基于轮廓拟合和径向分割的指针式仪表图像识别方法技术

本发明专利技术涉及一种基于轮廓拟合和径向分割的指针式仪表图像识别方法。首先提取指针式仪表图像的闭合轮廓曲线；之后通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；然后对边缘轮廓进行去噪，利用最小二乘法圆拟合得到仪表盘的拟合圆；接着利用区域生长算法提取仪表指针所在位置的像素点集；最后对仪表的指针进行定位。本发明专利技术能够克服仪表上的阴影、数字符号、宽指针等因素的干扰，能对不同大小和位置的仪表图像进行检测，具有较强的自适应调节能力。

【技术实现步骤摘要】
基于轮廓拟合和径向分割的指针式仪表图像识别方法
本专利技术涉及一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，属于计算机图像处理领域。
技术介绍
指针式仪表作为一种测量仪器，由于其结构简单，维护、使用方便，可靠性高，价格便宜，防水、防冻、防尘等优点，在大型的工业领域被广泛用到，如电力系统、石油化工、厂矿企业以及铁路系统等行业。常见的指针式仪表有：电压表、气压表、油温表、温度表、水表等。由于工作场合的原因，这些指针式仪表一般没有数据接口，无法实现测量参数的自动采集与传输。因此对这种指针式仪表的读数主要依靠人工的方式，即用人眼去观察指针指向的刻度值。但这种模式劳动强度大，读数慢，容易引起视觉疲劳，并且在某些高压、核辐射的特定场合，人工读数存在较大的安全隐患。目前倾向于采用机器识别方法。对指针式仪表图像进行识别的方法有很多种，包括Hough变换法、减影法、最小二乘法等。其中，Hough变换法是目前最常用的仪表识别方法，利用Hough圆变换和Hough直线变换可以分别检测出仪表盘和指针的位置，对图像的光照不均也有很好的抗干扰能力。但这种方法需要调节的参数过多，自适应能力弱，不易扩展使用。减影法是利用原图像和模板图像的灰度值相减得到只含有仪表指针的图像，当光照发生较大变化，除指针外其他背景的灰度值也会发生变化，检测的结果就会出现其他背景信息，对指针的检测产生干扰。最小二乘法是指利用小波检测方法提取出仪表指针和仪表边缘点集合，再对这些点集合进行最小二乘拟合，通过拟合得到仪表指针和表盘位置。
技术实现思路
为解决现有技术存在的问题，本专利技术提供一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，能够准确检测出指针和仪表盘的位置，整个识别过程为一个自适应调节的过程，扩展性较强，并且对光照也具有一定的抗干扰能力。为解决上述技术问题，本专利技术采用如下技术方案：一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，用于对指针式仪表进行读数识别；其特征在于包括如下主要步骤：步骤S1：首先提取指针式仪表图像的闭合轮廓曲线；步骤S2：通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；步骤S3：去除边缘轮廓曲线上的凸起；步骤S4：去除边缘轮廓曲线上的干扰小轮廓，提取边缘轮廓曲线的连续部分；步骤S5：然后将特征相似的边缘轮廓曲线进行合并，再然后用最小二乘法对合并后的边缘轮廓曲线进行圆拟合得到拟合圆；步骤S6：以拟合圆直径上的像素点为对象，利用区域生长算法提取仪表指针所在位置的像素点集；步骤S7：然后对像素点集进行最小二乘直线拟合，计算拟合直线的相似系数，最后比较所有拟合直线的相似系数大小和拟合圆的半径大小，进行仪表指针的定位和仪表盘的定位。进一步的，步骤S1中：利用opencv自带的库函数对指针式仪表图像进行轮廓提取；调用opencv的库函数，对原始的仪表图像进行局部自适应二值化、查找轮廓处理，得到包含仪表闭合轮廓的二值图像。进一步的，步骤S2中：将闭合轮廓分离成两条半边缘轮廓；对一个闭合仪表轮廓进行轮廓分离处理，得到上下两个半边缘轮廓曲线。进一步的，步骤S2中将闭合的轮廓分离成两条半边缘轮廓具体步骤为：遍历一个闭合轮廓上的所有像素点，当有多个点的横坐标相同时，将这些点中纵坐标最小的点分在上边缘轮廓曲线的数组中，纵坐标最大的点分为下边缘轮廓的数组中，遍历完闭合轮廓上所有的横坐标后，原闭合轮廓被分离得到上下两条边缘轮廓曲线，分离后的边缘轮廓曲线形态更加细化，没有了闭合轮廓中像素点的重复性和杂乱性，边缘轮廓曲线对提高后续的轮廓拟合效果更加有利。进一步的，步骤S3中，去除边缘轮廓曲线上的凸起具体流程为：对由轮廓分离得到的边缘轮廓曲线，依次遍历边缘轮廓曲线上的像素点，当相邻像素点的纵坐标大小变化趋势为由小到大再到小时，记录此极大值点；遍历完所有像素点后，比较相邻极大值点中间所包含像素点的数量，保留数量最多的一段作为新的边缘轮廓曲线，这样原边缘轮廓曲线两端的凸起就被去除了。进一步的，步骤S3中，边缘轮廓曲线上的凸起遍布于边缘轮廓曲线的刻度线区域；凸起和仪表轮廓曲线的交点位于图像纵坐标的极大值点处，通过比较像素点间坐标的变化趋势找到轮廓上的极大值点，选择相邻极大值点包含像素个数最多的一段轮廓作为仪表轮廓曲线的主体部分，从而去除仪表轮廓曲线上存在的凸起。所述凸起由于光照的影响，分离得到的边缘轮廓曲线上会存在由刻度线形成的小凸起，这种小凸起对轮廓的拟合会产生一定的干扰。经观察大量的实验结果后，发现小凸起和仪表轮廓曲线的交点是位于图像纵坐标的极大值点处，通过比较像素点间坐标的变化趋势找到轮廓上的极大值点，选择相邻极大值点包含像素个数最多的一段轮廓作为仪表轮廓曲线的主体部分，从而去除仪表轮廓曲线上存在的小凸起。进一步的，步骤S4中：提取边缘轮廓曲线的连续部分时，需要根据相邻像素点纵坐标的差值来找到断开点的位置，选择相邻断开点间包含像素点个数最多的一段轮廓作为轮廓曲线上的主体圆弧轮廓部分。边缘轮廓曲线图上会存在着由背景信息产生的干扰小轮廓，并且由于这种干扰小轮廓位置未知，会对后续的曲线拟合会产生一定的影响。经观察大量的实验结果后，发现这些干扰小轮廓一般与主体部分的圆弧轮廓是断开的，因此可以根据相邻像素点纵坐标的差值来找到断开点的位置，选择相邻断开点间包含像素点个数最多的一段轮廓作为轮廓曲线上的主体圆弧轮廓部分。进一步的，步骤S4中所述提取边缘轮廓曲线的连续部分具体流程为：对于每条边缘轮廓曲线，依次遍历曲线上的像素点，比较相邻像素点纵坐标差值的绝对值，当绝对值大于2时，则认为此处为一处断开点，记录此断开点的下标；遍历完所有的点后，比较相邻断开点之间像素点的数量，保留数量最多的一段作为新的边缘轮廓曲线，经过这种处理，原边缘轮廓曲线上的干扰小轮廓就会被去除。经过前面边缘轮廓曲线的去除凸起和干扰小轮廓的处理后，这些轮廓曲线的像素点坐标可能保存在不同的数组中，需要将位置相邻且特征相近的两条或者是多条边缘轮廓曲线的像素点进行合并，保存在一个数组中。特征相近是指两条或多条轮廓曲线的拟合半径接近，并且像素点的灰度均值相近。合并后的轮廓曲线包含了更多的像素点，然后对合并后的边缘轮廓曲线利用最小二乘法进行圆拟合，计算出合并后的边缘轮廓线所拟合的圆心oc和半径R。进一步的，步骤S5中，所述相似轮廓曲线的合并和轮廓曲线的拟合具体流程为：每次遍历两条边缘轮廓曲线，首先计算每条边缘轮廓曲线所包含像素点的灰度平均值，然后将两条轮廓曲线的灰度均值相减，得到灰度均值的差值Δg；接着对两条边缘轮廓曲线分别利用最小二乘法进行圆拟合，并计算出两个拟合圆的半径之差Δr；若Δg和Δr均小于一个较小的数，说明两条边缘轮廓曲线的半径和灰度值相近，将这两个边缘轮廓曲线合并成一个边缘轮廓曲线，新的边缘轮廓曲线包含了原两条轮廓曲线的所有像素点，用最小二乘法进行拟合。因为新的边缘轮廓曲线包含了更多的像素点，对提高拟合仪表盘所在圆的效果有帮助。进一步的，步骤S6中，将拟合圆分割成多条直径，以每条直径上的像素点为研究对象，通过比较单个像素点的灰度值与直径上灰度均值的大小和像素点位置，保留直径上像素灰度值相近、位置相邻的和个数最多的像素点集，比较完所有的直径后会得到包含仪表指针和刻度线的图像，为了分割出仪表指针的像素本文档来自技高网...

【技术保护点】
1.一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，用于对指针式仪表进行读数识别；其特征在于包括如下主要步骤：步骤S1：首先提取指针式仪表图像的闭合轮廓曲线；步骤S2：通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；步骤S3：去除边缘轮廓曲线上的凸起；步骤S4：去除边缘轮廓曲线上的干扰小轮廓，提取边缘轮廓曲线的连续部分；步骤S5：然后将特征相似的边缘轮廓曲线进行合并，再然后用最小二乘法对合并后的边缘轮廓曲线进行圆拟合得到拟合圆；步骤S6：以拟合圆直径上的像素点为对象，利用区域生长算法提取仪表指针所在位置的像素点集；步骤S7：然后对像素点集进行最小二乘直线拟合，计算拟合直线的相似系数，最后比较所有拟合直线的相似系数大小和拟合圆的半径大小，进行仪表指针的定位和仪表盘的定位。

【技术特征摘要】
2018.03.14 CN 20181020743701.一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，用于对指针式仪表进行读数识别；其特征在于包括如下主要步骤：步骤S1：首先提取指针式仪表图像的闭合轮廓曲线；步骤S2：通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；步骤S3：去除边缘轮廓曲线上的凸起；步骤S4：去除边缘轮廓曲线上的干扰小轮廓，提取边缘轮廓曲线的连续部分；步骤S5：然后将特征相似的边缘轮廓曲线进行合并，再然后用最小二乘法对合并后的边缘轮廓曲线进行圆拟合得到拟合圆；步骤S6：以拟合圆直径上的像素点为对象，利用区域生长算法提取仪表指针所在位置的像素点集；步骤S7：然后对像素点集进行最小二乘直线拟合，计算拟合直线的相似系数，最后比较所有拟合直线的相似系数大小和拟合圆的半径大小，进行仪表指针的定位和仪表盘的定位。2.根据权利要求1所述的基于轮廓拟合和径向分割的指针式仪表图像识别方法，其特征在于步骤S1中：利用opencv自带的库函数对指针式仪表图像进行轮廓提取；调用opencv的库函数，对原始的仪表图像进行局部自适应二值化、查找轮廓处理，得到包含仪表闭合轮廓的二值图像。3.根据权利要求1所述的基于轮廓拟合和径向分割的指针式仪表图像识别方法，其特征在于步骤S2中：将闭合轮廓分离成两条半边缘轮廓；对一个闭合仪表轮廓进行轮廓分离处理，得到上下两个半边缘轮廓曲线。4.根据权利要求3所述的基于轮廓拟合和径向分割的指针式仪表图像识别方法，其特征在于步骤S2中将闭合的轮廓分离成两条半边缘轮廓具体步骤为：遍历一个闭合轮廓上的所有像素点，当有多个点的横坐标相同时，将这些点中纵坐标最小的点分在上边缘轮廓曲线的数组中，纵坐标最大的点分为下边缘轮廓的数组中，遍历完闭合轮廓上所有的横坐标后，原闭合轮廓被分离得到上下两条边缘轮廓曲线，分离后的边缘轮廓曲线形态更加细化，没有了闭合轮廓中像素点的重复性和杂乱性，边缘轮廓曲线对提高后续的轮廓拟合效果更加有利。5.根据权利要求1所述的基于轮廓拟合和径向分割的指针式仪表图像识别方法，其特征在于步骤S3中，去除边缘轮廓曲线上的凸起具体流程为：对由轮廓分离得到的边缘轮廓曲线，依次遍历边缘轮廓曲线上的像素点，当相邻像素点的纵坐标大小变化趋势为由小到大再到小时，记录此极大值点；遍历完所有像素点后，比较相邻极大值点中间所包含像素点的数量，保留数量最多的一段作为新的边缘轮廓曲线；提取边缘轮廓曲线的连续部分时，需要根据相邻像素点纵坐标的差值来找到断开点的位置，选择相邻断开点间包含像素点个数最多的一段轮廓作为轮廓曲线上的主体圆弧轮廓部分。6.根据权利要求5所述的基于轮廓拟合和径向分割的指针式仪表图像识别方法，其特征在于步骤S4中所述提取边缘轮廓曲线的连续部分具体流程为：对于每条边缘轮廓曲线...

【专利技术属性】
技术研发人员：吴怀宇，吴杰，张思伦，陈镜宇，喻汉，蔡丽仪，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42