CN107133623B - 一种基于背景差和圆心定位的指针位置精确检测方法 - Google Patents
一种基于背景差和圆心定位的指针位置精确检测方法 Download PDFInfo
- Publication number
- CN107133623B CN107133623B CN201710330890.6A CN201710330890A CN107133623B CN 107133623 B CN107133623 B CN 107133623B CN 201710330890 A CN201710330890 A CN 201710330890A CN 107133623 B CN107133623 B CN 107133623B
- Authority
- CN
- China
- Prior art keywords
- pointer
- image
- pixels
- background
- contour
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Abstract
本发明属于属于指针式仪表识别技术领域,具体公开一种基于背景差和圆心定位的指针位置精确检测方法,包括以下步骤:1)、捕获背景图像和当前图像;2)、根据当前图像和背景图像的背景差初步提取确定指针像素;3)、仪表圆盘轮廓定位确定定位指针的圆心;4)、指针区域像素的精确提取;5)、指针位置的确定。本发明通过背景差图像中的仪表圆盘轮廓拟合圆形的定位以及指针像素的精确提取,实现了指针位置的快速精准检测;为了提高检测准确性,针对前景图中检测不到指针进行了赋值处理;为了提高检测效率,针对背景图像通过当前图像的融合进行更新处理,本发明具有高效快捷准确的特点。
Description
技术领域
本发明属于指针式仪表识别技术领域,具体公开一种基于背景差和圆心定位的指针位置精确检测方法。
背景技术
指针式仪表由于结构简单,可靠性高,价格便宜等优点,目前在许多行业中还在大量使用。指针仪表的图像识别技术是指针仪表质量检测的重要技术,其识别技术主要是利用数字图像处理技术,完成该检测过程中图像采集、图像转换与存储、指针定位与检出、偏差检测等关键操作,利用自动控制技术实现模拟量施加、不合格产品剔除。指针式仪表识别系统以其可靠性高、误差小、效率高等优点在工业检测过程中被广泛使用。该识别系统可应用于各种指针式仪表的自动识别,如水表、气压表、电压表、百分表、汽车组合仪表等,有着降低劳动强度、提高生产效率、减小检测误差、提高可靠性等诸多优点。
发明内容
本发明针对指针式仪表识别需求,提供一种基于背景差和圆心定位的指针位置精确检测方法,可以提高识别效率。
本发明采用的技术方案如下:
一种基于背景差和圆心定位的指针位置精确检测方法,其特征在于,包括以下步骤:
1)、捕获背景图像和当前图像;
在开始进行指针的刻度值检测之前,需要先抓获一张图像作为背景图像;之后的算法利用这张图像,与当前新的图像进行比较,以确定当前指针所在的位置;
在指针检测的过程中,通过相机实时捕获当前图像,在当前图像的获取过程中,相机的位置不能发生改变,否则必须重新捕获背景图像;
2)、将当前图像和背景图像进行颜色求差,得到背景差图像,从背景差图像中提取指针像素;具体如下:
逐像素遍历当前图像的每一个像素,将当前像素的RGB三个颜色值,与背景图像中,对应像素的RGB颜色值进行对比,只要RGB三个通道的其中一个通道的颜色值大于阈值就认为是指针像素,具体如下:
R_c–R_b>th;G_c–G_b>th;B_c–B_b>th;
以R通道颜色值,进行符号说明:R_c表示当前图像的当前像素的R颜色值,R_b是背景图像的当前像素的R颜色值,th是阈值,默认为50;
在指针区域,背景大部分像素都是黑色,其颜色值比指针区域要低,因此用这种方法可以大致实现指针像素的提取;
3)、二值化仪表区域图像,提取仪表圆盘外轮廓和内轮廓,定位并过滤圆盘外轮廓的底部直线段轮廓点后对圆盘外轮廓点进行圆形拟合定位;
3.1)、图像二值化:对仪表区域图像进行二值化,二值化默认为50;
3.2)、提取二值化图像的外部轮廓和内部轮廓:圆形刻度盘是仪表二值化图像中,最大的连通区域,因此直接在二值化图像中搜索最大的连通域,实现圆盘外轮廓的提取;同时,为了便于定位圆盘底部的水平直线,还需要同时提取外轮廓对应的内部轮廓;
3.3)、对圆盘外轮廓的底部直线段进行过滤和定位:圆盘外轮廓的底部,包含一小段水平的直线,需要将这一段直线上的轮廓点进行过滤,否则会影响后续圆形拟合的效果;同时,采用如下的方法,来定位水平直线段:a)、将外部轮廓和内部轮廓之间的区域填充,得到圆盘区域;b)、将圆盘区域二值图像进行水平投影;c)、设置倾斜角度,进行[-10°,10°]范围内的设定角度间隔的角度遍历,这里设定角度间隔为1°;d)、针对每个被遍历的角度,旋转图像;e)、旋转后的图像进行投影;f)、找到投影值最高时对应的角度和位置,作为水平直线的定位;g)、遍历外部轮廓点,将垂直坐标值在水平直线位置的轮廓点全部滤除;
3.4)、将过滤直线段的圆盘外轮廓进行采用随机采样一致性策略(RANSAC)的圆形拟合算法进行圆形拟合,具体为:a)、每次选择3个点,计算圆形的方程;b)、然后计算所有点到圆形边界的距离;c)、过滤距离大于阈值的轮廓点,得到一致集,这里阈值设为5个像素;d)、利用一致集,重新进行圆形拟合;
4)、对当前图像和背景图像的差值图像进行处理,初步确定指针区域,结合步骤1)提取到的指针像素进行再初步确定的指针区域上提取色彩值,并进行色彩训练,利用色彩训练结果在指针区域上进行指针精确提取;具体如下:
4.1)、圆盘外图像块的滤除:背景差图像中,由于受到噪声的干扰,可能会出现一些非指针区域的前景像素;这些像素必须滤除,否则会对后续的指针刻度值的计算造成影响;本步骤将圆盘区域以外的噪声过滤掉,方法如下:a)、利用圆盘内部轮廓,绘制出一个掩膜区域;b)、将该掩膜图像,与背景差图像进行与操作,使得只有内部轮廓范围内的前景像素被保留下来;
4.2)、破碎指针区域图像块的拼接:由于仪表内部还存在大量的文字,它们的色彩与指针接近,此时很容易导致检测到的指针像素发生断裂,提取到的指针不完整;用下面的方法,对碎裂的指针连通域进行拼接:a)、遍历每一个连通域,找到与其距离小于10个像素的连通域;b)、两个连通域如果距离小于10个像素,则组合成一个连通域;c)、循环遍历,直到再也没有连通域能够拼接为止;
4.3)、根据尺寸滤除非指针图像块:遍历内部轮廓范围内的所有的前景连通域,得到它们的尺寸;设定尺寸阈值;如果连通域的高和宽,都小于20个像素,则需要进行过滤;
4.4)、在滤除之后的连通区域中选择最大连通区域作为指针的初步定位位置;
4.5)、指针颜色值重训练:在指针的初步定位位置上提取所有像素的色彩值,然后进行训练;方法如下:a)、建立5个高斯模型;b)、利用聚类的方法,得到5个子类的中心和方差;
4.6)、指针区域像素的二次提取
a)、扩展指针范围:在步骤4.4)得到的指针的初步定位位置范围的基础上,对指针的搜索边界进行扩展:远端范围为指针区域与圆盘内轮廓的角点,近端范围为圆心;左侧范围为指针矩形左侧;右侧范围为指针矩形右侧;b)、计算像素色彩置信度:遍历每隔像素,计算其属于5个高斯模型的概率,选择概率最大的一个作为最终的置信度;c)、设定置信度阈值,进行二值化:置信度阈值设定为0.3,所有像素置信度高于0.3的,都认为是指针像素;d)、形态学操作:对前述步骤的结果,进行漏洞修补、缝隙填充、图像拼接操作,提高提取的效果;e)、指针提取:重新提取最大的连通域,作为指针连通区域;
5)、结合步骤3)的仪表圆盘圆形以及步骤4)得到的指针连通区域,确定当前图像上的指针位置;具体如下:
5.1)、计算指针连通域相对于圆心的角度范围:在指针大致位置,遍历指针连通域上的所有轮廓点;连接当前所有轮廓点与圆心形成直线计算所有直线的角度,得到指针连通域相对于圆心的角度范围;
5.2)、绘制连线:根据步骤5.1)计算得到的指针的角度范围,对属于该范围内的外圆轮廓点进行遍历;将每一个该范围内的外圆轮廓点与圆心连接起来,得到连线;
5.3)、统计连线上白色像素的数目,将白色像素数目最多的连线,算作该指针连通区域的指针中心线初定位位置;
5.4)、对称性检测,优化指针位置:以指针中心线的初定位位置为基础,在指针区域搜索精准的对称线,方法如下:a)、将对称直线的斜率k和截距b作为粒子群优化算法(PSO算法)的粒子初始值;b)、设定20个粒子,进行随机性搜索;c)、迭代10次,将最优秀的粒子作为最终的对称线,也就是最终的指针所在直线;d)、利用指针直线方程,计算其与外圆轮廓的交点,从而利用线性插值得到最终的刻度值;其中,对称性适应度的计算如下:搜索直线左侧的每一个指针像素点,观察其在右侧是否有像素点与其对称;如果有,则计数加1,将最终的计数值,作为适应度的结果;
6)、异常情况处理
6.1)、当前图像与背景图像指针位置较近时,前景图中可能检测不到指针:如果当前图像中检测不到指针,则很可能是当前图像中指针位置与背景图像中的指针位置高度重合;此时,只需要在采集背景图像时,设定指针的默认角度,然后在检测不到指针时,将默认角度赋值给当前的指针刻度值即可;
6.2)、实时操作过程中的背景图像更新:多帧图像的融合,得到背景图像
在系统实时检测时,指针会处于不同的位置;此时可以利用每次检测时的图像,结合背景图像,融合得到不存在指针的背景图像,这样可以进一步提高系统的效果;方法如下(当前图像总数为N):a)、设定一张背景图像;b)、将第1张图与第2张图进行逐像素比较,得到它们相同的像素,将相同的像素绘制到背景图像中;c)、将背景图像与第3张图进行比较,同样,将相同的像素绘制到背景图像中;d)、依次循环,迟到所有的N张图都被分析完成为止;e)、此时最终的图像,就是背景图像。
本发明的有益效果如下:
本发明通过背景差图像中的仪表圆盘轮廓拟合圆形的定位以及指针像素的精确提取,实现了指针位置的快速精准检测;为了提高检测准确性,针对前景图中检测不到指针进行了赋值处理;为了提高检测效率,针对背景图像通过当前图像的融合进行更新处理,本发明具有高效快捷准确的特点。
附图说明
图1是本发明流程图;
具体实施方式
一种基于背景差和圆心定位的指针位置精确检测方法,其特征在于,包括以下步骤:
1)、捕获背景图像和当前图像
在开始进行指针的刻度值检测之前,需要先抓获一张图像作为背景图像;之后的算法利用这张图像,与当前新的图像进行比较,以确定当前指针所在的位置;
在指针检测的过程中,通过相机实时捕获当前图像,在当前图像的获取过程中,相机的位置不能发生改变,否则必须重新捕获背景图像;
2)、将当前图像和背景图像进行颜色求差,得到背景差图像,从背景差图像中提取指针像素;具体如下:
逐像素遍历当前图像的每一个像素,将当前像素的RGB三个颜色值,与背景图像中,对应像素的RGB颜色值进行对比,只要RGB三个通道的其中一个通道的颜色值大于阈值就认为是指针像素,具体如下:
R_c–R_b>th;G_c–G_b>th;B_c–B_b>th;
以R通道颜色值,进行符号说明:R_c表示当前图像的当前像素的R颜色值,R_b是背景图像的当前像素的R颜色值,th是阈值,默认为50;
在指针区域,背景大部分像素都是黑色,其颜色值比指针区域要低,因此用这种方法可以大致实现指针像素的提取;
3)、二值化仪表区域图像,提取仪表圆盘外轮廓和内轮廓,定位并过滤圆盘外轮廓的底部直线段轮廓点后对圆盘外轮廓点进行圆形拟合定位;
3.1)、图像二值化:对仪表区域图像进行二值化,二值化默认为50;
3.2)、提取二值化图像的外部轮廓和内部轮廓:圆形刻度盘是仪表二值化图像中,最大的连通区域,因此直接在二值化图像中搜索最大的连通域,实现圆盘外轮廓的提取;同时,为了便于定位圆盘底部的水平直线,还需要同时提取外轮廓对应的内部轮廓;
3.3)、对圆盘外轮廓的底部直线段进行过滤和定位:圆盘外轮廓的底部,包含一小段水平的直线,需要将这一段直线上的轮廓点进行过滤,否则会影响后续圆形拟合的效果;同时,采用如下的方法,来定位水平直线段:a)、将外部轮廓和内部轮廓之间的区域填充,得到圆盘区域;b)、将圆盘区域二值图像进行水平投影;c)、设置倾斜角度,进行[-10°,10°]范围内的设定角度间隔的角度遍历,这里设定角度间隔为1°;d)、针对每个被遍历的角度,旋转图像;e)、旋转后的图像进行投影;f)、找到投影值最高时对应的角度和位置,作为水平直线的定位;g)、遍历外部轮廓点,将垂直坐标值在水平直线位置的轮廓点全部滤除;
3.4)、将过滤直线段的圆盘外轮廓进行采用随机采样一致性策略(RANSAC)的圆形拟合算法进行圆形拟合,具体为:a)、每次选择3个点,计算圆形的方程;b)、然后计算所有点到圆形边界的距离;c)、过滤距离大于阈值的轮廓点,得到一致集,这里阈值设为5个像素;d)、利用一致集,重新进行圆形拟合;
4)、对当前图像和背景图像的差值图像进行处理,初步确定指针区域,结合步骤1)提取到的指针像素进行再初步确定的指针区域上提取色彩值,并进行色彩训练,利用色彩训练结果在指针区域上进行指针精确提取;具体如下:
4.1)、圆盘外图像块的滤除:背景差图像中,由于受到噪声的干扰,可能会出现一些非指针区域的前景像素;这些像素必须滤除,否则会对后续的指针刻度值的计算造成影响;本步骤将圆盘区域以外的噪声过滤掉,方法如下:a)、利用圆盘内部轮廓,绘制出一个掩膜区域;b)、将该掩膜图像,与背景差图像进行与操作,使得只有内部轮廓范围内的前景像素被保留下来;
4.2)、破碎指针区域图像块的拼接:由于仪表内部还存在大量的文字,它们的色彩与指针接近,此时很容易导致检测到的指针像素发生断裂,提取到的指针不完整;用下面的方法,对碎裂的指针连通域进行拼接:a)、遍历每一个连通域,找到与其距离小于10个像素的连通域;b)、两个连通域如果距离小于10个像素,则组合成一个连通域;c)、循环遍历,直到再也没有连通域能够拼接为止;
4.3)、根据尺寸滤除非指针图像块:遍历内部轮廓范围内的所有的前景连通域,得到它们的尺寸;设定尺寸阈值;如果连通域的高和宽,都小于20个像素,则需要进行过滤;
4.4)、在滤除之后的连通区域中选择最大连通区域作为指针的初步定位位置;
4.5)、指针颜色值重训练:在指针的初步定位位置上提取所有像素的色彩值,然后进行训练;方法如下:a)、建立5个高斯模型;b)、利用聚类的方法,得到5个子类的中心和方差;
4.6)、指针区域像素的二次提取
a)、扩展指针范围:在步骤4.4)得到的指针的初步定位位置范围的基础上,对指针的搜索边界进行扩展:远端范围为指针区域与圆盘内轮廓的角点,近端范围为圆心;左侧范围为指针矩形左侧;右侧范围为指针矩形右侧;b)、计算像素色彩置信度:遍历每隔像素,计算其属于5个高斯模型的概率,选择概率最大的一个作为最终的置信度;c)、设定置信度阈值,进行二值化:置信度阈值设定为0.3,所有像素置信度高于0.3的,都认为是指针像素;d)、形态学操作:对前述步骤的结果,进行漏洞修补、缝隙填充、图像拼接操作,提高提取的效果;e)、指针提取:重新提取最大的连通域,作为指针连通区域;
5)、结合步骤3)的仪表圆盘圆形以及步骤4)得到的指针连通区域,确定当前图像上的指针位置;具体如下:
5.1)、计算指针连通域相对于圆心的角度范围:在指针大致位置,遍历指针连通域上的所有轮廓点;连接当前所有轮廓点与圆心形成直线计算所有直线的角度,得到指针连通域相对于圆心的角度范围;
5.2)、绘制连线:根据步骤5.1)计算得到的指针的角度范围,对属于该范围内的外圆轮廓点进行遍历;将每一个该范围内的外圆轮廓点与圆心连接起来,得到连线;
5.3)、统计连线上白色像素的数目,将白色像素数目最多的连线,算作该指针连通区域的指针中心线初定位位置;
5.4)、对称性检测,优化指针位置:以指针中心线的初定位位置为基础,在指针区域搜索精准的对称线,方法如下:a)、将对称直线的斜率k和截距b作为粒子群优化算法(PSO算法)的粒子初始值;b)、设定20个粒子,进行随机性搜索;c)、迭代10次,将最优秀的粒子作为最终的对称线,也就是最终的指针所在直线;d)、利用指针直线方程,计算其与外圆轮廓的交点,从而利用线性插值得到最终的刻度值;其中,对称性适应度的计算如下:搜索直线左侧的每一个指针像素点,观察其在右侧是否有像素点与其对称;如果有,则计数加1,将最终的计数值,作为适应度的结果;
6)、异常情况处理
6.1)、当前图像与背景图像指针位置较近时,前景图中可能检测不到指针:如果当前图像中检测不到指针,则很可能是当前图像中指针位置与背景图像中的指针位置高度重合;此时,只需要在采集背景图像时,设定指针的默认角度,然后在检测不到指针时,将默认角度赋值给当前的指针刻度值即可;
6.2)、实时操作过程中的背景图像更新:多帧图像的融合,得到背景图像
在系统实时检测时,指针会处于不同的位置;此时可以利用每次检测时的图像,结合背景图像,融合得到不存在指针的背景图像,这样可以进一步提高系统的效果;方法如下(当前图像总数为N):a)、设定一张背景图像;b)、将第1张图与第2张图进行逐像素比较,得到它们相同的像素,将相同的像素绘制到背景图像中;c)、将背景图像与第3张图进行比较,同样,将相同的像素绘制到背景图像中;d)、依次循环,迟到所有的N张图都被分析完成为止;e)、此时最终的图像,就是背景图像。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于背景差和圆心定位的指针位置精确检测方法,其特征在于,包括以下步骤:
1)、捕获背景图像和当前图像;
2)、根据当前图像和背景图像的背景差初步提取确定指针像素;
3)、对背景图像进行二值化、仪表圆盘外轮廓提取、以及仪表圆盘外轮廓直线段滤除后的圆盘外轮廓圆形拟合处理,确定定位指针的圆心;
4)指针区域像素的精确提取:结合圆盘外轮廓的拟合圆制备掩膜图像,通过掩膜图像与背景图像的与操作,获得以内部轮廓为边界的图像;在以内部轮廓为边界的图像范围内进行碎裂指针连通域拼接以及非指针连通区域的滤除,并选择面积最大的连通区域作为指针连通区域;在指针连通区域内提取像素作为指针像素,作为种子像素进行训练建立颜色训练模型,结合颜色训练模型在内部轮廓为边界的图像区域内进行指针像素二次精确提取,精确确定指针连通区域;
5)、结合步骤3)得到的圆盘轮廓拟合圆形以及步骤4)最终确定的指针连通区域,确定当前图像上的指针位置;
所述步骤3)中的仪表圆盘轮廓直线段滤除过程如下:a)、将外部轮廓和内部轮廓之间的区域填充,得到圆盘区域;b)、将圆盘区域二值图像进行水平投影;c)、设置倾斜角度,进行[-10°,10°]范围内按设定角度间隔的角度遍历;d)、针对每个遍历角度,旋转图像;e)、旋转后的图像进行投影;f)、找到投影值最高时对应的角度和位置,作为水平直线的定位;g)、遍历外部轮廓点,将垂直坐标值在水平直线位置的轮廓点全部滤除;
所述步骤4)中的利用色彩训练结果进行指针像素二次精确提取的过程如下:a)、扩展指针连通区域范围;b)、计算扩展后的指针连通区域范围内的像素色彩置信度;c)、设定置信度阈值,确定扩展后的指针连通区域范围内的指针像素;d)、形态学操作:对步骤4)中的a、b、c的结果,进行漏洞修补、缝隙填充、图像拼接操作;e)、指针提取:重新提取最大的连通域,作为指针连通区域。
2.根据权利要求1所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,当前景图像上检测不到指针时,将背景图像中的指针角度值默认为当前图像中的指针刻度值,进而确定当前图像中指针位置。
3.根据权利要求1所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,所述的背景图像通过实时检测图像融合进行更新。
4.根据权利要求1所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,所述当前图像在捕获过程中相机位置保证不动。
5.根据权利要求1-4任一项所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,所述步骤3)中的圆盘轮廓圆形拟合处理是指采用随机采样一致性策略的圆形拟合算法进行圆形拟合。
6.根据权利要求1-4任一项所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,步骤5)中还包括通过对称性检测优化指针位置过程,具体方法如下:a)、将对称直线的斜率k和截距b作为粒子群优化算法的粒子初始值;b)、设定20个粒子,进行随机性搜索;c)、迭代10次,将最优秀的粒子作为最终的对称线,也就是最终的指针所在直线。
7.根据权利要求3所述的基于背景差和圆心定位的指针位置精确检测方法,其特征在于,背景图像通过实时检测图像融合进行更新的步骤如下:a)、设定一张背景图像;b)、将第1张当前图像与第2张当前图像进行逐像素比较,得到它们相同的像素,将相同的像素绘制到背景图像中;c)、将背景图像与第3张当前图像进行比较,同样,将相同的像素绘制到背景图像中;d)、依次循环,迟到所有的N张当前图像都被分析完成为止;e)、最终的图像,就是更新后的背景图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710330890.6A CN107133623B (zh) | 2017-05-11 | 2017-05-11 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710330890.6A CN107133623B (zh) | 2017-05-11 | 2017-05-11 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133623A CN107133623A (zh) | 2017-09-05 |
CN107133623B true CN107133623B (zh) | 2020-03-24 |
Family
ID=59732334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710330890.6A Active CN107133623B (zh) | 2017-05-11 | 2017-05-11 | 一种基于背景差和圆心定位的指针位置精确检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133623B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590498B (zh) * | 2017-09-27 | 2020-09-01 | 哈尔滨工业大学 | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 |
CN108009535A (zh) * | 2017-11-21 | 2018-05-08 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的单指针仪表读数方法 |
CN108121985A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的双指针仪表读数方法 |
CN109063717B (zh) * | 2018-07-30 | 2021-06-15 | 安徽慧视金瞳科技有限公司 | 一种获取仪表中心点方法 |
CN109900688A (zh) * | 2019-03-08 | 2019-06-18 | 深圳市象形字科技股份有限公司 | 一种尿液检测用的定位准确的试纸块 |
CN110245597B (zh) * | 2019-06-06 | 2021-07-16 | 重庆邮电大学 | 一种指针式仪表通用性识别方法 |
CN113255547B (zh) * | 2021-06-03 | 2024-02-09 | 上海申瑞继保电气有限公司 | 电力仪表指针图像轮廓计算方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628854A (zh) * | 2012-03-29 | 2012-08-08 | 赵宝明 | 汽车仪表板检测系统及方法 |
CN103955907A (zh) * | 2014-04-17 | 2014-07-30 | 国家电网公司 | 指针式sf6气体密度表的遥测方法 |
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 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN105740829A (zh) * | 2016-02-02 | 2016-07-06 | 暨南大学 | 一种基于扫描线处理的指针式仪表自动读数方法 |
CN105894002A (zh) * | 2016-04-22 | 2016-08-24 | 浙江大学 | 一种基于机器视觉的仪表示数识别方法 |
-
2017
- 2017-05-11 CN CN201710330890.6A patent/CN107133623B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628854A (zh) * | 2012-03-29 | 2012-08-08 | 赵宝明 | 汽车仪表板检测系统及方法 |
CN103955907A (zh) * | 2014-04-17 | 2014-07-30 | 国家电网公司 | 指针式sf6气体密度表的遥测方法 |
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 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN105740829A (zh) * | 2016-02-02 | 2016-07-06 | 暨南大学 | 一种基于扫描线处理的指针式仪表自动读数方法 |
CN105894002A (zh) * | 2016-04-22 | 2016-08-24 | 浙江大学 | 一种基于机器视觉的仪表示数识别方法 |
Non-Patent Citations (1)
Title |
---|
压力表的图像检定法研究;任礼霞;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20021215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107133623A (zh) | 2017-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133623B (zh) | 一种基于背景差和圆心定位的指针位置精确检测方法 | |
CN107463918B (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN107895375B (zh) | 基于视觉多特征的复杂道路线提取方法 | |
CN110443822B (zh) | 一种语义边缘辅助的高分遥感目标精细提取方法 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN111027446B (zh) | 一种高分辨率影像的海岸线自动提取方法 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN115376109B (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
CN111680704B (zh) | 海洋红线新增人类活动斑块自动化快速提取方法和装置 | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN112907626A (zh) | 基于卫星超时相数据多源信息的运动目标提取方法 | |
CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
CN113449639A (zh) | 一种物联网网关对仪表的无接触数据采集方法 | |
CN116485801B (zh) | 基于计算机视觉的胶管质量在线检测方法及系统 | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN112036391A (zh) | 一种基于页岩气田生产站场的电子巡检方法及系统 | |
CN111428538B (zh) | 一种车道线提取方法、装置和设备 | |
CN109558881A (zh) | 一种基于计算机视觉的危岩崩塌监控方法 | |
CN109461165A (zh) | 基于图像三色分割的厨房油烟浓度划分标识方法 | |
Beumier et al. | Deriving a DTM from a DSM by uniform regions and context | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
CN109685837B (zh) | 一种基于地物结构相似度的异源遥感影像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 230000 Yafu Park, Juchao Economic Development Zone, Chaohu City, Hefei City, Anhui Province Patentee after: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. Address before: Room 102, Zone C, Hefei National University Science Park, 602 Huangshan Road, Hefei, Anhui 230000 Patentee before: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. |