[发明专利]一种基于指针宽度特征的仪表指针图像识别方法

说明书

技术领域

本发明涉及图像处理和机器视觉领域，特别涉及指针式仪表的图像识别读数方法，具体地，涉及一种基于指针宽度先验特征的仪表指针图像识别方法。

背景技术

图像处理和机器视觉技术的发展，为检测学科开辟了新的领域。机器视觉的各类研究成果已成功运用到如工况监测，成品检测，质量控制等生产环节，机器视觉已经成为替代人眼视觉的有效技术，具有客观性，精确性，可重复性，低成本等优势。

利用机器视觉的方法获取仪表指针示数从而替代人眼视觉识别，可以很大程度降低工业现场人工巡检的繁，难，险和重复性大的缺陷。就图像指针识别领域，专利申请号为200910042108.6，专利名为《一种读取指针式表示值的图像处理方法》的中国专利中，公开了一种读取指针式表示值的图像处理方法。该方法选取长度相等的三条刻度线上的三个对应点，并计算通过三点的圆，得出圆心。但是该方法对环境要求高，对仪表表盘的精确定位是指针仪表识别的重要前提，在实际情况下由于非线性光照影响、摄像机失焦等将难以提取刻度线，因此难以定位仪表。专利申请号为201210234316.8，专利名为《基于图像处理的仪表指针转角识别方法》的中国专利中，公开了一种识别指针转角的图像处理方法，但该方法需利用Canny算子提取边缘和Hough变换提取直线，这两种方法都需要设定适合的阈值，不适用于具有非线性光照干扰的指针识别。专利申请号为201110359130.0，专利名为《高鲁棒仪表指针图像识别方法》公开了一种鲁棒性较高的指针图像识别方法，该方法需要将粗指针和细指针分类，并最终都需要采用Hough变换提取直线，难以克服图像仪表表盘各类线条的干扰。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于指针宽度特征的仪表指针图像识别方法。

本发明的目的是通过以下技术方案来实现的：一种基于指针宽度特征的仪表指针图像识别方法，包括以下步骤：

(1)模板标定：首先拍摄仪表图像作为模板；其次对模板标定指针的旋转中心、指针所占像素的宽度、指针量程和仪表满刻度范围内的张角，在模板的表盘内标定一小块矩形区域ROI；其中，所述标定指针的旋转中心具体为：将仪表表盘任意两条刻度线的延长线的交点标定为旋转中心；标定一小块矩形区域ROI具体为：矩形区域ROI的两条对称轴分别和图像像素坐标轴平行，其中一条对称轴通过旋转中心，且将图像绕旋转中心旋转整个量程范围内的张角，矩形区域ROI内能包含到指针像素并包含最少的其他前景图像像素；

(2)指针提取：首先通过模板匹配定位待检测图像的旋转中心和矩形区域ROI；其次将仪表整个量程范围内的张角的一半定义为初始角度，将待检测图像以初始角度绕旋转中心进行旋转，对旋转之后的矩形区域ROI内的图像作处理，设定边缘检测阈值和指针宽度阈值，并存储每个符合设定的边缘检测阈值和指针宽度阈值要求的旋转角度，直到对整个量程范围内的张角都进行了旋转，再对这些符合要求的旋转角度提取最优偏转角度，旋转过程中，矩形区域ROI位置保持不变。

进一步地，所述步骤2中，所述模板匹配包括以下子步骤：

A.对模板和待检测图像进行直方图均衡化；

B.利用图像金字塔方法对模板和待检测图像进行降采样，根据图像大小确定金字塔层数；

C.利用Canny算子对模板和待检测图像进行二值化并提取边缘；

D.利用Sobel算子分别提取模板和待检测图像的每一个待处理像素的水平方向梯度和竖直方向梯度，组成梯度向量，待检测图像像素点(x,y)的梯度向量用e(x,y)表示，模板像素点(u,v)的梯度向量用d(u,v)表示，假设模板的像素点总数为n，则在点(x,y)处的相似度量s(x,y)可通过下式计算：

式中，<d(u,v),e(x+u,y+v)>表示模板和待检测图像对应位置梯度向量的内积，||d(u,v)||表示当前模板像素点的模长，||e(x+u,y+v)||表示当前待检测图像像素点的模长；

E.在所有像素点的相似度量s中，选择最大值所在的区域即为待检测图像中与模板最相似的区域。

进一步地，所述步骤2中，所述对旋转之后的矩形区域ROI内的图像作处理，设定边缘检测阈值和指针宽度阈值，并存储每个符合设定的边缘检测阈值和指针宽度阈值要求的旋转角度，具体包括以下子步骤：

a.设定边缘检测阈值和指针宽度阈值：边缘检测阈值小于4，对每一个仪表设定一个指针像素宽度上限和一个指针像素宽度下限作为指针宽度阈值；