滕艷松

（中國石油大慶石化工程有限公司，黑龍江大慶 163714）

0 引言

指針式儀表作為生產生活中最常用的儀表形式，具有結構簡單、安全可靠、便于維護、抗干擾的優(yōu)點，被廣泛應用于各種系統(tǒng)中。但指針式儀表沒有數據接口，需要人工識別指針位置，受視線、角度、經驗等因素的影響，實際精度較低，并且讀數因人而異，工作人員長時間識別指針式儀表讀數很容易產生視覺疲勞，使讀數變得更加不準確，依靠人工的讀數識別方式也限制了指針式儀表的應用范圍，在需要自動讀數的場合無法使用。為了實現指針式儀表的自動讀數，國外發(fā)達國家已經研究出圖像識別技術。國內學術界也陸續(xù)開展了指針式儀表自動讀數的研究，涌現出較為可行的指針位置判斷方法。這種方法基于同心圓理論判斷指針位置，將圓周分為360°，自動判斷指針角度。雖然這種方法簡單易行，但識別精度較低，且受人為因素的影響較大，攝像頭的安裝位置、質量和表盤的安裝角度都會影響識別精度。還有的學者基于圖像識別技術提出了指針自動讀數系統(tǒng)，但這種方法的計算過程復雜，在實際應用中難以實現，不具備廣泛推廣的價值。本文提出了基于顏色識別的數字圖像處理指針識別系統(tǒng)，通過識別不同顏色區(qū)域的RGB（顏色系統(tǒng)）值來確定指針位置，其算法簡單易行，具有較高的識別精度，可大范圍推廣。

1 圖像預處理

系統(tǒng)對待識別的圖片進行預處理，以提高讀數的效率和準確性（圖1）。要想準確識別圖片中的RGB 值，就需要對圖片進行灰度處理，為了有效降低計算量，灰度識別采取手動的方式進行，并在這一區(qū)域進行后續(xù)圖片處理，以提高圖片識別效率，縮減處理圖片的時間?？衫猛饨釉O備進行圖片的手動選取，處理內容有灰度化、濾波、細化等。

圖1 圖像的預處理過程

1.1 圖像灰度處理和濾波

系統(tǒng)采集到的圖片是彩色的，需要進行灰度及區(qū)域識別處理才能完成后續(xù)工作，使彩色圖片變?yōu)榭勺R別的灰度圖片。然后對圖片進行濾波處理，濾波可以消除圖片中的干擾因素，例如噪點和瘢痕，使圖片僅剩下系統(tǒng)所需的有效像素。一般采取線性濾波法、中值濾波法或非線性濾波法對圖片進行處理，非線性濾波法能夠有效保留圖片細節(jié)，具備更大的應用潛力，但僅采取一種濾波方法難以適應圖片的復雜情況，會隨著圖片中干擾因素的增多而降低性能。為了有效克服一種濾波方法的劣勢，本次研究選擇均值濾波和自適應中值濾波相結合的方式進行圖片處理，將彩色圖片轉變?yōu)榛叶葓D片，為信息采集做準備。

1.2 圖像RGB 顏色二值化

以滅火器彩色儀表為例，說明數字圖像處理的指針儀表識別技術的應用。在滅火器指針式彩色儀表上面應用了R、G、B 三種顏色標識不同區(qū)域，即紅、綠、藍三個顏色，又在彩色的基礎上，繪制了空間幾何線條，使目標和背景形成顯著區(qū)別。進行指針識別時，采取灰度處理，將彩色圖片轉化為以黑、白兩種顏色漸進表示的灰度圖片，以便于系統(tǒng)識別指針讀數?；叶忍幚碇胁扇￠撝捣ㄟM行圖像分割。這種方法能夠有效區(qū)分各像素點的灰度值，從而將圖片區(qū)分為目標和背景，黑、白兩種顏色也對應了“0”“1”兩個數位，這樣就能很好地區(qū)分目標與背景。

1.3 膨脹與細化算法

圖片進行濾波后，就進入了膨脹和細化處理階段，這是因為灰度處理后的指針區(qū)域較為模糊，后續(xù)處理步驟難以實現，必須通過膨脹算法使指針區(qū)域變得清晰，這樣才能進行后續(xù)步驟。但膨脹算法處理后的圖片雖然指針區(qū)域較為清晰，但指針的寬度較大，膨脹為原來的幾倍，識別精度會有所降低，需要進行細化處理，讓指針縮減為一條直線，才能具備高精度識別的可能。

2 儀表中指針所指顏色的區(qū)域識別

2.1 霍夫變換

霍夫變換是一種形狀匹配技術，這種技術能夠將原圖像中的直線或曲線轉變?yōu)槟骋豢臻g的點，進行坐標轉換，將圖像中的線條轉變?yōu)檫B續(xù)的峰點，簡化圖像的檢測，使圖像檢測更加簡單直接。例如將圖像中的直線轉換為峰點，直線檢測的原理如下：

直線y=kx+b 的極坐標形式為：

以函數的形式描繪了一條直線，式中θ、ρ 是2 個向量，這2個向量是直線上一點的向量值，并且垂直于該直線，這時只需建立一個以（θ，ρ）為參數的直角坐標系，就可以表達直線的形狀。在直角坐標系中對應的坐標為（x，y），這時通過霍夫變換這可得到一個點的位置，使圖像中的點與直角坐標系中的點一一對應。從而將圖像中點的檢測轉變?yōu)閰档臋z測，這時需要采取霍夫變換轉化圖像中所有的點，形成空間點的集合，得到這些點對應的峰值，就能求出峰值的累加量，確定指針所在直線的位置和偏轉角度。

2.2 改進霍夫變換對指針角度的識別

霍夫變換非常適合應用于圖像處理的位置判斷，無論實線還是虛線都能準確識別，并且不受線寬的影響，即使線條粗細不一也能得到精確的結果，處理圖像中的多條曲線時，能實現互不干擾的處理效果。但霍夫變換并不是完美的，通過式（1）可以看出，霍夫變換屬于一對多映射，因此這種變換方法的計算量龐大，需要系統(tǒng)具有很大的存儲空間，并且計算耗時較長，圖像位置的判斷緩慢。為了改變霍夫變換的劣勢，本次研究對其進行一定的改進。滅火器所采用的指針式儀表并不包含整個圓周，而僅限于某一角度范圍，因此霍夫變換只需瞄準這一特定范圍即可減少運算量，降低系統(tǒng)的運算時間。具體做法是：根據指針儀表的量程設定霍夫變換范圍，在系統(tǒng)中設置角度的最小與最大值，并可根據實際需要調整角度的數值。

3 試驗結果

如圖2 所示，當指針處于綠色區(qū)域時，表示滅火器中壓力正常，氣體充足，處于可使用的狀態(tài)；當指針處于紅色區(qū)域時，表示滅火器中壓力較低，氣體不足，處于失效或不能使用的狀態(tài)，這時需對滅火器進行二次充氣；當指針處于黃色區(qū)域時，表示滅火器中壓力過大，具有一定的危險性。

圖2 滅火器儀表原圖1 和經處理后的圖像

如圖3 所示，指針識別系統(tǒng)對原始圖像進行霍夫變換，將圖像分為若干區(qū)域，分別對應綠、紅、黃3 個顏色，每個區(qū)域用直線隔開，方便系統(tǒng)進行角度識別。變換后的圖像的白色區(qū)域表示指針所在的顏色區(qū)域，也是系統(tǒng)需要識別的區(qū)域，這說明系統(tǒng)準確識別出了指針所在位置，通過試驗數據可知識別誤差較小，識別過程簡單，識別準確度高，具有實用價值。

圖3 滅火器儀表原圖2 和經處理后的圖像

4 結語

本文基于霍夫變換的原理，采取設定雙閾值的方式，進一步簡化了變換過程，使指針儀表的識別變得簡單易行，不再依賴于人工識別。識別過程中，可以根據表盤的實際形狀設置識別范圍，具有較高的識別效率。以滅火器指針以表為例進行了實際測試，證明這種識別方式具有高精度、高可靠性、高適應性的優(yōu)點，可以適應多種不同形狀的表盤，準確識別出指針所在的顏色區(qū)域。例如圓形、半圓形表盤，都可以準確進行識別，僅需在系統(tǒng)中按照表盤的實際位置設置角度閾值即可。這種方法不依賴于人工識別，可以應用于無人值守的場景，如各種無人飛行器等，通過該技術將圖像傳至地面接收站，能夠實現靈活的遠程控制，還可應用于高溫、有毒等特殊場所。

基于數字圖像處理的指針儀表識別技術，算法簡單、識別可靠，具有廣泛的應用前景?；诨舴蜃儞Q的雙閾值檢測方法的誤差主要來自于攝像頭和儀表的安裝位置誤差，為了有效降低識別誤差，提高識別精度，在攝像頭與儀表盤安裝時，必須保證攝像頭的攝像方向垂直于儀表盤。在今后的工作中，還將進一步完善識別算法，提高系統(tǒng)的自動化程度，并使之與人工智能技術相結合，開發(fā)更深入的應用潛力。