CN109145912A - 一种数字仪表读数自动识别方法 - Google Patents
一种数字仪表读数自动识别方法 Download PDFInfo
- Publication number
- CN109145912A CN109145912A CN201810746905.1A CN201810746905A CN109145912A CN 109145912 A CN109145912 A CN 109145912A CN 201810746905 A CN201810746905 A CN 201810746905A CN 109145912 A CN109145912 A CN 109145912A
- Authority
- CN
- China
- Prior art keywords
- image
- digital
- template
- imperfect
- indicate
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Abstract
本发明公开了一种数字仪表读数自动识别方法,具体步骤包括:(1)获取数字仪表图像,进行图像预处理;(2)对预处理后的图像进行数字裁剪处理;(3)对裁剪后的数字进行归一化处理;(4)对归一化后的图像和模版图像分别进行数字特征提取操作;(5)采用模版匹配算法进行数字仪表读数自动识别。本发明具有识别准确度高、对不完整数字识别效果好和算法简单等优点,且对于字轮式数字仪表尤其是设计电网仪表中不完整字符的识别具有良好效果。本发明还有效地减少了传统仪表读数获取方式消耗的人力物力,避免了认为主观因素引起的读数误差。
Description
技术领域
本发明涉及数字仪表读数的自动识别领域,尤其涉及一种数字仪表读数自动识别方法。
背景技术
在当前社会中,图像处理的应用很广泛,除了对视觉效果的增强之外,很多时候还会应用于图像识别,随着科技数字化、智能化,图像识别越来越多地应用于军事、工业和日常生活的领域中。
在工业生产和日常生活中,数字仪表以其高精度、便于读写等优点被广泛运用各个领域。目前大多数字仪表读数的获取都是通过人工手动记录的方式,对于数量巨大的仪表,会耗费大量人力物力。在条件恶劣、人员稀少等环境中,其准确率和工作效率很难保证。
传统数字仪表表盘包括字轮式和电器式两种,电网中数字仪表大多是字轮式数字仪表。目前通过图像处理和图像识别技术自动识别数字仪表读数的方法,都只是考虑了一般电器式仪表显示方式,这种显示方式下,读数都是完整数字,而滚轮式显示的仪表很多情况下会出现显示为不完整数字,即表盘显示两个读数的上下部分。现有的数字自动识别系统都是针对完整数字,并未涉及到不完整数字的自动识别,因此识别系统的可靠性和准确度不高。而对于传统人工手动记录数字仪表读数的方式,则存在以下弊端:1、人工手动记录方式可能读数失误或记录错误;2、传统数字仪表数据以纸质材料记录为主,易丢失、篡改,数据管理困难;3、随着大数据时代的到来,以纸质记录的数字仪表数据不易保存和分析。
发明内容
本发明的目的在于提供一种数字仪表读数自动识别方法。本发明克服了人工记录所带来的弊端,具有识别准确率高、对不完整数字识别效果好以及算法简单等优点。
本发明的目的能够通过以下技术方案实现:
一种数字仪表读数自动识别方法,具体步骤包括:
(1)获取数字仪表图像,进行图像预处理;
(2)对预处理后的图像进行数字裁剪处理;
(3)对裁剪后图像中的数字进行归一化处理;
(4)对归一化后的图像和模版图像分别进行数字特征提取操作;
(5)采用模版匹配算法进行数字仪表读数自动识别。
优选地,所述步骤(1)中的数字仪表图像能够通过监控摄像头或者智能手机摄像头获取。
进一步地,所述步骤(1)的具体步骤包括:
(1-1)将获取的数字仪表图像转换为灰度图;
(1-2)对所得的灰度图进行滤波处理;
(1-3)采用最大类间方差法(OTSU)分割出数字仪表读数与背景。
具体地,所述步骤(1-1)中,所获取的数字仪表图像为RGB图像,将RGB图像转换为灰度图的转换公式为:
Gray=R*0.299+G*0.587+B*0.114 (1)
所述步骤(1-2)中采用高斯滤波器进行滤波;一个二维高斯函数表示为:
其中,(x,y)为点坐标,σ为标准差;
高斯滤波器窗口模板一般为奇数大小,对于窗口大小为(2k+1)×(2k+1)的模版,模版中各元素值的计算公式为:
其中,k∈N,(i,j)表示点在图像中的位置,i表示第i行,j表示第j列;
具体地,在所述步骤(1-3)中,对于图像I(x,y),T表示前景和背景的分割阈值,ω0表示属于前景的像素点数目占整幅图像的比例,μ0表示其平均灰度;ω1表示属于背景的像素点数目占整幅图像的比例,μ1表示其平均灰度。μ表示图像的总平均灰度,g表示类间方差。
假设图像大小为M×N,图像中像素的灰度值小于阈值T的像素个数为N0,像素灰度大于阈值T的像素个数为N1,则最大类间方差g的计算方法如下:
N0+N1=M×N (6)
ω0+ω1=1 (7)
μ=ω0*μ0+ω1*μ1 (8)
g=ω0(μ0-μ)2+ω1(μ1-μ)2 (9)
g=ω0ω1(μ0-μ1)2 (10)
进一步地,所述步骤(2)中的具体步骤包括:
(2-1)确定垂直方向上的图像开始裁剪位置SIi和图像结束裁剪位置EIi;
(2-2)根据SIi和EIi对图像进行裁剪;
(2-3)确定经过步骤(2-2)裁剪后水平方向上的图像开始裁剪位置SIj和图像结束裁剪位置EIj;
(2-4)根据SIj和EIj对图像进行裁剪;
(2-5)对经过步骤(2-4)裁剪后的单个数字图像设置数字状态标志位FLAG。
具体地,所述步骤(2-1)中,SIi和EIi的确定方法为:
将步骤(1)中经过预处理后的图像通过垂直方向投影,得到图像各列的像素之和,表示为:
其中,W表示图像宽度,H表示图像高度,I(i,j)表示位置(i,j)的像素。
记SIi为图像开始裁剪位置,EIi为图像结束裁剪位置,T为判定背景与目标的阈值,对各列像素之和Ni进行依次扫描:
若Ni≤T且Ni+1>T,则表示图像开始由背景进入目标区域,SIi=i;若Ni>T且Ni+1≤T,则表示图像开始由目标区域进行背景,EIi=i。
具体地,所述步骤(2-3)中,SIj和EIj的确定方法为:
将经过步骤(2-2)进行裁剪后的图像通过水平方向投影,得到图像各行的像素之和,表示为:
其中,W表示图像宽度,H表示图像高度,I(i,j)表示位置(i,j)的像素。
记SIj为图像开始裁剪位置,EIj为图像结束裁剪位置,T为判定背景与目标的阈值,对各列像素之和Mj进行依次扫描:
若Mj≤T且Mj+1>T,则表示图像开始由背景进入目标区域,SIj=j;若Mj>T且Mj+1≤T,则表示图像开始由目标区域进行背景,EIj=j。
具体地,所述步骤(2-5)中设置数字状态标志位的方法为:
根据SIj和EIj中元素个数μ设置数字状态标志位FLAG,具体公式如下所示:
其中,Hup表示不完整数字上部分图像高度,Hdown表示不完整数字下部分图像高度。
当SIj和EIj中元素个数μ=1时,表示图像为完整数字;当μ=2时,表示图像为不完整数字,若Hup>Hdown,则保留不完整数字上部分图像子块,设置数字状态标志位FLAG=10,若Hup<Hdown,则保留不完整数字下部分图像子块,设置数字状态标志位FLAG=11。
进一步地,所述步骤(3)中的数字归一化处理,根据数字状态标志位,可分为完整数字归一化处理和不完整数字归一化处理。
更进一步地,所述完整数字归一化处理,具体为:
当数字状态标志位为FLAG=0时,将步骤(2)裁剪得到的图像大小归一化为Hnorm×Wnorm,其中Hnorm表示归一化的图像高度,Wnorm表示归一化的图像宽度。
更进一步地,所述不完整数字归一化处理,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将步骤(2)裁剪得到的图像大小归一化为Hh×Wnorm,其中Hh表示数字裁剪模块保留图像块的高度作比例缩小。不完整数字归一化比例关系式如下所示:
其中,Hs表示原始图像高度,Ws表示原始图像宽度。
进一步地,所述步骤(4)中的数字特征提取,根据数字状态标志位,可分为完整数字特征提取和不完整数字特征提取。
更进一步地,所述完整数字特征提取,具体为:
当数字状态标志位为FLAG=0时,将数字图像在宽度方向均分为两部分,在高度方向上均分为三部分,分别计算每部分像素之和,并以此作为完整数字的特征向量。
更进一步地,所述不完整数字特征提取,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将数字图像所有像素作为不完整数字的特征向量。
进一步地,所述步骤(5)中的数字仪表读数自动识别,根据数字状态标志位,可分为完整数字自动识别和不完整数字自动识别。
更进一步地,所述完整数字自动识别,具体为:
当数字状态标志位为FLAG=0时,首先将模版数字设置数字状态标志位为0,然后进入数字特征提取模块,获得模版数字的特征,最后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。
具体地,欧拉公式表示方式为:
更进一步地,所述不完整数字自动识别,根据数字状态标志位为FLAG=10或FLAG=11时,分为模版上方识别子模块和模版下方识别子模块,具体为:
当数字状态标志位为FLAG=10时,进入模版下方识别子模块,根据不完整数字图片的归一化高度Hh,选择模版数字图片下方高度为Hh部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。
当数字状态标志位为FLAG=11时,进入模版上方识别子模块,根据不完整数字图片的归一化高度H,选择模版数字图片上方高度为H部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。
本发明相较于现有技术,具有以下的有益效果:
1、本发明具有识别准确度高、算法简单等优点,且对于字轮式数字仪表尤其是涉及电网仪表中不完整字符的识别有很好的效果。
2、本发明显著提高了数字仪表读数的能力,提供了字轮式数字仪表数字不完整情况下的识别算法,有效地减少了传统仪表读数获取方式消耗的人力物力,避免了由人为主观因素引起的读数误差。
附图说明
图1为一种数字仪表读数自动识别方法的具体流程图;
图2为数字裁剪处理过程的具体流程图;
图3(a)为数字裁剪处理开始时的原图及垂直投影积分图;
图3(b)为垂直投影裁剪后的图片及其水平投影积分图;
图3(c)为不同标志位的图像经过数字裁剪处理后的图像;
图4为数字归一化处理过程的具体流程图;
图5(a)为数字归一化处理后的模版图像大小;
图5(b-1)和图5(b-2)为裁剪后的完整数字与不完整数字图像;
图5(c-1)和图5(c-2)表示完整数字和不完整数字的归一化后图像;
图6为数字特征提取过程的具体流程图;
图7(a)为完整数字特征提取的示意图;
图7(b)为不完整数字特征提取的示意图;
图8为数字仪表读数自动识别过程的具体流程图;
图9(a)为完整数字的自动识别的示意图;
图9(b)为不完整数字的自动识别的示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示为一种数字仪表读数自动识别方法的具体流程图,所述方法的具体步骤包括:
(1)获取数字仪表图像,进行图像预处理。
进一步地,所述步骤(1)中通过摄像头采集获取数字仪表图像。
具体地,所述摄像头采集可分为采用监控摄像头采集或者采用智能手机摄像头采集。
进一步地,所述步骤(1)中的图像预处理过程具体包括:
(1-1)将获取的数字仪表图像转换为灰度图;
(1-2)对所得的灰度图进行滤波处理;
(1-3)采用最大类间方差法(OTSU)分割出数字仪表读数与背景。
具体地,所述步骤(1-1)中,所获取的数字仪表图像为RGB图像,将RGB图像转换为灰度图的转换公式为:
Gray=R*0.299+G*0.587+B*0.114 (1)
所述步骤(1-2)中采用高斯滤波器进行滤波;一个二维高斯函数表示为:
其中,(x,y)为点坐标,σ为标准差;
高斯滤波器窗口模板一般为奇数大小,对于窗口大小为(2k+1)×(2k+1)的模版,模版中各元素值的计算公式为:
其中,k∈N,(i,j)表示点在图像中的位置,i表示第i行,j表示第j列;
具体地,在所述步骤(1-3)中,对于图像I(x,y),T表示前景和背景的分割阈值,ω0表示属于前景的像素点数目占整幅图像的比例,μ0表示其平均灰度;ω1表示属于背景的像素点数目占整幅图像的比例,μ1表示其平均灰度。μ表示图像的总平均灰度,g表示类间方差。
假设图像大小为M×N,图像中像素的灰度值小于阈值T的像素个数为N0,像素灰度大于阈值T的像素个数为N1,则最大类间方差g的计算方法如下:
N0+N1=M×N (6)
ω0+ω1=1 (7)
μ=ω0*μ0+ω1*μ1 (8)
g=ω0(μ0-μ)2+ω1(μ1-μ)2 (9)
g=ω0ω1(μ0-μ1)2 (10)
(2)对预处理后的图像进行数字裁剪处理。
进一步地,所述步骤(2)中的数字裁剪处理过程如图2所示,具体包括:垂直投影裁剪和水平投影裁剪。
更进一步地,所述垂直投影裁剪,具体为:
对预处理后的图像进行垂直方向投影,如图3(a)所示为预处理后的原图及其垂直投影的积分图,计算每列图像像素值,然后初始化参数i=1,flag=0,判断i与图像宽度W的大小,如果i≤W,则进一步判断像素值是否大于阈值T,若是,则判断此时标志位flag是否为1;若否,则置flag=1,同时裁剪该位置;若flag=1,则令i=i+1并重新与图像宽度W的大小进行判断;若像素值小于阈值T,则进一步判断flag是否为1,若flag=1,则置flag=0,同时裁剪该位置;若flag≠1,则令i=i+1并重新与图像宽度W的大小进行判断。如果i>W,则结束垂直投影裁剪,进入水平投影裁剪。
更进一步地,所述水平投影裁剪,具体为:
对垂直投影裁剪后的图像进行水平方向投影,如图3(b)所示为图像中后两个数字水平投影后的积分图,计算每行像素值,然后初始化参数i=1,flag=0,判断i与图像高度H的大小,如果i≤H,则进一步判断像素值是否大于阈值T,若是,则判断此时标志位flag是否为1;若否,则置flag=1,同时裁剪该位置;若flag=1,则令i=i+1并重新与图像高度H的大小进行判断;若像素值小于阈值T,则进一步判断flag是否为1,若flag=1,则置flag=0,同时裁剪该位置;若flag≠1,则令i=i+1并重新与图像高度H的大小进行判断。如果i>H,则统计裁剪后的图像块数N,判断N是否为1,若N=1,则设置标志位FLAG=0;否则,比较上下部分图像块高度,如果上较高,则设置标志位FLAG=10,舍弃其他图像;如果下较高,则设置标志位FLAG=11,舍弃其他图像。不同标志位的图像经过数字裁剪处理后的数字图像如图3(c)所示。
(3)对裁剪后图像中的数字进行归一化处理。
进一步地,所述步骤(3)中的数字归一化处理过程如图4所示,具体为:根据数字状态标志位,可分为完整数字归一化处理和不完整数字归一化处理。图5(a)为数字归一化处理过程中的模版图像大小。裁剪后的完整数字与不完整数字图像如图5(b-1)和5(b-2)所示。
更进一步地,所述完整数字归一化处理,具体为:
当数字状态标志位为FLAG=0时,将步骤(2)裁剪得到的图像大小归一化为Hnorm×Wnorm,其中Hnorm表示归一化的图像高度,Wnorm表示归一化的图像宽度。完整数字归一化后图像如图5(c-1)所示。
更进一步地,所述不完整数字归一化处理,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将步骤(2)裁剪得到的图像大小归一化为Hh×Wnorm,其中Hh表示数字裁剪模块保留图像块的高度作比例缩小。不完整数字的归一化后图像如图5(c-2)所示。不完整数字归一化比例关系式如下所示:
其中,Hs表示原始图像高度,Ws表示原始图像宽度。
(4)对归一化后的图像和模版图像分别进行数字特征提取操作。
进一步地,所述步骤(4)中的数字特征提取过程如图6所示,具体为:根据数字状态标志位,可分为完整数字特征提取和不完整数字特征提取。
更进一步地,所述完整数字特征提取,具体为:
当数字状态标志位为FLAG=0时,将数字图像在宽度方向均分为两部分,在高度方向上均分为三部分,分别计算每部分像素之和,并以此作为完整数字的特征向量。完整数字特征提取的示意图如图7(a)所示。
更进一步地,所述不完整数字特征提取,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将数字图像所有像素作为不完整数字的特征向量。不完整数字特征提取的示意图如图7(b)所示。
(5)采用模版匹配算法进行数字仪表读数自动识别。
进一步地,所述步骤(5)中的数字仪表读数自动识别过程如图8所示,具体为:根据数字状态标志位,可分为完整数字自动识别和不完整数字自动识别。
更进一步地,所述完整数字自动识别,具体为:
当数字状态标志位为FLAG=0时,首先将模版数字设置数字状态标志位为0,然后进入数字特征提取模块,获得模版数字的特征,最后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。完整数字的自动识别示意图如图9(a)所示。
具体地,欧拉公式表示方式为:
更进一步地,所述不完整数字自动识别,根据数字状态标志位为FLAG=10或FLAG=11时,分为模版上方识别子模块和模版下方识别子模块,具体为:
当数字状态标志位为FLAG=10时,进入模版下方识别子模块,根据不完整数字图片的归一化高度Hh,选择模版数字图片下方高度为Hh部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。
当数字状态标志位为FLAG=11时,进入模版上方识别子模块,根据不完整数字图片的归一化高度H,选择模版数字图片上方高度为H部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。不完整数字的自动识别示意图如图9(b)所示。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种数字仪表读数自动识别方法,其特征在于,所述方法的具体步骤包括:
(1)获取数字仪表图像,进行图像预处理;
(2)对预处理后的图像进行数字裁剪处理;
(3)对裁剪后图像中的数字进行归一化处理;
(4)对归一化后的图像和模版图像分别进行数字特征提取操作;
(5)采用模版匹配算法进行数字仪表读数自动识别。
2.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(1)中的数字仪表图像通过监控摄像头或者智能手机摄像头获取。
3.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(1)的具体步骤包括:
(1-1)将获取的数字仪表图像转换为灰度图;
(1-2)对所得的灰度图进行滤波处理;
(1-3)采用最大类间方差法分割出数字仪表读数与背景。
4.根据权利要求3所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(1-1)中,所获取的数字仪表图像为RGB图像,将RGB图像转换为灰度图的转换公式为:
Gray=R*0.299+G*0.587+B*0.114 (1)
所述步骤(1-2)中采用高斯滤波器进行滤波;一个二维高斯函数表示为:
其中,(x,y)为点坐标,σ为标准差;
高斯滤波器窗口模板为奇数大小,对于窗口大小为(2k+1)×(2k+1)的模版,模版中各元素值的计算公式为:
其中,k∈N,(i,j)表示点在图像中的位置,i表示第i行,j表示第j列;
在所述步骤(1-3)中,对于图像I(x,y),T表示前景和背景的分割阈值,ω0表示属于前景的像素点数目占整幅图像的比例,μ0表示其平均灰度;ω1表示属于背景的像素点数目占整幅图像的比例,μ1表示其平均灰度;μ表示图像的总平均灰度,g表示类间方差;
假设图像大小为M×N,图像中像素的灰度值小于阈值T的像素个数为N0,像素灰度大于阈值T的像素个数为N1,则最大类间方差g的计算方法如下:
N0+N1=M×N (6)
ω0+ω1=1 (7)
μ=ω0*μ0+ω1*μ1 (8)
g=ω0(μ0-μ)2+ω1(μ1-μ)2 (9)
g=ω0ω1(μ0-μ1)2 (10)。
5.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(2)中的具体步骤包括:
(2-1)确定垂直方向上图像开始裁剪位置SIi和图像结束裁剪位置EIi;
(2-2)根据SIi和EIi对图像进行裁剪;
(2-3)确定经过步骤(2-2)裁剪后的水平方向上图像开始裁剪位置SIj和图像结束裁剪位置EIj;
(2-4)根据SIj和EIj对图像进行裁剪;
(2-5)对经过步骤(2-4)裁剪后的单个数字图像设置数字状态标志位FLAG。
6.根据权利要求5所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(2-1)中,SIi和EIi的确定方法为:
将步骤(1)中经过预处理后的图像通过垂直方向投影,得到图像各列的像素之和,表示为:
其中,W表示图像宽度,H表示图像高度,I(i,j)表示位置(i,j)的像素;
记SIi为图像开始裁剪位置,EIi为图像结束裁剪位置,T为判定背景与目标的阈值,对各列像素之和Ni进行依次扫描:
若Ni≤T且Ni+1>T,则表示图像开始由背景进入目标区域,SIi=i;若Ni>T且Ni+1≤T,则表示图像开始由目标区域进行背景,EIi=i;
所述步骤(2-3)中,SIj和EIj的确定方法为:
将经过步骤(2-2)进行裁剪后的图像通过水平方向投影,得到图像各行的像素之和,表示为:
其中,W表示图像宽度,H表示图像高度,I(i,j)表示位置(i,j)的像素;
记SIj为图像开始裁剪位置,EIj为图像结束裁剪位置,T为判定背景与目标的阈值,对各列像素之和Mj进行依次扫描:
若Mj≤T且Mj+1>T,则表示图像开始由背景进入目标区域,SIj=j;若Mj>T且Mj+1≤T,则表示图像开始由目标区域进行背景,EIj=j;
所述步骤(2-5)中设置数字状态标志位的方法为:
根据SIj和EIj中元素个数μ设置数字状态标志位FLAG,具体公式如下所示:
其中,Hup表示不完整数字上部分图像高度,Hdown表示不完整数字下部分图像高度;
当SIj和EIj中元素个数μ=1时,表示图像为完整数字;当μ=2时,表示图像为不完整数字,若Hup>Hdown,则保留不完整数字上部分图像子块,设置数字状态标志位FLAG=10,若Hup<Hdown,则保留不完整数字下部分图像子块,设置数字状态标志位FLAG=11。
7.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(3)中的数字归一化处理,根据数字状态标志位,分为完整数字归一化处理和不完整数字归一化处理;
所述完整数字归一化处理,具体为:
当数字状态标志位为FLAG=0时,将步骤(2)裁剪得到的图像大小归一化为Hnorm×Wnorm,其中Hnorm表示归一化的图像高度,Wnorm表示归一化的图像宽度;
所述不完整数字归一化处理,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将步骤(2)裁剪得到的图像大小归一化为Hh×Wnorm,其中Hh表示数字裁剪模块保留图像块的高度作比例缩小;不完整数字归一化比例关系式如下所示:
其中,Hs表示原始图像高度,Ws表示原始图像宽度。
8.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(4)中的数字特征提取,根据数字状态标志位,分为完整数字特征提取和不完整数字特征提取;
所述完整数字特征提取,具体为:
当数字状态标志位为FLAG=0时,将数字图像在宽度方向均分为两部分,在高度方向上均分为三部分,分别计算每部分像素之和,并以此作为完整数字的特征向量;
所述不完整数字特征提取,具体为:
当数字状态标志位为FLAG=10或FLAG=11时,将数字图像所有像素作为不完整数字的特征向量。
9.根据权利要求1所述的一种数字仪表读数自动识别方法,其特征在于,所述步骤(5)中的数字仪表读数自动识别,根据数字状态标志位,分为完整数字自动识别和不完整数字自动识别;
所述完整数字自动识别,具体为:
当数字状态标志位为FLAG=0时,首先将模版数字设置数字状态标志位为0,然后进入数字特征提取模块,获得模版数字的特征,最后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数;
欧拉公式表示方式为:
所述不完整数字自动识别,根据数字状态标志位为FLAG=10或FLAG=11时,分为模版上方识别子模块和模版下方识别子模块,具体为:
当数字状态标志位为FLAG=10时,进入模版下方识别子模块,根据不完整数字图片的归一化高度Hh,选择模版数字图片下方高度为Hh部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数;
当数字状态标志位为FLAG=11时,进入模版上方识别子模块,根据不完整数字图片的归一化高度H,选择模版数字图片上方高度为H部分,进入不完整数字特征提取子模块,获取模版数字的特征,然后求得模版数字特征向量与数字仪表读数特征向量的欧拉距离,取最小距离的模版数字作为待识别的数字仪表读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810746905.1A CN109145912A (zh) | 2018-07-09 | 2018-07-09 | 一种数字仪表读数自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810746905.1A CN109145912A (zh) | 2018-07-09 | 2018-07-09 | 一种数字仪表读数自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109145912A true CN109145912A (zh) | 2019-01-04 |
Family
ID=64800163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810746905.1A Pending CN109145912A (zh) | 2018-07-09 | 2018-07-09 | 一种数字仪表读数自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145912A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553909A (zh) * | 2019-07-11 | 2019-12-10 | 华南理工大学 | 一种结合图像处理的离线数据处理方法 |
CN113609984A (zh) * | 2021-08-05 | 2021-11-05 | 国网山东省电力公司德州市陵城区供电公司 | 一种指针式仪表读数识别方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700092A (zh) * | 2015-03-26 | 2015-06-10 | 南京理工大学 | 一种基于模板和特征匹配相结合的小字符数字识别方法 |
CN106529537A (zh) * | 2016-11-22 | 2017-03-22 | 亿嘉和科技股份有限公司 | 一种数字仪表读数图像识别方法 |
CN106909941A (zh) * | 2017-02-27 | 2017-06-30 | 广东工业大学 | 基于机器视觉的多表字符识别系统及方法 |
CN108052943A (zh) * | 2017-12-29 | 2018-05-18 | 杭州占峰科技有限公司 | 一种仪表字轮识别方法及设备 |
-
2018
- 2018-07-09 CN CN201810746905.1A patent/CN109145912A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700092A (zh) * | 2015-03-26 | 2015-06-10 | 南京理工大学 | 一种基于模板和特征匹配相结合的小字符数字识别方法 |
CN106529537A (zh) * | 2016-11-22 | 2017-03-22 | 亿嘉和科技股份有限公司 | 一种数字仪表读数图像识别方法 |
CN106909941A (zh) * | 2017-02-27 | 2017-06-30 | 广东工业大学 | 基于机器视觉的多表字符识别系统及方法 |
CN108052943A (zh) * | 2017-12-29 | 2018-05-18 | 杭州占峰科技有限公司 | 一种仪表字轮识别方法及设备 |
Non-Patent Citations (1)
Title |
---|
张星星等: "基于水表自动判读系统的半字识别算法", 全国第20届计算机技术与应用学术会议(CACIS•2009)暨全国第1届安全关键技术与应用学术会议论文集(上册) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553909A (zh) * | 2019-07-11 | 2019-12-10 | 华南理工大学 | 一种结合图像处理的离线数据处理方法 |
CN113609984A (zh) * | 2021-08-05 | 2021-11-05 | 国网山东省电力公司德州市陵城区供电公司 | 一种指针式仪表读数识别方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN110286126A (zh) | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 | |
CN108875600A (zh) | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 | |
CN109784326A (zh) | 一种基于深度学习的车辆底盘检测方法 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN103226706B (zh) | 一种基于滚动匹配的水电气表读数自动识别方法 | |
CN106960208A (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
AU2020103716A4 (en) | Training method and device of automatic identification device of pointer instrument with numbers in natural scene | |
CN104517101A (zh) | 一种基于像素平方差匹配的游戏扑克牌识别方法 | |
CN108416355A (zh) | 一种基于机器视觉的工业现场生产数据的采集方法 | |
CN112149667A (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN101908153A (zh) | 低分辨率图像处理中的头部姿态估计的方法 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN111260645A (zh) | 基于分块分类深度学习的篡改图像检测方法及系统 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN110287940B (zh) | 一种基于人工智能的掌纹识别方法及系统 | |
CN109145912A (zh) | 一种数字仪表读数自动识别方法 | |
CN116030453A (zh) | 一种数字电气表计的识别方法、装置及设备 | |
CN110263778A (zh) | 一种基于图像识别的抄表方法及装置 | |
CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
CN110991434A (zh) | 自助终端证件识别方法及装置 | |
CN112686872B (zh) | 基于深度学习的木材计数方法 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 |
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 |