基于图像处理技术指针表的自动识别

李杰，张丽红，王志敏，胡德双

(1．承德石油高等专科学校热能工程系，河北承德067000; 2．河北钢铁股份有限公司承德分公司，河北承德067002;

3．承德石油高等专科学校学校发展与教学督导办公室，河北承德067000)

基于图像处理技术指针表的自动识别

李杰1，张丽红2，王志敏3，胡德双1

(1．承德石油高等专科学校热能工程系，河北承德067000; 2．河北钢铁股份有限公司承德分公司，河北承德067002;

3．承德石油高等专科学校学校发展与教学督导办公室，河北承德067000)

介绍了一种运用计算机图像处理技术对指针式仪表进行自动识别读数，以实现指针表自动检定，重点介绍了检定过程中指针示值自动识别读取数据来代替人工识别的判读方法。研究并设计了采用CCD摄像头摄取表盘图像，经计算机进行图像识别及数据处理实现仪表指针自动读数，从而避免了传统人工判读方法受工作人员与仪表盘的距离和角度等主观因素导致判读的数据误差较大、效率低、可靠性不高的影响，该方法不仅解决了实际应用中有关模拟指针式仪表的检定自动化问题，而且有利于大量信息的及时采集和统一管理。关键词:图像处理;自动读数;Hough变换;指针表

指针式仪表因其构造简单，使用方便等，因此被普遍应用于科学实验和生产。指针表分为压力表、百分表、千分表、内径表等指示类仪表，是目前生产过程中普遍使用的测量仪表。大多数这类仪表，相应的检定工作量大，当前该工作主要以机械式的检定器具为主，对于指针仪表的检定，工作程序复杂且琐碎，检定人员必需依据相关检定规程标准对该表各个量程和分度线逐一检定，其工作效率很低、分辨能力不高、工作强度大，而且检定时由检定者造成的随机误差等人为因素影响大，大大影响了检定的精度。近年来，计算机图形图像处理技术［1］正以惊人的速度发展，把图像处理技术运用于指针表自动读数判别的方法得到了科研人员的重视。本文介绍的指针表自动读数判别［2-3］，利用了计算机与图像识别处理技术，读识效率大大提高，并极大地提高了仪表的准确度，而且操作简便，大幅度减轻检定人员的工作量，使计量工作的自动化程度得到了有效地提高。本文使用CCD摄像头获得指针表图像，由计算机对图像进行滤波、二值化、细化等图像预处理，而后经过Hough变换［4］算法判别出指针表指针当前所处的位置，并经一系列关系运算得到指针表的准确读数。

1　系统结构

采用CCD摄像头作为传感器，通过光电转换，采样，图像处理，图像识别和一系列的分析，依据需求提取特征，最后对得到的特征进行分析处理，得出识别结果，达到自动检定的目的。图像自动识别系统的原理框图如图1所示。工作内容包括:图像采集、图像预处理、特征提取、图像识别及自动判读。

系统自动判别读数的过程是:1)计算机监控的标准传感器返回的电压达到给定值时发出指令让自动扫描控制单元(步进电机和扫描控制仪)启动控制装置。2)自动扫描控制装置驱动导轨上的摄像头，使其达到指定位置后摄取表盘图象。3)传感器CCD输出的视频信号传输给图像采集卡，其经解码并变换成适于计算机处理的数字信息。4)计算机可以读取的图像数据，图像采集卡通过PCI总线，传输到系统内存，并将图像数据通过软件进一步处理，给出指针指示值。

2　图像预处理

2．1图像平滑

由输入设备得到指针表的图像后，使用领域平均法对图像进行平滑［5-6］。由于图像采集时随机噪声的干扰使图像的真实性受到破坏，所以使用平滑滤波可大大降低随机噪声的干扰，提高识别的可靠性。平滑滤波后想得到较为清晰的图像，使用3×3模板平滑。把原图中各个像素点的灰度值与其相邻的8个像素点的灰度值进行相加运算，而后新图中该像素的灰度值用此平均值来替代。公式如下:

其中:pixel(i，j)表示原图像第i行第j列像素点的像素值;Newpixel(i，j)表示新图像第i行第j列像素点的像素值。平滑前与平滑后图像分别如图2、图3所示。

2．2图像二值化

为了提取图像中有用的部分，必须对图像进行分割，将其背景和前景分开，也就是把想要的图像区域(有效面积)和不想要的图像区域(无效面积)分开。用设置灰度门限值将表盘图像二值化分割，确定出有效区域图像。

如图3所示，灰度值比较小(较暗)的指针是有效想要的区域，但其它灰度值比较大(较亮)的表盘则是不想要的部分。由于实际情况的指针和表盘之间的高对比度，所以在均匀光照条件下实现，可以自动寻找一个理想的阈值将图像二值化，灰度值小于此阈值的点让其全数变成黑色，否则变成白色。阈值的自动搜索算法如下:

起初随意定一个门限阈值M(M≠0)，而后分别计算出灰度值大于M的像素的灰度平均值avg1与灰度值小于M的像素的灰度平均值avg2;求出Mnext=(avg1+avg2)/2，再确定一个中止条件ε= 0．005，判断是否满足条件:如果不满足，则用Mnext代替M继续进行运算;如果满足，则跳出循环，并且确定最终的门限阈值为Mnext。图3二值化后的结果如图4所示。

2．3图像腐蚀

由图4可以看到，图像中总是或多或少的存在一些多余黑点的干扰，因此利用数学形态学［4］中的图像腐蚀对图4进行腐蚀处理，可除去图像中部分多余黑点的干扰。对图像腐蚀后，原图像中一些孤立的点将会消失，并且使得指针的边界点也被消除。对图4腐蚀的结果如图5所示。

2．4图像细化

细化是删除图像边缘像素，变为只有一个像素宽的图像脊，腐蚀后的图像的宽度是1像素单位，这可以进一步突出图像的形状特征，减少冗余信息量。因此，为了提高速度和识别的准确性，必须对图像进行细化处理。细化后的图像如图6所示。

3　指针表示值识别

3．1Hough变换

使用图像的整体特性对目的轮廓直接搜检的思想原理叫Hough变换，一般用它把离散的边沿像素连接为区域的封闭界限。在已知区域外形的条件下，Hough变换能够正确捕捉到目的边界，且最后输出的变换结果是连续曲线。它的主要优点是对噪声和不连续的曲线的影响较小。通常用来处理的形状是直线和圆。其原理如下:

直角坐标系中的任意一条直线y=ax+b，能够用Hough参数确定空间的两个参数ρ和θ彻底解决了计算的函数，可以表示为:

其中:ρ为原点到直线的距离;θ为直线与x轴的夹角。要建立如图7所示的坐标之间的关系线和Hough变换空间。由方程ρ=xcos(θ)+ysin(θ)看出，图象中各点(xi，yj)映射到Hough空间中的一组计数器List(ρ，θ)，满足ρ=xcos(θ)+ysin(θ)的各点，把对应的所有计数器中的值作加1处理。假如图像中含有一根直线，那么有一个相应的计数器可出现局部最大值;通过使用检测Hough空间中的最大值，可以把与此对应的参数(ρ，θ)确定下来，进而检测出该直线。

3．2指针表指针及其读数识别

由于指针表的刻度和指针都是直线，且指针是采集的图像中最长的直线，因此在查找指针时，只须在Hough空间中找到最大值。其具体步骤如下:

1)设定一个二维数组List［ρ］［θ］用做计数器，一个是角度θ，一个是距离ρ。用于计算可能出现的最大距离。

2)初始化一个变换域(ρ，θ)空间上的数组List［ρ］［θ］，ρ取值0～300，为指针扫描半径所对应的图像像素个数，其量化数目为图像对角线方向像素数，θ取值0～1 800，对应0～360°，每一个数值对应0．2°。

3)逐个找出图像中所有黑点(xi，yi)。把每一黑点代入θ的量化值(0～1 800)，然后用公式ρ=xicos(θ)+yisin(θ)算出各ρ值。如果ρ值落在(ρ，θ)空间的某一小格内，则该小格的计数器List［ρ］［θ］加1。

4)图像中的所有黑点(xi，yi)变换完以后，对变换域(ρ，θ)空间的数组List［ρ］［θ］值进行检验，找出最大的List［ρ］［θ］值反对应的ρ和θ，记作ρ0和θ0。该ρ0和θ0就对应指针所在的直线位置，而此直线位置恰恰是所有相应的搜索后得到的投影空间值对应曲线的极值点对应的位置。表盘的图像径向投影后，它的θ量化值和投影值(ρ取值)二者的关系如图8所示。

5)从图8中可以看出，θ0和指针表的读数有着一定的对应关系，此对应关系应该开始识别之前就依据指针表的刻度做一特别设定，得到θ0值后，通过这种对应关系求出指针表的读数。

4　结语

指针表自动识别采用了图像处理技术，使整个识别过程自动化。该文重点介绍了指针表读数识别系统的结构组成及其软件算法处理自动识别过程，系统具体实施均采用VC++编程实现。系统硬件部分由CCD摄像头、滑动导轨、图像采集卡及计算机组成。实验采用了100张不同类型指针类表盘图像的人工和软件识别对比及数据统计计录，每个表分别取10个点(指针所指不同位置)，共计1 000个点，其中991个点的自动读数高于人工读取的精度，高达99．1%，而且全程误差、回程误差等检定结果的最大差别为0．1分度，1 000点中有998个点全部优于0．1分度，高达99．8%。同时，实验测试结果显示:该系统识别出一个示值的时间为0．5 s左右，与人眼识别速度相当;识别的精度可达0．1度(就指针的旋转角度而言)，高于人眼识别精度，并且不会像人眼因为视觉疲劳或与表盘之间的角度原因而引起较大的读数误差或读错数据的可能性。但该系统在识别时对外界环境也有一定要求(主要是要求有均匀的光照)。该系统具有一定的推广和应用价值。

［1］CASTLEMAN KR，WOODS RE．Digital image processing(second edition)［M］．New Jersey:Prentice－hall International Inc，2002．

［2］马涛，余春暄．数字图像处理在指针式指示表读数识别中的应用［J］．微计算机信息，2004，20(7):49－51．

［3］薛建荣，杨明．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(8):131－132．

［4］蒋薇．基于图像识别的指针式仪表数据处理终端研究［D］．青岛:青岛大学，2014．

［5］F．Correa Alegria，A．Cruz Serra．Automatic Calibration of Analog and Digital Measuring Instruments Using Computer Vision［J］．IEEE TRANSACTIONS ON INSTRMENTATION AND MEASUREMENT，2000，49(1):94－99．

［6］陆宗骐．C/C++图像处理编程［M］．北京:清华大学出版社，2006．

Automatic Recognition Research of Pointer Meter Based on Image Processing Technology

LI Jie1，ZHANG Li-hong2，WANG Zhi-min3，HU De-shuang1
(1．Department of Thermal Engineering，Chengde Petroleum College，Chengde 067000，Hebei，China; 2．Chengde Branch of Hebei Iron and Steel Limited Share Company，Chengde 067002，Hebei，China; 3．School Development and Teaching Supervision Office，Chengde Petroleum College，Chengde 067000，Hebei，China)

The article introduces a method using computer image processing technology to automatically identify pointer meter readings，to realize the automatic verification of the pointer meter，focusing on the pointer indication values automatically identify to replace artificial identification method during the certification process．It devises and uses CCD camera to acquire dial image，and then acquires dial indicated value after image recognition and data processing on computer，thus avoiding the traditional manual identification methods affected by subjective factors such as the distance and angle of the staff and the dashboard led to the interpretation of data errors，low efficiency，and reliability is not high．This method not only solves the practical application test automation problems on analog pointer instrument，but also conducive to the timely collection of large amounts of information and unified management．

image processing;automatic calibration;hough transformation;pointer meter

TP751

A

1008-9446(2015)02-0043-04

河北省高等学校科学技术研究项目(FPGA图像处理技术的指针表自动读数系统开发):Z2013077

2015-01-05

李杰(1976－)，男，内蒙古包头人，承德石油高等专科学校热能工程系讲师，硕士，主要从事计算机控制与图像处理方面的研究工作。