CN111126371B - 一种基于图像处理的粗指针表盘示数读取方法 - Google Patents
一种基于图像处理的粗指针表盘示数读取方法 Download PDFInfo
- Publication number
- CN111126371B CN111126371B CN201911151850.0A CN201911151850A CN111126371B CN 111126371 B CN111126371 B CN 111126371B CN 201911151850 A CN201911151850 A CN 201911151850A CN 111126371 B CN111126371 B CN 111126371B
- Authority
- CN
- China
- Prior art keywords
- dial
- image
- pointer
- circle
- line
- 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
- G06V10/22—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
发明提供一种基于图像处理的粗指针表盘示数读取方法。该方法包括滤波处理、寻找圆、边缘识别、寻找直线、直线聚类分析、筛选直线和读数等步骤。该方法解决了表盘粗指针识别精度不高,系统鲁棒性较低以及设备要求高的问题,可以应用于实际生产中。
Description
技术领域
本发明涉及信息技术领域,特别涉及一种基于图像处理的粗指针表盘示数读取方法。
背景技术
指针式仪表由于结构简单、价格低廉、维护方便以及抗电磁干扰能力强等特点,在社会生产行业中广泛使用。但是在实际生产中,由于天气、生产环境以及表盘安装位置等因素的影响,导致了人工读数存在读数难、精度低、易疲劳等问题。
自动读取表盘示数方案的核心是如何确定表盘指针线继而确定表盘的读数。当前表盘指针类型主要分为细指针和粗指针两类。这两类指针的特点不同,细指针前后两端粗细一致,识别难度在于特征不明显,而粗指针特征明显,识别难度在于指针的精度问题。
现有技术中,处理粗指针表盘示数读取的方案有基于霍夫变换的自动读取、基于霍夫变换找线段、基于最小二乘法找线段和基于剪影法找线段等方法。然而现有技术存对粗指针的识别精度不高、方法使用的环境要求高、系统的鲁棒性不足、容易受外界影响产生误差、所需要的设备的条件较高、制作成本高等不足。
因此,亟需开发一种粗指针表盘示数读取方法。
发明内容
本发明的目的是提供一种基于图像处理的粗指针表盘示数读取方法,以解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的,一种基于图像处理的粗指针表盘示数读取方法,包括以下步骤:
1)对待读取正面表盘的图片进行滤波处理,得到图像P。
2)基于霍夫变换寻找图像P中所有的候选圆。
3)将候选圆进行圆心位置及半径的均值处理,得到圆心c与半径r。
4)进行色值处理,得到图像Pn。
5)基于Canny算子对图像Pn进行边缘识别,得到图像Pc。
6)基于霍夫变化寻找图像Pc中所有候选线段。
7)基于K-means算法,对所有候选线段进行聚类处理。
8)根据圆心c距离线段的距离筛选步骤7)聚类得到的线段,自适应保存一定数量的线段。
9)基于线段附近像素点色值对步骤8)得到的线段进行筛选,留下近似指针线族。
10)对步骤9)中得到的近似指针线进行均值处理,得到指针线lp。
11)基于图像坐标与表盘指针的关系,依据步骤10)得到的指针线lp,输出最终的表盘读数。
进一步,步骤1)中,对于正面表盘的图片依次进行直方图均衡化处理、中值滤波和双边滤波。
进一步,步骤2)中,表盘图像的长度为l。表盘图像的宽度为w。基于霍夫变换累加器峰值检测方式来找圆的的筛选条件为圆的直径小于min{l,w}且圆完整地出现在表盘图像中。
进一步,步骤6)中累加器的阈值选取为圆的半径r。
进一步,步骤7)进行K-means聚类,聚类数目设置为2。根据直线的斜率及截距对所有保留直线进行聚类。
进一步,步骤8)中,当发现圆心到线段的距离出现突增的情况时停止,保留之前的线段。
进一步,突增比例为3~5。
本发明的技术效果是毋庸置疑的:
A.能够有效地识别出表盘粗指针,能适应一定的环境因素干扰;
B.对设备要求低,能有效地应用于生产实际中。易实现,可大规模应用于生产实际;
C.解决了表盘粗指针识别精度低的问题,并且系统鲁棒性好。
附图说明
图1为表盘示数读取的流程图;
图2为表盘图像滤波处理结果示意图;
图3为表盘图像色值处理结果示意图;
图4为表盘粗指针定位结果示意图;
图5为表盘读数结果示意图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1,本实施例公开一种基于图像处理的粗指针表盘示数读取方法,包括以下步骤:
1)对待读取正面表盘的图片进行滤波处理,得到图像P。参见图2,对于正面表盘的图片依次进行直方图均衡化处理、中值滤波和双边滤波。图2中,2a为原始图像,2b为直方图均衡化后的图像,2c为中值滤波之后的图像,2d为双边滤波之后的图像。
2)基于霍夫变换累加器峰值检测方式寻找图像P中所有的候选圆。表盘图像的长度为l。表盘图像的宽度为w。基于霍夫变换累加器峰值检测方式来找圆的的筛选条件为圆的直径小于min{l,w}且圆完整地出现在表盘图像中。找到的符合条件的所有的圆及圆心如图3a所示。在本实例中l和w的值分别为220像素、230像素。
3)将候选圆进行圆心位置及半径的均值处理,得到圆心c与半径r。均值处理之后的圆心如图3a所示。
对所有候选圆的圆心和半径进行如下的均值处理:
式中,xc和yc为最终确定的圆心的横坐标和纵坐标;N为圆的数量;xi和yi分别为第i个圆的圆心的横坐标和纵坐标。
4)进行色值处理,得到图像Pn。计算每个像素点距离最终确定的圆心的距离,其中圆心的横纵坐标分别为xc和yc,计算公式为欧式距离的计算公式:
式中,dP为像素点距离确定圆心的距离;xc和yc为最终确定的圆心的横坐标和纵坐标;xp和yp为当前像素点的横纵坐标值。
将距离大于圆半径像素点的RGB值调整为(255,255,255),即白色。如图3b所示,距离圆心大于半径长度的点的RGB值全部被置为(255,255,255),即白色。
5)参见图4a,基于Canny算子对图像Pn进行边缘识别,得到图像Pc。
6)基于霍夫变化寻找图像Pc中所有候选线段。基于霍夫变换寻找线段的筛选条件为:累加器的阈值为圆的半径的长度;当找到的线段达到认为设定的阈值之后即停止。阈值为10~20。参见图4b,霍夫变换找线段后的图像中,线段数量的阈值设置为10。
7)基于K-means算法,对所有候选线段进行聚类处理。由于只需要确定圆心附近的直线,因此聚类数目设置为2即可。根据直线的斜率及截距对所有保留直线进行聚类。
8)根据圆心c距离线段的距离筛选步骤7)聚类得到的线段,自适应保存一定数量的线段。
点到直线的距离公式如下:
式中,dcl表示圆心到直线的距离;A、B、C分别是直线的相关参数;xc和yc表示最终确定的圆心的横坐标和纵坐标。
在保留直线的阶段,当发现圆心到直线的距离出现突增的情况时停止,保留之前的直线。突增比例为3~5。在本实施例中,突增比例设置为3。
9)参见图4c,基于线段附近像素点色值对步骤8)得到的线段进行筛选,留下近似指针线族。
10)对步骤9)中得到的近似指针线进行均值处理,得到指针线lp。对于保留下来的直线,进行如下操作:
式中,kp和bp分别表示最终指针线所在直线的斜率和在y轴上的截距,N表示直线总数,ki和bi分别表示第i条直线的斜率和在y轴上的截距。
具体实施时,如图4d所示,在确定指针线的图像中的直线即为经过均值处理的指针线。
11)基于图像坐标与表盘指针的关系,依据步骤10)得到的指针线lp,输出最终的表盘读数。指针线的初始角度θ基于图像坐标来进行计算,图像坐标和指针线最终角度θ′的关系如下:
a)当指针线指向图像坐标第一象限和第二象限时:θ′=θ+90。
b)当指针线指向图像坐标第三象限时:θ′=θ-90。
c)当指针线指向图像坐标第四象限时:θ′=θ+270。
之后通过如下公式计算最终角的读数:
上式中,r表示的是表盘最终的读数。具体实施时,如图5所示,得到的指针线的最终角度θ′为167度,将指针线的角度代入上式中,计算得到最终的读数近似为27。
Claims (6)
1.一种基于图像处理的粗指针表盘示数读取方法,其特征在于,包括以下步骤:
1)对待读取正面表盘的图片进行滤波处理,得到图像P;
2)基于霍夫变换寻找图像P中所有的候选圆;
3)将候选圆进行圆心位置及半径的均值处理,得到圆心c与半径r;
4)进行色值处理,得到图像Pn;计算每个像素点距离最终确定的圆心的距离;将距离大于圆半径的像素点的RGB值调整为(255,255,255);
5)基于Canny算子对图像Pn进行边缘识别,得到图像Pc;
6)基于霍夫变化寻找图像Pc中所有候选线段;
7)基于K-means算法,根据直线的斜率及截距对所有候选线段进行聚类处理;
8)根据圆心c距离线段的距离筛选步骤7)聚类得到的线段,自适应保存一定数量的线段;当发现圆心到线段的距离出现突增的情况时停止,保留之前的线段;
9)基于线段附近像素点色值对步骤8)得到的线段进行筛选,留下近似指针线族;
10)对步骤9)中得到的近似指针线进行均值处理,得到指针线lp;
11)基于图像坐标与表盘指针的关系,依据步骤10)得到的指针线lp,输出最终的表盘读数。
2.根据权利要求1所述的一种基于图像处理的粗指针表盘示数读取方法,其特征在于:步骤1)中,对于正面表盘的图片依次进行直方图均衡化处理、中值滤波和双边滤波。
3.根据权利要求1或2所述的一种基于图像处理的粗指针表盘示数读取方法,其特征在于:步骤2)中,表盘图像的长度为l;表盘图像的宽度为w;基于霍夫变换累加器峰值检测方式来找圆的筛选条件为圆的直径小于min{l,w}且圆完整地出现在表盘图像中。
4.根据权利要求1所述的一种基于图像处理的粗指针表盘示数读取方法,其特征在于,步骤6)中基于霍夫变换寻找线段的筛选条件为:累加器的阈值选取为圆的半径r。
5.根据权利要求1所述的一种基于图像处理的粗指针表盘示数读取方法,其特征在于:步骤7)进行K-means聚类,聚类数目设置为2。
6.根据权利要求1所述的一种基于图像处理的粗指针表盘示数读取方法,其特征在于:步骤8)中,突增比例为3~5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151850.0A CN111126371B (zh) | 2019-11-22 | 2019-11-22 | 一种基于图像处理的粗指针表盘示数读取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151850.0A CN111126371B (zh) | 2019-11-22 | 2019-11-22 | 一种基于图像处理的粗指针表盘示数读取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126371A CN111126371A (zh) | 2020-05-08 |
CN111126371B true CN111126371B (zh) | 2022-08-30 |
Family
ID=70496141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911151850.0A Active CN111126371B (zh) | 2019-11-22 | 2019-11-22 | 一种基于图像处理的粗指针表盘示数读取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126371B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115664B (zh) * | 2022-08-25 | 2022-11-18 | 济宁景泽信息科技有限公司 | 计量器具信息采集系统 |
CN117274966B (zh) * | 2023-11-23 | 2024-04-19 | 江西小马机器人有限公司 | 室外工业仪表监测方法、系统、可读存储介质及计算机 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1122521A1 (en) * | 2000-02-01 | 2001-08-08 | Setrix AG | Method and apparatus for monitoring an analog meter |
CN104392206B (zh) * | 2014-10-24 | 2017-11-24 | 南京航空航天大学 | 一种指针式仪表读数自动识别的图像处理方法 |
CN106339707B (zh) * | 2016-08-19 | 2018-01-12 | 亿嘉和科技股份有限公司 | 一种基于对称性特征的仪表指针图像识别方法 |
CN107066998A (zh) * | 2016-12-30 | 2017-08-18 | 山东鲁能软件技术有限公司 | 一种利用移动设备的指针式圆形单仪表盘实时识别方法 |
CN107038447A (zh) * | 2017-04-26 | 2017-08-11 | 大连理工大学 | 一种基于机器视觉的指针式仪表识别方法 |
CN107301412B (zh) * | 2017-05-08 | 2019-12-17 | 浙江工业大学 | 一种基于图像处理的指针式仪表读数方法 |
CN107292310B (zh) * | 2017-06-19 | 2020-10-09 | 电子科技大学 | 一种圆形指针式表盘视觉定位及自动读数方法 |
CN107609557B (zh) * | 2017-08-24 | 2020-09-08 | 华中科技大学 | 一种指针式仪表读数识别方法 |
JP6730379B2 (ja) * | 2018-03-23 | 2020-07-29 | 株式会社東芝 | 読取システム、読取方法、プログラム、及び記憶媒体 |
CN109993166B (zh) * | 2019-04-03 | 2020-10-09 | 同济大学 | 基于刻度查找的指针式仪表读数自动识别方法 |
-
2019
- 2019-11-22 CN CN201911151850.0A patent/CN111126371B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111126371A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN110580480A (zh) | 基于图像处理的表计读数识别方法 | |
CN108711158B (zh) | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN107301412B (zh) | 一种基于图像处理的指针式仪表读数方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN115294099B (zh) | 一种钢板轧制过程发纹缺陷的检测方法及系统 | |
CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN116385439A (zh) | 基于图像处理的电机橡胶减震垫质量检测方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN115330796B (zh) | 一种铜线镀锡缺陷识别方法 | |
CN111709964B (zh) | 一种pcba目标边缘检测方法 | |
CN110909772B (zh) | 一种高精度实时多尺度表盘指针检测方法和系统 | |
CN116958125A (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN109117720B (zh) | 一种基于机器视觉的指针式仪表读数识别方法 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN116758045B (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
CN116452589B (zh) | 基于图像处理的人造板表面缺陷智能检测方法 | |
CN115205317B (zh) | 一种桥梁监测光电标靶图像光斑中心点提取方法 | |
CN116862910A (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN115254674B (zh) | 一种轴承缺陷分选方法 |
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 |