本發(fā)明涉及指針式儀表讀數(shù)自動判讀領(lǐng)域，具體是一種利用表盤視頻采集、圖像處理與計算機視覺相結(jié)合的方式對多個指針式儀表盤視頻進行分析處理，進而精確識別出每個指針式儀表讀數(shù)的方法。

背景技術(shù)：

指針式儀表識別面向工業(yè)指針式儀表，通過表盤圖像采集得到指針式儀表圖像，使用圖像處理技術(shù)，檢測出圖像中與求取讀數(shù)有關(guān)的信息，自動識別出儀表盤讀數(shù)，以提高讀數(shù)的精確度、減少人工開銷、提高效率。隨著現(xiàn)代化工業(yè)的發(fā)展，數(shù)據(jù)量的增加，指針式儀表的普及化，要求指針式儀表的自動讀數(shù)識別具有更高的性能、速度及可靠性，因此提出一種具有更高實時性與可靠性的智能指針式儀表識別方法顯得尤為重要。

現(xiàn)有的指針式儀表識別方法主要涉及到如下幾方面的技術(shù)：圖像采集、圖像預(yù)處理、圓形表盤及指針線識別、指針線角度計算、讀數(shù)識別五方面的內(nèi)容。

現(xiàn)有技術(shù)中已經(jīng)公開的方式有：1.《Automatic Alignment System Based on Center Point Recognition of Analog Measuring Instruments Dial》，Industrial Electronics Society,IECON 2013–39th Annual Conference of the IEEE；2.《Pointer-Type Meter Reading Method Research Based on Image Processing Technology》，Second International Conference on Networks Security，Wireless Communications and Trusted Computing(NSWCTC)，vol.1，pp.107，110，24-25，April 2010；3.《Auto-recognition method for point-type meter based on binocular vision》，Journal of the International Measurement Confederation，2016；4.《Automatic Calibration of Analog and Digital Measuring Instruments Using Computer Vision》，IEEE Transactions on Instrumentation and Measurement，VOL.49,NO.1,February 2000；5.《some results on condition numbers of the scaled total least squares problem》，Linear Algebra and its applications，vol.435,pp.674-686,August 2011；6.碩士畢業(yè)論文：《智能變電站指針式儀表自動識別方法的研究》，電氣工程，電氣工程2016；7.《Computer vision applied to the automatic calibration of measuring instruments》，Journal of the International Measurement Confederation(IMEKO),Measurement 28(2000)185-195；8.《Study on the calibration of analog measuring instrument system》，Acta Metrologica Sinica,vol.30(z1),pp.192-195,December 2009；9《Ellipse Detection Using Randomized Hough Transform》,Final Project Introduction to Computer Vision,2002；10.《Scalable object detection using deep neural networks》，In Computer Vision and Pattern Recognition,2014.CVPR 2014.IEEE Conference on,2014；11.《Novel Method of Automatic Recognition for Analog Measuring Instruments》，International Conference on Manufacturing Science and Engineering(ICMSE)2015；12.《Segmentation as selective search for object recognition》，In Proceedings of the 2011International Conference on Computer Vision,ICCV’11,pages 1879–1886,Washington,DC,USA,2011.IEEE Computer Society；13.《Going deeper with convolutions》，Computer Science,Computer Vision and Pattern Recognition,2014；14.《Segmentation-free approaches of computer vision for automatic calibration of digital and analog instruments》，International Measurement Confederation,Institute of Measurement and Control Elsevier,Measurement 46(1):177-184 2013；15.《基于機器視覺的指針式儀表讀數(shù)識別系統(tǒng)研究》,機械設(shè)計及理論，吉林大學(xué)，2015，碩士論文。

圖像采集是指針式儀表識別的第一個步驟，為后續(xù)識別讀數(shù)提供原材料。工業(yè)上一般采用攝像頭并且固定位置進行指針式表盤圖像的采集，后來隨著紅外攝像頭的發(fā)展，在固定攝像頭位置的基礎(chǔ)上進行補光拍攝，使得采集到的圖像較為清晰。

圖像預(yù)處理是進行儀表識別的第二個步驟，也是進行表盤檢測與指針線檢測重要的前驅(qū)步驟。它主要包括如下幾個步驟：(1)圖像去噪：通過某種濾波算法如高斯濾波算法，對采集到的圖像進行去噪操作，得到一幅比較清晰的彩色圖像。(2)二值化：由于如同RGB這樣的彩色圖像都是三通道的圖像，而對圖像的處理一般是基于像素的，對圖像的處理就是基于矩陣的，將彩色三通道圖像轉(zhuǎn)換成灰度單通道圖像，很大程度上減少了計算量，提高了后續(xù)處理的速度。(3)圖像形態(tài)學(xué)處理及圖像細化：通過形態(tài)學(xué)處理及圖像細化操作，使得圓形表盤輪廓和指針線更加突出，方便后續(xù)表盤與指針線的檢測。

在預(yù)處理完成后，第三個步驟便是利用計算機視覺檢測圓形表盤輪廓和指針所在的直線。通用的方法是利用Hough圓檢測和Hough直線檢測的方式，通過設(shè)置圓的大小閾值，找出表盤所在的圓形，通過設(shè)置直線長短的閾值，找出指針所在的直線。

找到表盤所在的圓和指針線所在的直線以后，第四個步驟是計算指針線在表盤圓中的斜率，進而計算指針指向的讀數(shù)角度所占總數(shù)的比例。

最后一個步驟是計算讀數(shù)，通過指針線指向的數(shù)在整個量程中所占的比例計算當前讀數(shù)。

工業(yè)上一般采用攝像頭或者紅外攝像頭采集指針式儀表的圖像，并且攝像頭與指針式儀表是一對一的。采用這種方式采集到的表盤圖像較為清晰，但是在工業(yè)中一般存在多個相同類型的指針式儀表，如果采用這種方式就需要相同數(shù)量的攝像頭進行相同的圖像采集任務(wù)，花費的成本較高。

當前工業(yè)中的指針式儀表識別方法，一般都是采集設(shè)備通過接口與計算機相連，將采集到的表盤圖像信息傳輸?shù)接嬎銠C進行存儲，而后利用相關(guān)算法進行圖像處理、識別讀數(shù)。這種方式需要將大量的圖像信息存儲到關(guān)系數(shù)據(jù)庫中，分析時再取出進行分析，在一定程度上降低了識別速度，增加了存儲開銷，當圖片分辨率較高時識別速度會受到很大的影響。

在進行儀表盤圖像采集時，往往是一次一幅圖像，每幅圖像中只有一個表盤，檢測時也是單個表盤進行檢測，效率較低。如果工業(yè)中有大量的表盤的參數(shù)都是相同的，那么可以采用同時拍攝幾個表盤進行同時識別的方式進行自動讀數(shù)，這樣會更加提高相應(yīng)工作流程的效率。

由于數(shù)據(jù)量的增加，各類儀器儀表對精確度的要求更高了。目前大多數(shù)的指針式儀表自動識別系統(tǒng)往往已經(jīng)達不到工業(yè)生產(chǎn)中對精度的較高要求，導(dǎo)致工業(yè)生產(chǎn)誤差增大，更有甚者會給工業(yè)生產(chǎn)造成不良影響。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，設(shè)計一種成本低、效率高、精確度高的智能指針式圓形儀表識別方法。它是一種基于圖像視頻采集、圖像處理和計算機視覺相結(jié)合的多儀表讀數(shù)識別方法，采用具有一定分辨率的移動設(shè)備或平板進行視頻拍攝，在視頻拍攝的過程中同時識別多個表盤讀數(shù)。該方法具有較好的魯棒性、實時性、高效率、成本低等特點，由于是在視頻采集的同時進行讀數(shù)識別，因而提高了實時性；由于可以每次采集多個儀表盤視頻圖像，因而提高了效率。綜合的講，該發(fā)明有效的提高了工業(yè)生產(chǎn)效率，減少了工業(yè)開銷，為以后工業(yè)生產(chǎn)提供了可靠的技術(shù)保證。

本發(fā)明提供了一種指針式圓形多儀表盤實時讀數(shù)識別方法，依次包括如下步驟：

步驟1：利用移動設(shè)備實時獲取指針式圓形多儀表盤的圖像視頻；

步驟2：對獲取的指針式圓形多儀表盤的圖像視頻進行分幀預(yù)處理；

步驟3：對進行分幀預(yù)處理后的每幀圖像數(shù)據(jù)進行邊緣檢測；

步驟4：利用Hough變換檢測指針式圓形多儀表盤的圓形表盤所在的多個圓，如果檢測到對應(yīng)的圓，則進入下一步驟，如果檢測不到則返回步驟2；

步驟5：對表盤感興趣區(qū)域進行分割，分別分割出各個圓形表盤所在的外接矩形區(qū)域；

步驟6：分別對各個圓形表盤所在的外接矩形區(qū)域的圖像中的傾斜表盤進行校正；

步驟7：利用Hough變換分別檢測指針所在各個圓形表盤中的直線，如果檢測到對應(yīng)的直線，則進入下一步驟，如果檢測不到則返回步驟2；

步驟8：分別根據(jù)檢測到的對應(yīng)的直線的兩個端點坐標，利用直線的斜截式方程得到對應(yīng)指針線所在的直線的斜率k的值，計算出對應(yīng)指針在量程區(qū)域內(nèi)所掃過的角度θ；

步驟9：根據(jù)對應(yīng)指針線所在的直線的斜率k，最小刻度為v_min，最大刻度為v_max，指針線所指的刻度與最小刻度之間的夾角a，指針掃過的角度θ，待求解的讀數(shù)為v，利用公式：

v＝v_min+(v_max-v_min)×(a÷θ)

計算出當前對應(yīng)指針式圓形多儀表盤中對應(yīng)的讀數(shù)。

進一步地，步驟2中所述分幀預(yù)處理為對每一幀圖像依次進行濾波去噪處理、二值化處理、邊緣檢測處理、形態(tài)學(xué)處理處理、圖像細化處理和圖像增強處理。

進一步地，步驟3中所述對進行分幀預(yù)處理后的每幀圖像數(shù)據(jù)進行邊緣檢測是進行canny邊緣檢測，具體包括：

3.1.求圖像與高斯平滑濾波器的卷積，其中S[i,j]為所要求得卷積值，G[i,j；σ]為高斯平滑濾波器，I[i,j]為圖像像素點：

S[i,j]＝G[i,j；σ]*I[i,j]

3.2.使用一階有限差分計算偏導(dǎo)數(shù)的兩個矩陣，其中S[i,j]是步驟3.1中求得的卷積值，P[i,j]和Q[i,j]分別是兩個需要計算的偏導(dǎo)數(shù)矩陣：

P[i,j]≈(S[i,j+1]-S[i,j]+S[i+1,j+1]-S[i+1,j])÷2

Q[i,j]≈(S[i,j]-S[i+1,j]+S[i,j+1]-S[i+1,j+1])÷2

3.3.求幅值和方位角，其中M[i,j]為梯度幅值，θ[i,j]為所要求的梯度方向：

θ[i,j]＝arctan(Q[i,j]÷P[i,j])

3.4.對步驟3.3處理后得到的數(shù)據(jù)進行非極大值抑制處理；

3.5.取閾值，將低于閾值的所有值賦零，得到圖像的邊緣陣列。

進一步地，步驟4包括對步驟2中預(yù)處理后的每幀圖像利用Hough變換檢測圓，通過設(shè)置與圖像像素相關(guān)的表盤圓的大小閾值，找到圓形表盤所在的圓和該圓的圓心坐標。

進一步地，采用校正圓形表盤上傾斜字符的方式來獲取表盤的傾斜角度。

進一步地，所述獲取表盤的傾斜角度是通過利用旋轉(zhuǎn)矩形區(qū)域摳出表盤上部分傾斜的字符，分別進行傾斜角度的計算，再進行權(quán)衡得出旋轉(zhuǎn)角度。

進一步地，步驟7具體為對于各個圓形表盤所在的外接矩形區(qū)域的圖像中檢測到0條或者3條及以上的指針線時，說明對應(yīng)沒有完全找到指針線信息，返回進行下一幀處理，當檢測到1條或者2條指針線時，說明對應(yīng)找到了指針線，進行相應(yīng)算法計算真正的指針線以及指針線角度。

進一步地，對各個圓形表盤所在的外接矩形區(qū)域的圖像進行直線檢測，如果對應(yīng)檢測到2條指針線，則求出兩條直線的交點，把交點與圓心的連線所形成的線段作為真實的指針線。

本發(fā)明是一種基于視頻圖像采集、圖像處理以及計算機視覺的指針式圓形儀表盤自動識別的綜合方法，主要有以下幾方面的優(yōu)點：

1.本發(fā)明在圖像采集方面是基于視頻的，有效的提高了采集圓形表盤圖像的清晰度和識別過程的實時性，并且，本發(fā)明主要使用移動設(shè)備、平板等具有拍照功能的設(shè)備進行圖像視頻的采集，相對于傳統(tǒng)的采用昂貴的攝像頭拍攝相比，有效的降低了圖像采集成本。

2.本發(fā)明在視頻圖像采集以后，不需要對視頻或者圖像文件進行存儲，而是在視頻圖像進行采集以后，直接處理加工采集到的視頻，進而獲取儀表讀數(shù)，而傳統(tǒng)的儀表識別系統(tǒng)則需要對采集到的圖像信息進行存儲，占用了大量存儲空間，開銷很大。利用直接處理圖像信息的方法可以大大降低工業(yè)生產(chǎn)開銷，提高工業(yè)效益。

3.本發(fā)明是基于圖像處理與機器視覺的，通過設(shè)置適當?shù)拈撝祬?shù)，可以使儀表識別精度達到很高的水平，相比較當前各種儀表識別不高的識別精度而言，本發(fā)明所采用的方法可以滿足工業(yè)上對精度的較高要求。

4.本發(fā)明基于機器視覺，面向底層，有效的提高了表盤檢測與識別的步驟，當前工業(yè)中，大部分的儀表識別系統(tǒng)運行速度受環(huán)境、存儲容量的影響很大，速度較低，相比較而言，本發(fā)明方法的執(zhí)行速度由于不受存儲與外部讀寫等操作的影響，因此具有很高的執(zhí)行速度。

5.在利用手持設(shè)備或平板進行圖像視頻采集的過程中，由于拍攝角度等因素的影響往往會使圖像中的表盤傾斜，不利于后續(xù)指針線角度的計算。本系統(tǒng)中加入了圖像處理中對圖像進行旋轉(zhuǎn)校正的步驟，可以對任意拍攝角度造成的圖像傾斜問題加以矯正，使其恢復(fù)標準表盤圖像，更加提高了準確度。

6.本發(fā)明方法可以同時處理多個儀表盤，即可以同時處理每幀圖像中具有多個表盤的場景。分別對場景中的表盤進行處理識別，同時將讀數(shù)返回給用戶，相對于目前大多數(shù)方法都是面向單一儀表盤而言，極大的方便了用戶，更進一步提高了具有多儀表檢測的場景中表盤識別的效率，另一方面也降低了用戶的開銷。

附圖說明

圖1為指針式圓形多儀表盤實時讀數(shù)識別方法流程圖；

圖2為多表盤處理順序的設(shè)計流程圖；

圖3為傾斜表盤的旋轉(zhuǎn)校正的設(shè)計流程圖；

圖4為Hough檢測表盤指針線的流程圖；

圖5為指針線角度計算的流程圖；

圖6為所檢測的圓形壓力表的原始圖像；

圖7為所檢測的圓形壓力表經(jīng)二值化處理后的圖像；

圖8為RGB顏色空間轉(zhuǎn)換為YUV顏色空間的指針式圓形壓力表圖像；

圖9為壓力表3經(jīng)Hough變換檢測到的圓和指針線的圖像。

具體實施方式

下面詳細說明本發(fā)明的具體實施，有必要在此指出的是，以下實施只是用于本發(fā)明的進一步說明，不能理解為對本發(fā)明保護范圍的限制，該領(lǐng)域技術(shù)熟練人員根據(jù)上述本發(fā)明內(nèi)容對本發(fā)明做出的一些非本質(zhì)的改進和調(diào)整，仍然屬于本發(fā)明的保護范圍。

本發(fā)明是一種適用于工業(yè)指針式圓形儀表自動讀數(shù)識別的方法，它基于圖像處理，結(jié)合視頻分析、機器視覺等多種前沿技術(shù)，對拍攝到的指針式儀表盤視頻進行分析處理，從而識別出指針式儀表讀數(shù)。該發(fā)明主要包括視頻圖像采集、圖像預(yù)處理、圖像邊緣檢測、Hough圓檢測、提取感興趣區(qū)域、表盤旋轉(zhuǎn)校正、Hough直線檢測、指針線角度計算以及讀數(shù)識別等九個步驟。

圖1為本發(fā)明方法的讀數(shù)識別過程的流程圖，主要包括以下九個步驟：

步驟1：多表盤視頻圖像采集。

利用平板或手持設(shè)備的拍照攝像功能，對場景中的指針式儀表進行視頻圖像拍攝，目前，一般的平板或者手持設(shè)備的圖像分辨率均能滿足本發(fā)明方法的需要。在視頻圖像拍攝過程中，攝像頭是實時對焦的。

步驟2：對表盤視頻圖像進行每幀預(yù)處理。

在這一步驟中，需要將拍攝到的指針式儀表盤視頻圖像進行每幀預(yù)處理。圖像的預(yù)處理過程包括濾波去噪、二值化等操作。

在利用平板或手持設(shè)備進行視頻拍攝的過程中，生成的每一幀圖像數(shù)據(jù)或多或少的都存在噪聲，因此需要對每一幀圖像進行圖像的濾波去噪。

為了提高處理速度，需要將彩色RGB三通道圖進行二值化處理，使其轉(zhuǎn)換為單通道的圖像。這里我們采用閾值法對圖像進行二值化處理。

步驟3：對二值化后的圖像進行邊緣檢測。

對于灰度圖，在進行表盤圓檢測及指針線檢測之前，需要對每幀圖像進行邊緣檢測，以減少數(shù)據(jù)量并且剔除認為與所研究的目標無關(guān)的對象。

Canny邊緣檢測的算法流程大致如下：

①求圖像與高斯平滑濾波器的卷積，其中S[i,j]為所要求的卷積值，G[i,j；σ]為高斯濾波器，I[i,j]為像素點的值：

S[i,j]＝G[i,j；σ]*I[i,j] (1)

②使用一階有限差分計算偏導(dǎo)數(shù)的兩個矩陣G_X[i,j]和G_Y[i,j]：

G_X[i,j]≈(S[i,j+1]-S[i,j]+S[i+1,j+1]-S[i+1,j])/2 (2)

G_Y[i,j]≈(S[i,j]-S[i+1,j]+S[i,j+1]-S[i+1,j+1])/2 (3)

③求幅值G[i,j]和方位角θ[i,j]，其中的兩個變量分別為(2)(3)式中的兩個偏導(dǎo)數(shù)：

θ[i,j]＝arctan(G_X[i,j]/G_Y[i,j]) (5)

④非極大值抑制；

⑤取閾值：將低于閾值的所有值賦零，得到圖像的邊緣陣列。

接下來需要對每幀圖像進行形態(tài)學(xué)處理，突出表盤輪廓及指針線，為后面檢測指針式表盤的輪廓和指針線做準備。

步驟4：利用Hough變換檢測圓形表盤所在的圓。

Hough變換是本發(fā)明方法中檢測圓形指針式儀表盤所用的關(guān)鍵技術(shù)。Hough變換檢測圓的基本思想是：利用圖像空間與參數(shù)空間的對偶性。例如檢測圓，圓的方程為：(x-a)²+(y-b)²＝R²，將其映射到參數(shù)中是，變?yōu)殛P(guān)于a、b的點的方程。在參數(shù)空間中根據(jù)參數(shù)方程找到的若干點，利用統(tǒng)計學(xué)相關(guān)方法，對這些點進行統(tǒng)計，找到聚集在某點最多的點所滿足的關(guān)系，這些點在圖像空間中就是需要檢測的圓。

對于步驟3中邊緣檢測后的每幀圖像利用Hough變換檢測圓的原理，通過設(shè)置與圖像像素相關(guān)的表盤圓的大小閾值，可以找到我們需要的圓形表盤所在的圓以及該圓的圓心坐標。如果這一步中找不到我們需要的圓，那么截取視頻圖像的下一幀返回步驟2進行循環(huán)處理。

步驟5：表盤感興趣區(qū)域分割。

在第4個步驟中檢測到表盤圓以后，對表盤圖像進行分割，摳出圓形表盤所在的外接矩形區(qū)域，我們稱為圖像的感興趣區(qū)域。這樣在后續(xù)進行直線檢測時，可以有效的濾掉不在圓形表盤中的直線，也可以有效地計算圓形表盤的圓心坐標，進一步提高了檢測與計算的效率。

步驟6：圖像校正。

由于拍攝角度等因素的影響，視頻圖像中的表盤往往是傾斜的，因此在進行圖像感興趣區(qū)域的提取以后，需要對圖像中的傾斜表盤進行校正，為后面準確計算指針線的角度打下了基礎(chǔ)。

本發(fā)明方法是針對圓形表盤，而圓形表盤不存在像矩形表盤那樣明確的特征點。因此本發(fā)明采用校正圓形表盤上傾斜字符的方式來獲取表盤的傾斜角度，從而達到校正傾斜表盤的目的。通過利用旋轉(zhuǎn)矩形摳出表盤上某些傾斜的字符，分別進行傾斜角度的計算，再進行權(quán)衡，從而得出旋轉(zhuǎn)角度。

步驟7：Hough變換檢測指針所在的直線。

與步驟4中Hough變換檢測圓類似，Hough檢測直線的原理也是利用圖像空間與參數(shù)空間的對偶性。不同之處在于此時的圓的方程變?yōu)橹本€的方程：y＝kx+b，將該圖像從圖像空間映射到以k，b為參數(shù)的參數(shù)空間，進而利用統(tǒng)計規(guī)律得到參數(shù)空間中在圖像空間中為直線的點，以便得到圖像空間中相應(yīng)的直線。

利用這一原理得到直線后，同樣得到了直線的兩個端點的相應(yīng)坐標。利用指針所在的直線到圓心的距離，篩選出真正的指針線。另外，由于有些指針式儀表的指針比較粗，在進行Hough直線檢測指針線時，往往會檢測到多條指針線。本發(fā)明針對這一情況做了明確的判斷，分別討論了檢測到的指針線條數(shù)為0條、1條、2條、3條及以上的處理方法。如果在這一步驟中找不到對應(yīng)的直線，則截取視頻圖像的下一幀返回步驟2進行循環(huán)處理。

步驟8：指針線角度計算。

在步驟7中通過Hough變換找到直線，并且通過閾值方法篩選出真正的指針線，并且通過分情況討論檢測到的指針線條數(shù)，最終確定出一條準確的真實的指針線，得到真實指針線線段兩端的端點坐標。根據(jù)線段兩個端點的橫縱坐標，利用直線的斜截式方程y₁-y₂＝k(x₁-x₂)得到直線的斜率k的值，進而計算出指針在量程區(qū)域內(nèi)所掃過的角度。

步驟9：讀數(shù)識別。

根據(jù)步驟8中求出的指針線所在的直線的斜率k，最小刻度為v_min，最大刻度為v_max，指針線所指的刻度與最小刻度之間的夾角a等參數(shù)，指針掃過的角度θ，利用公式

v＝v_min+(v_max-v_min)×(a÷θ) (6)

計算出當前指針式儀表的讀數(shù)v。

另外，圖2為多表盤處理順序的設(shè)計流程圖，主要包括以下幾方面的內(nèi)容：

步驟1：檢測到規(guī)定數(shù)目的圓。

步驟2：按順序存儲表盤。

步驟3：分別處理每個表盤。

圖3為傾斜表盤的旋轉(zhuǎn)校正的設(shè)計流程圖，主要包括以下幾方面的內(nèi)容：

步驟1：摳出表盤感興趣區(qū)域。

步驟2：摳出感興趣區(qū)域的字符。

步驟3：字符旋轉(zhuǎn)校正。

步驟4：獲取字符旋轉(zhuǎn)角度。

步驟5：校正圓形表盤。

圖4為Hough檢測表盤指針線的流程圖，主要包括以下幾方面的內(nèi)容：

步驟1：摳出表盤感興趣區(qū)域。

步驟2：Hough變換檢測直線。

步驟3：篩選指針線。

步驟4：找到真實指針線。

步驟5：計算指針線角度。

圖5為指針線角度計算的流程圖，主要包括以下幾方面的內(nèi)容：

步驟1：指針線角度的計算。

步驟2：如果檢測到1條，直接將其作為指針線；如果檢測到2條，把交點與圓心的連線作為指針線。

步驟3：計算線段斜率。

步驟4：利用斜率計算角度。

實施例

本實施例以北方某火力發(fā)電廠的圓形指針式壓力表為識別對象，圓形指針式儀表是電廠重要的測量儀器。通過本實施例的詳細闡述，進一步說明本發(fā)明的實施過程。

本發(fā)明實施例對某電廠指針式圓形壓力表的自動判讀的實施步驟如下：

步驟1：利用手持設(shè)備或平板中的攝像功能進行指針式圓形壓力表的視頻拍攝，初始時，首先配置儀表盤的幾個相應(yīng)參數(shù)：最小讀數(shù)、最大讀數(shù)、無量程的夾角等。在需要對三個表盤同時檢測時，可以增加兩個參數(shù)配置列表進行指針式圓形壓力表的信息配置。如圖6所示為拍攝到的三壓力表表盤視頻圖像的某一幀圖像，從左到右依次為壓力表1、壓力表2、壓力表3。

步驟2：對步驟1中拍攝的指針式圓形儀表盤圖像的每一幀進行處理。首先，進行每幀圖像的濾波去噪操作。因為由于光照、環(huán)境溫度等因素的影響，拍攝到的每一幀圖像往往不是很清晰，通過響應(yīng)的濾波算法進行每幀圖像的去噪操作。

接著對濾波后的圖像進行二值化處理。由于通常每一幀彩色圖像都是三通道的RGB圖像，而對于圖像的檢測與處理都是基于像素點進行的，這樣在計算三通道的彩色圖像素點的運算時，會嚴重消耗時間及空間。如果對彩色三通道圖像進行二值化，圖像變?yōu)閱瓮ǖ赖亩祱D，這樣處理起來就比較節(jié)省時間和空間，因此選擇處理前，首先對每幀圖像進行二值化。如圖7所示為圖6在進行二值化處理后所得到的三表盤的二值化圖。圖8為YUV顏色空間中的二值化圖。

步驟3：對二值化后的每一幀圖像進行邊緣檢測，目的是突出圓形表盤輪廓與指針所在直線，便于后續(xù)的Hough變換檢測圓與Hough變換檢測直線的操作。

步驟4：通過步驟3，每幀圖像中的表盤圓輪廓與指針線輪廓已清晰可見。利用Hough變換檢測表盤所在的圓，通過設(shè)置圓的半徑大小閾值檢測出每幀圖像中的表盤圓，如圖9所示，已經(jīng)檢測到的圓已經(jīng)用白色圓形畫出。

步驟5：通過步驟4檢測出了指定數(shù)量的表盤圓，用旋轉(zhuǎn)矩形摳出每個儀表盤所在的外接矩形，此帶有圓形表盤的外接矩形稱為表盤的感興趣區(qū)域。按照每個圓形儀表盤的圓心坐標的橫坐標從小到大的順序進行排序，分別處理每個摳出的圓形表盤。

步驟6：由于拍攝原因，每個儀表盤可能有傾斜，因此在這一步驟中，需要對摳出的圓形儀表盤進行旋轉(zhuǎn)校正操作。利用旋轉(zhuǎn)矩形摳出感興趣區(qū)域中的數(shù)字字符，通過對字符所在的旋轉(zhuǎn)矩形進行校正，獲得字符的旋轉(zhuǎn)角度。

步驟7：通過步驟6，所得的表盤感興趣區(qū)域中的圓形表盤為校正后的儀表盤。對表盤感興趣區(qū)域進行Hough直線檢測，檢測到一定數(shù)量的指針線，如圖9所示的白色線條即為利用Hough變換檢測到的兩條指針線。

步驟8：通過步驟7，檢測到了一定數(shù)量的指針線，分情況討論：①當檢測到1條指針線時，將其作為真實指針線；②當檢測到2條指針線時，求出這兩條直線的交點，把交點與所在圓的圓心的連線作為真實的指針線；③當檢測到3條及以上的指針線時，說明由于噪聲等干擾因素未能成功檢測到指針所在的直線，返回下一幀繼續(xù)以上步驟的處理。

步驟9：通過步驟8檢測到的合適的指針線，計算指針直線的斜率，進而通過公式(6)計算此時儀表盤的讀數(shù)，下表為圖6中的三個壓力表的真實讀數(shù)、識別讀數(shù)、準確率。

經(jīng)過以上步驟以及上表中對壓力表真實讀數(shù)與識別讀數(shù)的統(tǒng)計，能夠觀察到：該發(fā)明方法能夠計算出的儀表盤的讀數(shù)的準確率可以達到96％以上，符合工業(yè)生產(chǎn)中對指針式儀表盤讀數(shù)精確度的要求。

盡管為了說明的目的，已描述了本發(fā)明的示例性實施方式，但是本領(lǐng)域的技術(shù)人員將理解，不脫離所附權(quán)利要求中公開的發(fā)明的范圍和精神的情況下，可以在形式和細節(jié)上進行各種修改、添加和替換等的改變，而所有這些改變都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍，并且本發(fā)明要求保護的產(chǎn)品各個部門和方法中的各個步驟，可以以任意組合的形式組合在一起。因此，對本發(fā)明中所公開的實施方式的描述并非為了限制本發(fā)明的范圍，而是用于描述本發(fā)明。相應(yīng)地，本發(fā)明的范圍不受以上實施方式的限制，而是由權(quán)利要求或其等同物進行限定。