CN110084251A - 一种仪表识别方法、装置及存储介质 - Google Patents
一种仪表识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110084251A CN110084251A CN201910356758.1A CN201910356758A CN110084251A CN 110084251 A CN110084251 A CN 110084251A CN 201910356758 A CN201910356758 A CN 201910356758A CN 110084251 A CN110084251 A CN 110084251A
- Authority
- CN
- China
- Prior art keywords
- image
- dial plate
- profile
- instrument
- instrument image
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种仪表识别方法、装置及存储介质,首先获取仪表图像;之后对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;进一步地,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图,即表盘区域。如此,本发明通过椭圆拟合代替现有技术霍夫圆变换方法的圆拟合来获得对应表盘的区域,即在机器视觉读取场景下,寻找表盘区域的时候不是寻找圆而是寻找椭圆,能够有效克服采用霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测,从而提高表盘区域寻找的准确性。
Description
技术领域
本发明涉及图像识别技术,尤其涉及一种仪表识别方法、装置及计算机可读存储介质。
背景技术
霍夫圆变换(Hough)是将二维图像空间中一个圆转换为该图半径、圆心横纵坐标所确定的三维参数空间中一个点的过程。霍夫圆变换可以检测图像中的圆形曲线并确定对应圆形曲线的圆心位置。因此,霍夫圆变换在机器视觉读取仪表数据中应用广泛。
相关技术中,以诸如压力表所示的仪表为例,机器视觉读取该压力表上的读数时,一般采用霍夫圆变换的方法检测仪表在图像中的位置。然而,在采用霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测。
发明内容
本发明实施例为了解决上述提及的现有采用霍夫圆变换的方法检测仪表在图像中的位置的过程中所存在的诸多问题,创造性的提供一种仪表识别方法、装置及计算机可读存储介质。
根据本发明实施例的第一方面,提供一种仪表识别方法,包括:获取仪表图像;对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
根据本发明一实施方式,所述对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图包括:对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
根据本发明一实施方式,在获得对应表盘的轮廓图之后,所述方法还包括:根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
根据本发明一实施方式,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像,包括:利用所获得的对应表盘的轮廓图生成空白椭圆图;将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。
根据本发明一实施方式,所述利用所获得的对应表盘的轮廓图生成空白椭圆图,包括:确定所获得的对应表盘的轮廓图的中心点坐标、长轴长度及短轴长度;利用所确定的中心点坐标、长轴长度及短轴长度生成空白椭圆图。
根据本发明实施例的第二方面,还提供一种仪表识别装置,所述装置包括:图像获取模块,用于获取仪表图像;第一轮廓检测模块,用于对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;椭圆拟合模块,用于对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
根据本发明一实施方式,所述第一轮廓检测模块包括:灰度处理单元,用于对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;二值化处理单元,用于对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;轮廓检测单元,用于对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
根据本发明一实施方式,所述装置还包括:确定模块,用于在通过椭圆拟合模块获得对应表盘的轮廓图之后,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;第二轮廓检测模块,用于对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;筛选模块,用于从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
根据本发明一实施方式,所述确定模块包括:生成单元,用于利用所获得的对应表盘的轮廓图生成空白椭圆图;加法运算单元,用于将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。
根据本发明一实施方式,所述生成单元包括:确定子单元,用于确定所获得的对应表盘的轮廓图的中心点坐标、长轴长度及短轴长度;生成子单元,用于利用所确定的中心点坐标、长轴长度及短轴长度生成空白椭圆图。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行上述任一仪表识别方法。
本发明实施例仪表识别方法、装置及计算机可读存储介质,首先获取仪表图像;之后对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;进一步地,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图,即表盘区域。如此,本发明通过椭圆拟合代替现有技术霍夫圆变换方法的圆拟合来获得对应表盘的区域,即在机器视觉读取场景下,寻找表盘区域的时候不是寻找圆而是寻找椭圆,能够有效克服采用霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测,从而提高表盘区域寻找的准确性。
需要理解的是,本发明的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例仪表识别方法的实现流程示意图一;
图2示出了本发明实施例仪表识别方法的实现流程示意图二;
图3示出了本发明一应用示例仪表识别方法的实现流程示意图;
图4示出了本发明实施例仪表识别装置的组成结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例仪表识别方法的实现流程示意图一。
参考图1,本发明实施例仪表识别方法包括:操作101,获取仪表图像;操作102,对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;操作103,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
在操作101,机器在视觉读取诸如圆盘式压力表之类的仪表读数时,通常会获取仪表图像。其中,获取仪表图像使用的方法是调用开源计算机视觉库Opencv的图像读取函数:img=CV2.imread(),通过该函数所读取的仪表图像是以数字矩阵的形式存储,img为一个矩阵,里面存储有仪表图像各像素点的值。
这里,虽然仪表的表盘基本是无任何误差的圆形,但是由于拍摄角度多少会有偏差,故往往所获取的仪表图像更接近于椭圆形。因此,如果采用相关技术中的霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测。
本发明为了解决上述问题,在操作102和103中,通过椭圆拟合的方式来在所获取仪表图像中所有轮廓图里面的拟合椭圆中寻找表盘的轮廓图,即表盘对应区域。
在本发明一实施方式中,操作102包括:对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
具体地,以通过101所读取的仪表图像为三通道的图像,如RGB图像,由于此处不关心图像的色彩,因此转换为灰度图,三通道图片转换为灰度图用的函数可以是img_gray=Cv2.cvtColor(img,cv2.COLOR_BGR2GRAY),其中Img_gray是将img转换得到的灰度图。
进一步地,对所述仪表图像的灰度图进行二值化处理使用的函数是Ret,binary=cv2.threshold(img_gray,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU),其中binary是把img_gray转换。
在转换为二值图像binary之后,使用函数Cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE),其中检测方法是不建立层级关系,只检测最外侧的轮廓,通过函数返回的是一个轮廓列表,即包括所述仪表图像中的所有轮廓图。
本发明实施例仪表识别方法,首先获取仪表图像;之后对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;进一步地,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图,即表盘区域。如此,本发明通过椭圆拟合代替现有技术霍夫圆变换方法的圆拟合来获得对应表盘的区域,即在机器视觉读取场景下,寻找表盘区域的时候不是寻找圆而是寻找椭圆,能够有效克服采用霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测,从而提高表盘区域寻找的准确性。
图2示出了本发明实施例仪表识别方法的实现流程示意图二;图3示出了本发明一应用示例仪表识别方法的实现流程示意图。
参考图2,本发明实施例仪表识别方法包括:操作101,获取仪表图像;操操作102,对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;操作103,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图;操作104,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;操作105,对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;操作106,从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
在操作101,机器在视觉读取诸如圆盘式压力表之类的仪表读数时,通常会获取仪表图像。其中,获取仪表图像使用的方法是调用开源计算机视觉库Opencv的图像读取函数:img=CV2.imread(),通过该函数所读取的仪表图像是以数字矩阵的形式存储,img为一个矩阵,里面存储有仪表图像各像素点的值。
这里,虽然仪表的表盘基本是无任何误差的圆形,但是由于拍摄角度多少会有偏差,故往往所获取的仪表图像更接近于椭圆形。因此,如果采用相关技术中的霍夫圆变换的方法检测仪表在图像中的位置的过程中很容易造成误检测或者漏检测。
本发明为了解决上述问题,在操作102和103中,通过椭圆拟合的方式来在所获取仪表图像中所有轮廓图里面的拟合椭圆中寻找表盘的轮廓图,即表盘对应区域。
在本发明一实施方式中,操作102包括:对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
具体地,以通过101所读取的仪表图像为三通道的图像,如RGB图像,由于此处不关心图像的色彩,因此转换为灰度图,三通道图片转换为灰度图用的函数可以是img_gray=Cv2.cvtColor(img,cv2.COLOR_BGR2GRAY),其中Img_gray是将img转换得到的灰度图。
进一步地,对所述仪表图像的灰度图进行二值化处理使用的函数是Ret,binary=cv2.threshold(img_gray,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU),其中binary是把img_gray转换。
在转换为二值图像binary之后,使用函数Cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE),其中检测方法是不建立层级关系,只检测最外侧的轮廓,通过函数返回的是一个轮廓列表,即包括所述仪表图像中的所有轮廓图。
在操作104,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像,包括:利用所获得的对应表盘的轮廓图生成空白椭圆图;将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。具体地,利用拟合得到的表盘区域的中心点坐标和长短轴的长度,生成一个空白椭圆图;进一步地,以该椭圆图为蒙版,蒙在待识别的原图像上,及图像的加法运算,可以得到只包含表盘区域的图片也就是表盘ROI。
接着,相关技术在检测到表盘ROI之后,在表盘ROI寻找指针时,通常采用直线拟合的方式,而直线拟合寻找指针容易造成寻找出多条指针。本发明实施例为了解决上述问题,充分利用表盘ROI最大的轮廓就是指针的特点,故采用在表盘ROI寻找最大轮廓的办法寻找指针。即在操作105~106中,对表盘ROI进行轮廓检测,并筛选出来轮廓面积最大的轮廓,轮廓最大的区域则为指针,从而大大提高了指针检测的准确性。
同样,基于如上文所述仪表识别方法,本发明实施例又提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序,当所述程序被处理器执行时,使得所述处理器至少执行如下所述的操作步骤:操作101,获取仪表图像;操作102,对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;操作103,对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
进一步地,基于上文所述仪表识别方法,本发明实施例还提供一种仪表识别装置,如图4所示,所述装置40包括:图像获取模块401,用于获取仪表图像;第一轮廓检测模块402,用于对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;椭圆拟合模块403,用于对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
根据本发明一实施方式,所述第一轮廓检测模块402包括:灰度处理单元,用于对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;二值化处理单元,用于对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;轮廓检测单元,用于对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
根据本发明一实施方式,如图4所示,所述装置40还包括:确定模块404,用于在通过椭圆拟合模块获得对应表盘的轮廓图之后,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;第二轮廓检测模块405,用于对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;筛选模块406,用于从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
根据本发明一实施方式,所述确定模块404包括:生成单元,用于利用所获得的对应表盘的轮廓图生成空白椭圆图;加法运算单元,用于将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。
根据本发明一实施方式,所述生成单元包括:确定子单元,用于确定所获得的对应表盘的轮廓图的中心点坐标、长轴长度及短轴长度;生成子单元,用于利用所确定的中心点坐标、长轴长度及短轴长度生成空白椭圆图。
这里需要指出的是:以上对仪表识别装置实施例的描述,与前述图1~3所示的方法实施例的描述是类似的,具有同前述图1~3所示的方法实施例相似的有益效果,因此不做赘述。对于本发明对仪表识别装置实施例中未披露的技术细节,请参照本发明前述图1~3所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个装置,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以利用硬件的形式实现,也可以利用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种仪表识别方法,其特征在于,所述方法包括:
获取仪表图像;
对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;
对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
2.根据权利要求1所述的识别方法,其特征在于,所述对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图包括:
对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;
对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;
对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
3.根据权利要求1所述的方法,其特征在于,在获得对应表盘的轮廓图之后,所述方法还包括:
根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;
对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;
从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
4.根据权利要求3所述的方法,其特征在于,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像,包括:
利用所获得的对应表盘的轮廓图生成空白椭圆图;
将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。
5.根据权利要求4所述的方法,其特征在于,所述利用所获得的对应表盘的轮廓图生成空白椭圆图,包括:
确定所获得的对应表盘的轮廓图的中心点坐标、长轴长度及短轴长度;
利用所确定的中心点坐标、长轴长度及短轴长度生成空白椭圆图。
6.一种仪表识别装置,其特征在于,所述装置包括:
图像获取模块,用于获取仪表图像;
第一轮廓检测模块,用于对所获取的仪表图像进行轮廓检测,得到所述仪表图像中的所有轮廓图;
椭圆拟合模块,用于对所检测的所有轮廓图进行椭圆拟合,以获得对应表盘的轮廓图。
7.根据权利要求6所述的装置,其特征在于,所述第一轮廓检测模块包括:
灰度处理单元,用于对所获取的仪表图像进行灰度处理,得到仪表图像的灰度图;
二值化处理单元,用于对所述仪表图像的灰度图进行二值化处理,得到仪表图像的二值图像;
轮廓检测单元,用于对所述仪表图像的二值图像进行轮廓检测,得到所述仪表图像中的所有轮廓图。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
确定模块,用于在通过椭圆拟合模块获得对应表盘的轮廓图之后,根据所获得的对应表盘的轮廓图从所述仪表图像上确定出表盘图像;
第二轮廓检测模块,用于对所确定出的表盘图像进行轮廓检测,得到所述表盘图像中的所有轮廓图;
筛选模块,用于从所述表盘图像中的所有轮廓图中筛选出轮廓面积最大的轮廓图,确定为指针对应区域。
9.根据权利要求8所述的装置,其特征在于,所述确定模块包括:
生成单元,用于利用所获得的对应表盘的轮廓图生成空白椭圆图;
加法运算单元,用于将所生成的空白椭圆图和所述仪表图像进行加法运算,从而得到表盘图像。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-5任一项所述仪表识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356758.1A CN110084251A (zh) | 2019-04-29 | 2019-04-29 | 一种仪表识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356758.1A CN110084251A (zh) | 2019-04-29 | 2019-04-29 | 一种仪表识别方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084251A true CN110084251A (zh) | 2019-08-02 |
Family
ID=67417726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356758.1A Pending CN110084251A (zh) | 2019-04-29 | 2019-04-29 | 一种仪表识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084251A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257296A (zh) * | 2020-03-20 | 2020-06-09 | 京东方科技集团股份有限公司 | 一种检测生物芯片样本的方法、装置及存储介质 |
WO2023208214A1 (zh) * | 2022-04-30 | 2023-11-02 | 瞬联软件科技(北京)有限公司 | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609712A (zh) * | 2012-02-24 | 2012-07-25 | 山东鲁能智能技术有限公司 | 用于移动机器人的类圆形指针式仪表读数方法 |
CN102722166A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 变电站设备智能视觉检测系统及状态检测方法 |
CN106228161A (zh) * | 2016-07-18 | 2016-12-14 | 电子科技大学 | 一种指针式表盘自动读数方法 |
CN109063717A (zh) * | 2018-07-30 | 2018-12-21 | 安徽慧视金瞳科技有限公司 | 一种获取仪表中心点方法 |
-
2019
- 2019-04-29 CN CN201910356758.1A patent/CN110084251A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609712A (zh) * | 2012-02-24 | 2012-07-25 | 山东鲁能智能技术有限公司 | 用于移动机器人的类圆形指针式仪表读数方法 |
CN102722166A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 变电站设备智能视觉检测系统及状态检测方法 |
CN106228161A (zh) * | 2016-07-18 | 2016-12-14 | 电子科技大学 | 一种指针式表盘自动读数方法 |
CN109063717A (zh) * | 2018-07-30 | 2018-12-21 | 安徽慧视金瞳科技有限公司 | 一种获取仪表中心点方法 |
Non-Patent Citations (1)
Title |
---|
张腾腾 等: ""指针式仪表示数自动提取"", 《软件》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257296A (zh) * | 2020-03-20 | 2020-06-09 | 京东方科技集团股份有限公司 | 一种检测生物芯片样本的方法、装置及存储介质 |
CN111257296B (zh) * | 2020-03-20 | 2023-04-11 | 京东方科技集团股份有限公司 | 一种检测生物芯片样本的方法、装置及存储介质 |
WO2023208214A1 (zh) * | 2022-04-30 | 2023-11-02 | 瞬联软件科技(北京)有限公司 | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200265610A1 (en) | Method and apparatus for automatic intrinsic camera calibration using images of a planar calibration pattern | |
EP3788591B1 (en) | Focus-weighted, machine learning classifier error prediction for microscope slide images | |
US20210056287A1 (en) | Identifying regions of interest from whole slide images | |
US9025863B2 (en) | Depth camera system with machine learning for recognition of patches within a structured light pattern | |
CN110414507A (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
AU2012260548B2 (en) | 3D scanner using structured lighting | |
US11915422B2 (en) | Techniques for determining tissue characteristics using multiplexed immunofluorescence imaging | |
CN104700062A (zh) | 一种识别二维码的方法及设备 | |
US9430711B2 (en) | Feature point matching device, feature point matching method, and non-transitory computer readable medium storing feature matching program | |
CN111738265B (zh) | Rgb-d图像的语义分割方法、系统、介质及电子设备 | |
CN110084251A (zh) | 一种仪表识别方法、装置及存储介质 | |
CN109118473A (zh) | 基于神经网络的角点检测方法、存储介质与图像处理系统 | |
CN110443159A (zh) | 数字识别方法、装置、电子设备及存储介质 | |
JP2021520007A (ja) | 車両画像の比較方法とそのシステム | |
CN106295498A (zh) | 光学遥感图像目标区域检测装置与方法 | |
JP2017532670A (ja) | マークの信頼性を検証するための方法およびシステム | |
KR20110128529A (ko) | 형태와 특징 정보를 이용한 비정형 객체 추적 장치 및 그 방법 | |
CN105574844B (zh) | 辐射响应函数估计方法和装置 | |
CN110390682A (zh) | 一种模板自适应的图像分割方法、系统和可读存储介质 | |
CN109584267A (zh) | 一种结合背景信息的尺度自适应相关滤波跟踪方法 | |
CN113240606A (zh) | 中医望诊图像颜色校正方法及系统 | |
US8971627B2 (en) | Template matching processing device and template matching processing program | |
Zheng et al. | Structured fragment-based object tracking using discrimination, uniqueness, and validity selection | |
CN112561793B (zh) | 一种平面设计空间转换方法及系统 | |
CN111784634B (zh) | 一种基于Harris-CPDA的角点检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |