[发明专利]一种水表图像角度校正及精确定位方法

权利要求书

1.一种水表图像角度校正及精确定位方法，其特征在于：包括以下步骤：

S1、获取采集图像中包含字轮区域的采集子图像，并得到采集子图像对应的垂直投影曲线、水平投影曲线；

S2、利用能量密集度获得采集子图像相对于模板图的旋转角，并基于旋转角对采集子图像进行反向旋转得到转角校正图像；

S3、利用转角校正图像、模板图各自的水平投影曲线确定垂直偏移量，并基于垂直偏移量对转角校正图像进行垂直位置校正得到垂直位置校正图像；

S4、利用预先存储信息对垂直位置校正图像进行裁剪得到裁剪图像，并对裁剪图像、模板图分别对应的垂直投影曲线进行掩膜；

S5、当裁剪图像、模板图的垂直投影曲线匹配度到达最佳时，该偏移量为水平偏移量。

2.根据权利要求1所述的水表图像角度校正及精确定位方法，其特征在于：S2中利用能量密集度获得采集子图像相对于模板图的旋转角，包括：

S21、将采集子图像相对于模板图旋转一个角度θ，并得到该采集子图像对应的垂直投影曲线、水平投影曲线；

S22、将垂直投影曲线、水平投影曲线中的最高值相对于曲线总和的比值相加，得到该采集子图像对应的能量密集度；

S23、遍历每一个旋转角度θ，重复S21和S22，并将能量密集度最高时对应的旋转角度θ作为旋转角。

3.根据权利要求2所述的水表图像角度校正及精确定位方法，其特征在于：S1中得到采集子图像对应的垂直投影曲线、水平投影曲线，包括：

将采集子图像从RGB空间转换为灰度图，然后利用Sobel算子、Prewitt算子计算图像的水平梯度值、垂直梯度值，分别得到水平梯度图、垂直梯度图，对水平梯度图进行垂直投影得到垂直投影曲线，对垂直梯度图进行水平投影得到水平投影曲线。

4.根据权利要求1所述的水表图像角度校正及精确定位方法，其特征在于：S3中利用转角校正图像、模板图各自的水平投影曲线确定垂直偏移量，包括：

将转角校正图像、模板图分别对应水平投影曲线中最高点的位置差作为垂直偏移量，同时在预先存储信息中记录下模板图对应水平投影曲线中最高点的属性信息。

5.根据权利要求1所述的水表图像角度校正及精确定位方法，其特征在于：S4中对裁剪图像、模板图分别对应的垂直投影曲线进行掩膜，包括：

在裁剪图像、模板图分别对应的垂直投影曲线中，人工将非字符位置的部分挑选出来，并过滤掉字符位置的部分。

6.根据权利要求5所述的水表图像角度校正及精确定位方法，其特征在于：S4中利用预先存储信息对垂直位置校正图像进行裁剪得到裁剪图像，包括：

根据预先预先存储信息中该类型水表对应模板图中字轮区域的上下边缘位置，对垂直位置校正图像进行裁剪得到裁剪图像。

7.根据权利要求1所述的水表图像角度校正及精确定位方法，其特征在于：S1中获取采集图像中包含字轮区域的采集子图像，包括：

利用水表类型识别模型检测采集图像中的水表类型，基于水表类型调用对应字轮位置检测模型检测采集图像中包含字轮区域的采集子图像。

8.根据权利要求7所述的水表图像角度校正及精确定位方法，其特征在于：所述水表类型识别模型的训练方法，包括：

S111、针对每种类型的水表收集大量样本图像，对样本图像进行扩增，并对扩增后的样本图像进行类别标记；

S112、将所有样本图像连同对应类别标签，一起输入DenseNet神经网络模型进行模型训练，并将训练后的模型文件部署在云端服务器上。

9.根据权利要求7所述的水表图像角度校正及精确定位方法，其特征在于：针对每种类型的水表单独训练所述字轮位置检测模型，包括：

S121、针对每种类型的水表收集包含各种角度的样本图片，在样本图片上人工标注字轮对应的外框位置，并对样本图片进行扩增；

S122、将样本图片及对应标注信息，一起输入yolov5深度网络进行模型训练，并将训练后的网络模型部署在云端服务器上。