CN109977831A - 一种基于数字图像处理的旋钮识别方法 - Google Patents
一种基于数字图像处理的旋钮识别方法 Download PDFInfo
- Publication number
- CN109977831A CN109977831A CN201910206216.6A CN201910206216A CN109977831A CN 109977831 A CN109977831 A CN 109977831A CN 201910206216 A CN201910206216 A CN 201910206216A CN 109977831 A CN109977831 A CN 109977831A
- Authority
- CN
- China
- Prior art keywords
- knob
- circle
- image
- recognition methods
- methods based
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000005530 etching Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于数字图像处理的旋钮识别方法，利用固定位置拍摄仪表柜的图像，提取旋钮会出现的区域图像，对图像进行必要的预处理，再使用Canny边缘检测，获得仪表盘图像中所有的边缘轮廓，再进行Hough圆检测，检测出旋钮圆的轮廓，同时确定圆心位置和半径，再以圆心为原点建立直角坐标系，在图像中利用比较像素值的大小寻找白点区域，同时计算该区域到原点的距离与半径作比较，去除大于半径的白点区域，筛选下来的白色区域，便是指针白点区域，以其中心作为指针白点的坐标，求得旋钮旋转角度，获得旋钮状态信息。通过采用以上检测技术，具有抗噪性能好，图像处理高效快捷且准确的特点，具有很强的实用性和广泛的适用性。
Description
技术领域
本发明涉及一种旋钮识别方法，具体涉及一种基于数字图像处理的旋钮识别方法。
背景技术
旋钮广泛应用于电气仪表中，其结构简单、使用方便。
目前，国内对旋钮的读取主要采用人工的方法，对于有较高精度的旋钮，这种方法受限于人的主观因素，如观测角度、观测距离、人眼疲劳等影响，具有不稳定性，可靠性不高，而且数据处理工作量大，识别效率低。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种基于数字图像处理，可准确有效识别旋钮状态的旋钮识别方法。
为了实现上述目标，本发明采用如下的技术方案：
一种基于数字图像处理的旋钮识别方法，包括如下步骤：
S1：于固定位置拍摄，获取区域图像；
S2：对区域图像进行预处理，获得去噪声图像；
S3：通过Hough圆检测在去噪声图像中找到旋钮图像，并确定旋钮的圆的半径r和圆心位置O；
S4：以圆心位置O为原点，水平方向为x轴，竖直方向为y轴，建立平面直角坐标系；
S5：在步骤S3中确定的圆内，通过比较圆内的像素值的大小，确定指针白点所在位置；
S6：通过指针白点的坐标，计算旋钮旋转角度θ，从而确定旋钮的状态。
上述步骤S1中的拍摄采用数码相机或摄像头；区域图像包括旋钮图像。
进一步的，将区域图像缩放到统一大小。
上述步骤S2中的预处理，采用的方法依次包括：灰度直方图均衡、OTSU算法二值化、开运算、Canny边缘检测，从而获得特征、轮廓清晰的图像。
上述步骤S3中的圆检测，包括以下步骤：
若存在圆形，其轮廓必定属于前景点；
将圆形的一般性方程转换成：(a-x)2+(b-y)2＝r2，
将该方程中的r值设置为旋钮的规定值，则可实现x-y坐标系转换到a-b坐标系，则x-y坐标系中圆上的一个前景点对应a-b坐标系的一个圆，x-y坐标系中圆上的所有前景点则对应a-b坐标系中很多圆相交于一点；
统计局部交点处圆的个数，取每一个局部最大值，可获得原图像中对应的圆形的圆心坐标O(a，b)。
上述步骤S5中确定指针白点所在的位置，包括以下步骤：
在图像中找到平均亮度最高的区域，此处即为指针白点所在此区域，将此区域的中心点作为白点的坐标P(x0，y0)；
进一步的，上述步骤S5中确定指针白点所在的位置，还包括去干扰，步骤为：
计算该坐标P(x0，y0)与圆心的距离，并与旋钮半径r作比较，若大于半径r，则该高亮点认为是干扰，舍去。
上述步骤S6中旋钮旋转角度的计算公式为：
根据角度θ，匹配该角度对应的旋钮模式，从而确定旋钮的状态信息。
上述的一种基于数字图像处理的旋钮识别方法，应用于带旋钮的电气设备领域，包括电气仪表、电器柜。
本发明的有益之处在于：
本发明的一种基于数字图像处理的旋钮识别方法，采用Canny边缘检测和Hough圆检测的方法，通过图像识别旋钮的角度，进而检测旋钮的参数，可精准的实现电气仪表旋钮的自动识别；其具有较高的可行性，可以通过C语言或者MATLAB实现；具有广泛的适用性，可用于各种具有旋钮的电气仪表的自动化识别技术中；具有很强的实用性，可有效地提高了检测的效率，降低人工识别的错误率。
本发明的识别过程，尤其可避免当图像亮度较低的时候，背景与旋钮区别度不高，容易发生混淆；旋钮周围的文字与旋钮靠得太近，在处理的过程中可能与旋钮融合，影响后期对指针角度的读取的现象；同时，避免了因旋钮指针的形状分别为尖头、方头时，无法适用一般的直线检测的方法的弊端。
附图说明
图1为本发明的一种基于数字图像处理的旋钮识别方法的流程图。
图2为常见电气仪表柜上的旋钮的简化示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如附图1所示，以获取仪表柜的旋钮状态为例，本发明的一种基于数字图像处理的旋钮识别方法，包括如下步骤：
S1：在固定位置使用数码相机或摄像头获取仪表柜的区域图像，且旋钮置于该区域图像内；便于图像处理，可进一步的将该区域图像缩放至一定的大小；
S2：对区域图像进行预处理，获得去噪声图像；避免在对旋钮的识别过程中，当图像亮度较低的时候，背景与旋钮区别度不高，容易发生混淆；及旋钮周围的文字与旋钮靠得太近，在处理的过程中可能与旋钮融合；从而获得从而得到特征、轮廓清晰的图像；
预处理的方法，依次为：灰度直方图均衡、OTSU算法二值化、图像形态学开运算、Canny边缘检测；
A.灰度直方图均衡：
为避免图像受拍摄场景的影响，旋钮表盘亮度较暗，图像上的细节信息难以观察，通过拉伸图像的像素分布，可增强图像细节信息。
具体操作为：统计灰度级中每个像素在整幅图像中的个数，然后计算每个灰度级占图像中的概率分布，计算累计分布概率和均衡化之后的灰度值，最后映射回原来像素的坐标的像素值，映射方法为：
其中，n是图像中像素的总和，nk是当前灰度级的像素个数，L是图像中可能的灰度级总数。
B.OTSU算法二值化：
首先统计图像中每个灰度级像素点的个数；计算每个像素在整幅图像中的概率分布；对灰度级进行类间搜索，计算当前灰度级下前景背景的类间概率；通过目标函数计算出类内与类间方差下对应的阈值。
记threshold为前景与背景的分割阈值，前景点数占图像比例为wo，平均灰度为uo；背景点数占图像比例为w1，平均灰度为u1；则，
图像的总平均灰度为：u＝wo·uo+w1·u1，
前景和背景图像的方差：g＝wo(uo-u)2+w1(u1-u)2＝wow1(uo-u1)2，
当方差g最大时，可以认为此时前景和背景差异最大，此时的灰度便是最佳阈值，记作：threshold＝＝wow1(uo-u1)2。
使用OTSU算法得到的二值图像能够很好地将旋钮与背景区分开来。
C.图像形态学开运算：
开运算其定义为其中，A为源图像，B为结构元素，表示通过先对图像进行腐蚀操作，再进行膨胀操作。
具体操作为：先进行腐蚀操作，去掉物体的边缘点，细小物体所有的点都会被认为是边缘点，因此会整个被删去，然后再做膨胀时，留下来的大物体会变回原来的大小，而被删除的小物体则永远消失了。
对二值化后的图像进行图像形态学开运算，可以除去孤立的小点，断开旋钮与周边文字之间的狭缝。
D.Canny边缘检测：
利用高斯滤波去除容易被识别为伪边缘的灰度变化很大的地方，再计算图像梯度，得到可能边缘。这里使用Sobel算子来计算梯度：
式中，Sx，Sy分别为Sobel算子的两个卷积因子，G和θ分别表示梯度幅值和梯度方向。将局部范围内的梯度方向上，灰度变化最大的保留下来，其它的不保留，这样可以剔除掉一大部分的点。将有多个像素宽的边缘变成一个单像素宽的边缘，使得可能边缘增强。最后进一步的设置一个双阈值，即低阈值，高阈值。灰度变化大于高阈值的，设置为强边缘像素，低于低阈值的，剔除。在低阈值和高阈值之间的设置为弱边缘。进一步判断，如果其领域内有强边缘像素，保留，如果没有，剔除。
通过Canny算子对处理得到的图像进行边缘检测，能够很好地得到边缘图像。
S3：通过Hough圆检测在去噪声图像中找到旋钮图像，并确定旋钮的圆的半径r和圆心位置O；
Hough圆检测具体为：
经过预处理的区域图像，若存在圆形，那么圆的轮廓必定属于前景点。
将圆形的一般性方程转换成：(a-x)2+(b-y)2＝r2，
将圆形旋钮的半径r固定(旋钮的规定值)，实现x-y坐标系转换到a-b坐标系，则x-y坐标系中圆上的一个前景点对应a-b坐标系的一个圆；x-y坐标系中圆上的所有前景点则对应a-b坐标系中很多圆相交于一点；统计局部交点处圆的个数，取每一个局部最大值，就可以获得原图像中对应的圆形的圆心坐标O(a，b)。
S4：以圆心位置O为原点，水平方向为x轴，竖直方向为y轴，建立平面直角坐标系；
S5：在步骤S3中确定的圆内，通过比较圆内的像素值的大小，并根据像素值的大小确定指针白点所在位置；具体为：
在图像中找到平均亮度最高的区域，此处就是指针白点所在位置，将此区域的中心点作为白点的坐标P(x0，y0)。
为了防止其他位置亮度值比较高的区域的干扰，将上一步的坐标P(x0，y0)与旋钮中心的距离计算出来并与旋钮半径作比较，大于半径r的就认为是干扰，舍去。
S6：通过指针白点的坐标，计算旋钮旋转角度θ，从而确定旋钮的状态。旋钮旋转角度的计算公式为：
根据角度θ，匹配该角度对应的旋钮模式，从而可确定旋钮的状态信息。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (8)
1.一种基于数字图像处理的旋钮识别方法，其特征在于，包括如下步骤：
S1：于固定位置拍摄，获取区域图像；
S2：对区域图像进行预处理，获得去噪声图像；
S3：通过Hough圆检测在去噪声图像中找到旋钮图像，并确定旋钮的圆的半径r和圆心位置O；
S4：以圆心位置O为原点，水平方向为x轴，竖直方向为y轴，建立平面直角坐标系；
S5：在步骤S3中确定的圆内，通过比较圆内的像素值的大小，确定指针白点所在位置；
S6：通过指针白点的坐标，计算旋钮旋转角度θ，从而确定旋钮的状态。
2.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S1中的拍摄采用数码相机或摄像头；区域图像包括旋钮图像。
3.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S2中的预处理，采用的方法依次包括：灰度直方图均衡、OTSU算法二值化、开运算、Canny边缘检测，从而获得特征、轮廓清晰的图像。
4.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S3中的圆检测，包括以下步骤：
若存在圆形，其轮廓必定属于前景点；
将圆形的一般性方程转换成：(a-x)2+(b-y)2＝r2，
将该方程中的r值设置为旋钮的规定值，则可实现x-y坐标系转换到a-b坐标系，则x-y坐标系中圆上的一个前景点对应a-b坐标系的一个圆，x-y坐标系中圆上的所有前景点则对应a-b坐标系中很多圆相交于一点；
统计局部交点处圆的个数，取每一个局部最大值，可获得原图像中对应的圆形的圆心坐标O(a，b)。
5.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S5中确定指针白点所在的位置，包括以下步骤：
在图像中找到平均亮度最高的区域，此处即为指针白点所在此区域，将此区域的中心点作为白点的坐标P(x0，y0)；
6.根据权利要求5所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S5中确定指针白点所在的位置，还包括去干扰，步骤为：
计算该坐标P(x0，y0)与圆心的距离，并与旋钮半径r作比较，若大于半径r，则该高亮点认为是干扰，舍去。
7.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，所述步骤S6中旋钮旋转角度的计算公式为：
根据角度θ，匹配该角度对应的旋钮模式，从而确定旋钮的状态信息。
8.根据权利要求1所述的一种基于数字图像处理的旋钮识别方法，其特征在于，应用于带旋钮的电气设备领域，包括电气仪表、电器柜。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206216.6A CN109977831A (zh) | 2019-03-19 | 2019-03-19 | 一种基于数字图像处理的旋钮识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206216.6A CN109977831A (zh) | 2019-03-19 | 2019-03-19 | 一种基于数字图像处理的旋钮识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109977831A true CN109977831A (zh) | 2019-07-05 |
Family
ID=67079303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910206216.6A Withdrawn CN109977831A (zh) | 2019-03-19 | 2019-03-19 | 一种基于数字图像处理的旋钮识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109977831A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110909287A (zh) * | 2019-10-30 | 2020-03-24 | 广东优世联合控股集团股份有限公司 | 基于视觉处理的现场素材载入方法、装置及存储介质 |
| CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
| CN112178706A (zh) * | 2020-10-14 | 2021-01-05 | 宁波方太厨具有限公司 | 灶具火力档位的识别方法与系统、烟灶联动方法与系统 |
| WO2021114521A1 (zh) * | 2019-12-12 | 2021-06-17 | 常州机电职业技术学院 | 一种基于视觉的十位旋转拨码开关复位系统及复位方法 |
| CN113064251A (zh) * | 2021-03-24 | 2021-07-02 | 上海晨兴希姆通电子科技有限公司 | 透镜定位方法及其系统 |
| CN113505808A (zh) * | 2021-06-05 | 2021-10-15 | 北京超维世纪科技有限公司 | 基于深度学习用于配电类设施开关检测识别算法 |
-
2019
- 2019-03-19 CN CN201910206216.6A patent/CN109977831A/zh not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110909287A (zh) * | 2019-10-30 | 2020-03-24 | 广东优世联合控股集团股份有限公司 | 基于视觉处理的现场素材载入方法、装置及存储介质 |
| WO2021114521A1 (zh) * | 2019-12-12 | 2021-06-17 | 常州机电职业技术学院 | 一种基于视觉的十位旋转拨码开关复位系统及复位方法 |
| CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
| CN111007441B (zh) * | 2019-12-16 | 2022-12-02 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
| CN112178706A (zh) * | 2020-10-14 | 2021-01-05 | 宁波方太厨具有限公司 | 灶具火力档位的识别方法与系统、烟灶联动方法与系统 |
| CN112178706B (zh) * | 2020-10-14 | 2021-11-05 | 宁波方太厨具有限公司 | 灶具火力档位的识别方法与系统、烟灶联动方法与系统 |
| CN113064251A (zh) * | 2021-03-24 | 2021-07-02 | 上海晨兴希姆通电子科技有限公司 | 透镜定位方法及其系统 |
| CN113064251B (zh) * | 2021-03-24 | 2023-03-14 | 上海晨兴希姆通电子科技有限公司 | 透镜定位方法及其系统 |
| CN113505808A (zh) * | 2021-06-05 | 2021-10-15 | 北京超维世纪科技有限公司 | 基于深度学习用于配电类设施开关检测识别算法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109977831A (zh) | 一种基于数字图像处理的旋钮识别方法 | |
| EP2085928B1 (en) | Detection of blobs in images | |
| CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
| CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
| CN108470338B (zh) | 一种水位监测方法 | |
| CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
| CN112861870B (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
| CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
| CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
| CN110443278A (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
| CN111047624A (zh) | 图像弱小目标检测方法、装置、设备及存储介质 | |
| CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 | |
| CN102637317A (zh) | 基于视觉的硬币尺寸测量算法 | |
| CN114674826A (zh) | 基于布匹的视觉检测方法及检测系统 | |
| US20180089858A1 (en) | Image processing method and device | |
| EP3475915A1 (en) | Visual cardiomyocyte analysis | |
| CN110245615A (zh) | 一种签名鉴伪方法、系统及存储介质 | |
| CN111242918B (zh) | 基于卡尔曼滤波和马尔可夫随机场的图像分割方法及系统 | |
| CN106898084A (zh) | 一种确定图像处理阈值的方法及装置 | |
| CN113409334A (zh) | 一种基于质心的结构光角点检测方法 | |
| CN112837285A (zh) | 一种板面图像的边缘检测方法及装置 | |
| CN112288049A (zh) | 基于模板匹配和限制连通域指针定位的指针表读数方法 | |
| CN110838148A (zh) | 一种双目相机自标定方法 | |
| CN110222666A (zh) | 一种签名鉴伪方法和系统 | |
| CN110660073B (zh) | 一种直线边缘识别设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190705 |
|
| WW01 | Invention patent application withdrawn after publication |