胡秀軍，于鳳芹

(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無錫 214122)

0 引言

指針式儀表因其結(jié)構(gòu)簡單、維護方便、成本低、抗干擾性強等特點，被廣泛應(yīng)用于日常生活和工業(yè)現(xiàn)場。傳統(tǒng)的儀表讀數(shù)識別方式多為人眼識別，易受人眼分辨能力和視覺疲勞等主觀因素影響、識別效率低且在環(huán)境惡劣的高危場合不適宜采用人工判讀。

隨著計算機視覺和物聯(lián)網(wǎng)技術(shù)的發(fā)展，基于圖像處理的指針式儀表示數(shù)的識別成為必要。但儀表讀數(shù)識別算法如何適用于不同的光照和天氣情況成為必須解決的問題。文獻[1]通過設(shè)計高斯同態(tài)濾波器對儀表圖像進行預(yù)處理，降低光照變化、指針陰影對算法的影響。文獻[2]提出基于視覺顯著性的指針式儀表讀數(shù)識別算法，利用圖像區(qū)域的對比度、空間關(guān)系、中心先驗性等視覺顯著信息檢測儀表圖像指針區(qū)域，并利用無向圖排序算法優(yōu)化，抑制背景干擾。文獻[3]針對儀表反光的現(xiàn)象，利用輪廓特征對幾何圖形進行擬合，以某一固定特征為參考位置，根據(jù)位置關(guān)系讀取示數(shù)。文獻[4]提出迭代最大類間方差算法提取不同光照條件下的指針區(qū)域。文獻[5]通過局部自適應(yīng)二值化消除光照影響。文獻[6]針對非均勻光照下的儀表讀數(shù)提出一種基于掃描線處理的快速讀數(shù)方法。文獻[7]提出了一種基于空間變換的指針式儀表讀數(shù)識別算法，通過綜合運用減影法、中心投影法和圖像形態(tài)學(xué)對指針進行識別，采用圖像空間變換的技術(shù)，將圓弧空間轉(zhuǎn)換為矩形空間，通過提取指針尖端與鄰近刻度線之間的相對位置關(guān)系來獲得讀數(shù)，減少光照對指針和刻度線識別的影響。文獻[8]提出基于最大穩(wěn)定極值區(qū)域提取指針區(qū)域的算法，通過三尺度高斯函數(shù)提取光照分量，構(gòu)造二維伽馬函數(shù)自動地調(diào)整圖像反光區(qū)域或過暗區(qū)域的亮度,通過最大穩(wěn)定極值區(qū)域的2次穩(wěn)定區(qū)域檢測能夠提取不同光照條件下的指針區(qū)域。文獻[9]提出基于概率霍夫變換的指針儀表去影算法，能夠在存在干擾光源的情況下正確判別指針、去除干擾陰影。

在采集儀表圖像時，由于光照和拍攝角度的影響，儀表的讀數(shù)識別經(jīng)常會受到光照、指針陰影等因素的干擾，導(dǎo)致指針區(qū)域的提取和指針中心線的定位不能取得滿意的結(jié)果。針對此問題，提出具有單參數(shù)的指數(shù)型同態(tài)濾波與全局對比度處理的儀表讀數(shù)識別方法，首先設(shè)計單參數(shù)指數(shù)型同態(tài)濾波器，增強儀表圖像對光照變化的適應(yīng)性。然后通過設(shè)計基于全局對比度的圖像增強算法，抑制儀表盤背景區(qū)域，突出表盤信息區(qū)域。最后通過二值化、連通域處理、形態(tài)學(xué)處理提取指針區(qū)域，并通過細化處理和累計概率霍夫變換定位指針中心線，獲取指針的偏轉(zhuǎn)角度，完成儀表讀數(shù)識別。

1 指針式儀表讀數(shù)識別算法原理

1.1 單參數(shù)指數(shù)型同態(tài)濾波對儀表圖像進行處理

同態(tài)濾波是將頻率過濾與灰度變換結(jié)合起來的圖像處理方法，以圖像的照度-反射模型為基礎(chǔ)，通過壓縮圖像亮度范圍和增強對比度的方法來改善圖像的視覺質(zhì)量。

利用指數(shù)型高通濾波函數(shù)來逼近同態(tài)濾波函數(shù)可形成對應(yīng)的指數(shù)型同態(tài)濾波，其高通濾波函數(shù)表達式為

H(u,v)=e-[D0/D(u,v)]n

(1)

指數(shù)高通濾波器高低頻率的過度比較光滑，處理過的圖像沒有明顯的振鈴現(xiàn)象。指數(shù)型高通濾波函數(shù)乘以高頻增益rh，再加上低頻增益r1后，得到式(2)：

H(u,v)=rh·e-[D0/D(u,v)]n+r1

(2)

針對式(2)修改可得到進一步優(yōu)化后的指數(shù)型高通濾波函數(shù)，先將指數(shù)高通濾波函數(shù)變?yōu)橹笖?shù)低通濾波函數(shù)，由于低通濾波傳遞函數(shù)波形圖跟高通濾波傳遞函數(shù)的波形圖相反，所以用1減去低通濾波傳遞函數(shù)，同時，用高頻增益減去低頻增益。c為銳化系數(shù)，可以進一步加強圖像對比度，n取2。優(yōu)化后得到式(3)：

H(u,v)=(rh-r1)·(1-e-c[D0/D(u,v)]2)+r1

(3)

由于優(yōu)化后的指數(shù)型同態(tài)濾波器參數(shù)較多，且對不同的圖像參數(shù)值不同，需要經(jīng)過大量的實驗才能得到最優(yōu)效果。為了減少參數(shù)的影響，同時在不影響濾波效果的情況下，引入S型曲線的指數(shù)函數(shù)：

(4)

由于該指數(shù)函數(shù)的曲線與同態(tài)濾波器的剖面結(jié)構(gòu)近似，因此，設(shè)計了單參數(shù)指數(shù)型同態(tài)濾波器，其傳遞函數(shù)為

H(u,v)=1/(1+e1-KD(u,v))

(5)

在式(5)所示的傳遞函數(shù)中，只需對參數(shù)K進行控制，就可以得到最佳的濾波效果。

為了降低光照、指針陰影對儀表讀數(shù)的影響，將儀表圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，對HSV顏色模型進行三通道分離，保持色調(diào)和飽和度不變，提取圖像的亮度分量，利用該單參數(shù)指數(shù)型同態(tài)濾波對亮度分量進行光照補償，并將HSV圖像還原為RGB圖像。

1.2 基于全局對比度的圖像增強算法原理

為進一步增大表盤信息區(qū)域與表盤背景區(qū)域的對比度，提出基于全局對比度的圖像增強算法，抑制背景區(qū)域，突出信息區(qū)域。該算法通過圖像的灰度直方圖統(tǒng)計出同一灰度級像素點的數(shù)目，得到該灰度級像素點在圖像中出現(xiàn)的頻率f，設(shè)圖像中某一像素點Pk,計算該像素點與圖像中其他所有像素點的距離度量Dis(Pk)。

Dis(Pk)=‖Pk-P1‖+‖Pk-P2‖+…+‖Pk-PN‖

(6)

式中N為像素點的數(shù)目。

若Pk的灰度值為Gm，即Pk=Gm，m表示該像素點的灰度級，m∈[0,255],則式(6)可重構(gòu)為式(7)：

Dis(Gm)=f0‖Gm-G0‖+f1‖Gm-G1‖+…+fn‖Gm-Gn‖

(7)

式中fn為灰度級為n的像素點在圖像中的出現(xiàn)的頻率。

將同一灰度級m的像素點與其他所有灰度級像素點的灰度度量定義為Gray(Gm)，計算公式由式(7)整合所得，如式(8)所示：

(8)

將同一灰度級像素的灰度度量作為該灰度級上所有像素點的灰度值，得到重新歸一化后的圖像。

1.3 指針檢測與讀數(shù)計算

通過Otsu分割算法對圖像進行二值化處理，結(jié)合連通域處理[10]提取指針區(qū)域，然后用形態(tài)學(xué)孔洞填充[11]。去除指針區(qū)域的細小孔洞。由于指針具有上端細、下端粗的特點，為了后續(xù)精確定位指針，需要對指針區(qū)域進行細化處理獲取其骨架，其中改進的Zhang細化算法[12]具有快速并行、細化后的曲線保持連通性和無毛刺等特點，因此本文采用該算法來細化指針，獲得指針骨架后，采用累計概率霍夫變換[8]。檢測指針直線，并獲取指針的偏轉(zhuǎn)角度。

構(gòu)建坐標系，計算儀表讀數(shù)。如圖1所示，以表盤轉(zhuǎn)動軸心O為原點建立直角坐標系XY，l為指針直線段。

根據(jù)檢測到的指針直線得到指針的偏轉(zhuǎn)角度，利用角度法[13]計算出儀表的讀數(shù)，計算公式如式(9)所示：

(9)

式中：γ(∠AOB)為指針的偏轉(zhuǎn)角度；β(∠COB)為最小刻度線與Y軸的夾角；max與min分別為儀表最大刻度值與最小刻度值。

2 算法實現(xiàn)步驟

步驟1：制作儀表模板。獲取儀表軸心位置、最大刻度值、最小刻度值以及最大刻度線與最小刻度線相交的夾角，建立模板庫。

步驟2：輸入待測圖像，使用透視變換算法對該圖像進行校正。

步驟3：獲取儀表圖像的有效信息圖。

步驟4：將圖像從RGB轉(zhuǎn)換到HSV空間。

步驟5：保持圖像的色調(diào)(H)、飽和度(S)不變，提取圖像的亮度分量(V)圖。

步驟6：利用單參數(shù)指數(shù)型同態(tài)濾波對亮度分量圖進行處理。

步驟7：將HSV圖像還原為RGB圖像。

步驟8：對步驟7所得圖像進行灰度化處理。

步驟9：得到步驟8處理后圖像的灰度直方圖，統(tǒng)計灰度級為n的像素點的頻率fn。

步驟10：通過式(8)以及步驟9中的fn計算圖像中每個灰度級像素點與其他所有灰度級像素點的灰度度量。

步驟11：將步驟10計算得到的灰度度量作為圖像新的灰度值，歸一化圖像。

步驟12：采用Otsu算法對步驟11的圖像進行二值化處理。

步驟13：對步驟12所得圖像進行連通域處理，提取指針區(qū)域。

步驟14：對步驟13所得圖像進行形態(tài)學(xué)孔洞填充操作。

步驟15：對步驟14所得圖像進行細化處理，獲取指針骨架。

步驟16：采用累計概率霍夫變換檢測指針直線，獲取其偏轉(zhuǎn)角度。

步驟17：通過式(9)計算儀表讀數(shù)并輸出，算法結(jié)束。

儀表讀數(shù)識別算法流程圖如圖2所示。

3 仿真實驗結(jié)果與分析

本實驗的運行環(huán)境為Windows10 64位操作系統(tǒng)，Ryzen5處理器，8 GB內(nèi)存，Visual Studio 2017和OpenCV作為軟件開發(fā)環(huán)境。

3.1 濾波器參數(shù)設(shè)置與圖像質(zhì)量檢驗結(jié)果分析

選取低照度、高照度以及照度不均的儀表圖像為實驗對象，以圖像的信息熵、峰值信噪比作為圖像質(zhì)量檢驗指標，來客觀評價傳統(tǒng)的指數(shù)型同態(tài)濾波與本文單參數(shù)指數(shù)型同態(tài)濾波算法的實驗效果。信息熵是圖像信息量的度量，信息熵越大，圖像所含信息越多，圖像包含的細節(jié)越豐富；峰值信噪比表示圖像信號最大可能功率與噪聲功率的比值，峰值信噪比越大，圖像保真程度越高。濾波器的參數(shù)設(shè)置以及檢驗指標如表1。

由表1數(shù)據(jù)可知，本文設(shè)計的單參數(shù)指數(shù)型同態(tài)濾波器控制參數(shù)明顯減少，可以更快實現(xiàn)對濾波器的控制，且處理后的圖像信息熵、峰值信噪比略高于原算法，可以有效增強圖像細節(jié)，對圖像具有較好的處理效果。此外，本文根據(jù)大量實驗得到參數(shù)K的取值范圍在[0.025，0.035]之間。

表1 儀表讀數(shù)實驗結(jié)果

3.2 不同光照條件下儀表分割實驗結(jié)果與分析

本文將Otsu算法、文獻[1]、文獻[5]及本文所提方法進行對比實驗，如圖3～圖6所示。經(jīng)分析可知，只有在正常光照下，Otsu算法才能較好地分割出指針區(qū)域，光照過暗、光照過亮以及光照不均勻時均不能取得較好的分割效果；從圖4(c)、圖6(c)可看出文獻[1]算法在光照過暗或光照不均勻的條件下，對儀表圖像的分割效果不理想。從文獻[5]算法分割的結(jié)果圖可知，不同光照條件下，該算法可取得較好的分割效果，但保留的干擾信息太多，為后續(xù)提取指針區(qū)域增加了難度。從本文算法分割的結(jié)果圖可知，本文算法能夠減少表盤區(qū)域干擾，抑制背景區(qū)域，突出信息區(qū)域，降低了提取指針區(qū)域的難度，也說明了本文算法能夠適應(yīng)各種光照條件，對光照有較好的魯棒性。

3.3 存在指針陰影的指針區(qū)域提取結(jié)果與分析

經(jīng)實驗分析，可將指針陰影類型大致分為3種，如圖7所示，第一種類型指針與指針陰影之間的夾角較大，經(jīng)Otsu算法分割后得到雙指針，如圖7(b)所示；第二種類型指針與陰影之間的夾角較小，經(jīng)Otsu算法分割后得到的指針比實際的指針粗，如圖7(g)所示，造成定位的指針中心線不準確；第三種類型指針陰影并不太明顯，但由于灰度值較高，經(jīng)Otsu算法分割后，得到的指針中僅含有部分指針陰影，如圖7(l)所示。前兩種類型若不能去除指針陰影，將造成指針中心線產(chǎn)生偏差，導(dǎo)致讀數(shù)誤差較大，第三種類型對指針中心線定位的結(jié)果影響并不大，但若提取的指針區(qū)域中含較多的干擾，如字符、污漬等，就會對指針中心線定位產(chǎn)生一定影響。本文就指針區(qū)域的分割與Otsu算法、文獻[1]和文獻[5]中的3種算法進行了對比仿真實驗。由仿真實驗結(jié)果可以看出，本文算法相較于Otsu算法、文獻[1]和文獻[5]算法能夠更好地去除不同類型的指針陰影，有效地分割出指針區(qū)域。

3.4 儀表讀數(shù)實驗結(jié)果

本實驗采集50張不同類型、不同讀數(shù)的儀表圖片作為實驗樣本進行實驗。將其中10組的人工讀數(shù)與本文算法的讀數(shù)結(jié)果進行對比，實驗結(jié)果如表2所示。

表2 儀表讀數(shù)實驗結(jié)果

由表2可知，使用本文算法對各刻度均勻的指針式儀表進行讀數(shù)，其結(jié)果與參考讀數(shù)相差不大，總體的正確率達到了95%以上，能夠滿足儀表讀數(shù)識別的實際需求?？梢?，本文設(shè)計的指針式儀表讀數(shù)自動識別算法是可行的。

4 結(jié)論

針對光照變化、指針陰影等干擾影響因素導(dǎo)致儀表指針無法提取、儀表讀數(shù)識別誤差較大的問題。本文提出一種具有單參數(shù)指數(shù)型同態(tài)濾波與全局對比度處理的儀表讀數(shù)方法，使用單參數(shù)指數(shù)型同態(tài)濾波較大程度消除光照和指針陰影的干擾，并通過全局對比度的圖像增強算法突出表盤信息區(qū)域，結(jié)合Otsu算法解決了不同光照條件下和存在指針陰影的儀表圖像中指針區(qū)域的提取，實現(xiàn)指針中心線的精確定位。仿真實驗結(jié)果表明，所提算法能夠適應(yīng)不同光照條件下指針區(qū)域的提取，同時能夠消除指針陰影的影響，且讀數(shù)識別的正確率達到95%以上。