颜色分割和拟合椭圆相结合的指针检测方法

王少君， 武明虎

(湖北工业大学电气与电子工程学院， 湖北 武汉 430068)

颜色分割和拟合椭圆相结合的指针检测方法

王少君， 武明虎

(湖北工业大学电气与电子工程学院， 湖北 武汉 430068)

针对目前汽车指针式仪表读数识别由人工检测，导致错检率高的问题，提出一种将颜色分割和拟合椭圆相结合的指针检测方法。首先根据汽车仪表指针颜色鲜明的特点，在充分保留图像原始信息的情况下，将图像由RGB颜色模型转换到HSI颜色模型中，根据色调设定阈值，对图像进行分割。然后根据指针细而长的特点，用优化的最小二乘法将指针图像拟化成椭圆，计算椭圆长轴与X轴夹角。最后根据椭圆中心和仪表的圆中心相对位置判断象限，确定指针的偏转角度，与标准表的偏转角度做比较，从而判断是否合格。实验结果表明，该方法对于彩色仪表的指针偏转角度检测，简单有效，具有很好的鲁棒性。

汽车仪表指针； HSI颜色模型； 拟合椭圆； 偏转角度

在汽车仪表的检测中，指针的检测是仪表质量的关键。人眼对指针的观察判断不仅耗时耗力，而且由于存在人的主观因素，检测出的产品质量也不能得到很好的保证。视觉检测作为图像处理和计算机科学的有效结合，能够更加精确、高效地检测指针，势必逐步取代人工检测。

对于指针的检测，目前国内外都有大量的研究。国外极具代表性的有F.Correa Aregria[1]等人利用图像差分和Hough变换得到指针角度;Robert Sablating[2]等人将仪表刻度线分布成一个圆周，分割出指针后利用Hough变换确定仪表的读数。国内的有何智杰[3]等人采用条件Hough变换和中心投影分析法实现指针刻度的全自动识别。王博[4]等人提出了阈值减影算法，实现了对仪表指针的检测。这些算法中，Hough变换会占用大量的内存空间，耗时且实时性差，而且由于大表盘角度范围超过180°，不易判断实际偏转角度。图像剪影也会因为检测环境影响受到较大干扰，造成检测偏差大。重要的是，在对图像进行复杂的预处理时会延长检测时间。很难满足工业上的高效生产要求。

本文对仪表指针特点进行分析研究，提出了一种将颜色分割和拟合椭圆相结合的汽车仪表指针检测方法。该方法将颜色鲜明的指针分割出来后，再根据优化的最小二乘法有效拟合成椭圆，计算长轴与X轴夹角，由得到的椭圆中心确定指针的相对位置，直接计算出偏转角度，避免了麻烦的角度计算。

1 汽车仪表指针检测方法

为避免光照影响，将仪表盘置于暗箱中。以仪表自带的背景光照为光源，拍摄图像进行检测。基于颜色分割和最小二乘法的汽车仪表指针检测方法框图见图1(采集指针为零和满偏图像)。

图 1 方法框图

图 2 汽车仪表图像

主要步骤如下：

1)采集图像。摆正仪表位姿，相机拍摄采集到原始图像(图2)。设定合适的参数对原始图像进行矩形裁剪得到相应子表图像。矩形裁剪的大小及起始位置由标准表来确定。

2)颜色分割。在HSI颜色模型中，根据指针的颜色特征，对转换得到的H通道图像进行阈值分割，得到红色的指针图像。

3)拟化椭圆。根据得到的指针图像，用最小二乘法将得到的指针图像拟化成一个椭圆。

4)计算角度。对于拟化成的椭圆，求取其中心。计算其长轴与X轴的夹角。子表的圆中心由零偏及满偏时刻，指针拟化的椭圆长轴交点确定。以此圆心建立直角坐标系，通过椭圆中心与圆心的相对位置，判断象限，最后确定指针偏转角大小。

2 主要原理

2.1颜色分割

HSI 颜色模型可以用一个圆锥空间模型来描述(图3)。它能直观描述颜色，其光强度分量和色度分量是独立关系，因此非常适合基于人的颜色感知特性进行处理和分析的图像处理算法[5,6]。其中，H(Hue)为色度，是描述纯色的属性；S(Saturation)为饱和度，给出一种纯色被白光稀释的程度的度量；I(Intensity)为亮度，是视觉对光刺激的亮度响应。

图 3 HSI颜色模型

HSI颜色模型和RGB颜色模型只是同一物理量的不同表示法，因而它们之间存在着转换关系。

(1)

(2)

2.2拟化椭圆

椭圆的二次曲线方程可表示为

Ax2+Bxy+Cy2+Dx+Ey+F=0

(3)

若设椭圆中心位置为(xe,ye)，长轴为a，短轴为b，长轴转角为θ，则椭圆还可以表示为

(4)

(5)

(6)

最小二乘法作为数据拟合的基本方法，它能够考虑数据受随机噪声的影响进而追求整体误差的最小化[7]。用最小二乘法拟合椭圆主要是寻找参数集合，从而最小化数据点与椭圆之间的距离度量。设Qi(xi,yi)为椭圆边缘上的离散点。根据最小二乘法的原理，拟合的目标函数为

(7)

为使F的值最小，则有

(8)

解此线性方程可确定A,B,C,D,E的值。

为了减少噪声及孤立点对椭圆拟化的影响，本文引用改进的最小二乘法[8]对椭圆进行拟化。其基本步骤如下：

1)在总样本点中随机抽取6个样本点，利用最小二乘法求取椭圆参数A,B,C,D,E。

2)遍历所有样本点，求取各个点到已知椭圆之间的距离，通过自定义的阈值，筛选出合适的拟合点保存起来。

3)重复抽取样本点，选择合适拟合点。

4)反复多次后，将得到的所有合适拟合点拟合成椭圆。确定椭圆参数值。

2.3角度计算

表1 指针区域划分及角度大小测量

3 指针提取

对裁剪后的图像进行分析，可以观察到指针颜色为红色，与背景有明显的颜色区别。所以可以在HSI模型中，通过色调值的阈值分割得到指针图像，步骤如下：

1)先将裁剪得到的子表RGB图像分为三通道图像，得到R通道的图像(图4a)。在R通道图像中做一次阈值分割，本文设置参数为(50,255)，减少背景干扰(图4b)。

2)将RGB颜色模型转换到HSI颜色模型[9]中。分离出H通道的图像(图4c)，与R通道分割后的图像作差(图4d)。然后根据颜色特征设定阈值进行阈值分割，本文设置参数为(0,12)。得到红色的指针图像，如图4e所示。

3)对指针进行闭运算，在不明显改变体积的情况下，填充细小空洞，保证指针的完整性。

4)用改进的最小二乘法将细而长的指针图像拟化成一个椭圆(图4f)。

5)计算椭圆的中心和长轴与X轴夹角。通过象限来确定指针的偏转角。

图 4 指针提取

4 实验测试结果与分析

4.1测试结果

本次试验以东风汽车康明斯组合仪表为样本，针对车速表0，20 km/h，40 km/h，60 km/h，80 km/h，100 km/h，120 km/h，140 km/h等九个档位，采集了8张图像，进行指针偏转角的测试。实际值由人工测量和计算得到。将测试得到的值与实际值进行比对。得到结果见表2。

表2 实验结果对比

4.2结果分析

由表2可以看出，本文所使用的方法能够较为准确的检测汽车仪表指针的偏转角度。误差可以保持在1°以内。本文根据指针红色的特性，在H通道图像中进行阈值分割，提取指针，这就会把背景红色刻度和指针一起被分割出来，连通分割区域进行特征提取也无法很好的区分，但这并不会对检测效果造成较大影响。如果指针刚好压在刻度上，则不影响后面指针角度的偏转计算。如果只是略微压在刻度上(图5)，后面进行优化的最小二乘法拟化椭圆，一定程度上去除了那些孤立点的干扰，大大减少了检测的误差，也使误差能保证在1°以内。

图 5 指针略微压在刻度上

5 结束语

本文以数字图像处理技术为基础，根据汽车仪表指针的颜色特征，提出了一种基于颜色分割和拟合椭圆的汽车仪表指针检测方法。由于是对拍摄得到的图像，直接针对指针的明显颜色特征进行分割，省去了前期图像预处理的时间，减少图像信息的丢失。用优化的最小二乘法可以有效剔除孤立点，拟合出准确表示指针的椭圆，便于计算椭圆中心，确定指针相对与圆心的位置。本文提出的算法简单高效，具有很好的实用价值，对于有颜色特性的指针具有很好的通用性。该算法已成功应用到汽车组合仪表的视觉检测系统中。

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

[2] Sablatnig R, Kropatsch W G. Automatic reading of analog display instruments[C]∥ iapr intern-ational conference on pattern recognition, 1994. vol. 1 - conference a: computer vision & ima-ge processing. IEEE, 1994，1:794-797.

[3] Wang B, Qin L. Index meter examination system based on computer vision[J]. Computer Engineering, 2005(11):19-21.

[4] 何智杰，张彬，金连文.高精度指针仪表自动读数识别方法[J].计算机辅助工程，2006(3):4-9.

[5] Huff R A. Lifetime-sensitive Modulo Scheduling[C]∥Proc. Of ACM SIGPLAN Conference on Programming Language Design and Implementation. Albuquerque, USA: ACM Press,1993.

[6] Allen J R, Kennedy K, Porterfield C, et al. Conversion of control dependence to data dependence[C]∥proc. of the 10th annual acm symposium on principles of programming languages. Austin, USA: ACM Press, 1983.

[7] 丁克良，欧吉坤，陈义.整体最小二乘法及其在测量数据处理中的应用[A]∥中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集民[C]. 2009:399-405.

[8] 闫蓓，王斌，李媛.基于最小二乘法的椭圆拟合改进算法[J].北京航空航天大学学报，2008，34 (3) :295-298.

[9] 章毓晋.Color image segmentation based on hsi model[J]. High Technology Letters,1998(1):30-33.

[责任编校：张岩芳]

MeasuringInstrumentUsingColorSegmentationandEllipseFitting

WANG Shaojun， WU Minghu

(DepartmentofElectricandElectronicEngineering，HubeiUniv.ofTech.,Wuhan430068,China)

According to the characteristics of the auto meter pointer of bright colors, respectively in the RGB and HSI color model when we get a pointer image segmentation according to characteristics of pointer thin and long, again through the least square method to fit the pointer image into oval, long axis of the ellipse and X axis Angle calculation.According to the ellipse center and the circle center position determine quadrant, determine the pointer deflection Angle.The experimental results show that the detection method for color meter pointer deflection Angle, simple and quick, and accuracy can meet the practical requirements of industrial production.

Auto meter pointer; HSI color model; Ellipse fitting; Deflection Angle

2016-09-02

王少君(1990-)， 男， 湖北襄阳人，湖北工业大学硕士研究生，研究方向为机器视觉

武明虎(1975-)，男，土家族，湖北巴东人，工学博士，湖北工业大学教授，研究方向为图像处理和多媒体通信

1003-4684(2017)05-0063-04

TP39.4

A