黃永忠 衷衛(wèi)聲 高 浩

（1.浙江正泰中自控制工程有限公司；2.南昌大學(xué)a.信息工程學(xué)院；b.機電工程學(xué)院）

隨著科學(xué)技術(shù)不斷發(fā)展， 在工業(yè)自動化［1，2］、智能小區(qū)建設(shè)的背景下，遠程讀表與自動抄表已經(jīng)成為當前工程實踐應(yīng)用和研究的熱點，可做到在節(jié)約大量人力成本的同時極大地提升抄表效率。 在水表抄表領(lǐng)域，機器視覺技術(shù)已成為研究與實際應(yīng)用的趨勢。

隨著當今智慧水務(wù)的發(fā)展與建設(shè)，在原始機械式表的改造和新裝表的選擇上，攝像式水表因其優(yōu)良的性能在水表應(yīng)用領(lǐng)域具有絕對優(yōu)勢，開發(fā)出攝像式遠傳水表抄表系統(tǒng)，已作為攝像水表功能實踐應(yīng)用的重要途徑。 在原始機械式表上加裝攝像頭，利用無線網(wǎng)和配套遠傳設(shè)備，即可實現(xiàn)基本攝像表遠傳系統(tǒng)的構(gòu)建。 其中，識別算法的設(shè)計是重點研究的內(nèi)容。 識別算法是整體方案效果的具體體現(xiàn)，若未滿足預(yù)期要求，整體方案則失掉了核心，就無法滿足預(yù)期的設(shè)想。

1 系統(tǒng)總體方案設(shè)計

就機械式水表而言，利用系統(tǒng)方案的設(shè)計能很好地替代人工抄表這種低效率、費時費力且無法實現(xiàn)實時抄表的方式。 整體方案的設(shè)計即在普通基表之上， 加裝攝像模塊去獲得表盤圖像，接著用RS485總線接入集中器， 以使攝像模塊能上傳信息到集中器， 同時也可接收集中器的指令，并利用集中器內(nèi)的GPRS通信模塊［3］，同平臺建立無線連接， 以使平臺可接收集中器的上傳信息，同時集中器也能接收平臺指令。 系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)

如圖1所示， 把攝像模塊直接加裝在機械水表之上， 以拍照方式取得水表讀數(shù)的實時圖片，這樣不但能保證機械計量自身的精確性，又可實現(xiàn)所見即所計。

2 系統(tǒng)硬件設(shè)計

2.1 水表攝像模塊設(shè)計

利用水表攝像模塊上的攝像頭來采集包含水表讀數(shù)信息的模擬圖像，再通過攝像模塊上的微處理器得到數(shù)字灰度圖像。 在圖像采集部分，水表示值圖像的獲取用VGA Camera攝像頭完成，在表端水表圖像采集時通過攝像頭OGC0329與補光燈，得到效果優(yōu)良的圖像。 將圖像數(shù)據(jù)輸出為灰度圖，以降低傳輸開銷的壓力；通過總線的方式連接多臺水表設(shè)備并通過集中器進行統(tǒng)一的數(shù)據(jù)傳輸， 在服務(wù)器端進行圖像識別處理，以節(jié)省水表的硬件資源投入。 在微處理器部分，一方面，利用微處理器進行初始化，根據(jù)系統(tǒng)需求，合理分配存儲空間；另一方面，控制采集設(shè)備完成圖像采集，并運行相應(yīng)程序?qū)崿F(xiàn)對水表灰度圖像的傳輸。 攝像模塊設(shè)計方案如圖2所示。

圖2 攝像模塊設(shè)計方案框圖

2.2 集中器通信模塊設(shè)計

在水表圖像識別過程中，通信模塊的首要任務(wù)是接收平臺下發(fā)的集中器相關(guān)指令，執(zhí)行對應(yīng)操作并反饋，返回相應(yīng)的指令結(jié)果，最關(guān)鍵作用在于接收平臺抄表命令，把總線下多臺水表上傳的圖像數(shù)據(jù)集中返送回平臺［4］。 集中器通信模塊設(shè)計方案如圖3所示。

3 識別算法設(shè)計

識別算法的設(shè)計與開發(fā)主要由定位與識別兩部分組成，之后通過進位處理消除因計數(shù)齒輪對應(yīng)位置偏移導(dǎo)致的結(jié)果偏差。

3.1 傾斜矯正

圖3 集中器通信模塊設(shè)計方案框圖

在理論預(yù)想中，得到的水表圖像應(yīng)為未傾斜的圖像，但在現(xiàn)場的實際應(yīng)用中，水表加裝時，極易產(chǎn)生角度上的偏移，這就使得采集的水表圖像會產(chǎn)生一定角度的傾斜，這將會影響后續(xù)的字符分割和字符識別操作。 由于水表圖像中字輪區(qū)域具有比較明顯的邊框， 可利用Hough變換檢測出邊框直線，得到圖像的傾斜角，再利用仿射逆變換進行傾斜矯正。 矯正效果如圖4所示。

圖4 矯正效果

3.2 圖像二值化

3.2.1 圖像分割

圖像分割首先需要選擇分割閾值的大小，適當?shù)姆指铋撝的茌^好地完成目標與干擾的分離，并極大地保留原圖中包含的有效信息。 根據(jù)分割閾值計算所關(guān)注的區(qū)域，把閾值分割分為全局閾值分割和局部閾值分割兩種。

全局閾值分割是利用整體去獲取最佳的分割閾值［5］，只考慮圖像灰度值數(shù)量上的分布，不關(guān)注灰度值的位置分布。 局部閾值分割則充分考慮圖像的區(qū)域性，利用像素同其周圍像素灰度的變化來確定該處像素的分割閾值［6］，再根據(jù)所有的像素和相對應(yīng)的閾值完成二值化處理。 在運行速度上， 局部閾值分割相較全局閾值分割更慢，卻對比較復(fù)雜的細節(jié)和濾波處理后仍存在噪聲的情況處理效果較好。

根據(jù)算法處理特性和水表圖像特征分析，局部閾值分割運行速度慢，能完成灰度較弱區(qū)域的完整分割，但過于關(guān)注局部像素細節(jié)，會忽略圖像的整體特性和邊緣特征，導(dǎo)致處理結(jié)果產(chǎn)生偽影，并對后續(xù)操作造成極大干擾，可在全局閾值進行分割前，先進行光度補償處理，刪除亮點。 常見的全局閾值分割方法有雙峰法［7］、p參數(shù)法［8］和最大類間方差法（OTSU）［9］。

對待識別的各類水表圖像進行分析發(fā)現(xiàn)，圖片的直方圖沒有明顯雙峰，且圖像中的目標與背景的面積相差很大，于是雙峰法和最大類間方差法均不能很好地滿足要求，而p參數(shù)法中的參數(shù)p在不同水表圖像中具有較明顯差異，于是筆者決定在p參數(shù)法的基礎(chǔ)上進行一些改進， 通過將灰度依次累加與p比較改為灰度區(qū)間依次累加與p比較，從而確定閾值，以滿足基本要求。

3.2.2 改進的p參數(shù)法

改進的p參數(shù)法的具體實現(xiàn)步驟如下：

c. 計算灰度值落于各區(qū)間的比例大小p［m_vo］，得出灰度最小的兩個區(qū)間內(nèi)所有的像素點的占比大小p=p［0］+p［1］，當占比小于分析設(shè)定的比例pth時，再增添后一區(qū)間p［2］，直至添加至p［i］，使占比總和p恰好大于pth。 根據(jù)以上計算結(jié)果， 得到閾值m_thes， 令m_thes=m_min+（i-0.3+1）×m_step。

d. 把得到的閾值當作判斷標準，小于該閾值的區(qū)域視為目標區(qū)域，像素置為“1”，其他區(qū)域視為背景區(qū)域，像素置為“0”。 如此便實現(xiàn)了圖像的二值化。

3.3 字符分割與歸一化

在圖像二值化處理的基礎(chǔ)上對字符數(shù)字進行定位分割操作，通過投影的方法，獲得字符定位的上下、左右邊界，并獲得所有示值字符所在位置參數(shù)與字符的半字狀態(tài)。

在識別算法中，字符識別將利用模板匹配的方式實現(xiàn)，而在工程實踐時，因攝像頭與表盤距離波動等因素，造成水表圖像上目標字符大小不盡相同， 當樣本與模板字符尺寸標準不一致時，會影響匹配結(jié)果。 為了使樣本與模板能達到較好的匹配，應(yīng)把模板和樣本歸一化為固定尺寸大小［10］。 待識別字符分為整字和半字兩種，相應(yīng)字符尺寸歸一化操作也將分為整字與半字兩種方式。 其中，半字字符的歸一化，需要根據(jù)投影剔除中間間隙區(qū)域后把上下半字圖像沿中心軸線進行拼接，拼接字符按完整字符歸一化方法實現(xiàn)縮放。 考慮到水表數(shù)字字符的大小、比例與實際情況，把歸一化的字符尺寸標準設(shè)置為52×30像素。整字與半字歸一化效果如圖5所示。

圖5 整字與半字歸一化效果

3.4 字符識別

在字符歸一化處理后，要對它進行識別以獲取水表顯示的讀數(shù)。 常用的字符識別方法大致有模板匹配法、 支持向量機法及人工神經(jīng)網(wǎng)絡(luò)法等。 為取得較好的識別效果，筆者決定利用網(wǎng)格特征匹配和模板匹配組合的方法完成水表字符的識別。 在網(wǎng)格特征匹配時，可能性最高的兩個結(jié)果間的差距不大，兩者的差距不大于基于先驗知識設(shè)定的應(yīng)有差距值6時， 再通過模板匹配法進行二次識別。 通過各位示值的相對位置對識別的整體讀數(shù)進行進位修正，剔除因處于半字進位狀態(tài)而可能存在的識別錯誤現(xiàn)象。

3.4.1 網(wǎng)格特征匹配算法

網(wǎng)格特征匹配算法［11］，首先將進行過歸一化處理的單字符分割為42個網(wǎng)格，并計算各個網(wǎng)格的特征值，再把全部的網(wǎng)格特征值相結(jié)合，當作單字符圖像的整體特征。 同時將標準字庫拼接字符用同樣的方法得到網(wǎng)格特征標準，將它與待測字符進行特征匹配，實現(xiàn)字符的識別。 實際應(yīng)用中， 筆者將歸一化后的單字符二值圖劃分為7×6的網(wǎng)格， 并計算各網(wǎng)格內(nèi)目標像素值的數(shù)目，再把各網(wǎng)格中算得的目標像素點的數(shù)目同預(yù)設(shè)閾值進行比較， 將兩者的大小關(guān)系作為該網(wǎng)格特征。

單字符網(wǎng)格特征匹配算法特征獲取的操作為：

a. 將待識別的單字符圖像在水平方向上按每份區(qū)域區(qū)間長度為5像素等分為6份，在垂直方向上按區(qū)間長度分別為7、8、7、8、7、8、7像素分為7份；

b. 計算出分割的42個網(wǎng)格內(nèi)，各個網(wǎng)格區(qū)域白色像素點的數(shù)量；

c. 把獲取的所有分割網(wǎng)格內(nèi)白色像素點的數(shù)目， 與根據(jù)先驗知識預(yù)設(shè)的閾值12進行比較，將小于該值的區(qū)域特征置“0”，其他的區(qū)域特征置“1”，把最終比較結(jié)果當作整體特征，作為表征網(wǎng)格總體特征的特征向量；

d. 把獲取的待識別字符的特征向量，同標準字庫的特征集相匹配，將匹配結(jié)果中差異最小的作為最佳匹配結(jié)果。

通過以上方法可實現(xiàn)圖像的字符識別。 根據(jù)算法的實現(xiàn)過程與效果分析，不難發(fā)現(xiàn)分割的網(wǎng)格大小對字符的正確識別有直接的影響。 網(wǎng)格越小，特征的抗干擾能力越差；網(wǎng)格越大，特征向量的數(shù)據(jù)量越小，造成正確匹配的難度越大。 于是，確定網(wǎng)格的適宜大小， 是實現(xiàn)準確識別的前提。網(wǎng)格劃分如圖6所示。

圖6 網(wǎng)格劃分

3.4.2 模板匹配算法

模板匹配算法是將完成二值化和歸一化處理的單字符直接與字庫模板相匹配［12，13］。其中，歸一化后的單字符尺寸大小為52×30像素， 字庫模板由0～9十個完整的數(shù)字構(gòu)成，尺寸大小也為52×30像素，故識別步驟如下：

a. 在待識別的圖像中，由坐標（0，0）處開始，取得整個字符圖像的像素信息。

b. 就整字識別而言，直接匹配單字符數(shù)組模板和待識別的圖像，將模板匹配結(jié)果中差異最小的模板作為最佳匹配結(jié)果。

c. 就半字識別而言， 通過得到的半字占比，由字庫模板圖像內(nèi)取得具有對應(yīng)位置的上下兩部分，通過拼接得出10幅半字模板。 把待識別圖像依次同半字模板相匹配，將模板匹配結(jié)果中差異最小的拼接模板作為最佳匹配模板，同時參照上下半字占比的大小，得到最后字符數(shù)字的匹配結(jié)果。

3.5 進位處理

在水表老化或計數(shù)齒輪發(fā)生偏差等情況下，會使水表讀數(shù)識別錯誤，需將識別結(jié)果做后續(xù)的修正處理。 每當后一位在9與0之間的任一狀態(tài)下，都需將該位讀數(shù)做進位修正處理［14］，以使多位數(shù)的組合讀數(shù)沒有因進位而造成誤差。 此類進位誤差常因計數(shù)齒輪位置偏差所致，需通過算法在根源上消除，當組合讀數(shù)的后一位識別為0，但此位的前一位為半字且上半字占比大于0.5時，將該前位的識別讀數(shù)在識別后， 向下半字權(quán)重傾斜，以使該前位在組合后的單字符識別結(jié)果中的值增1；當組合讀數(shù)的后一位識別為9，但此位的前一位為半字且上半字占比小于0.5，將該前位的識別讀數(shù)在識別后，向上半字權(quán)重傾斜，以使該前位在組合后的單字符識別結(jié)果中的值減1。 進位處理將通過以上設(shè)定，對組合關(guān)系滿足上述要求的所有單字符完成操作處理，以使組合的所有位消除進位誤差。

4 實驗驗證

筆者利用MFC（Microsoft Foundation Classes）實現(xiàn)交互界面和功能模塊的顯示，并利用動態(tài)鏈接庫工程完成定位和識別算法動態(tài)鏈接庫的構(gòu)建，以使用戶在界面上，通過調(diào)用定位識別函數(shù)算法和字庫模板，達到示值圖像的定位、識別輸出和效果顯示。 測試窗口界面如圖7所示。

由MFC應(yīng)用程序中多種表的采集圖像的實時識別驗證可知，水表識別圖像的采集中，影響識別的關(guān)鍵參數(shù)有：光照條件、圖像對比度、旋轉(zhuǎn)角度、讀數(shù)位數(shù)及水表廠家等。 于是，針對在不同環(huán)境下取得的多類表盤圖像，隨機無差別選擇2 000幅進行識別驗證，得到的實驗結(jié)果如下：

圖7 測試窗口界面

待識別圖數(shù) 2 000

正確識別數(shù) 1 992

錯誤識別數(shù) 8

識別準確率 99.6%

根據(jù)以上統(tǒng)計數(shù)據(jù)，不難看出此方法適用性較好，可達到工程實踐的識別需求。 在定位識別方面，整字和半字具有無差別的高準確率；在半字的進位處理時，同樣也能準確識別；在圖像存在模糊等外部干擾時， 也具備較好的識別能力。理想情況下識別準確率可達到100%，即全部讀數(shù)結(jié)果都能完成正確識別，達到工程應(yīng)用的預(yù)期效果。

5 結(jié)束語

在水表改造和自動識別建設(shè)趨勢下，筆者提出的識別算法具有很好的定位與識別能力。 經(jīng)測試與分析，該算法對不同種類的水表規(guī)格、位數(shù)等情況普遍適用，可達到工程實踐應(yīng)用要求。