CN103714329B - 一种仪表指针识别的检测算法 - Google Patents
一种仪表指针识别的检测算法 Download PDFInfo
- Publication number
- CN103714329B CN103714329B CN201310752723.2A CN201310752723A CN103714329B CN 103714329 B CN103714329 B CN 103714329B CN 201310752723 A CN201310752723 A CN 201310752723A CN 103714329 B CN103714329 B CN 103714329B
- Authority
- CN
- China
- Prior art keywords
- image
- pointer
- instrument
- angle
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005520 cutting process Methods 0.000 claims description 31
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 15
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 239000012467 final product Substances 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种仪表指针识别的检测算法,采集待测仪表的彩色图像I;计算机读取待测仪表的彩色图像I;对彩色图像I进行灰度化处理,得到灰度图像I1;对灰度图像I1进行裁剪,得到裁剪后的图像I2;对裁剪后的图像I2进行二值化处理,得到二值化处理后的图像I3;对二值化后的图像I3进行指针查找,在I3图像中提取出指针,得到指针图像B1;再由直线拟合求出起始刻度刻度线的斜率,该方法以圆心为中心以x轴正向为起始线分别做顺、逆时针弧度扫描计算指针偏转的角度,再取两次所求得的偏转角度的角度平均值,然后根据该角度平均值以及上述求出的起始刻度线的斜率再做相应的数学计算便可得到指针所指的读数。该方法高效、精确度高,可以大批量的对仪表进行检定。
Description
技术领域
本发明属于计算机图像处理技术领域,特别是指一种仪表识别的算法。
背景技术
指针式仪表作为一种传统的计量仪器,由于结构简单、价格便宜、维护方便、防腐蚀、不受电磁场干扰、耐低温、可靠性高等诸多优点,目前仍广泛应用于电力、交通运输、科学实验和居民生活等各个领域。指针式仪表需要定期对其进行抄表读数或准确度检定。指针式仪表的检定技术发展到今天,检定工作的自动化水平受各单位生产规模和经济实力的制约,基本处于人工、半自动化阶段。在对指针式仪表进行检定的过程中需要人工参与读数,由于人眼的视觉误差和视觉疲劳,当指针位于表盘的两分度线之间时,人眼只能粗略估计指针的位置。这些判读易受到人的观测角度、观测距离等因素影响,不稳定、可靠性不高,人眼的分辨能力有限,并且整个工作过程繁琐,重复性工作很多,数据处理工作量大,检定效率低,在检验测试工作中难免出现疏忽和差错。
发明内容
针对上述现有技术中存在的缺陷或不足,本发明的目的在于,提供一种仪表指针识别的检测算法,该算法通过逆时针和顺时针求出指针角度然后取平均值,大大提高了识别精确度,克服了人眼观察时误差大的缺点,且大大提高了工作效率,省时省力。
为了达到上述目的,本发明采用如下的技术方案予以解决:
一种仪表指针识别的检测算法,具体包括如下步骤:
步骤1:采集待测仪表的彩色图像I;计算机读取待测仪表的彩色图像I;
步骤2:对彩色图像I进行灰度化处理,得到灰度图像I1;
步骤3:对灰度图像I1进行裁剪,得到裁剪图像I2;
步骤4:对裁剪图像I2进行二值化处理,得到二值化处理后的图像I3;
步骤5:对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1;
步骤6:由直线拟合求出起始刻度线的斜率k,根据步骤5中的指针偏转角度d以及斜率k得到指针的读数;返回步骤1。
进一步的,所述步骤2中对彩色图像I进行灰度化采用分量法、最大值法、平均值法或者加权平均法。
进一步的,所述步骤3中对灰度图像I1进行裁剪得到裁剪图像I2具体包括如下步骤:
1)设灰度图像I1上的点的位置记为(i,j),1≤i≤a,1≤j≤b,其中a,b为灰度图像I1的像素点矩阵的总行数与总列数;
2)如果灰度图I1上的任一像素点到仪表圆心的距离不小于仪表的外径,则令该像素点的灰度值为为255;所述仪表的外径是指仪表标有刻度的环状区域的外圆半径;
3)如果灰度图I1上的任一像素点到仪表圆心的距离小于等于仪表的内径,则令该该像素点的灰度值为255;所述仪表的内径指仪表标有刻度的环状区域的内圆半径;
4)如果灰度图I1上的任一像素点到仪表圆心的距离在内径和外径之间,则该元素的灰度值保持不变;得到裁剪图像I2。
进一步的,所述步骤4中对裁剪图像I2进行二值化处理具体包括如下步骤:
1)计算初始阈值th=(tmin+tmax)/2;其中,tmax和tmin是裁剪图像I2像素点的最大灰度值和最小灰度值。
2)将I2图像分割为灰度值大于初始阈值th的图像区域G1和灰度值小于等于初始阈值th的图像区域G2。
3)分别计算图像区域G1和图像区域G2包含的像素的灰度均值u1和u2。
4)计算新的阈值th=(u1+u2)/2。
5)重复步骤2)、3)、4),直到连续两次计算得到的阈值th的差值的绝对值小于1。
6)如果裁剪图像I2上任意像素点的灰度值大于步骤5最终得到的阈值th,则给该像素点的灰度值赋值255;否则赋值0,得到二值化处理后的图像I3。
进一步的,所述步骤5的对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1具体包括如下步骤:
1)首先将二值化处理后的图像I3中的仪表表盘等分成400等份,每一份为一个圆心角极小的扇形,这些扇形均可近似成线,扫描从以表盘的中心为原点的x轴的正方向开始。
2)在仪表表盘部分找出h1到h2之间黑色像素点最多的一个扇形;其中,h1代表仪表标有刻度的环状区域的外圆半径,h2代表仪表标有刻度的环状区域的内圆半径;具体操作如下:
首先逆时针寻找,设点(x,y)是逆时针旋转到某一个扇形初始位置时位于h1和h2之间的点,其坐标x=x0+r*cos(d1),y=y0-r*sin(d1),其中,r为该点所在位置到仪表表盘中心的距离,它是以h1为初始值,以步长1扫描,以h2为结束值的一变化值;d1为所检测的扇形的初始位置相对于x轴的正方向的逆时针旋转角度,从水平方向开始,以0.005*pi的步长扫描,到2*pi结束;x0、y0分别为仪表中心的横坐标和纵坐标。
3)对于步骤2)中的每一步所到达的扇形区域,判断不同r值对应的像素点是否为黑色像素点,如果是,则认为该像素点为要找的像素点,将其对应的扇形区域中的黑色像素点个数sum加1;如此逆时针旋转一周,把每个扇形区域的黑色像素点个数分别赋给矩阵A1,然后寻找矩阵A1中最大元素对应的扇形位置,矩阵A1中的列序号col1反映该扇形区域在仪表中的位置,然后根据序号col1计算角度d3=2*pi/400*col1,400表示仪表等分的份数;col1为A1中最大元素对应的列序号;d3为逆时针扫描得到的指针角度。
4)按照步骤2)和步骤3)相同的方式,从x轴正方向开始,顺时针旋转到指针位置得到角度d4,计算顺时针查找出的指针的角度d5=2π-d4;然后计算角度d3和角度d5的平均值作为最终的指针角度d。
5)定义一个全0图像矩阵B1,设(i,j)为二值化图像I3上的任一像素点的位置,将到圆心的距离大于外径l1和小于内径l2的像素点的灰度值赋值255。然后将指针角度d对应的指针位置上的所有像素点的灰度值赋值255,即得指针图像B1。
进一步的,所述步骤6中指针读数的算法具体包括如下步骤:
1)已知起始刻度线上的某点坐标与仪表表盘圆心坐标,将它们进行直线拟合求出起始刻度线的斜率,由该斜率算出其倾斜角Q;
2)根据指针角度d得出指针位于扫描的扇形区域序号col;
3)若0<=col<300,则指针读数y=w+(pi-d+Q)*D;若300<=col<400,则指针读数y=w+(pi+Q+2*pi-d)*D,其中,d为指针的角度,D为仪表的每一扇形代表的读数,D=0.2115;w为起始刻度线的值。
与现有技术相比较,本发明的算法具有以下优点:
1、克服了人眼观察时误差大的缺点。
2、本算法通过逆时针和顺时针求出指针角度然后取平均值的方法大大提高了识别的精确度。
以下结合附图和具体实施方式对本发明作进一步解释说明。
附图说明
图1是本发明的方法的总流程图。
图2本发明的方法中步骤3裁剪图像的流程图。
图3本发明的方法中步骤5查找指针的流程图。
图4本发明实施例中的灰度图像I1。
图5本发明实施例中的裁剪图像I2。
图6本发明实施例中的二值化处理后的图像I3。
图7本发明实施例中的指针图像B1。
以下结合附图和具体实施方式对本发明进一步解释说明。
具体实施方式
参见图1-图3,本发明的仪表指针识别的检测算法,具体包括如下步骤:
步骤1:采集待测仪表的彩色图像I;计算机读取待测仪表的彩色图像I;
步骤2:对彩色图像I进行灰度化处理,得到灰度图像I1;
对彩色图像I进行灰度化采用分量法、最大值法、平均值法或者加权平均法。
步骤3:对灰度图像I1进行裁剪,得到裁剪图像I2;具体包括如下步骤:
1)设灰度图像I1上的点的位置记为(i,j),1≤i≤a,1≤j≤b,其中a,b为灰度图像I1的像素点矩阵的总行数与总列数;
2)如果灰度图I1上的任一像素点到仪表圆心的距离不小于仪表的外径,则令该像素点的灰度值为为255;所述仪表的外径是指仪表标有刻度的环状区域的外圆半径;
3)如果灰度图I1上的任一像素点到仪表圆心的距离小于等于仪表的内径,则令该该像素点的灰度值为255;所述仪表的内径指仪表标有刻度的环状区域的内圆半径;
4)如果灰度图I1上的任一像素点到仪表圆心的距离在内径和外径之间,则该元素的灰度值保持不变;得到裁剪图像I2。
步骤4:对裁剪图像I2进行二值化处理,得到二值化处理后的图像I3;具体包括如下步骤:
1)计算初始阈值th=(tmin+tmax)/2;其中,tmax和tmin是裁剪图像I2像素点的最大灰度值和最小灰度值。
2)将I2图像分割为灰度值大于初始阈值th的图像区域G1和灰度值小于等于初始阈值th的图像区域G2。
3)分别计算图像区域G1和图像区域G2包含的像素的灰度均值u1和u2。
4)计算新的阈值th=(u1+u2)/2。
5)重复步骤2)、3)、4),直到连续两次计算得到的阈值th的差值的绝对值小于1。
6)如果裁剪图像I2上任意像素点的灰度值大于步骤5最终得到的阈值th,则给该像素点的灰度值赋值255;否则赋值0,得到二值化处理后的图像I3。
步骤5:对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1;
所述步骤5的对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1具体包括如下步骤:
1)首先将二值化处理后的图像I3中的仪表表盘等分成400等份,每一份为一个圆心角极小的扇形,这些扇形均可近似成线,扫描从以表盘的中心为原点的x轴的正方向开始。
2)在仪表表盘部分找出l1到l2之间黑色像素点(即像素点的灰度值为0的点)最多的一个扇形。其中,h1代表仪表标有刻度的环状区域的外圆半径,h2代表仪表标有刻度的环状区域的内圆半径。具体操作如下:
首先逆时针寻找,设点(x,y)是逆时针旋转到某一个扇形位置时位于h1和h2之间的点,其坐标x=x0+r*cos(d1),y=y0-r*sin(d1),其中,r为该点所在位置到仪表表盘中心的距离,它是以h1为初始值,以步长1扫描,以h2为结束值的一变化值;d1为所检测的扇形的位置相对于x轴的正方向的逆时针旋转角度,从水平方向开始,以0.005*pi的步长扫描,到2*pi结束;x0、y0分别为仪表中心的横坐标和纵坐标。
3)对于步骤2)中的每一步所到达的扇形区域(即对于每一个固定的d1),判断不同r值对应的像素点是否为黑色像素点,对于每一个已定的d1和r,把x和y的坐标取整分别赋值给j(j为某点所处位置的列)和i(i为某点所处位置的行),如果I3(i,j)=0或者I3(i+1,j+1)=0或者I3(i-1,j-1)=0或者I3(i,j-1)=0或者I3(i,j+1)=0或者I3(i-1,j)=0或者I3(i+1,j)=0或者I3(i-1,j+1)=0或者I3(i+1,j-1)=0),则认为该像素点为要找的像素点,将其对应的扇形区域中的黑色像素点个数sum加1;如此逆时针旋转一周,把每个扇形区域的黑色像素点个数分别赋给矩阵A1(A1为一1*400的一维矩阵),然后寻找矩阵A1中最大元素对应的扇形位置,矩阵A1中的列序号col1反映该扇形区域在仪表中的位置,然后根据序号col1计算角度d3=2*pi/400*col1,400表示仪表等分的份数;col1为A1中最大元素对应的列序号;d3为逆时针扫描得到的指针角度。
4)按照步骤2)和步骤3)相同的方式,从x轴正方向开始,顺时针旋转到指针位置得到角度d4,计算顺时针查找出的指针的角度d5=2π-d4;然后计算角度d3和角度d5的平均值作为最终的指针角度d。
5)定义一个全0(即纯黑)图像矩阵B1,设(i,j)为二值化图像I3上的任一像素点的位置,将到圆心的距离大于外径l1和小于内径l2的像素点的灰度值赋值255。然后将指针角度d对应的指针位置上的所有像素点的灰度值赋值255,即得指针图像B1。
步骤6:由直线拟合求出起始刻度线的斜率k,根据步骤5中的指针偏转角度d以及斜率k得到指针的读数;返回步骤1。
步骤6具体包括如下步骤:
1)已知仪表的起始刻度线上的某点坐标与仪表表盘圆心坐标,将它们进行直线拟合求出起始刻度线的斜率,由该斜率算出其倾斜角Q;
2)根据指针角度d得出指针位于扫描的扇形区域序号col;
3)若0<=col<300,则指针读数y=w+(pi-d+Q)*D;若300<=col<400,则指针读数y=w+(pi+Q+2*pi-d)*D,其中,d为指针的角度,D为仪表的每一扇形代表的读数,D=0.2115,w为起始刻度线的值。
以下是发明人给出的实施例,本发明的算法的保护范围不限于该实施例。
实施例:
步骤1:采集待测仪表(气体压力表)的彩色图像I,已知该仪表的圆心坐标为(x0,y0)=(862,524),外径l1=399,内径l2=301。注意拍摄的时候尽量将仪表放正;
步骤2:采用Matlab工具箱的rgb2gray()函数对彩色图像I进行灰度化处理,得到灰度图像I1,如图4所示;
步骤3:如图2所示,采用距离比较的方法对灰度图像I1进行裁剪,得到裁剪后仪表和指针的裁剪图像I2,如图5所示;具体步骤如下:
1)设图像上的点的位置为(i,j)范围是1≤i≤a,1≤j≤b,其中[a,b]为图像I1的像素点矩阵。
2)如果点到仪表圆心的距离大于等于仪表外径399,则给该元素赋值为255;
3)如果点到仪表圆心的距离小于等于仪表内径301,则给该元素赋值为255;
4)如果点到仪表圆心的距离在内径和外径之间,则该元素的值保持不变,如此便可得到裁剪的图像I2。
步骤4:对裁剪后的图像进行二值化处理,和阈值60(此阈值为由之前介绍过的阈值分割方法所得到的)作比较,如果I2中元素的像素值大于60,则把255赋值给I3,否则便把0赋值给I3,如此便得到二值化处理后的图像I3,如图6所示;
步骤5:对二值化处理后的图像I3进行指针查找,求出指针的偏转角度d,提取出指针图像B1,如图7所示;
如图3所示,对二值化处理后的图像I3进行查找指针,具体包括如下步骤:
1)首先将仪表表盘分割成400等份的小扇形,扫描位置从以表盘的中心为原点的x轴的正方向开始。
2)在表盘部分找h1到h2之间黑色像素点最多的一个角度。其中,h1是仪表标有刻度的圈环区域的外圆的半径,h2是仪表标有刻度的圈环区域的内圆的半径。首先逆时针寻找,设点(x,y)是逆时针旋转某一个角度(该角度是按步骤1)中所述的分为400等份的小扇形,逐个角度扫描的)时表盘中位于h1到h2圆环上的点,则其坐标为(x0+h*cos(d1),y0-h*sin(d1)),其中h为该点所在位置到圆心(仪表表盘中心)的距离,在对某一个角度进行黑色像素的个数统计时,h是从h2逐步增加到h1的且增加的步长为1。d1为逆时针旋转时某一时刻的旋转角度。x0为仪表中心的横坐标,y0为仪表中心的纵坐标。
3)对于上述步骤中的每一个取定的h,把x和y的坐标取整,然后分别赋值给j(j为某点所处位置的列)和i(i为某点所处位置的行)。如果I3(i,j)=0或者I3(i+1,j+1)=0或者I3(i-1,j-1)=0或者I3(i,j-1)=0或者I3(i,j+1)=0或者I3(i-1,j)=0或者I3(i+1,j)=0或者I3(i-1,j+1)=0或者I3(i+1,j-1)=0,则认为该元素即为要找的点,临时存储这一个角度上的黑色元素的个数的存储单元sum就加1。如此寻找一周,便可得到黑色像素点最多的一个角度亦即逆时针查找出的指针的角度记为d3,本实施例中d3=1.9321。
4)按照步骤2)和步骤3)的方法再顺时针旋转一周又得到一个角度d4=4.3825,然后用(2π-d4)便可得到顺时针查找出的指针的角度记为d5=1.9007,最终指针的角度d即为d3和d5的平均值。本实施例中d=1.9164
5)把图像矩阵赋值为全0矩阵,设(i,j)为图像上的点坐标,根据指针的角度d即可找到指针的准确位置,然后将指针上的所有点赋值为255。得到指针位置图像B1。
步骤6:由直线拟合求出起始刻度线的斜率k,本实施例中的仪表是指气体压力表,其起始刻度线-0.1刻度线;为根据步骤5中的偏转角度d以及k再经过相应的数学计算便可得出指针的读数。具体包括如下步骤:
1)已知-0.1刻度线上的某点坐标(576,801)与圆心坐标(862,524)进行直线拟合求出-0.1刻度线的斜率,由该斜率算出其倾斜角,记为Q=0.7694;
2)根据上述计算得到的指针的角度d便可得出指针所在部分是从扫描位置开始的第几个等份,记为col,本实施例中col=122.0000;
3)若0<=col<300,则指针读数计算公式为y=-0.1+(pi-d+Q)*D若300<=col<400,则指针读数为y=-0.1+(pi+Q+2*pi-d)*D,其中d为指针的角度,D为仪表的每一弧度代表的读数,为0.2115是个固定值。
4)在本实施例中,计算得到的col=122,由于0=<122<300,故选用指针读数计算公式为y=-0.1+(pi-d+Q)*D,根据上述可得出指针读数y=0.3219。
Claims (5)
1.一种仪表指针识别的检测方法,其特征在于,具体包括如下步骤:
步骤1:采集待测仪表的彩色图像I;计算机读取待测仪表的彩色图像I;
步骤2:对彩色图像I进行灰度化处理,得到灰度图像I1;
步骤3:对灰度图像I1进行裁剪,得到裁剪图像I2;
步骤4:对裁剪图像I2进行二值化处理,得到二值化处理后的图像I3;
步骤5:对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1;
步骤6:由直线拟合求出起始刻度线的斜率k,根据步骤5中的指针偏转角度d以及斜率k得到指针的读数;返回步骤1;
其中,步骤5的对二值化处理后的图像I3进行指针查找,求出指针偏转角度d,提取指针图像B1具体包括如下步骤:
1)首先将二值化处理后的图像I3中的仪表表盘等分成400等份,每一份为一个圆心角极小的扇形,这些扇形均可近似成线,扫描从以表盘的中心为原点的x轴的正方向开始;
2)在仪表表盘部分找出h1到h2之间黑色像素点最多的一个扇形;其中,h1代表仪表标有刻度的环状区域的外圆半径,h2代表仪表标有刻度的环状区域的内圆半径;具体操作如下:
首先逆时针寻找,设点(x,y)是逆时针旋转到某一个扇形初始位置时位于h1和h2之间的点,其坐标x=x0+r*cos(d1),y=y0-r*sin(d1),其中,r为该点所在位置到仪表表盘中心的距离,它是以h1为初始值,以步长1扫描,以h2为结束值的一变化值;d1为所检测的扇形的初始位置相对于x轴的正方向的逆时针旋转角度,从水平方向开始,以0.005*pi的步长扫描,到2*pi结束;x0、y0分别为仪表中心的横坐标和纵坐标;
3)对于步骤2)中的每一步所到达的扇形区域,判断不同r值对应的像素点是否为黑色像素点,如果是,则认为该像素点为要找的像素点,将其对应的扇形区域中的黑色像素点个数sum加1;如此逆时针旋转一周,把每个扇形区域的黑色像素点个数分别赋给矩阵A1,然后寻找矩阵A1中最大像素点对应的扇形位置,矩阵A1中的列序号col1反映该扇形区域在仪表中的位置,然后根据序号col1计算角度d3=2*pi/400*col1,400 表示仪表等分的份数;col1为A1中最大元素对应的列序号;d3为逆时针扫描得到的指针角度;
4)按照步骤2)和步骤3)相同的方式,从x轴正方向开始,顺时针旋转到指针位置得到角度d4,计算顺时针查找出的指针的角度d5=2π-d4;然后计算角度d3和角度d5的平均值作为最终的指针角度d;
5)定义一个全0图像矩阵B1,设(i,j)为二值化图像I3上的任一像素点的位置,将到圆心的距离大于外径h1和小于内径h2的像素点的灰度值赋值255;然后将指针角度d对应的指针位置上的所有像素点的灰度值赋值255,即得指针图像B1。
2.如权利要求1所述的仪表指针识别的检测方法,其特征在于,所述步骤2中对彩色图像I进行灰度化采用分量法、最大值法、平均值法或者加权平均法。
3.如权利要求1所述的仪表指针识别的检测方法,其特征在于,所述步骤3中对灰度图像I1进行裁剪得到裁剪图像I2,具体包括如下步骤:
1)设灰度图像I1上的点的位置记为(i,j),1≤i≤a,1≤j≤b,其中a,b为灰度图像I1的像素点矩阵的总行数与总列数;
2)如果灰度图I1上的任一像素点到仪表圆心的距离不小于仪表的外径,则令该像素点的灰度值为255,所述仪表的外径是指仪表标有刻度的环状区域的外圆半径;
3)如果灰度图I1上的任一像素点到仪表圆心的距离小于等于仪表的内径,则令该像素点的灰度值为255,所述仪表的内径指仪表标有刻度的环状区域的内圆半径;
4)如果灰度图I1上的任一像素点到仪表圆心的距离在内径和外径之间,则该像素点的灰度值保持不变;得到裁剪图像I2。
4.如权利要求1所述的仪表指针识别的检测方法,其特征在于,所述步骤4中对裁剪图像I2进行二值化处理具体包括如下步骤:
1)计算初始阈值th=(tmin+tmax)/2;其中,tmax和tmin是裁剪图像I2像素点的最大灰度值和最小灰度值;
2)将I2图像分割为灰度值大于初始阈值th的图像区域G1和灰度值小于等于初始阈值th的图像区域G2;
3)分别计算图像区域G1和图像区域G2包含的像素的灰度均值u1和u2;
4)计算新的阈值th=(u1+u2)/2;
5)重复步骤2)、3)、4),直到连续两次计算得到的阈值th的差值的绝对值小于1;
6)如果裁剪图像I2上任意像素点的灰度值大于步骤5最终得到的阈值th,则给该像素点的灰度值赋值255;否则赋值0,得到二值化处理后的图像I3。
5.如权利要求1所述的仪表指针识别的检测方法,其特征在于,所述步骤6中指针读数的算法具体包括如下步骤:
1)已知起始刻度线上的某点坐标与仪表表盘圆心坐标,将它们进行直线拟合求出起始刻度线的斜率,由该斜率算出其倾斜角Q;
2)根据指针角度d得出指针位于扫描的扇形区域序号col;
3)若0<=col<300,则指针读数y=w+(pi-d+Q)*D;若300<=col<400,则指针读数y=w+(pi+Q+2*pi-d)*D,其中,d为指针的角度;D为仪表的每一扇形代表的读数,D=0.2115;w为起始刻度线的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752723.2A CN103714329B (zh) | 2013-12-31 | 2013-12-31 | 一种仪表指针识别的检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752723.2A CN103714329B (zh) | 2013-12-31 | 2013-12-31 | 一种仪表指针识别的检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103714329A CN103714329A (zh) | 2014-04-09 |
CN103714329B true CN103714329B (zh) | 2017-01-18 |
Family
ID=50407289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310752723.2A Active CN103714329B (zh) | 2013-12-31 | 2013-12-31 | 一种仪表指针识别的检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714329B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573702A (zh) * | 2014-12-01 | 2015-04-29 | 长沙众治电气技术有限公司 | 一种六氟化硫压力仪表图像自动识别方法 |
CN104484857B (zh) * | 2014-12-26 | 2017-08-18 | 国网重庆市电力公司电力科学研究院 | 一种仪表数据读取方法及系统 |
CN105004359A (zh) * | 2015-08-03 | 2015-10-28 | 广州供电局有限公司 | 指针式仪表的读数方法和系统 |
CN105426809B (zh) * | 2015-08-18 | 2019-02-22 | 张大堃 | 一种仪表指针自动识别的方法 |
CN105303168A (zh) * | 2015-10-14 | 2016-02-03 | 南京第五十五所技术开发有限公司 | 一种多视角的指针式仪表识别方法和装置 |
CN105868750B (zh) * | 2016-03-25 | 2019-01-25 | 北京环境特性研究所 | 基于先验信息的表盘指针识别方法 |
CN107301412B (zh) * | 2017-05-08 | 2019-12-17 | 浙江工业大学 | 一种基于图像处理的指针式仪表读数方法 |
CN107220645B (zh) * | 2017-05-24 | 2021-02-26 | 河北省计量监督检测研究院 | 基于动态图像处理的水表识别方法 |
CN108399410A (zh) * | 2017-12-15 | 2018-08-14 | 天津津航计算技术研究所 | 一种基于图像处理的直角检测方法 |
CN108960231B (zh) * | 2018-05-31 | 2022-05-13 | 广东工业大学 | 一种基于机器视觉的细指针表盘识别读数方法 |
CN108876871B (zh) * | 2018-06-15 | 2022-10-04 | 广东数相智能科技有限公司 | 基于圆拟合的图像处理方法、装置与计算机可读存储介质 |
CN108921153A (zh) * | 2018-07-06 | 2018-11-30 | 天津工业大学 | 基于机器视觉的指针温湿度仪表检测 |
CN109086763B (zh) * | 2018-07-23 | 2021-11-26 | 国网辽宁省电力有限公司信息通信分公司 | 一种指针式仪表读取方法及装置 |
CN109858560A (zh) * | 2019-02-18 | 2019-06-07 | 广东中粤电力科技有限公司 | 一种指针式仪表图像识别读数及安全预警方法 |
CN110111387B (zh) * | 2019-04-19 | 2021-07-27 | 南京大学 | 一种基于表盘特征的指针表定位及读数方法 |
CN110487314B (zh) * | 2019-08-02 | 2022-02-01 | 惠州市德赛西威汽车电子股份有限公司 | 一种仪表指针自动检测方法 |
CN110490145B (zh) * | 2019-08-22 | 2021-09-17 | 国网四川省电力公司信息通信公司 | 一种指针式仪表读数识别方法 |
CN111104862A (zh) * | 2019-11-22 | 2020-05-05 | 桂林金格电工电子材料科技有限公司 | 同轴特殊指针仪表的指针识别方法 |
CN111428659A (zh) * | 2020-03-27 | 2020-07-17 | 京东方科技集团股份有限公司 | 一种指针定位方法、装置及仪表 |
CN112001379A (zh) * | 2020-05-19 | 2020-11-27 | 西安工程大学 | 基于机器视觉的汽车仪表固定视点读取仪表的修正算法 |
CN111950509A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所扇形指针仪表图像识别方法 |
CN112051003B (zh) * | 2020-09-10 | 2021-09-14 | 中国科学院自动化研究所 | 液压表自动产品检测装置、检测方法及读取方法 |
CN113191352A (zh) * | 2021-03-23 | 2021-07-30 | 浙江理工大学 | 一种基于目标检测和二值图像检测的水表指针读数识别方法 |
CN116543376B (zh) * | 2023-07-03 | 2023-12-29 | 广东电网有限责任公司肇庆供电局 | 一种指针式仪表读数方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324452A (zh) * | 2008-07-22 | 2008-12-17 | 中国计量学院 | 一种指针式仪表自动检定方法 |
CN103148881A (zh) * | 2013-02-06 | 2013-06-12 | 广东电网公司电力科学研究院 | 利用视频自动对指针式仪表进行读数的方法及装置 |
-
2013
- 2013-12-31 CN CN201310752723.2A patent/CN103714329B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324452A (zh) * | 2008-07-22 | 2008-12-17 | 中国计量学院 | 一种指针式仪表自动检定方法 |
CN103148881A (zh) * | 2013-02-06 | 2013-06-12 | 广东电网公司电力科学研究院 | 利用视频自动对指针式仪表进行读数的方法及装置 |
Non-Patent Citations (1)
Title |
---|
"基于ARM嵌入式视频监控系统的指针识别研究";李宁宁;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100915(第9期);第I140-221页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103714329A (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714329B (zh) | 一种仪表指针识别的检测算法 | |
CN105260709B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN105260710B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN105300482B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN106289777B (zh) | 一种基于几何度量的多工况滚动轴承性能评估方法 | |
CN107220645B (zh) | 基于动态图像处理的水表识别方法 | |
CN102521560B (zh) | 高鲁棒仪表指针图像识别方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN107066998A (zh) | 一种利用移动设备的指针式圆形单仪表盘实时识别方法 | |
CN109583324A (zh) | 一种基于单点多盒检测器的指针仪表读数自动识别方法 | |
CN103743452B (zh) | 非接触式液位测量系统 | |
CN106936964B (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN105426809B (zh) | 一种仪表指针自动识别的方法 | |
CN103776482B (zh) | 无标尺线指针式仪表刻度的图像检测方法 | |
CN106503660B (zh) | 基于图像微结构频数分析的时间序列复杂度测算方法 | |
Cai et al. | A novel improved local binary pattern and its application to the fault diagnosis of diesel engine | |
CN106557751A (zh) | 一种带颜色指示信息的指针式压力表自动读数方法 | |
CN112013788A (zh) | 基于叶片局部前缘曲线特征标定转动中心的方法 | |
CN113643371B (zh) | 一种飞行器模型表面标记点的定位方法 | |
CN108830899A (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
CN104615634A (zh) | 基于方向特征的手掌静脉指导性快速检索方法 | |
CN105046262B (zh) | 一种鲁棒扩展局部二值模式纹理特征提取方法 | |
Chen et al. | An intelligent vision recognition method based on deep learning for pointer meters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140409 Assignee: Shaanxi Xinglang Keao Network Technology Co.,Ltd. Assignor: CHANG'AN University Contract record no.: X2023980052375 Denomination of invention: A detection algorithm for instrument pointer recognition Granted publication date: 20170118 License type: Common License Record date: 20231215 |