.1 圖像灰度化

圖像灰度化處理是一種最基本、經典的簡化圖像數據信息的方法之一，它將原始的RGB圖像每個像素點字節(jié)壓縮到1 Byte，有效減少圖像儲存空間，使識別工作變的高效而準確。

1.2 高斯濾波

由于成像傳感器噪音、相片顆粒噪音和圖像在傳輸過程中的通道傳輸誤差等，會使一些隨機的、離散的和孤立的像素點在圖像上出現，即圖像噪音。通常圖像噪音在視覺上會與他們相鄰的像素有明顯不同，表現形式為黑區(qū)域上的白點或白色區(qū)域上的黑點，會影響圖像的視覺效果和有關處理，因此需要對圖像中的噪音進行抑制，本文采用高斯濾波去除圖像噪聲干擾[7-8]。

高斯濾波是一種線性的平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理減噪。高斯卷積模板h(x,y,σ)可由二階高斯公式求得，如式(1)。

(1)

式中，σ的取值和卷積模板的尺寸大小有關。

1.3 圖像二值化

一幅圖像包括目標物體、背景還有噪音，從包含各種信息的數字圖像中只取出需要的部分，最常用的方法就是設定某一閥值T，用T將圖像的數據分成兩大部分：大于T的像素群和小于T的像素群。這是研究灰度圖像變換最基本的方法，稱為圖像的二值化。二值化處理就是把圖像f(x,y)分成目標物體和背景兩個部分。在二值化前，要先圖像歸一化。歸一化利用圖像的不變矩尋找一組參數，使其可以消除其他變換函數可能會對圖像變換造成的影響。也就是轉換成唯一標準形式來抵抗仿射變換[9]。

對圖像二值化處理時，先通過指定算法生成一個閾值，通過閾值確定將該像素的灰度值為0或255。閾值化的變換函數表達式如下

(2)

式中，T為指定閥值。該變換函數是階躍函數只需給出閥值點T即可。經過閥值處理后的圖像變成了一幅黑白二值圖。

1.4 圖像反轉、細化

為了有效提取圖像特征，需要將圖像反轉，即將圖像邏輯取非。為了提高指針圖像識別的速度和精度，必須對圖像進行細化處理。圖像細化的方法是結合圖像形態(tài)特征，從外向內依次去除非骨架像素點，最終達到提取圖像骨架的目的。判斷某點為骨架像素點與否，與其周圍像素點有很大聯系，如圖1所示。

圖1 P1點8鄰域示意圖

假設有效像素灰度值為1，無效值為0，用細化算法去除圖像中灰度值是1的非骨架像素點的步驟如下：

步驟1掃描整幅圖像，對灰度值為1的點，滿足以下4點，則灰度值置0。

2≤N(P1)≤6;

S(P1)=1;

P2×P4×P6=0;

P4×P6×P8=0;

其中，N(P1)表示P1八鄰域灰度值為1的點個數；S(P1)表示P1周圍的點順時針旋轉時灰度由0變1的次數；

步驟2掃描整幅圖像，灰度值是1的點，如滿足以下4點，則灰度值置0。

2≤N(P1)≤6;

S(P1)=1;

P2×P4×P8=0;

P2×P6×P8=0;

步驟3如通過上述兩步置0的像素點數為0，結束細化；否則再從步驟一開始新一輪細化[10]。圖像預處理流程如圖2所示。

圖2 壓力值讀取流程

通過對圖像的預處理，大幅消除了各種噪聲和無用信息，避免了各種復雜環(huán)境的影響，使圖像成為可操作性好的單像素寬度圖像，同時提高了識別精度。

2 表盤示數識別

2.1 Hough變換

Hough變換是利用圖像空間和參數空間點、線的對偶性，在參數空間中將圖像空間中具有一定關系的像素點聚集，通過在參數空間中進行累加、統計，找出參數空間中累加器峰值點，確定出圖像空間中幾何特征的特定參數，Hough變換檢測直線的參數空間有兩種:一是利用笛卡爾坐標系表示的參數空間(p,q)，二是利用極坐標系表示的參數空間(ρ,θ)。

笛卡爾坐標系表示參數空間(p,q)進行Hough變換時，圖像空間內任一條直線y=px+q都可用參數空間中p和q線性表示，其中p是斜率，q是截距。圖像空間與該坐標系參數空間的對應關系如圖3所示。

圖3 笛卡爾坐標系表示的參數空間

由圖3知，圖像空間xy里經過點(x1,y1)和(x2,y2)的直線上的每個點都對應參數空間p、q里的一條直線，這兩個點相交于點(p′,q′)。因此，可以利用Hough變換思想，利用參數空間中累加值最大點求出笛卡爾坐標系里共線的點，進而檢測出圖像空間里的直線。

圖4 極坐標表示的參數空間

但由于x=0形式的直線斜率為無窮大，因此q=-px+y形式的直線方程無法表示此類直線，因此，本文采用極坐標系參數空間(ρ,θ)。圖像空間中任一條直線都能用極坐標參數空間里的兩個參數表示ρ、θ，其中ρ是直線到原點的距離,θ是直線極角。對于圖像空間中任意一點(x，y)，其極坐標表示如式(3)所示。

ρ=xcosθ+ysinθ

(3)

圖像空間和極坐標參數空間對應關系如圖4所示。由圖4可知，圖像空間的每個點都有對應于參數空間中的一條正弦曲線，因此，圖像空間中共線的點就對應了參數空間中共點的曲線，只要找到參數空間里各曲線公共點，就能確定圖像空間里的直線。

Hough變換的思想就是利用圖像空間和參數空間點、線對偶關系，在原始坐標系下表示為直線上所有點對應參數坐標系下的同一點。將圖像空間各個點映射到參數空間后，只要能夠找到參數坐標系下最大累加點，就能找到原始坐標系下的直線[11-14]。

2.2 計算讀數

上文已得到指針參數，然后再通過兩點式求得指針斜率，反正切就得到一個角度，由正切性質知道，tanθ=tan(θ+π)，故當θ為銳角時，指針傾斜角便等于θ，而當θ為鈍角時，指針傾斜角便等于θ+π。

由表盤性質得到讀數計算公式

(4)

其中，P即所求讀數。

角度不會根據圖像大小而改變，所以截得一部分有效圖像不會對最終結果產生影響，就可以簡化計算，節(jié)約儲存空間和仿真時間，所以在對圖像處理計算讀數過程中，應盡可能小的截取有效圖像[15-16]。

3 仿真實驗

實驗中，計算機硬件條件為CPU為Intel Core i5-3230M，2.6 GHz，Windows 7操作系統，仿真軟件為Matlab，對上文內容進行了仿真實驗，對其預處理并識別其示數，實驗結果如圖5所示。

圖5 指針式表盤識別結果

實際氣壓值/MPa全表盤識別/MPa識別誤差/%讀取時間/ms0.20.198-13420.50.5030.63400.80.796-0.53500.90.895-0.56345

表2 部分表盤識別結果

其中，誤差為負表示識別值小于實際值，反之大于實際值。由表1和表2可知，本文方法識別效果較好，識別誤差較小，平均為0.665%。部分表盤識別的效果良好，平均為0.86%，并且識別時間比全表盤識別短，平均可節(jié)省63 ms。

該系統硬件要求為具有內存1.0 GB以上， CPU2.0G以上，Windows7及以上操作系統的計算機和30萬及以上像素的攝像頭。較高的識別精度保證了該系統的可靠性，較短的識別時間保證了該系統的實用性，攝像頭與計算機直接相連保證了系統的穩(wěn)定性，故該系統可大量應用于各種需對指針式儀表自動讀取的工程中。

4 結束語

本文以指針式儀表為研究對象，使用圖像處理算法對原始真彩色圖像預處理獲得具有單像素的二值圖像，使圖像占空間小，具有可識別性，利用Hough變換提取儀表指針，并獲得指針相關參數，根據指針與表盤的幾何關系獲得表盤示數，并只提取表盤指針有效部分、減少識別時間。本文的指針式表盤自動讀取系統識別誤差小、精度高，讀取時間短，在工程應用中具有較大現實意義。

[1] 倪剛.指針式電力儀表圖像嵌入式識別技術的研究[D].成都:電子科技大學,2013.

[2] 張樂.基于圖像處理的指針式儀表示值識別的研究[D].保定:華北電力大學,2013.

[3] 楊志娟,袁縱橫.基于圖像處理的指針式儀表智能識別方法研究[J].計算機測量與控制,2015(5):1717-1720.

[4] 李悠.視覺識別背景下的指針式儀表圖像預處理技術研究[J].電測與儀表,2013(S1):129-131,136.

[5] 張濤,齊永奇.Matlab圖像處理編程與應用[M].北京:機械工業(yè)出版社,2014.

[6] 周品,李曉東.Matlab數字圖像處理[M].北京:清華大學出版社,2012.

[7] 相瑞,王力.基于小波變換的圖像去噪方法[J].電子科技,2016,29(7):82-84，87.

[8] 姒紹輝,胡伏原,顧亞軍,等.一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J].計算機科學,2014(11):313-316.

[9] 黃劍冰,李奇.復雜光照環(huán)境下的灰度圖像二值化算法的研究及應用[J].冶金自動化,2017 (2):62-65.

[10] 馮養(yǎng)杰,林小竹.基于改進HOUGH變換的指針式儀表自動識別方法研究[J]. 北京印刷學院學報,2015,23(4):62-66.

[11] 王競雪,趙立科,朱慶.結合邊緣編組的 Hough 變換直線提取[J].遙感學報,2014,18(2):379-389.

[12] 張振杰,郝向陽,劉松林,等.基于Hough一維變換的直線檢測算法[J].光學學報,2016 (4):166-173.

[13] 朱柏林,郭亮,吳清文.基于ORB和改進Hough變換的指針儀表智能識讀方法[J].儀表技術與傳感器,2017(1):29-33,73.

[14] 王延華,李騰,張沛,等.結合HSV與局部Hough變換的指針式儀表識別算法[J].電子設計工程,2017(2):110-113.

[15] 胡邦強.基于Hough變換的指針式水表識別系統的研究與應用[D].成都:電子科技大學,2016.

[16] 倪剛,閆斌.以儀表結構為先驗特征的指針式儀表圖像識別[J].電子科技,2013,26(10):10-12.