基于改进自适应阈值法的指针仪表图像预处理

孙 勇 ，肖 勇 ，方彦军

（1.武汉大学 自动化系，武汉 430072；2.广东电网公司电力科学研究院，广州 510080）

目前在我国的工业生产领域，指针式仪表由于结构相对简单、抗电磁干扰强、性价比高等优点，仍在大量使用。同时，随着机器视觉与数字图像处理技术的发展，基于机器视觉的指针式仪表自动读数系统的研究也受到广泛关注[1-3]。系统主要完成特征值提取和读数识别，先通过预处理技术初步筛选出刻度线、指针中心点，再识别出仪表示值。

图像预处理在自动读数系统中具有非常关键的作用，预处理效果直接影响到后续的识别精度。指针仪表图像预处理主要包含滤波去噪、图像增强和图像二值化，文献[4]对图像预处理技术进行了论述与研究，并提出了改进的同态滤波法技术，文献[5]采用动态阈值分割算法及改进的自适应中值滤波来实现预处理目的，文献[6]采用人工确定阈值的方法使灰度图二值化。由于并没有一种通用的图像分割算法适用于所有图像，相关研究[7-9]在图像预处理环节大多采用特定的方法。本文针对自动读数系统采集到的指针仪表图像，结合生产工作实践，提出一种改进的图像预处理方法，即在图像锐化滤波、直方图均衡化的基础上利用自适应阈值法进行图像二值化，相比全局阈值法、直接自适应阈值法，该方法能够有效地突出指针仪表图像的特征，取得较好的轮廓提取效果。

1 系统硬件平台

自动识别系统主要可分为工作台及后台计算机。工作台是识别系统和被检指针表的接口，包含图像传感器、辅助光源、可调节支撑架及压力接口4部分。工作台一是通过压力接口实现仪表的安装和标准压力源的导入，二是通过图像采集装置实现指针仪表图像数据的采集与传输。后台计算机主要完成采集图像的处理，实现指针仪表图像的读数。

系统硬件平台构成如图1所示，系统工作时，先由图像采集卡采集图像，再进入计算机进行图像处理，计算机根据处理结果进行判断，发出指令控制云台和摄像头动作，也可控制程控电源实现仪表的相对移动，通过两种方式调整摄像头和指针仪表的相对位置，从而实现图像的优质采集。指针仪表图像采集后，通过图像预处理、找圆心、确定半径、提取刻度、确定刻度值、识别读数等几个步骤实现仪表读数的识别。指针式仪表图像的预处理是图像输入到计算机后进行的第一步操作，对后续的指针提取、刻度提取和自动读数起关键作用。

图1 系统硬件结构框图Fig.1 Structure diagram of automatic verification system

2 预处理操作

图像采集卡由于周围环境影响或是硬件条件的限制，采集到的图像都会存在干扰噪声，所以首先需要对指针仪表图像进行预处理。一是滤除噪声信号，避免其对特征信息的干扰，二是图像增强，突出有用信息。预处理实验在Matlab R2011b平台上进行，根据滤波去噪和图像增强理论，结合实际编程处理的可操作性，整个处理过程如下：先用加权平均值法进行图像灰度化处理，再根据直方图特点进行图像滤波与增强操作，为后续的二值化处理打下基础。

2.1 图像滤波

指针仪表图像在获取和传输过程中，受外界环境条件以及自身器件的影响会产生大量噪声，这些噪声会干扰甚至是掩盖图像的特征信息。空间域滤波法和频率域滤波法是常用的两类图像降噪滤波技术。空间域滤波法直接在空间中操作处理图像各像素的灰度值。频率域滤波法需要先利用傅里叶变换把图像变换到频率域，然后滤波处理图像的频域变换值，最后再将滤波后的频谱逆变换回空间域。在实际应用中并不是所有的图像都适合傅立叶变换，其往往对图像的大小有所限制，所以采用的相对较少。

空间滤波常用的有均值滤波器和中值滤波器。均值滤波器就是对邻域内所有像素点取平均值得到复原图像的亮度值。令Sxy表示中心在（x，y）点，尺寸为m×n的矩形子图像窗口的坐标组。（x，y）点处复原图像的值为

均值滤波简单的平滑了一副图像的局部变化，减少了噪声的同时模糊了图像。中值滤波对邻域像素点进行排序并取中间值为复原图像亮度值：

Shyam等人提出了一种改进的均值滤波法，首先对噪声点进行检测再计算均值[10]。Taisheng等人将这两种滤波方法综合提出一种自适应滤波方法[11]。

频域是由傅里叶变换和频域变量（u，v）定义的空间，设H（u，v）是滤波器函数，且输出图像的傅里叶变换为 G（u，v），则有：

常用的频域滤波器有低通滤波器、高通滤波器和巴特沃斯滤波器等，但并不是所有的图像都存在傅里叶变换，所以频域滤波有一定的限制，本文采用中值滤波去除椒盐噪声。

2.2 直方图均衡化

直方图反应了图像的灰度分布情况，是多种空间域处理技术的基础。直方图修正是指增加图像像素值直方图分布来对图像进行增强处理，经过直方图修正后，图像像素值在各个级别上都有分布，像素值间的差距拉大，更容易表现图像细节。直方图均衡化是把已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀灰度概率分布的新图像，经过直方图均匀化处理的图像，其图像灰度级出现的相对概率相同，此时图像的熵最大，图像包含的信息量也最大，一般能够增强图像细节。

灰度级为［0，L-1］范围的数字图像直方图是离散函数 h（rk）=nk，其中 rk是第 k 级灰度，nk是图像中灰度级为rk的像素个数。灰度级为rk的概率估计值为P（rk）=nk/n，其中n为像素总数。设灰度级r归一化到［0，1］，考虑式（4）的连续变换函数，其中 s为变换后灰度值：

满足下列条件：①T（r）在区间［0，1］为单值且单调递增；②函数值域满足 0≤T（r）≤1，0≤r≤1。

令 Pr（r）和 Ps（s）分别代表随机变量 r和 s 概率密度函数，由基本的概率理论，若T-1（s）满足条件（1），则：

当变换函数为

由莱布尼茨准则：

将式（7）代入式（5）中可得到：

由此可知经变换函数（6）得到均匀概率密度函数。对于离散值，用概率和求和代替上述变换中的概率密度函数和积分，可以得到式（6）的离散形式：

上式的映射即为直方图均衡化。直方图均衡化可以使图像灰度级覆盖整个灰度域，扩展了其动态范围，具有较高的对比度。由于灰度值是离散的，直方图均衡化之后输出直方图也不可能在所有灰度级上概率相等。图2为直方图均衡化处理前后的对比。

图2 直方图均衡化对比图Fig.2 Comparison of histogram equalization

3 图像二值化

图像滤波与直方图均衡化处理增强了仪表图像的细节特征，下一步处理为图像二值化。指针和刻度线反映指针仪表图像主要特征，在提取这些信息之前，需对图像进行分割，得到包含特征信息的二值图像。图像分割算法主要分为两大类：利用区域内象素灰度相似性的基于区域的算法和利用区域间灰度不连续性的基于边缘的算法。基于边缘的图像分割法包括点线检测和各种边缘检测算子。

3.1 二值化算法

域值分割是最常用和古老的分割方法之一，其基本原理可用以下表达式说明：

其中： f（x，y）为原图像；g（x，y）为处理后图像；T 为阈值。根据T是否固定可分为单阈值法和自适应阈值法，自适应阈值法的T根据图像各部分差异会相应的变化。阈值的选取如果只和点的灰度值有关，则称为点相关的全局阈值法。全局阈值法是操作起来最简单的方法，一般通过实验迭代法、双峰法、Otsu[12]法等方法实现。如果与点的灰度值和局部邻域特性有关，则称为局部阈值法。它是图像的部分区域使用同一个阈值，主要有Niblack算法、Bernsen算法、Kamel-Zhao算法等。阈值的选取如果与点的位置、灰度值、领域特征相关，则称为自适应阈值法，自适应阈值法对于局部有更加规范和量化的规定，主要有共生矩阵法、Bruckstein算法等。

用Otsu法进行图像二值化的基本思路是：选取的最佳阈值应当使得用该阈值分割得到的两类间具有最好的分离性；类间分离性最好的判据是统计意义上的类间特性差最大或类内特性差最小[13]。

图像的灰度级在［0，L-1］范围内，若最佳阈值为 t，则按阈值将图像划分为 C0=｛0，1，…，t｝和 C1=｛t+1，t+2，…，L-1｝，每个灰度级的概率为

C0和C1的类间为

使该方差最大的t即为所求，方差反映的是一个变量对应一组数值的均衡性大小，方差越大说明其均衡性越低。

自适应阈值法的阈值不是一成不变的，而是根据邻域的灰度分布情况按照一定的规律变化。一种基于积分图像的阈值法思路为：定义输入图像为f（x，y），积分图像用 I（x，y）表示。 对于积分图像上任意一点 I（x0，y0），其含义是区域{（x，y）|0≤x≤x0，0≤y≤y0}内所有像素点的灰度值之和。假定1≤x，1≤y则有：

I（x，y）=f（x，y）+I（x，y-1）+I（x-1，y）-I（x-1，y-1）（14）

若 x=0 则忽略 I（x-1，y），若 y=0 忽略 I（x，y-1）。得到积分图像后，可以很方便地计算出区域{（x，y）|x1＜x＜x2，y1＜y＜y2，}内所有像素点的灰度值之和，可以提高计算效率。

再取边长为s的正方形为移动窗口，窗口在原图像上移动，如果中心点位置像素点的灰度值低于窗口区域灰度平均值t%时，该点为黑点，反之为白点。若像素点处于边界位置，则取移动窗口和图像交集区域计算其灰度平均值。利用积分法对图像分割能够很好地消除由于照度不匀导致亮度分布不均的干扰[14]。指针仪表图像在获取过程中，由于表盘边缘遮盖的缘故，在刻度线附近会出现阴影，所以更适合采用自适应阈值法。图3对比了采用Otsu算法和基于积分图像的自适应阈值法二值化结果，后者效果明显优于前者。

3.2 二值化处理分析

预处理实验在Matlab R2011b平台上进行，根据3.1节的讨论，先将获得的彩色图像进行灰度化处理，对于处理结果分别进行Otsu法、自适应阈值法和本文提出的改进自适应阈值法二值化。本文提出的方法为对灰度化后的图像去噪滤波和直方图均衡化，再进行图像求反与增强对比度操作，最终使用自适应阈值法二值化。

由于光照的不均匀，选取的600×480的样本1刻度45-55区域处于暗区域、刻度15-20区域仪表镜面有反光现象。通过实验可以看出，直接用全局阈值法二值化结果如图3（a）所示，可见处理结果导致大部分刻度线丢失，为下一步完成读数识别造成很大阻碍。采用自适应阈值法的处理结果如图3（b）所示，相比全局阈值法，自适应阈值法处理结果有较大改善，但是在刻度15-20区域部分信息也有所丢失，同时每个刻度线都有所缩短，不利于进一步的刻度提取与读数识别。本文提出的改进自适应阈值法处理结果如图3（c）所示，可见二值化图像刻度15-20区域信息保留较好，其余刻度线特征突出，这为读数识别打下很好基础。图3（d）为本文方法处理结果与自适应阈值法处理结果的减影对比图，可以看出，本文处理方法能够保留样本图像更大特征。

为了验证本文提出方法的有效性，选取精度等级更高的指针仪表图像样本2进行对比分析实验。处理过程与样本1相同，图4（a）为自适应阈值法处理结果，图4（b）为本文提出方法的处理结果，可以看出，本文提出的方法对比效果更为明显，刻度线保存更为完整，刻度线与指针信息丢失量较少。

图3 样本1试验结果Fig.3 Test result of sample 1

图4 样本2试验结果Fig.4 Test result of sample 2

4 结语

对机器视觉指针式仪表图像预处理技术的研究，表明全局阈值法不适合此类图像的二值化。本文根据仪表盘图像特点，提出改进的自适应阈值法，采取滤波去噪、直方图均衡化、增强对比度等操作，再进行自适应阈值法进行图像二值化。实验表明，此方法能够克服光照不均匀、镜面反光等影响因素，放大图像细节特征，有效消除噪声，为后续读数识别打下基础。

[1] 熊伟丽，周寰，徐保国.指针式压力表自动检定系统的设计与实现[J]，传感器与微系统，2009，28（8）：105-107.

[2] F Correa Alegria，A Cruz Serra.Automatic calibration of analog and digital measuring instruments using computer vision[J].IEEE Transactions on Instrumentation and Measurement，2000，49 （1）：94-99.

[3] 陈世伟，李世平，管京周，等.指针式电压表精度自动化检定系统的设计与实现[J].计算机测量与控制，2005，13（11）：1192-1194.

[4] 郭贵法.指针仪表图像预处理技术研究[D].广州：广东工业大学，2010.

[5] 陶冰洁，韩佳乐，李恩.一种实用的指针式仪表读数识别方法[J].光电工程，2011，38（4）：145-150.

[6] 张绍兵.基于神经网络数字识别方法的研究[J].计算机测量与控制，2008，16（12）：1994-1995.

[7] 戴海港，宫宁生，郇洪江.基于图像处理技术的高精度仪表的自动判读[J].化工自动化及仪表，2010，37（8）：131-132.

[8] 范江涛，汪仁煌，周武，等.基于数字图像处理技术的针式仪表读数识别[J].广东工业大学学报，2007，27（4）：76-78.

[9] 季厌浮，张绍兵.无指针式仪表表盘数字识别方法的研究[J].自动化仪表，2008，29（12）：25-27，32.

[10]Shyam Lal，Sanjeev Kumar，Mahesh Chandra.Removal of high density salt and pepper noise through super mean filter for natural images[J].International Journal of Computer Science Issues，2012，9（3）：303-309.

[11]Taisheng Li，Xuan Zhang，Chongrong Li.An Improved adaptive image filter for edge and detail information preservation[C]//Systems and Informatics，ICSAI 2012 International Conference，2012：1875-1878.

[12]N Otsu，A threshold selection method from gray-level histogram[J].IEEE Trans.Systems Man and Cybernet，1979，9（1）：62-66．

[13]王磊，段会川.Otsu方法在多阈值图像分割中的应用[J].计算机工程与设计，2008，29（11）：2844-2845，2972.

[14]Derek Bradley，Gerhard Roth.Adaptive thresholding using the integral image[J].Journal of Graphics Tools，2007，12（2）：13-21.

2014控制工程师峰会将于11月3日在上海召开

2014年11月3日，2014控制工程师峰会（Control Engineers’Summit，简称CES）即将在上海大华锦绣假日酒店举办。在继承2013年CES峰会的“推开控制之门，汇聚创新智慧”精髓外，今年将会一如既往的为工控人士呈现饕餮大餐，并加强同行经验交流与分享。

自首届 “控制工程师峰会”2012年上海成功举办以来，CES峰会已经成为以自动化工业用户为导向的中国工控自动化领域年度重要盛会，旨在进一步研究和探讨中国目前工业自动化行业的市场机遇与创新趋势、存在的问题以及应采取的战略措施，以提升自动化视野、促进垂直行业自动化应用技术交流为根本目的。

“控制工程师峰会”由新加坡腾世传媒集团下的《亚洲控制工程》杂志社主办，每年举办一次，主要面向中国工业自动化领域的控制工程师读者、业内专家和分析人士。通过年度控制工程师主题论坛、自动化技术及行业应用，工厂自动化与过程自动化两大分论坛以及现场展示、在线研讨会等系列活动，对年度重要的自动化市场新动向、商务形势、自动化新技术等进行探讨和交流。