一種橢圓形無柵格油位計的自動讀數(shù)方法，用于儀表智能讀數(shù)，屬于工業(yè)機(jī)器視覺儀表智能讀數(shù)技術(shù)領(lǐng)域。

背景技術(shù)：

工業(yè)機(jī)器視覺儀表智能讀數(shù)技術(shù)主要利用模式識別來提取特定的儀表、指針，達(dá)到讀數(shù)的目的。相比于人工讀數(shù)，其優(yōu)點(diǎn)有：24小時不間斷讀數(shù)，節(jié)省人工勞動力，穩(wěn)定性高，效率高。因此在工業(yè)領(lǐng)域應(yīng)用中，智能儀表讀書有很高的研究價值。

衡量工業(yè)機(jī)器視覺儀表智能讀數(shù)算法性能主要體現(xiàn)在對儀表定位、讀數(shù)(指針)提取和圖像復(fù)原的能力上。以一種指針式表盤自動讀數(shù)方法為例，需要從普通相機(jī)拍攝的照片中，正確定位出儀表，正確識別出儀表盤指針的位置，模擬人讀數(shù)的方式進(jìn)行讀數(shù)。而成像過程中，旋轉(zhuǎn)、光照變化和遮擋是圖像主要的干擾，也是圖像復(fù)原的主要難點(diǎn)。

目前，常用的智能儀表讀數(shù)算法有Hough變換、加權(quán)平均法、數(shù)學(xué)形態(tài)學(xué)、邊緣檢測、閾值分割、主動輪廓法等一系列算法。由于成像過程中，太多背景信息進(jìn)入了圖像，在加上光照不均，遮擋等影響，導(dǎo)致對儀表讀數(shù)，指針等關(guān)鍵信息難以很好得提取。近年來智能儀表讀數(shù)算法也有了很多創(chuàng)新，如雙閾值Hough變換、基于Snake模型的指針式表盤的分割、使用Hough圓檢測和中心投影法的智能儀表讀數(shù)等。這些方法在一定程度上可以完成對儀表的智能讀數(shù)，并相比于傳統(tǒng)提高了一定效率，但仍存在定位困難、識別困難、計算量大、移植困難、算法的穩(wěn)定性差和效率低等問題。

技術(shù)實現(xiàn)要素：

本發(fā)明針對上述不足之處提供了一種橢圓形無柵格油位計的自動讀數(shù)方法，解決現(xiàn)有技術(shù)中對儀表、指針進(jìn)行讀數(shù)時，由于背景復(fù)雜，光照變化和成像噪聲與退化造成的定位困難、識別困難、計算量大、移植困難、算法的穩(wěn)定性差和效率低等問題。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種橢圓形無柵格油位計的自動讀數(shù)方法，其特征在于，包括以下步驟：

步驟1：讀入原始圖像f(x,y)，即讀入橢圓無柵格油液計圖像；

步驟2：用Hough變換的橢圓檢測對原始圖像f(x,y)進(jìn)行初步定位，得到初步定位圖像f₁(x,y)；

步驟3：用Canny邊緣檢測對初步定位圖像f₁(x,y)進(jìn)行邊緣檢測，得到邊緣圖像g₁(x,y)，并用形態(tài)學(xué)膨脹將邊緣圖像g₁(x,y)斷掉的邊緣連接起來；

步驟4：對膨脹過后的邊緣圖像g₁(x,y)進(jìn)行孔洞填充，然后提取所有連通分量，最后在提取的所有連通分量里提取最大的連通分量Y_max；

步驟5：對最大的連通分量Y_max進(jìn)行腐蝕，得到油位計的準(zhǔn)確位置，用恰好框住連通分量Y_max的最小矩形將原始圖像f(x,y)中的油位計提取出來；

步驟6：將步驟5中的矩形等比例縮小，直到將油位計讀數(shù)區(qū)f₂(x,y)截取出來；

步驟7：對提取出來的油位計讀數(shù)區(qū)f₂(x,y)進(jìn)行Canny邊緣檢測，得到邊緣圖像g₂(x,y)；

步驟8：用橫向結(jié)構(gòu)元對邊緣圖像g₂(x,y)進(jìn)行腐蝕，將大量非液面邊緣去除；

步驟9：將大量非液面邊緣去除后，設(shè)置閾值，當(dāng)保留的邊緣長度大于閾值時，則為液面，反之，則不是液面；

步驟10：通過液面的位置以及油位計讀數(shù)區(qū)f₂(x,y)的量程計算出油量百分比。

進(jìn)一步，所述步驟2中Hough變換的橢圓檢測公式如下：

其中，a是原始圖像f(x,y)的長軸或短軸，即橫向平分橢圓的軸，b是原始圖像f(x,y)的短軸或長軸，即縱向平分橢圓的軸，(x₀,y₀)是原始圖像f(x,y)的圓心，x、y是原空間的自變量與因變量。

進(jìn)一步，所述步驟3、步驟7中Canny邊緣檢測的具體步驟為：

步驟371：用一個高斯濾波器平滑輸入圖像，得到平滑后的圖像：

f_s(x,y)＝G(x,y)*f(x,y)；

其中，f_s(x,y)表示平滑后的圖像(在步驟3中表示初步定位圖像f₁(x,y)平滑后的圖像，在步驟7中表示油位計讀數(shù)區(qū)f₂(x,y)平滑后的圖像)，f(x,y)表示輸入圖像(在步驟3中表示初步定位圖像f₁(x,y)，在步驟7中表示油位計讀數(shù)區(qū)f₂(x,y))，G(x,y)表示高斯函數(shù)，(x,y)表示圖像中的像素坐標(biāo)值(在步驟3中表示初步定位圖像f₁(x,y)的像素坐標(biāo)值，在步驟7中表示油位計讀數(shù)區(qū)f₂(x,y)的像素坐標(biāo)值)，σ²表示高斯函數(shù)G(x,y)的方差，“*”表示卷積；

步驟372：根據(jù)平滑后的圖像，提取梯度幅值圖像和梯度角度圖像：

其中，M(x,y)表示梯度幅值圖像，α(x,y)表示梯度角度圖像，表示平滑后的圖像f_s(x,y)在x方向的偏導(dǎo)數(shù)，表示平滑后的圖像f_s(x,y)在y方向的偏導(dǎo)數(shù)；

步驟373：采用非極大值對梯度幅值圖像M(x,y)進(jìn)行抑制：首先，令d₁，d₂，d₃和d₄分別表示四個基本邊緣方向，即水平方向(0^°)、-45^°、垂直方向(90^°)、45^°；然后尋找最接近梯度角度圖像α(x,y)的d_k(k＝1，2，3，4)；最后，如果梯度幅值圖像M(x,y)的值小于沿d_k方向的兩個鄰居值之一，則令g_N(x,y)＝0(抑制)，否則，令g_N(x,y)＝M(x,y)，這里g_N(x,y)是非極大值抑制后的圖像，N表示非極大值抑制；

步驟374：用雙閾值處理來檢測非極大值抑制后的圖像g_N(x,y)的邊緣，即同時用兩個不同的閾值對非極大值抑制后的圖像g_N(x,y)進(jìn)行邊緣檢測：

其中，T_H表示高閾值，T_L表示低閾值，g_NH(x,y)表示非極大值抑制后的圖像g_N(x,y)經(jīng)過高閾值T_H分割后的圖像，g_NL(x,y)表示非極大值抑制后的圖像g_N(x,y)經(jīng)過低閾值T_L分割后的圖像，閾值處理后，g_NH(x,y)的非零元素比g_NL(x,y)少，g_NH(x,y)中所有非零像素都包含在g_NL(x,y)中，則

g'_NL(x,y)＝g_NL(x,y)-g_NH(x,y)；

上述公式中，從經(jīng)過低閾值T_L分割后的圖像g_NL(x,y)中刪除所有來自經(jīng)過高閾值T_H分割后的圖像g_NH(x,y)的非零元素，即可將g_NH(x,y)和g'_NL(x,y)中的非零像素分別看成是“強(qiáng)”和“弱”邊緣像素；

步驟375：閾值處理后，經(jīng)過高閾值T_H分割后的圖像g_NH(x,y)中的所有強(qiáng)邊緣像素均為有效的邊緣像素，并進(jìn)行標(biāo)記，由于經(jīng)過高閾值T_H分割后的圖像g_NH(x,y)中的邊緣存在縫隙，需要得到較長的邊緣和Canny邊緣檢測形成最終的輸出圖像的具體步驟如下：

(a)在經(jīng)過高閾值T_H分割后的圖像g_NH(x,y)中，對當(dāng)前定位的像素用8鄰域順時針定位下一個未被訪問的邊緣像素p；

(b)在g'_NL(x,y)中將所有的弱像素標(biāo)記為有效邊緣像素，用8連通性的連接方法連接到p；

(c)通過8連通性的連接，如果g_NH(x,y)中的所有非零像素已被訪問，則跳到步驟(d)， 否則返回步驟(a)；

(d)將g'_NL(x,y)未標(biāo)記為有效邊緣像素的所有像素置零，此時，經(jīng)過高閾值T_H分割后的圖像g_NH(x,y)中存在縫隙的邊緣被填充，得到一根較長的邊緣；

(e)將g'_NL(x,y)的所有非零像素賦加到g_NH(x,y)，得到用Canny邊緣檢測形成最終的輸出圖像g(x,y)(在步驟3中為邊緣圖像g₁(x,y)，在步驟7中為邊緣圖像g₂(x,y))。

進(jìn)一步，所述步驟3中，形態(tài)學(xué)膨脹將斷掉的邊緣連接起來的公式如下：

其中，g₁(x,y)表示邊緣圖像，B表示結(jié)構(gòu)元，b＝{b₁,b₂}表示原結(jié)構(gòu)元B里每個像素的坐標(biāo)，w＝{w₁,w₂}表示經(jīng)過變換后的結(jié)構(gòu)元每個像素的坐標(biāo)，(B)_z＝{w|w＝b+z,b∈B}表示將B中的坐標(biāo)b＝{b₁,b₂}都加上z＝{z₁,z₂}個像素坐標(biāo)。

進(jìn)一步，所述步驟4的具體步驟如下：

步驟41：將膨脹過后的邊緣圖像g₁(x,y)進(jìn)行孔洞填充，孔洞填充的公式如下：

其中，A表示一個集合，元素是8連通的邊界，每個邊界包圍一個膨脹后的邊緣圖像g₁(x,y)的背景區(qū)域，即一個孔洞，A^c表示不屬于A的點(diǎn)的集合，B是結(jié)構(gòu)元，表示形態(tài)學(xué)膨脹，X_k表示經(jīng)過第k次迭代后的孔洞填充結(jié)果，如果X_k＝X_k-1，則填充結(jié)束；

步驟42：孔洞填充后，提取所有連通分量，提取連通分量的公式如下：

其中，Y_k表示對步驟41中孔洞填充的圖像X_k提取到的所有連通分量，B表示結(jié)構(gòu)元， 表示形態(tài)學(xué)膨脹，X＝X_k表示步驟41中孔洞填充后的連通分量的集合；

步驟43：得到所有連通分量后，提取最大連通分量，公式如下：

Y_max＝max{Area(Y_k)}；

其中，Y_max表示提取到的所有連通分量Y_k中的最大連通分量，Area(Y_k)表示連通分量Y_k的像素個數(shù)，最大連通分量Y_max，即像素個數(shù)最多的連通分量。

進(jìn)一步，所述步驟5中，用恰好框住連通分量Y_max的最小矩形如下所示：

由于最大連通分量是平行于縱坐標(biāo)方向的，矩形框和連通分量Y_max的切點(diǎn)可以表示為：a(x₁，y_min)，b(x_max,y₁)，c(x₁，y_max)，d(x_min,y₁)，其中，x_min,x_max，y_min，y_max分別表示最大連通分量水平方向的最小值、最大值和垂直方向最小值、最大值，x₁是垂直方向切點(diǎn)a,c的橫坐標(biāo)，y₁是水平切點(diǎn)b,d的縱坐標(biāo)，矩形框的四個頂點(diǎn)A，B，C，D可以根據(jù)四個切點(diǎn)坐標(biāo)分別表示為：A(x_min，y_min)、B(x_max，y_min)、C(x_min，y_max)、D(x_max，y_max)。

進(jìn)一步，所述步驟6中，將步驟5中的矩形等比例縮小具體如下所示：

x_C＝(x_min+x_max)/2，

y_C＝(y_min+y_max)/2，

x'_min＝x_min+a[x_C-x_min]，

y'_min＝y(tǒng)_min+a[y_C-y_min]，

x'_max＝x_max-a[x_max-x_C]，

y'_max＝y(tǒng)_max-a[y_max-y_C]，

P(x_C,y_C)表示矩形框的形心，A’(x'_min,y'_min)、B’(x'_max,y'_min)、C’(x'_min,y'_max)、D’(x'_max,y'_max)表示縮小后的矩形的頂點(diǎn)，a為縮小的系數(shù)。

進(jìn)一步，所述步驟5和步驟8中，形態(tài)學(xué)腐蝕的公式如下：

其中，A是輸入圖像(步驟5中是最大連通分量Y_max，步驟8中是邊緣圖像g₂(x,y))，B是結(jié)構(gòu)元(步驟5中是普通的十字形結(jié)構(gòu)元，步驟8中是水平方向的結(jié)構(gòu)元)，b＝{b₁,b₂}表示原結(jié)構(gòu)元B里每個像素的坐標(biāo)，w＝{w₁,w₂}表示經(jīng)過變換后的結(jié)構(gòu)元每個像素的坐標(biāo)，(B)_z＝{w|w＝b+z,b∈B}表示將B中的坐標(biāo)b＝{b₁,b₂}都加上z＝{z₁,z₂}個像素坐標(biāo)。

進(jìn)一步，所述步驟9中得到液面的具體公式為：

其中，Z_k表示經(jīng)過步驟8的形態(tài)學(xué)腐蝕后邊緣圖像g₂(x,y)中的第k個連通分量，j_k是Z_k的縱坐標(biāo)，T是所有邊緣連通分量的縱坐標(biāo)的加權(quán)均值，權(quán)值大小為連通分量的像素個數(shù)Area(Z_k)，N表示經(jīng)過步驟8的形態(tài)學(xué)腐蝕后邊緣圖像g₂(x,y)中的連通分量個數(shù)，每經(jīng)過一次公式的分割后重新計算T，再次用公式分割直至收斂。

進(jìn)一步，所述步驟10中，計算油量百分比的公式為：

其中，P_oil表示剩余油量百分比，y_edge表示步驟9中提取出來的液面邊緣縱坐標(biāo)，y'_min和y'_max分別是步驟7中縮小后矩形框的縱坐標(biāo)的最小值和最大值。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

一、本發(fā)明算法結(jié)構(gòu)簡單，運(yùn)算量少，且本發(fā)明采用的算法均為經(jīng)典算法，例如Canny邊緣檢測和形態(tài)學(xué)中的孔洞填充對油位計精確定位，通過結(jié)合經(jīng)典算法，實現(xiàn)儀表、指針的精確讀數(shù)，處理速度快，對每張靜態(tài)圖像的平均耗時在1秒左右，能很好滿足實際應(yīng)用要求；

二、本發(fā)明在橢圓形無柵格油位計圖像視角的旋轉(zhuǎn)、光照的影響和模糊等干擾下，具有較好的魯棒性；

三、本發(fā)明易于實現(xiàn)，可以移植到C++平臺下運(yùn)行，并且也易于移植到其他平臺。

附圖說明

圖1為本發(fā)明中包圍連通分量的矩形框示意圖；

圖2為本發(fā)明的流程圖示意圖；

圖3為本發(fā)明的初始圖像；

圖4為本發(fā)明的中Hough變換的橢圓檢測；

圖5為本發(fā)明中Canny邊緣檢測及膨脹連接示意圖；其中，(a)為canny邊緣檢測示意圖、(b)為膨脹canny邊緣檢測后的示意圖；

圖6為本發(fā)明中孔洞填充示意圖；

圖7為本發(fā)明中最大的連通分量及最大連通分量的腐蝕示意圖；

圖8為本發(fā)明中縮小矩形框的示意圖；其中，(a)為矩形框縮小示意圖、(b)為縮小比例示意圖、(c)為縮小后的結(jié)果示意圖；

圖9為本發(fā)明中對油位計窗口的邊緣檢測示意圖；

圖10為本發(fā)明中用橫向結(jié)構(gòu)元對邊緣圖像g₂(x,y)進(jìn)行腐蝕示意圖；

圖11為本發(fā)明中提取液面邊緣和讀數(shù)結(jié)果示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步說明。

步驟1：讀入原始圖像f(x,y)，即讀入橢圓無柵格油液計圖像，如圖3所示；

步驟2：用Hough變換的橢圓檢測對原始圖像f(x,y)進(jìn)行初步定位，得到初步定位圖像f₁(x,y)，如圖4所示，Hough變換的橢圓檢測公式如下：

其中，a是原始圖像f(x,y)的長軸或短軸，即橫向平分橢圓的軸，b是原始圖像f(x,y)的短軸或長軸，即縱向平分橢圓的軸，(x₀,y₀)是原始圖像f(x,y)的圓心，x、y是原空間的自變量與因變量。

步驟3：用Canny邊緣檢測對初步定位圖像f₁(x,y)進(jìn)行邊緣檢測，得到邊緣圖像g₁(x,y)，并用形態(tài)學(xué)膨脹將邊緣圖像g₁(x,y)斷掉的邊緣連接起來，如圖5所示，具體步驟如下所示：

步驟31：用一個高斯濾波器平滑輸入圖像，得到平滑后的圖像：

f_s1(x,y)＝G(x,y)*f₁(x,y)；

其中，f₁(x,y)表示輸入圖像，即初步定位圖像，f_s1(x,y)表示對輸入圖像平滑后的圖像，G(x,y)表示高斯函數(shù)，(x,y)表示初步定位圖像中的像素坐標(biāo)值，σ²表示高斯函數(shù)G(x,y)的方差，“*”表示卷積；

步驟32：根據(jù)平滑后的圖像，計算提取梯度幅值圖像和梯度角度圖像：

$\backslash$

其中，M₁(x,y)表示梯度幅值圖像，α₁(x,y)梯度角度圖像，表示平滑后的圖像f_s1(x,y)在x方向的偏導(dǎo)數(shù)，表示表示平滑后的圖像f_s1(x,y)在y方向的偏導(dǎo)數(shù)；

步驟33：采用非極大值對梯度幅值圖像M₁(x,y)進(jìn)行抑制：首先，令d₁，d₂，d₃和d₄分別表示四個基本邊緣方向，即水平方向(0°)、-45°、垂直方向(90°)、45°；然后尋找 最接近梯度角度圖像α₁(x,y)的d_k(k＝1，2，3，4)；最后，如果梯度幅值圖像M₁(x,y)的值小于沿d_k方向的兩個鄰居值之一，則令g_N1(x,y)＝0(抑制)，否則，令g_N1(x,y)＝M₁(x,y)，這里g_N1(x,y)是非極大值抑制后的圖像，N表示非極大值抑制；

步驟34：用雙閾值處理來檢測非極大值抑制后的圖像g_N(x,y)的邊緣，具體如下：

其中，T_H1表示高閾值，T_L1表示低閾值，g_NH1(x,y)表示非極大值抑制后的圖像g_N1(x,y)經(jīng)過高閾值T_H1分割后的圖像，g_NL1(x,y)表示非極大值抑制后的圖像g_N1(x,y)經(jīng)過低閾值T_L1分割后的圖像。閾值處理后，g_NH1(x,y)的非零元素通常比g_NL1(x,y)少，但是g_NH1(x,y)中所有非零像素都包含在g_NL1(x,y)中，因為g_NL1(x,y)是使用一個低的閾值形成的，通過令g'_NL1(x,y)＝g_NL1(x,y)-g_NH1(x,y)；式中，從g_NL1(x,y)中刪除所有來自g_NH1(x,y)的非零元素，此時，g_NH1(x,y)和g'_NL1(x,y)中的非零像素分別看成是“強(qiáng)”和“弱”邊緣像素。

步驟35：閾值處理后，g_NH1(x,y)中的所有強(qiáng)像素均被假設(shè)為有效的邊緣像素，并被立即標(biāo)記。由于經(jīng)過高閾值T_H1分割后的圖像g_NH1(x,y)中的邊緣存在縫隙，需要得到較長的邊緣和Canny邊緣檢測形成最終的輸出圖像的具體步驟如下：

(a)在g_NH1(x,y)中，對當(dāng)前定位的像素用8鄰域順時針定位下一個未被訪問的邊緣像素p。

(b)在g'_NL1(x,y)中將所有的弱像素標(biāo)記為有效邊緣像素，用8連通性的連接方法連接 到p。

(c)如果g_NH1(x,y)中的所有非零像素已被訪問，則跳到步驟(d)，否則返回步驟(a)。

(d)將g'_NL1(x,y)未標(biāo)記為有效邊緣像素的所有像素置零，此時，經(jīng)過高閾值T_H1分割后的圖像g_NH1(x,y)中存在縫隙的邊緣被填充，得到一根較長的邊緣；

(e)將來自g'_NL1(x,y)的所有非零像素賦加到g_NH1(x,y)，得到用Canny算子形成最終的輸出圖像g₁(x,y)。

步驟36：形態(tài)學(xué)膨脹將邊緣圖像g₁(x,y)斷掉的邊緣連接起來的公式如下：

其中，g₁(x,y)表示邊緣圖像，B表示結(jié)構(gòu)元，b＝{b₁,b₂}表示原結(jié)構(gòu)元B里每個像素

的坐標(biāo)，w＝{w₁,w₂}表示經(jīng)過變換后的結(jié)構(gòu)元每個像素的坐標(biāo)，

(B)_z＝{w|w＝b+z,b∈B}表示將B中的坐標(biāo)b＝{b₁,b₂}都加上z＝{z₁,z₂}個像素坐標(biāo)。

步驟4：對膨脹過后的邊緣圖像g₁(x,y)進(jìn)行孔洞填充，然后提取所有連通分量，最后在提取的所有連通分量里提取最大的連通分量Y_max，具體步驟如下：

步驟41：將膨脹過后的邊緣圖像g₁(x,y)進(jìn)行孔洞填充，孔洞填充的公式如下：

其中，A表示一個集合，元素是8連通的邊界，每個邊界包圍一個膨脹后的邊緣圖像g₁(x,y)的背景區(qū)域，即一個孔洞，A^c表示不屬于A的點(diǎn)的集合，B是結(jié)構(gòu)元，表示形態(tài)學(xué)膨脹，X_k表示經(jīng)過第k次迭代后的孔洞填充結(jié)果，如果X_k＝X_k-1，則填充結(jié)束；

步驟42：孔洞填充后，提取所有連通分量，提取連通分量的公式如下：

其中，Y_k表示對步驟41中孔洞填充的圖像X_k提取到的所有連通分量，B表示結(jié)構(gòu)元， 表示形態(tài)學(xué)膨脹，X＝X_k表示步驟41中孔洞填充后的連通分量的集合；

步驟43：得到所有連通分量后，提取最大連通分量，公式如下：

Y_max＝max{Area(Y_k)}；

其中，Y_max表示提取到的所有連通分量Y_k中的最大連通分量，Area(Y_k)表示連通分量Y_k的像素個數(shù)，最大連通分量Y_max，即像素個數(shù)最多的連通分量。

步驟5：對最大的連通分量Y_max進(jìn)行腐蝕，得到油位計的準(zhǔn)確位置，用恰好框住連通分量Y_max的最小矩形將原始圖像f(x,y)中的油位計提取出來，如圖1所示，具體步驟如下：

步驟51：對最大連通分量Y_max進(jìn)行腐蝕，具體如下：

其中，Y_max是步驟7得到的邊緣圖像，B₁是十字形結(jié)構(gòu)元(普通的，常用的結(jié)構(gòu)元)，b＝{b₁,b₂}表示原結(jié)構(gòu)元B₁里每個像素的坐標(biāo)，w＝{w₁,w₂}表示經(jīng)過變換后的結(jié)構(gòu)元每個像素的坐標(biāo)，(B₁)_z＝{w|w＝b+z,b∈B₁}表示將B₁中的坐標(biāo)b＝{b₁,b₂}都加上z＝{z₁,z₂}個像素坐標(biāo)

步驟52：用矩形框把腐蝕后的最大連通分量圍?。?/p>

由于最大連通分量是平行于縱坐標(biāo)方向的，矩形框和連通分量Y_max的切點(diǎn)可以表示為：a(x₁,y_min)，b(x_max,y₁)，c(x₁,y_max)，d(x_min,y₁)，其中，x_min,x_max,y_min,y_max分別表示最大連通分量水平方向的最小值、最大值和垂直方向最小值、最大值，x₁是垂直方向切點(diǎn)a,c的橫坐標(biāo)，y₁是水平切點(diǎn)b,d的縱坐標(biāo)，矩形框的四個頂點(diǎn)A，B，C，D可以根據(jù)四個切點(diǎn)坐 標(biāo)分別表示為：A(x_min，y_min)、B(x_max，y_min)、C(x_min，y_max)、D(x_max，y_max)。

步驟6：將步驟5中的矩形等比例縮小，直到將油位計讀數(shù)區(qū)f₂(x,y)截取出來，如圖8所示，具體步驟如下：

x_C＝(x_min+x_max)/2，

y_C＝(y_min+y_max)/2，

x'_min＝x_min+a[x_C-x_min]，

y'_min＝y(tǒng)_min+a[y_C-y_min]，

x'_max＝x_max-a[x_max-x_C]，

y'_max＝y(tǒng)_max-a[y_max-y_C]，

P(x_C,y_C)表示矩形框的形心，A’(x'_min,y'_min)、B’(x'_max,y'_min)、C’(x'_min,y'_max)、D’(x'_max,y'_max)表示縮小后的矩形的頂點(diǎn)，a為縮小的系數(shù)。

步驟7：對提取出來的油位計讀數(shù)區(qū)f₂(x,y)進(jìn)行Canny邊緣檢測，得到邊緣圖像g₂(x,y)，如圖9所示,具體步驟如下所示：

步驟71：用一個高斯濾波器平滑輸入圖像，得到平滑后的圖像：

f_s2(x,y)＝G(x,y)*f₂(x,y)；

其中，f₂(x,y)表示輸入圖像，即油位計讀數(shù)區(qū)，f_s2(x,y)表示對輸入圖像平滑后的圖像，G(x,y)表示高斯函數(shù)，(x,y)表示油位計讀數(shù)區(qū)中的像素坐標(biāo)值，σ²表示高斯函數(shù)G(x,y)的方差，“*”表示卷積。

步驟72：根據(jù)平滑后的圖像，計算提取梯度幅值圖像和梯度角度圖像：

其中，M₂(x,y)表示梯度幅值圖像，α₂(x,y)表示梯度角度圖像，表示平滑后的圖像f_s2(x,y)在x方向的偏導(dǎo)數(shù)，表示平滑后的圖像f_s2(x,y)在y方向的偏導(dǎo)數(shù)。

步驟73：采用非極大值對梯度幅值圖像M₂(x,y)進(jìn)行抑制：首先，令d₁，d₂，d₃和d₄表示四個基本邊緣方向：水平方向(0°)、-45°、垂直方向(90°)、45°；然后尋找最接近α₂(x,y)的d_k(k＝1，2，3，4)；最后，如果M₂(x,y)的值小于沿d_k方向的兩個鄰居值之一，則令g_N2(x,y)＝0(抑制)，否則，令g_N2(x,y)＝M₂(x,y)，這里g_N2(x,y)是非極大值抑制后的圖像，N表示非極大值抑制。

步驟74：用雙閾值處理來檢測非極大值抑制后的圖像g_N(x,y)的邊緣，：

其中，T_H2表示高閾值，T_L2表示低閾值，g_NH2(x,y)表示非極大值抑制后的圖像g_N2(x,y)經(jīng)過高閾值T_H2分割后的圖像，g_NL2(x,y)表示非極大值抑制后的圖像g_N2(x,y)經(jīng)過低閾值T_L2分割后的圖像。閾值處理后，g_NH2(x,y)的非零元素通常比g_NL2(x,y)少，但是g_NH2(x,y)中所有非零像素都包含在g_NL2(x,y)中，因為g_NL2(x,y)是使用一個低的閾值形成的，通過令g'_NL2(x,y)＝g_NL2(x,y)-g_NH2(x,y)；式中，從g_NL2(x,y)中刪除所有來自g_NH2(x,y)的 非零元素。此時，g_NH2(x,y)和g'_NL2(x,y)中的非零像素分別看成是“強(qiáng)”和“弱”邊緣像素。

步驟75：閾值處理后，g_NH2(x,y)中的所有強(qiáng)像素均被假設(shè)為有效的邊緣像素，并被立即標(biāo)記。由于經(jīng)過高閾值T_H2分割后的圖像g_NH2(x,y)中的邊緣存在縫隙，需要得到較長的邊緣和Canny邊緣檢測形成最終的輸出圖像的具體步驟如下：

(a)在g_NH2(x,y)中，對當(dāng)前定位的像素用8鄰域順時針定位下一個未被訪問的邊緣像素p；

(b)在g'_NL2(x,y)中將所有的弱像素標(biāo)記為有效邊緣像素，用8連通性的連接方法連接到p；

(c)通過8連通性的連接，如果g_NH2(x,y)中的所有非零像素已被訪問，則跳到步驟(d)，否則返回步驟(a)；

(d)將g'_NL2(x,y)未標(biāo)記為有效邊緣像素的所有像素置零；經(jīng)過高閾值T_H2分割后的圖像g_NH2(x,y)中存在縫隙的邊緣被填充，得到一根較長的邊緣；

(e)將來自g'_NL2(x,y)的所有非零像素賦加到g_NH2(x,y)，得到用Canny邊緣檢測形成最終的輸出圖像g₂(x,y)；

步驟8：用橫向結(jié)構(gòu)元對邊緣圖像g₂(x,y)進(jìn)行腐蝕，將大量非液面邊緣去除，如圖10所示，具體公式如下：

其中，g₂(x,y)是步驟7得到的邊緣圖像，B₂是水平方向的結(jié)構(gòu)元，b＝{b₁,b₂}表示原 結(jié)構(gòu)元B₂里每個像素的坐標(biāo)，w＝{w₁,w₂}表示經(jīng)過變換后的結(jié)構(gòu)元每個像素的坐標(biāo)，(B₂)_z＝{w|w＝b+z,b∈B}表示將B₂中的坐標(biāo)b＝{b₁,b₂}都加上z＝{z₁,z₂}個像素坐標(biāo)；

步驟9：將大量非液面邊緣去除后，此時液面邊緣具有絕對的顯著性，設(shè)置閾值，當(dāng)保留的邊緣長度大于閾值時，則為液面，反之，則不是液面，具體步驟如下；

其中，Z_k表示經(jīng)過步驟8的形態(tài)學(xué)腐蝕后邊緣圖像g₂(x,y)中的第k個連通分量，j_k是Z_k的縱坐標(biāo)，T是所有邊緣連通分量的縱坐標(biāo)的加權(quán)均值，權(quán)值大小為連通分量的像素個數(shù)Area(Z_k)，N表示經(jīng)過步驟8的形態(tài)學(xué)腐蝕后邊緣圖像g₂(x,y)中的連通分量個數(shù)，每經(jīng)過一次公式的分割后重新計算T，再次用公式分割直至收斂。

步驟10：通過液面的位置以及油位計讀數(shù)區(qū)f₂(x,y)的量程可以計算出油量百分比，如圖11所示，具體公式如下所示：

其中，P_oil表示剩余油量百分比，y_edge表示步驟9中提取出來的液面邊緣縱坐標(biāo)，y'_min和y'_max分別是步驟7中縮小后矩形框的縱坐標(biāo)的最小值和最大值。