謝 偉，姜明明，張 剛，韓苗苗，玄 冉

（山東農(nóng)業(yè)工程學院機械電子工程學院，山東 淄博 255000）

指針式儀表存在于生活的各個方面中，儀表的使用壽命是需要關注的問題。儀表每年都需要檢修，檢修步驟非常煩瑣枯燥，檢修工作量也非常大，而且對精度要求非常高，這無疑增加了工作難度。針對這一現(xiàn)象，筆者設計出一種基于MATLAB的指針式儀表示數(shù)識別系統(tǒng)，它可以高效、準確地識別儀表的數(shù)值，大大節(jié)省了人力，提高識別的準確性。

1 表盤定位與圖像預處理

1.1 表盤定位

對于表盤定位來說，可以通過顏色來識別表盤，攝像頭采集來的圖片是RGB圖像，RGB圖像是由紅（R）、綠（G）、藍（B）三個分量組成。指針式儀表表盤背景為白色，儀表外殼為黑色，利用顏色分明這一特點來實現(xiàn)對儀表表盤的定位。對于彩色圖像來說，在R、G、B三分量中，白色（R=G=B=255）對應的值都很大，通過設置閾值來判斷白色區(qū)域。

1.2 圖像預處理

圖像預處理可以有效地突出表盤圖像的有用信息，減少無用信息[1]，提高對表盤信息提取的準確性和識別率。又因為表盤簡單，不需要太多的前期操作就能有效地識別出指針。所以只要進行圖像灰度化、圖像去噪等操作，就能優(yōu)化對表盤指針的識別。

1.2.1 圖像灰度化

圖像灰度化目的是使計算機更好地識別圖像，去除無用的顏色信息，保留線條和輪廓等有用信息，在RGB格式的圖像中，利用公式：

由于R、G、B三個分量的取值范圍是0~255，所以得出的灰度等級有256級，即能表現(xiàn)出256種灰度顏色[2]。

1.2.2 圖像二值化

灰度化的圖像經(jīng)過處理后變成只有兩個灰度級的圖片，使后面的操作更加方便。但在實際操作過程中，會存在許多雜質，所以閾值的選擇十分關鍵。在指針式儀表表盤上，黑白色彩明顯，在選擇閾值時，可以采用平均灰度值法，這種方法在對比度強的圖片中十分有效，比較適合指針式儀表的二值化。二值化后的圖像如圖1所示。

圖1 圖像二值化

1.2.3圖像細化

由于大多數(shù)指針式儀表的指針都很粗，在進行邊緣檢測和Hough變換時指針上會檢測到兩條直線，這樣會使計算不精確，為了更好地進行指針識別，通常對圖像進行細化。將圖像的所有對象簡化為線條而不改變圖像本質結構的圖像處理過程稱為骨架化，對圖像進行細化有助于突出形狀特點以及減少冗余的信息量[3]。細化后的圖像如圖2所示。

圖2 細化后圖像

1.2.4 圖像去噪

圖像去噪能夠減少圖像中的噪聲，可以采用以下兩種方法。

第一種是采用中值濾波的方法。中值濾波是在該像素點本身以及周圍像素點排列后，取它們的中值作為該點的灰度值，這種做法不僅方法簡單，而且在消除圖像噪聲上效果比較顯著。

第二種是采用局部均值濾波的方法。首先，找出圖像數(shù)據(jù)中目標像素點以及周圍八個像素點，然后對這九個像素點相加取平均值。得到的值就是計算后該目標像素點的灰度值。如果利用這種算法會使邊界變得模糊，針對這一現(xiàn)象，可以選擇對局部進行處理，如果目標對象局部存在邊界，則不對其進行計算。

對圖像進行上述處理后，發(fā)現(xiàn)局部均值濾波消除噪聲的能力相對較弱，而中值濾波得到的圖像清晰度高、細節(jié)處理好。所以本文采用中值濾波的方法進行去噪。

2 邊緣檢測

眾所周知，對圖像進行處理的目的有兩個，第一個是使圖像更能被人眼識別，第二個是使圖像更能被計算機識別。而邊緣檢測就是為了使計算機能更好地識別圖像。邊緣檢測是利用邊緣檢測算子獲取圖像中有用的信息，去除圖像中的無用信息，以極少部分的有用信息，獲取到更細節(jié)的部分，提高計算機分析圖片的速度。常見的算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子和Canny算子[4]。這里以MATLAB為媒介，對各算子進行儀表表盤的仿真，以確定本研究采用的算子類型。對灰度化和去噪處理后的圖像進行邊緣檢測后的結果，如圖3所示。

圖3 邊緣檢測算子的MATLAB仿真比較

Roberts算子。Roberts算子的算法簡單，運行速度快，對邊緣定位的準確率較高。雖然Roberts算子對噪聲影響明顯，但前期的去噪處理，已經(jīng)大大降低了噪聲的影響。

Sobel算子。Sobel算子是常用的一階微分算子，它是根據(jù)絕對值來取值的，這種方法對水平方向影響較大，不易確定邊緣像素。但Sobel算子因其耗時短、具有一定的抗噪性、邊緣檢測效果較好而得到廣泛應用[5]。

Prewitt算子。Prewitt算子也是一階微分算子，它是加權平均算子，對圖像處理有一定的限制，會破壞圖像中的有用信息。而且利用此方法提取的圖像不能連續(xù)表達，不利于指針的完整提取。

Laplace算子。Laplace算子是一個二階算子，它對噪聲的敏感性很高，對表盤提取的數(shù)據(jù)完整性高，而且基本無斷點，但由于原始的Laplace算子在邊緣檢測方面還有諸多不足，一般不常用作邊緣檢測。

Canny算子。Canny算子具有較好的邊緣檢測能力，在圖像處理方面運用十分廣泛，而且邊緣檢測的結果更為細致，但會使儀表表盤中不重要的因素放大，而且方法復雜。

綜合比較以上算法，由于采集來的儀表圖片比較簡潔，不需要用太過復雜的方法，綜合各方面原因，采用Sobel算子進行邊緣檢測。

3 Hough變換與數(shù)值顯示

3.1 Hough變換

在二維空間中，通常用y=ax+b的形式表示直線，a表示斜率，b表示截距。在MATLAB中，可以引用ρ、θ這兩個參數(shù)來表示直線。

相應的直線方程如下：

ρ代表原點到該直線的距離，θ代表直線垂線與x軸夾角。

每一個直線方程對應一組（ρ，θ），直線上的每一點，都對應著ρ-θ坐標系中的一條曲線，取該條直線任意幾點，這條直線所形成的所有曲線都會交于一點，這一點便是這條直線的（ρ，θ）值。如圖4所示。

圖4 共線坐標交于一點

把ρ-θ坐標進行網(wǎng)格化處理，在ρ、θ極值范圍內，對其進行等分，以像素點為網(wǎng)格，利用交點累加器，每一條曲線上的點交于網(wǎng)格記為1，找出相交次數(shù)最多參數(shù)的點，就能找到對應x、y平面的直線線段，該線段就是儀表對應指針的位置。

3.2 數(shù)值計算

Hough變換檢測直線，如果不做處理，所檢測的角度范圍是0°~180°，為了保證指針測量的精度，本文把ρ和θ的精度取為0.5。指針讀數(shù)的關鍵在于指針與所建坐標x正半軸的角度，這個角度在Hough變換中是已知的，所以利用簡單計算得到指針與右水平方向的夾角α，即如圖5所示的角度。

圖5 指針角度圖

然后可以自行設置量程與指針式儀表的最大角度范圍，根據(jù)量程和角度的換算關系，算出所得儀表的值。由于不同儀表所對應的量程和指針最大偏轉角度是不同的，此設計主要適用于起始指針水平的儀表，如電流表、電壓表、COSφ表等。使用時根據(jù)儀表種類只需更改界面中的儀表類型，系統(tǒng)就會自動跳轉到對應的程序，最終計算出指針對應的數(shù)值。

3.3 GUI界面

利用GUI界面可以直觀地得出計算結果，使得操作過程清晰易懂。通過此界面可以更方便地處理圖像。按步驟依次操作，首先進行表盤區(qū)域識別，準確找到表盤區(qū)域，然后進行區(qū)域二值化、去除噪聲、圖像細化等操作，找到對應的儀表類型，最后利用指針與角度關系得出相應的數(shù)值。設置的GUI界面，如圖6所示。

圖6 GUI界面窗口

4 結語

筆者主要圍繞指針式儀表的讀數(shù)進行分析計算，通過MATLAB進行仿真，對大多數(shù)指針式儀表都適用，極大地提高了檢修效率，降低了檢修的工作量。

由于本設計是通過分析攝像頭采集來的圖片信息對圖像進行處理，圖像分析時對顏色有要求，所以采集圖片時盡量在光照充足的地方進行。由于該設計是利用Hough變換進行的，所以傾斜角度不能過大，否則會對后續(xù)讀數(shù)結果產(chǎn)生影響。