CN105260710A - 基于图像处理的水表检定方法、装置及系统 - Google Patents

Abstract

本发明公开了基于图像处理的水表检定方法、装置及系统，该方法包括：获取预设表盘图像的指针二值化图；在二值化图上搜索全部非黑色像素点；计算各个非黑色像素点到指针圆圆心的第一距离，并获取第一距离中的最大值；以指针圆圆心位置为圆心，以最大值为半径，搜索全部非黑像素点到指针圆圆心距离在0.8倍最大值至1倍最大值的特定非黑像素点；求取特定非黑像素点的质心，以指针圆圆心为起点，质心所在位置为终点进行连线，连线方向为指针指向；根据指针方向对预设水表示数判读，得到判读结果；计算判读结果并确定预设水表的示值状态。本发明对水表图像进行处理，使得特征区域提取出来，然后进行判读，最后利用获取的多幅图像对判读准确性进行验证。

Description

基于图像处理的水表检定方法、装置及系统

技术领域

本发明涉及仪表检测领域，更具体的，涉及一种基于图像处理的水表检定方法、装置及系统。

背景技术

冷水水表检定过程是一个确定水表读数误差大小的过程，在检定时可以适当采用计算机识别图像读数代替人工方式进行检测。现阶段，指针式水表检定系统的相关研究日趋增多，众多的国内外研究者将研究的方向设定在机器视觉以及图像处理上，即采集指针式水表图像，再利用计算机处理图像矩阵识别水表指针位置，进而读取水表示值。图像处理检测技术具有极强的对象性，不同的检测对象的图像结构信息相差很大，而且识别的精度速度等要求也会不尽相同。近几年，国内外图像处理专家在指针式仪表识别方面不断探索，也取得了一定的研究成果。

关于指针式水表只是众多指针式仪表检测中的一种，而基于图像处理的指针式仪表的研究在国外起步较早，上世纪八九十年代开始，欧美许多发达国家的研究人员就已经对此逐渐探索，最早是于1989年J.P.Jones选用机械手对指针式仪表图像采集处理，进而进行指针读数判读；1994年，美国韦恩州立大学的Sablatning等人就已在自己文章中详细叙述了以圆形表盘且刻度分布均匀的水表作为识别对象，基于Hough变换识别直线即指针位置，再求取指针指向读取示数，成为仪表识别领域代表性突破；2000年，葡萄牙里斯本技术大学的CorreaAlegria等创新性的提出针对多幅表盘图像，联合减影法以及Hough变换在将圆形表盘变换成水平刻度线样式后再进行指针位置的识别；2004年，S.L.Pang等人提出基于最大灰度相减法利用含指针图像减无指针模板图像实现角度判读；2006年出现以抑制光晕为目的的基于中心环绕模型；2007年，美国科研人员利用指针对环状光栅盘的遮挡所得到的明暗光信号来读取指针示数。

国外的很多学者对于基于图像处理的指针式仪表识别算法理论研究大大推动了实现仪表自动识别的发展，尤其是对于欧美等发达国家来讲，使用的图像处理逐渐增多，技术的发展也就相对较快，经验比较丰富，应用方面日渐普及到各个行业如汽车、制药、食品、饮料和包装等。即便如此，国外的图像处理系统由于知识产权等原因价格昂贵、维修困难，在国内无法被广大用户所接受。因此，我国研制出具备自主知识产权的指针式仪表识别系统地必要性很强。

同国外相比，我国针对指针式仪表图像识别的研究较晚，研究方向主要集中在图像分割和特征识别算法上。最早进行此方面研究的是哈尔滨工业大学的李铁桥教授，他指出以表盘圆心为极点在极坐标系中根据识别出的指针的极坐标角度确定读数；接着王三武等人对于多子表盘的水表图像识别系统进行了研究，主要采用的是模版匹配；华北电力大学的李宝树指出识别指针刻度线然后根据预先设定的待测检点与实际检测点之间的误差读数进行判读的方法；丁庆生、李世平等人提出以指针点、表盘圆心和零点这三点为顶点构成三角模型进行指针读取的方法；香港理工大学W.L.Chan等人设计出一套指针仪表的自动检定系统；华南理工大学的陈彬将中心投影同Hough变换相结合确定指针位置；南京航空航天大学的吴欢欢、游有鹏等将ActiveX控件技术引入指针仪表监测系统，提高的检测系统稳定性；北京邮电大学的曲仁军等对基于嵌入式环境下仪表快速识别理论进行了探索，结合圆环提取的改进以及边沿梯度圆心查找法对指针读数进行判读；武汉大学方彦军以基于机器视觉的仪表自动判读项目为依托对自动校验装置对准控制进行了深入钻研，我国学者对实现指针式仪表示数识别一直都在不断探索。

基于以上对前人指针式仪表识别算法的研究不难发现这些指针式仪表识别系统以指针作为识别判读的关键，对指针方向识别的方法大体分为四类：步长法、圆周灰度检测、模版匹配、圆周弦长法，对指针方向进行判读的主要方法基本就是两种，即角度法和距离法。

步长法根本原理是以指针旋转轴为种子原点分别沿周围八个邻域方向中某一方向进行搜索，直到搜索到邻域灰度值是0的位置为止，再以此位置为原点重复搜索过程，在震荡中搜索与原点距离最远的位置，此点即为最终点，即指针针尖位置。然后连接原点位置与针尖位置所成的线即为指针指向，但此方法是以指针轮廓线为基础，如果获得的轮廓线有任何断裂情况就会使得震荡搜索停止，从而造成指针针尖位置提取错误，而且读错的概率很大；圆周灰度检测法的基本思想是在确定了指针长度L的基础上以轴心为圆心以为半径做圆并确定与指针边缘的两个交点，再确定两交点间的圆弧的中点，将轴心与中点连线，此连线即为指针方向，但此方法必须在指针长度确定而且有一定宽度的情况下才较为合适的使用，如果指针相对较细则造成两交点距离过近，而有的厂商生产的指针式水表也有指针相对较细的情况，应用此种方法效果并不是很好；而对于模版匹配的方法需要提前设定好一个固定模版，然后将采集的图像与模版相比较，确定指针的方向，但在本实施例想要设计系统是手持式图像采集终端，模版并不固定，由此对于模版匹配的方法更加不适合。

针对传统方法各个方面的局限性，很多学者提出了运用圆周弦长检测法来进行水表指针的方向识别，这种方法的基本原理是将指针以旋转轴心为原点将指针分为四个象限，然后从原点出发向两个相反的方向搜索指针轮廓，记录轮廓点间距离，每搜索完一条线上的两个轮廓点就以1°为步长顺时针或逆时针继续搜索直到旋转180°完成搜索，此搜索过程中所得的最长的轮廓距离即对应指针指示方向。虽然此种方法在指针式仪表识别领域具有十分广泛的用途，但如果指针较尖锐，与旋转指针圆没有平滑过度的情况下会浪费许多资源，而且如果指针在提取过程中出现平针的现象会造成指针方向识别不准确甚至是错误。

因此，现有技术中水表检定还存在效率及准确率均不高的问题。

发明内容

本发明公开一种基于图像处理的水表检定方法、装置及系统，用于解决现有技术中水表检定还存在效率及准确率均不高的问题。

为实现上述目的，本发明提供一种基于图像处理的水表检定方法，并采用如下技术方案：

基于图像处理的水表检定方法包括：获取预设表盘图像的指针二值化图；

在所述二值化图上搜索全部非黑色像素点；计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；根据所述指针方向对预设水表进行示数判读，并得到判读结果；计算所述判读结果并确定所述预设水表的示值状态。

进一步地，所述求取所述特定非黑像素点的质心包括：求取所述质心的计算公式如下：

$\left\{\begin{array}{c}x=\frac{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)*i}{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)}\\ y=\frac{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)*j}{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)}\end{array}\right.$

g(i，j)是在(i，j)处像素灰度大小，m、n代表符合条件的在方向i、j上的个数，x、y代表求取所述质心位置的横坐标与纵坐标。

进一步地，所述根据所述指针方向对所述预设水表进行示数判读包括：确定所述预设水表的表盘圆心位置以及所述指针圆圆心的位置；根据预设计算公式以及所述表盘圆心位置、所述指针圆圆心的位置、识别的所述指针方向计算所述预设水表的指针读数；

所述预设计算公式为： $tan\mathrm{\θ}=\frac{(q-n)*(x-m_2)-(y-n_2)*(p-m)}{(x-m_2)*(p-m)+(y-n_2)*(q-n)};$

其中，所述表盘圆心位置为(x，y)，所述指针圆圆心的位置按照从左到右的顺序依次为(m1,n1)、(m2,n2)、(m3,n3)、(m4,n4),对应的针尖的位置依次为(p1,q1)、(p2,q2)、(p3,q3)、(p4,q4)，以向量(x-m2,y-n2)为零向量，计算各个指针方向向量(p-m，q-n)与零向量所成的角度。

进一步地，在所述根据所述指针方向对所述预设水表进行示数判读之前，所述水表检定方法还包括：判断所述指针方向向量与所述零向量的数量积是否为零；在所述指针方向向量与所述零向量的数量积为零时，确定所述角度为90度或270度；在所述指针方向向量与所述零向量的数量积不为零时，则利用所述预设计算公式求取所述角度的向量夹角θ。

进一步地，所述获取预设表盘图像的指针二值化图包括：对所述表盘图像进行灰度化处理，得到第一处理结果；在所述第一处理结果的基础上对所述表盘图像进行表盘图像增强，得到第二处理结果；在所述第二处理结果的基础上对所述表盘图像进行滤波去噪，得到第三处理结果；在所述第三处理结果的基础上对所述表盘图像进行二值化处理，得到第四处理结果；在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果；在所述第五处理结果的基础上对所述表盘图像进行指针提取，得到第六处理结果；在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图。

进一步地，所述对所述表盘图像进行灰度化处理，得到第一处理结果包括：将所述表盘图像的各像素点的R、G、B三个分量分别乘以一个加权系数即权值，数学表达式如下：

g(x，y)＝(W_R*R+W_G*G+W_B*B)/3

采用如下加权参数模型：

g(x，y)＝0.299R+0.587G+0.114B

其中，f(x，y)代表原水表图像在(x，y)处的像素值，g(x，y)代表经过变换水表图像的值；对所述各像素点进行加权平均，获取所述表盘图像的灰度图。

进一步地，所述在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果包括：在所述表盘图像二值化的基础上对所述表盘图像进行霍夫变换算法，识别表盘，再识别子表盘；依据LRCD算法对所述子表盘特征区域提取红色指针。

进一步地，所述在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图包括：基于霍夫变换算法提取所述子表盘，并对所述子表盘进行区域分割；依据所述LRCD色差变换模型对所述子表盘中的红色指针进行提取，得到所述指针二值化图。

根据本发明的另外一个方面，提供一种基于图像处理的水表检定装置，并采用如下技术方案：

基于图像处理的水表检定装置包括：获取模块，用于获取预设表盘图像的指针二值化图；第一搜索模块，用于在所述二值化图上搜索全部非黑色像素点；第一计算模块，用于计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；第二搜索模块，用于以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；求取模块，用于求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；判读模块，用于根据所述指针方向对预设水表进行示数判读，并得到判读结果；第二计算模块，用于计算所述判读结果并确定所述预设水表的示值状态。

根据本发明的又一个方面，提供一种基于图像处理的水表检定系统，并采用如下技术方案：

基于图像处理的水表检定系统包括上述的水表检定装置。

本发明提高的水表读数识别方法，具有如下技术效果：

第一、对指针式水表图像预处理过程中的各种方法进行了分析，图像预处理尤其对相对清晰度不高干扰较大的表盘图像显得更为重要。

第二、实现了对指针式水表图像特征区域子表盘的提取以及指针提取。在指针子表盘提取过程中并非针对识别子表盘圆内信息提取而是采用扩充提取以保证指针针尖部分的完整性。对于指针的提取过程并非直接对灰度图像进行处理，而是充分利用图像彩色信息，利用LRCD彩色差分原理提取指针。

第三、实现了指针圆完整准确检定。利用提取指针信息准确识别指针转轴即指针圆圆心位置。

附图说明

附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1表示本发明实施例所述的基于图像处理的水表检定方法的流程图；

图2表示本发明实施例所述的基于水表图像进行处理后所得到的指针二值化图；

图3表示图2所示的指针二值化图的非黑像素点识别效果图；

图4表示本发明实施例所述的确定表盘圆心的示意图；

图5表示本发明实施例所述的确定表盘圆心的又一示意图；

图6表示本发明实施例所述的确定表盘圆心的原理图；

图7表示本发明实施例所述的水表图像的灰度图；

图8表示图7所述的灰度图的直方图；

图9表示本发明实施所述的K近邻平滑滤波原理图；

图10表示本发明实施所述的圆形空间参数示意图；

图11表示本发明实施例所述的特征区域提取中的图像表盘识别示意图；

图12表示本发明实施例所述的特征区域提取中的图像子表盘识别示意图；

图13表示本发明实施例所述的原始识别子表盘提取特征区域图；

图14表示本发明实施例所述的圆的半径扩大后的子表盘特征区域提取图；

图15表示本发明实施例所述的水表图像的红色通道灰度图；

图16表示本发明实施例所述的水表图像的绿色通道灰度图；

图17表示本发明实施例所述的水表图像的蓝色通道灰度图；

图18表示本发明实施例所述的水表图像的红色指针提取灰度图；

图19表示本发明实施例所述的R-G红色指针灰度图；

图20表示本发明实施例所述的R-B红色指针灰度图；

图21表示本发明实施例所述的指针直方图；

图22表示本发明实施例所述的指针二值化效果图；

图23表示本发明实施例所述的基于图像处理的水表检定装置的结构示意图。

具体实施方式

在通过实施例详细阐述本发明技术方案及技术效果之前，先介绍一下水表检测的相关步骤及方法。

对于指针式水表检测项目主要包括三类：外观和功能检测、密封性排查、示值误差计算。尤以最后一项示值误差作为检定关键指标。

示值误差检定是水表处于水温低于30℃环境中水流速度分别在最小流量点Q₁、分界流量点Q₂、常用流量点Q₃三个流量点处的相对误差，是检测结果对仪表准确度等级判别的根本体现。流量是水表实际流过的水流体积与所用时间之商，当然在实际实验时，不可能将流量点设置的如此精确，所以一般的实际流量分别控制在Q₁～1.1Q₁、Q₂～1.1Q₂、0.9Q₃～Q₃范围内即可。指针式水表的相对误差E是用百分数表示的一个重要检测指标，计算如下：

$E=\frac{V_i-V_a}{V_a}\×100\%$

式中V_i表示水表指示体积差，V_a表示标准设备实际体积差。当进行检定时，水表的最大允许误差在检定低区(Q₁≤Q＜Q₂)是±5％，检定高区是±2％。

检定步骤

1、首先观察被检水表的外表是否存在问题，尤其是察看流量点、水表流向等各项标注是否完整，若不完整直接返厂或淘汰。

2、将外观符合标准的水表按照水流流向与水表流向指示箭头一致的方向正确装到检定试验台，打开出水阀门再缓慢打开进水阀门，对整组水表以及管道进行排气，根据玻璃转子流量计显示的水表排气情况确定是否终止排气，如果玻璃转子流量计内没有气泡冒出时并不关闭进水阀门和出水阀门，而是继续流水过程，目的是稳定流量和检查水表是否发生水泄漏情况。水流流过一定合适时间(本人在检定过程中的合适时间采取的是大于等于一分钟)关闭进水阀门，开始检定过程的初始状态读数，首先读取的是标准超声波流量计的数据V₀，然后读取各个指针式水表表盘数据V₀’。

3、再次打开进水阀门开始水表检定。检定的终止条件为流经水表的水流体积相当于水表检定流量下排放一分钟的体积。关闭试验台水表上游进水阀门同时关闭下游出水阀门。

4、记录标准超声波流量计检定终止末态时数据V₁，以及各个指针式水表的检定末态数据V₁’。

5、根据误差计算公式，计算被检水表示值误差，分析误差统计参数[25]，若处于最大允许误差范围内即可证明此水表为合格水表，符合标注精度等级，此时才能打印合格证明以及检定证书。

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

图1表示本发明实施例一所述的基于图像处理的水表检定方法的流程图。

参见图1所示，基于图像处理的水表检定方法包括：

S101：获取预设表盘图像的指针二值化图；

S103：在所述二值化图上搜索全部非黑色像素点；

S105：计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；

S107：以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；

S109：求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；

S111：根据所述指针方向对预设水表进行示数判读，并得到判读结果；

S113：计算所述判读结果并确定所述预设水表的示值状态。

在步骤S101中，预设表盘图像，目前实现数字图像采集设备的构成主要包括工业相机、图像采集卡、传输设备、上位机。目前按照成像原理将工业相机分为模拟和数字两类。本实施例所用设备内嵌的数字工业相机是基于逐行曝光的CMOS图像传感器，内置心跳功能可自动诊断工作状态从异常中恢复，支持多种采集方式即连续采集和触发采集。其自动配备通用性1394接口，符合DCAM(discriminatingcontentaddressablememory)规范标准，在向主机传输图像信息过程中占用资源较少，同时此设备还具有较好的环境适应性，十分适合图像采集传输等应用场合。

在图像摄取过程中，尽量以表盘直径为基准，使得表盘尽量接近图像宽度长度。将图像通过图像采集设备成功采集后需要将其传入计算机，然后开始进行处理分析。

在获取步骤S101中表盘图像后，对表盘图像进行处理，以期获取表盘图像的指针二值化图，参见图2。

S103：在所述二值化图上搜索全部非黑色像素点；

在图2上搜索全部非黑色像素点，即以指针二值化图为基础，无需提取指针轮廓，对所有二值化效果图中灰度值非零地像素进行处理的过程。

S105：计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；

第一距离算法的具体描述如下：

计算所有轮廓点pt到指针圆圆心的距离distance，并求出最大值。

$dis\tan ce=\sqrt{{(pt\→x-cvRound(p\[0\]\left)\right)}^2+{(pt\→y-cvRound(p\[1\]\left)\right)}^2}---(5-1)$

其中，pt→x代表所述非黑色像素点的横坐标，pt→t代表所述非黑色像素点的纵坐标；

S107：以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；

定义longest_diatance为最大值，在步骤S107中，在以指针圆圆心位置为圆心，以所述最大值为半径，搜索所有非黑像素点到圆心距离为[0.8*longest_diatance,longest_diatance的非黑像素点，将符合条件的所有像素分别存储并求质心。图像的质心求取公式如下：

$\left\{\begin{array}{c}x=\frac{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)*i}{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)}\\ y=\frac{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)*j}{{\Σ}_{j=1}^n{\Σ}_{i=1}^{m}g(i,j)}\end{array}\right.$

g(i，j)是在(i，j)处像素灰度大小，m、n代表符合以上条件的在方向i、j上的个数，x、y代表求取质心位置横纵坐标。由于二值图中只存在两种灰度，且符合上述条件的必须是非零灰度点，所以实际上求取质心的过程也是分别求取所有符合条件的横纵坐标均值的过程。以指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向。

S111：根据所述指针方向对预设水表进行示数判读，并得到判读结果；

在获得指针的方向后需要对指针读数进行判别，指针读数的判别方法可以采用距离法或角度法。

角度法是利用识别出来的指针方向与表盘指针指向零刻度时所成的角度与整个子表盘量程之比计算指针读数。这种方法最重要的是对指针角度的判断，可以在未知刻度线的情况下读取示值，而且水表子表盘的刻度线与刻度值呈线性关系，刻度分布均匀，因此本实施例采用角度法。

观察水表子表盘发现各个子表盘的圆心共圆，自然指针圆圆心也在此圆上，指针圆圆心成为此圆圆周上的点。所以在检测出指针圆后连接各圆心组成六条圆周弦，参见图4。由于每天圆周弦的垂直平分线必过表盘圆心，根据两两垂直平分线的交点计算交点均值从而确定出表盘圆心位置。其连接各圆心的圆周弦效果图以及表盘圆心位置确定，参见图5。

一般根据确定的表盘圆心位置、指针圆圆心位置以及识别的指针方向就可以利用角度法进行指针读数的确定，本实施例是基于向量求取读数。

设在指针式水表表盘中检测到的表盘圆心位置为(x，y)，指针圆的位置按照从左到右的顺序依次为(m1,n1)、(m2,n2)、(m3,n3)、(m4,n4),对应的针尖的位置依次为(p1,q1)、(p2,q2)、(p3,q3)、(p4,q4)，以向量(x-m2,y-n2)为零向量，计算各个指针方向向量(p-m。q-n)与零向量所成的角度，原理图如图6所示。

基于公式： $tan\mathrm{\θ}=\frac{(q-n)*(x-m_2)-(y-n_2)*(p-m)}{(x-m_2)*(p-m)+(y-n_2)*(q-n)}$

在确定所述预设水表的表盘圆心位置以及所述指针圆圆心的位置；根据预设计算公式以及所述表盘圆心位置、所述指针圆圆心的位置、识别的所述指针方向计算所述预设水表的指针读数。

S113：计算所述判读结果并确定所述预设水表的示值状态。

在步骤S113中，根据步骤S111所求角度θ，以及整个子表盘均匀分布十个刻度即每36度刻度加一，所以角度与表盘读数关系如下表所示：

虽然按照对应关系可以求得指针对数，但当指针处于36度倍数的临界角等敏感刻度点时往往很小的误差就会导致读数变换差别很大，尤其是随着以立方米为单位的子表盘×0.0001、×0.001、×0.01、×0.1所代表的计数单位增大所带来的判别误差逐渐增大甚至不可估量。

为了消除计算所带来的误差，可以根据各子表盘之间十进制关系利用小一位的计数表盘对进制子表盘进行读数纠正，如最小子表盘×0.0001的指向为9，×0.001指示为比2稍大一点则判其为2而非3。

本实施例在基于指针二值化水表图像的基础上，实现了指针圆完整准确检定，利用提取指针信息准确识别指针转轴即指针圆圆心位置，然后结合改进的角度判读方法，实现指针的准确判读。

优选地，在所述根据所述指针方向对所述预设水表进行示数判读之前，所述水表检定方法还包括：判断所述指针方向向量与所述零向量的数量积是否为零；在所述指针方向向量与所述零向量的数量积为零时，确定所述角度为90度或270度；在所述指针方向向量与所述零向量的数量积不为零时，则利用所述预设计算公式求取所述角度的向量夹角θ。

由于在计算过程中存在指针方向向量与零向量垂直的情况，因此以上计算公式针对非垂直情况下进行计算，所以计算之前首先需要判断指针方向向量与零向量的数量积是否为零，即(x-m2)*(p-m)+(y-n2)*(q-n)是否为零，若为零则判断(x-m2)*(p-m)的值，若不小于零则为90°，否则为270°。若(x-m2)*(p-m)+(y-n2)*(q-n)不为零则利用公式求取向量夹角θ，然后判断夹角所属类别，由于求的θ的范围为[0，180]范围内，所以若(x-m2)*(p-m)大于零则所成角度为θ，否则为θ＝180+θ。

作为优选的实施例，本实施例给出指针二值化图的获取方式，具体包括：

对所述表盘图像进行灰度化处理，得到第一处理结果；在所述第一处理结果的基础上对所述表盘图像进行表盘图像增强，得到第二处理结果；在所述第二处理结果的基础上对所述表盘图像进行滤波去噪，得到第三处理结果；在所述第三处理结果的基础上对所述表盘图像进行二值化处理，得到第四处理结果；在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果；在所述第五处理结果的基础上对所述表盘图像进行指针提取，得到第六处理结果；在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图。

更具体的说，在上述实施例步骤S101获取到的表盘图像，首先进行第一次处理，获取第一处理结果，即：

将所述表盘图像的各像素点的R、G、B三个分量分别乘以一个加权系数即权值，数学表达式如下：

g(x，y)＝(W_R*R+W_G*G+W_B*B)/3

采用如下加权参数模型：

g(x，y)＝0.299R+0.587G+0.114B

对所述各像素点进行加权平均，获取所述表盘图像的灰度图，所得到的灰度图即为第一处理结果。

在所述第一处理结果的基础上对所述表盘图像进行表盘图像增强，得到第二处理结果，即图像增强，具体如下：

图像增强是针对采集图像灰度分布集中问题通过一系列图像变换手段扩大灰度直方图灰度级覆盖领域，增强目标区域与背景信息之间对比度差异，使得图像转换成一种更加适于计算机分析和处理的形式。

为了进行指针式水表图像增强算法的研究，需要首先对采集的图像灰度化后的灰度直方图进行研究分析，具体参见图7至图8，通过水表灰度图像的统计直方图的灰度级分布是否充分利用了[0,255]灰度空间。图8即为图7的直方统计图。

从水表图像的统计直方图不难看出，摄取的表盘存在灰度级分布过于集中，分布范围狭窄，对比度较低的缺点。为了增强边缘轮廓等细节清晰度需要对其进行增强。

灰度范围变换是表盘图像增强的主要方法，用数学表达式的方式表示如下：

h(x，y)＝T[f(x，y)]

f(x,y)代表原水表图像中(x,y)位置处像素值，g(x,y)代表增强后表盘相应位置像素值，T为水表图像变换函数。根据灰度变换函数的不同，下面对几种灰度变换的常用灰度变换方法分析研究。

线性比例灰度拉伸变换原理为对原图的某段灰度范围基于线性函数进行变换的过程，灰度分布过于集中的水表图像可以直接映射到大于此范围的灰度级空间，对于灰度级范围较大但仅某狭窄范围内同一灰度值的数量统计较多，分布概率较大的图像进行灰度变换时可以将有限个关键的灰度级大于某一阈值的拓展到另一合适灰度范围，提高所要识别的目标的亮度，达到增强有效像素的目的。

在所述第二处理结果的基础上对所述表盘图像进行滤波去噪，得到第三处理结果，即：

采集系统获得一幅指针式水表图像因受到各种方面的干扰包含很多噪声。在水表检定过程中，原始图像必然存在由于外界干扰带来的不能反映真实图像的像素部分，将多个像素点连接在一起呈可见的颗粒状或线状噪声，对水表有用信息的识别造成对比度差、边缘模糊、掩盖干扰等，降低了图像的信噪比，不利于后续图像处理识别，为此必须对图像进行降噪滤波处理,有效降低噪声干扰，提高水表读数的准确性和稳定性。

对水表图像去除干扰的方法有很多，根据滤波空间不同主要分为空间域滤波法和频率域滤波法。

空间域滤波和频率域滤波中均包含多种不同的滤波方式，空间滤波原理为在图像处理时直接利用模版在图像的二维空间中平移以对像素进行变换。频域滤波对图像进行变换需要经过的步骤较多，首先需要利用傅立叶变换将图像的各项信息变换到频域，然后根据各种滤波方法特点选取所需要的算法改变图像的频率分布，再对它的频谱取傅立叶逆变换，最终得到滤波后效果。但并不是所有的图像均能进行频域滤波，傅立叶变换致使对图像大小有所限制，而且频域滤波步骤多、算法繁杂、处理具有全局性，信息论理论证明任何一步图像处理并不会增加图像的信息量，只是从某种角度提升图像信噪比，必须尽量少的减少图像处理步骤，这样才能在消除图像杂点的同时，提升系统运算识别速度，保证识别系统实时性。

在一幅图像中，我们之所以能够辨认不同的目标事物是因为不同事物间存在边界，利用均值滤波、高斯滤波或中值滤波后图像边界会变得模糊关键是边界点与噪声点存在共性即灰度上的阶跃性，这样在不经过判定就对灰度阶跃进行平滑处理的过程必然导致边缘模糊现象的出现。

为了解决图像边缘模糊问题，边界保持类平滑滤波器应运而生。它的核心思想是在平滑处理过程中尽量避开对属于不同区域的像素同时进行平滑计算，相对较为典型的边界保持类滤波主要包括K近邻平滑滤波、对称近邻平滑滤波、最小方差滤波、Sigma滤波等。其中K近邻平滑滤波应用最为普遍，主要是因为对称近邻滤波算法需要从提前设定好的模版中寻找与待处理像素相同区域的对称点对，然后对所选出的点做均值运算，对滤波效果并不明显，应用较少；最小方差平均滤波在变换过程中选取模版数过多，再从过多的模版中挑选方差最小的那个模版的均值替代原像素即与原图像边缘像素位置分布最为接近的模版，此种方法模版数过多，导致计算的重复次数多，所以本实施例采用KNN平滑滤波。

K近邻平滑滤波的根本原理是在进行处理之前确定像素是否为边界点。如下图9所示，以3*3模版为例，上述图像中点1处是非边界点，点2处是边界点，在图像自身所在的模版中选出M个与模版中心像素灰度值最为接近的灰度值进行加和求出均值代替模版中心像素，一般M的取值不固定，与所选模版大小也有关系，经验取值为

在所述第三处理结果的基础上对所述表盘图像进行二值化处理，得到第四处理结果，即：

针对课题采集指针式水表图像进行滤波后，下一步即是进行二值，然后再基于Hough变换识别图像子表盘，提取彩色子表盘区域，实现特征区域分割，再将LRCD色差变换模型引入水表指针提取过程。

首先，为了提取图像有意义的区域，需要进行阈值分割，由此二值化过程也被称为阈值分割，它是将预处理后的灰度图像按照一定处理规则确定分割阈值，然后将所有像素灰度值与阈值比较分成大于阈值和小于阈值两个集合，分别给两个集合赋值0和1转化为只有两个黑白两个灰度值以将背景与前景分开的过程。阈值分割算法表示如下：

$g(x,y)=\left\{\begin{array}{cc}0& f(x,y)<threshold\\ 1& f(x,y)\&GreaterEqual;threshold\end{array}\right.$

g(x，y)为处理后像素灰度值，f(x，y)为二值化之前像素灰度值，threshold即为选定阈值。

从整个二值化过程来看，确定阈值是二值化操作的核心内容，根据确定阈值方法的不同可大致分为全局阈值法、局部阈值法两种类型。全局阈值法是对于阈值的选定是以整幅图像为目标，所有位置像素点采用同一个阈值判断相应位置变换后的灰度值，典型的方法如固定阈值法、Ostu法等。局部阈值法是基于选定的邻域计算模版确定模版阈值再将中心位置像素灰度值与阈值进行对比，确定变换后灰度值大小，典型的方法如Bernsen法、Niblack法等。

在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果；

在完成了指针式水表图像一系列图像预处理及二值化后，紧接着就是需要对特征区域进行提取。指针式水表表盘图像的表盘、子表盘均为圆形，而Hough变换在线、圆、椭圆的识别上具有很大优势，所以本实施例结合Hough变换算法识别表盘，再识别子表盘，进而基于子表盘特征区域引入LRCD算法提取红色指针。

Hough变换是一种基于点-线的对偶性使用了投票表决机制将图像复杂边缘特征信息映射为所要检测的图像形状的参数估计技术，这种映射是根据所要检测的形状的参数定义的函数，这种变换将所有符合参数方程的像素点映射为统计为参数空间中参数峰值特征。Hough变化在直线、圆、椭圆等检测方面具有很大优势，能够不受几何形状中间断点影响，鲁棒性较强，被广泛应用于图像处理领域。

Hough变换为对图像进行两种不同的坐标系数据变换，将X-y二维坐标系中数据变换至以参数为基底的多维坐标系中，维数的数量就是由参数方程中自由参数的数量。其总体变换过程是首先将检测到的连续的图形边缘变换到参数空间，然后将参数空间按照提前设定的步长单位离散化，形成离散参数矩阵，将所有二值图像中的有效像素点带入参数表达式，查看满足参数表达式的参数矩阵元素位置并进行累加，位置不同得到的累加值不同，但峰值点所在的位置是原函数的参数具体值的概率最大，所以去峰值点为参数值。Hough变换最早应用于直线检测，在指针式仪表识别时只要是针对线状指针如电流表、高精度压力表等，因此在这方面的应用研究起初集中通过减少变换区域提高Hough变换直线检定速度，但本实施例是用Hough变换检测圆形，所以下面以圆的检测过程为例进行详细介绍。

在图像处理中基于Hough变换对圆进行检测可以分为两种情况，一种是已知圆的半径情况下对图像中的圆形的检测，另一种是未知圆的半径情况下对图像中的圆形的检测，但一般图像中圆形的半径是未知量，因此在对圆形进行检测过程中需要以圆心位置和半径范围为基底建立三维坐标系进行圆的识别。以(a,b)为圆心，以r为半径的圆的方程为：

(x-a)²+(x-b)²＝r²

方程中的a,b,r即为映射空间的维数基底，将图像空间中的任意一点映射到此空间为一个圆锥曲面，原图像中的圆心坐标即为所有在此圆上的像素映射的圆锥曲面的交点，如图10所示。

以上这种Hough变换检测适合于圆上像素点位置未知，需要以整幅图像的所有提取轮廓为变换对象进行变换，但如果已知图像中某几个点共圆，则采用快速Hough更为合理简便。快速Hough变换的本质思想即为共圆的点的连线即为此圆的弦，而弦的垂直平分线必过圆心，已知A、B、C、D四点共圆，通过连接A、B和C、D得到两条圆周弦，再分别做圆周弦的垂直平分线，交点就是共圆圆心位置，也就是E点。

特征提取的实质是删除原始数据中的无用信息，选择最为有效最能反映事物本质的特征，并数学的方式进行描述的过程。在进行识别过程中，针对对象不同，提取的图像的特征不具有广泛性，所以需要具体问题具体分析，具体情况选择合适的方法进行特征提取。

对于图像的特征区域提取主要是根据采集的指针式水表图像特征提取水表子表盘区域部分。为了较为准确的提取，首先需要识别水表表盘，然后识别水表子表盘，提取子表盘特征区域。

在对图像进行采集的时，将表盘的轮廓尽量铺满所采集到的图像，然后对图像进行Hough变换识别水表表盘，识别时将圆的半径R范围设置为[width/3,width/2](其中width为图像的宽度)，阈值设置小于100，其实在识别表盘过程中有了圆的半径的限制使得阈值的设置只要不是太大均能检测出来。然后根据表盘的结构信息，每个表盘的的半径大约为子表盘的4-6倍，根据识别表盘半径的识别子表盘，利用Hough算法对子表盘识别过程中将子表盘圆的半径r范围设置为[R/4,R/6]，对图像表盘以及子表盘的识别分别如下图11至图12所示。

在图11至图12中，黑色加粗部分代表红色。

由于实施例对红色指针的提取是基于LRCD方法，需要用到颜色信息，所以为了下一步的指针提取需要以原始彩色图像为基准，然后对识别的子表盘进行区域保留，在对子表盘识别过程中已将子表盘的圆心位置、半径等信息分别存储于提前构建的数组当中，因此在提取彩色特征区域时只需构建一幅背景图像，再将子表盘区域内像素保留即可。

在图12中，从图12子表盘识别效果图可以看出子表盘的识别并不是十分精准，如果在彩色特征区域提取时直接仅仅将圆内像素保留会很容易导致红色指针针尖提取不全，出现平针、斜针的情况。但针尖的位置对于后续的指针方向的判读具有绝对性作用，由此为了完全提取红色指针需要将提取区域的半径设置为比检测半径稍大，因而设置为[(R+10)/4,(R+10)/6]，即将半径扩大十个像素左右就不会影响指针的提取。如图13、图14分别为原始识别子表盘提取特征区域图和圆的半径扩大后的子表盘特征区域提取图，其中黑色指针代表红色指针，因为附图不能有颜色。

在所述第五处理结果的基础上对所述表盘图像进行指针提取，得到第六处理结果；

第五处理结果，即为上述对原始识别子表盘提取特征区域和圆的半径扩大后的子表盘特征区域提取，在上述结果上，对表盘图像进行指针提取，具体方法如下：

LRCD是一种色差变换方法，目的是为了突出图像的红色成分。LRCD是一种用于成熟草莓果实采摘的机器视觉系统颜色模型。我国中国农业大学在2012年的草莓大会上展示的“采摘童一号”草莓采摘机器人对草莓的识别就是利用LRCD识别方法。首先求得其中每个像素色差，在灰度图像上显示以色差值为灰度的图像，选取恰当阈值进行二值化处理，完成图像分割，再提取图像几何特征。LRCD灰度变换的参数模型为：

g(x，y)＝R-Y＝0.701R-0.587G-0.114B

式中g(x，y)为处理后灰度大小，R、G、B分别代表图像某位置的三通道灰度值大小，Y为加权平均值法灰度化所得灰度值。但是在采用此变换之前需要将图像的三个RGB通道分开，分裂成三幅图像再进行运算。具体参见图15，图16、图17、图18，从图18的处理效果可以看出已经能够将红色指针提取出来，但LRCD模型中有乘法运算，对应每个像素点都需要进行三次乘法再做加减，耗费运算时间，因此为了提高运算处理速度，利用红色信道的灰度与蓝色或绿色信道相应灰度做差，如下式所示：

g(x，y)＝R-G或g(x，y)＝R-B

上面两中减法方式所得的结果基本相似，处理后的效果图分别如图19，图20所示。

将LRCD红色指针提取灰度图与改进后的效果图相比较，图像对红色指针的提取效果是十分接近，所以采用改进后的能省去乘法运算时间。

本实施例对于在红色指针提取完整的基础上，为了较为准确的获取读数，首先需要将红色指针提取灰度图转化为二值图像，然后识别指针方向。

在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图。

对于二值化算法，将红色指针灰度图二值化，首先需要对图像的直方图进行分析，普通图像的直方图是对图像的所有灰度值进行统计分析，但由于红色指针灰度图的背景颜色设置为灰度值为0的黑色，且像素数量相对于红色指针像素数量过多，若仍然对所有像素值的灰度进行直方图进行统计就会造成图像的直方图仅在0位置处有很大的值，其他位置基本忽略的现象，无法实现对指针灰度直方图的统计，所以本实施例对红色指针提取的灰度图对应的直方图从1开始统计分析，所得的直方图如图21所示。

从图21中可以看出其为较为理想灰度分布图像，图像灰度统计直方图中存在两个波峰夹一个波谷，这样将波谷所在位置灰度选做阈值就可以取得较好的二值化效果，其结果如图22所示。

在上述实施例中，首先介绍了水表滤波后图像的二值化，然后基于霍夫变换提取子表盘，实现子表盘区域分割，再利用LRCD色差变换模型实现红色指针的提取，最后将提取红色指针图像进行二值化。

本发明的上述实施例，实现了对指针式水表图像特征区域子表盘的提取以及指针提取。在指针子表盘提取过程中并非针对识别子表盘圆内信息提取而是采用扩充提取以保证指针针尖部分的完整性。对于指针的提取过程并非直接对灰度图像进行处理，而是充分利用图像彩色信息，利用LRCD彩色差分原理提取指针。实现了指针圆完整准确检定。利用提取指针信息准确识别指针转轴即指针圆圆心位置。

图23表示本发明实施例所述的基于图像处理的水表检定装置的结构示意图。

本发明提供的基于图像处理的水表检定装置，采用如下技术方案：

基于图像处理的水表检定装置包括：获取模块2301，用于获取预设表盘图像的指针二值化图；第一搜索模块2302，用于在所述二值化图上搜索全部非黑色像素点；第一计算模块2303，用于计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；第二搜索模块2304，用于以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；求取模块2305，用于求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；判读模块2306，用于根据所述指针方向对预设水表进行示数判读，并得到判读结果；第二计算模块2307，用于计算所述判读结果并确定所述预设水表的示值状态。

本发明提供的基于图像处理的水表检定系统包括上述的水表检定装置。

本发明提高的水表读数识别方法，具有如下技术效果：

第一、对指针式水表图像预处理过程中的各种方法进行了分析，图像预处理尤其对相对清晰度不高干扰较大的表盘图像显得更为重要。

第二、实现了对指针式水表图像特征区域子表盘的提取以及指针提取。在指针子表盘提取过程中并非针对识别子表盘圆内信息提取而是采用扩充提取以保证指针针尖部分的完整性。对于指针的提取过程并非直接对灰度图像进行处理，而是充分利用图像彩色信息，利用LRCD彩色差分原理提取指针。

第三、实现了指针圆完整准确检定。利用提取指针信息准确识别指针转轴即指针圆圆心位置。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于图像处理的水表检定方法，其特征在于，包括：

获取预设表盘图像的指针二值化图；

在所述二值化图上搜索全部非黑色像素点；

计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；

以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；

求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；

根据所述指针方向对预设水表进行示数判读，并得到判读结果；

计算所述判读结果并确定所述预设水表的示值状态。

2.如权利要求1所述的水表检定方法，其特征在于，所述求取所述特定非黑像素点的质心包括：

求取所述质心的计算公式如下：

$\left\{\begin{array}{c}x=\frac{{\&Sigma;}_{j=1}^n{\&Sigma;}_{i=1}^{m}g\left(i,j\right)*i}{{\&Sigma;}_{j=1}^n{\&Sigma;}_{i=1}^{m}g\left(i,j\right)}\\ y=\frac{{\&Sigma;}_{j=1}^n{\&Sigma;}_{i=1}^{m}g\left(i,j\right)*j}{{\&Sigma;}_{j=1}^n{\&Sigma;}_{i=1}^{m}g\left(i,j\right)}\end{array}\right.$

g(i，j)是在(i，j)处像素灰度大小，m、n代表符合条件的在方向i、j上的个数，x、y代表求取所述质心位置的横坐标与纵坐标。

3.如权利要求1所述的水表检定方法，其特征在于，所述根据所述指针方向对所述预设水表进行示数判读包括：

确定所述预设水表的表盘圆心位置以及所述指针圆圆心的位置；

根据预设计算公式以及所述表盘圆心位置、所述指针圆圆心的位置、识别的所述指针方向计算所述预设水表的指针读数；

所述预设计算公式为： $tan\mathrm{\&theta;}=\frac{(q-n)*(x-m_2)-(y-n_2)*(p-m)}{(x-m_2)*(p-m)+(y-n_2)*(q-n)};$

其中，所述表盘圆心位置为(x，y)，所述指针圆圆心的位置按照从左到右的顺序依次为(m1,n1)、(m2,n2)、(m3,n3)、(m4,n4),对应的针尖的位置依次为(p1,q1)、(p2,q2)、(p3,q3)、(p4,q4)，以向量(x-m2,y-n2)为零向量，计算各个指针方向向量(p-m，q-n)与零向量所成的角度。

4.如权利要求3所述的水表检定方法，其特征在于，在所述根据所述指针方向对所述预设水表进行示数判读之前，所述水表检定方法还包括：

判断所述指针方向向量与所述零向量的数量积是否为零；

在所述指针方向向量与所述零向量的数量积为零时，确定所述角度为90度或270度；

在所述指针方向向量与所述零向量的数量积不为零时，则利用所述预设计算公式求取所述角度的向量夹角θ。

5.如权利要求1所述的水表检定方法，其特征在于，所述获取预设表盘图像的指针二值化图包括：

对所述表盘图像进行灰度化处理，得到第一处理结果；

在所述第一处理结果的基础上对所述表盘图像进行表盘图像增强，得到第二处理结果；

在所述第二处理结果的基础上对所述表盘图像进行滤波去噪，得到第三处理结果；

在所述第三处理结果的基础上对所述表盘图像进行二值化处理，得到第四处理结果；

在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果；

在所述第五处理结果的基础上对所述表盘图像进行指针提取，得到第六处理结果；

在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图。

6.如权利要求5所述的水表检定方法，其特征在于，所述对所述表盘图像进行灰度化处理，得到第一处理结果包括：

将所述表盘图像的各像素点的R、G、B三个分量分别乘以一个加权系数即权值，数学表达式如下：

g(x，y)＝(W_R*R+W_G*G+W_B*B)/3

采用如下加权参数模型：

g(x，y)＝0.299R+0.587G+0.114B

其中，f(x，y)代表原水表图像在(x，y)处的像素值，g(x，y)代表经过变换水表图像的值；

对所述各像素点进行加权平均，获取所述表盘图像的灰度图。

7.如权利要求6所述的水表检定方法，其特征在于，所述在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理结果包括：

在所述表盘图像二值化的基础上对所述表盘图像进行霍夫变换算法，识别表盘，再识别子表盘；

依据LRCD算法对所述子表盘特征区域提取红色指针。

8.如权利要求7所述的水表检定方法，其特征在于，所述在所述第六处理结果的基础上对所述表盘图像进行指针二值化处理，得到指针二值化图包括：

基于霍夫变换算法提取所述子表盘，并对所述子表盘进行区域分割；依据所述LRCD色差变换模型对所述子表盘中的红色指针进行提取，得到所述指针二值化图。

9.一种基于图像处理的水表检定装置，其特征在于，包括：

获取模块，用于获取预设表盘图像的指针二值化图；

第一搜索模块，用于在所述二值化图上搜索全部非黑色像素点；

第一计算模块，用于计算各个非黑色像素点到指针圆圆心的第一距离，并获取所述第一距离中的最大值；

第二搜索模块，用于以指针圆圆心位置为圆心，以所述最大值为半径，搜索所述全部非黑像素点到所述指针圆圆心距离在0.8倍所述最大值至1倍所述最大值的特定非黑像素点；

求取模块，用于求取所述特定非黑像素点的质心，以所述指针圆圆心为起点，质心所在位置为终点进行连线，连线方向即为指针指向；

判读模块，用于根据所述指针方向对预设水表进行示数判读，并得到判读结果；

第二计算模块，用于计算所述判读结果并确定所述预设水表的示值状态。

10.一种基于图像处理的水表检定系统，其特征在于，包括权利要求9所述的水表检定装置。