CN111985468A - 一种码表指针数值检测方法、装置、电子设备及存储介质 - Google Patents
一种码表指针数值检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111985468A CN111985468A CN202010877929.8A CN202010877929A CN111985468A CN 111985468 A CN111985468 A CN 111985468A CN 202010877929 A CN202010877929 A CN 202010877929A CN 111985468 A CN111985468 A CN 111985468A
- Authority
- CN
- China
- Prior art keywords
- code table
- pointer
- image
- line segment
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06V10/23—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 based on positionally close patterns or neighbourhood relationships
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种码表指针数值检测方法、装置、电子设备及存储介质,属于图像识别技术领域。该方法包括如下步骤:获取待测指针码表图像,确定所述待测指针码表图像的目标区域;通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;根据所述最优直线段的斜率,确定指针在表盘中的角度,根据所述角度和待测指针码表的刻度确定待测指针码表的数值。针对码表指针在特定区域中的位置信息进行层层阈值筛选,使指针的检测效果相对健壮,得到的指针位置精度高,检测速度快,能够实时准确地反馈码表中的数值,具备很强的鲁棒性。
Description
技术领域
本发明属于图像处理技术领域,具体地说,涉及一种码表指针数值检测方法、装置、电子设备及存储介质。
背景技术
随着工业互联网的发展以及图像识别处理技术的不断成熟,基于图像处理方法的电气设备仪表识别逐渐成为工业自动化的重要环节。目前,在电气设备中码表是比较常见的设备,有测量电压、测量电流和测量压力等各种各样的表盘。工人在巡检到码表位置的时候,通过目测读取当前设备的数值,并且记录反馈当前的指针示数。但是,由于人力的巡查间隔,每天检测的表和按钮有很多,因此人工检测读取容易造成视觉疲劳,导致记录的数据出现较大的误差。
近些年,虽有研究采用摄像头读取表盘的指针后反馈指针数值,代替人工巡检,然而由于算法的设计缺陷,有的指针读取程序经常会误报;有的仪表盘受到的光线干扰,影响指针位置的判断;有的因为码表角度的偏差导致指针识别准确度较低;有的对摄像头拍摄要求码表角度非常的严格,稍有一些倾斜和抖动都会影响指针的检测和码表数值的读取。因此,如何研发一种高效的指针提取算法本领域技术人员亟待解决的问题。
发明内容
1、要解决的问题
针对现有的码表图像的指针提取误差较大,导致识别精度较低的问题,本发明提供一种码表指针数值检测方法、装置、电子设备及存储介质。针对码表指针在特定区域中位置信息,进行层层阈值筛选,使指针的检测效果相对健壮,得到的指针位置精度高,检测速度快能够实时准确地反馈码表中的数值,具备很强的鲁棒性,进而能够屏蔽掉一些指针上的标签和污渍的干扰。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
本发明第一方面提供一种码表指针数值检测方法,包括如下步骤:
S202:获取待测指针码表图像,确定所述待测指针码表图像的目标区域;
S204:通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;
S206:对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;
S208:根据所述最优直线段的斜率,确定指针在表盘中的角度,根据所述角度和待测指针码表的刻度确定待测指针码表的数值。
在一些实施例中,所述步骤S102包括:
获取待测指针码表的原始图像,并进行灰度、二值化、膨胀处理;
根据边缘算法获取待测指针的目标区域。
在一些实施例中,所述步骤S104包括:通过双通道将所述目标区域图像的边界进行圆或矩形特征检测,比较圆的特征数量和矩形特征数量,根据特征数量确定所述码表表盘类型。
在一些实施例中,所述步骤S104还包括:对截取的码表区域图像取反操作,用于将码表区域中的指针由二值图像的黑色变成白色。
在一些实施例中,所述步骤S106包括:对所述码表区域图像进行Hough直线检测,获取直线段上的两个端点,通过所述两个端点计算该直线段的中点,删除中点在图像边界的直线段。
在一些实施例中,所述步骤S106包括:当多个直线段斜率大于第一阈值时,选取出现次数最多的直线段作为最优直线段;
当多个直线段斜率小于第一阈值时,分别计算任意两直线段中点的距离,判断所述距离是否小于第二阈值,若所述距离大于第二阈值,则选取出现次数最多的直线段作为最优直线段。
在一些实施例中,若所述距离小于第二阈值,计算直线段的长度,选取长度最长的直线段作为最优直线段。
本发明第二方面提供一种码表指针数值检测装置,包括:
图像获取模块,其用于获取待测指针码表图像,确定所述待测指针码表图像的目标区域;
图像截取模块,其用于通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;
直线段检测模块,其用于对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;
检测模块,其用于根据所述最优直线段的斜率,确定指针在表盘中的角度,根据角度和待测指针码表的刻度确定待测指针码表的数值。
本发明第三方面提供一种电子设备,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器依次连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述的方法。
本发明第四方面提供一种可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述的方法。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明使用码表特征提取算法能够适应圆形和矩形码表的数值读取,通过双通道将所述目标区域图像的边界进行圆或矩形特征检测,确定所述码表表盘类型,然后根据表盘类型的不同,截取合适的码表区域图像,防止图像截取不当,导致后面的图像识别结果不佳;此外截取后的码表区域图像,可以根据需要,旋转矫正,进一步提高识别的精度;
(2)本发明中使用的最小外包围矩形检测,能够适应检测到的矩形框旋转的情况,针对拍摄的图像进行指针角度矫正,确保指针提取精度;
(3)本发明针对码表指针在特定区域中的位置信息进行层层阈值筛选,使指针的检测效果相对健壮,得到的指针位置精度高,检测速度快能够实时准确地反馈码表中的数值,从而具备很强的鲁棒性,能够屏蔽掉一些指针上的标签和污渍的干扰。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。附图中:
图1是本发明实施例提供的一种码表指针数值检测方法流程图;
图2是本发明实施例提供的一种码表指针数值检测装置框图;
图3是本发明实施例提供的图像特征检测方法的流程图;
图4是本发明实施例提供的最优直线段筛选流程图;
图5是本发明实施例提供的电子设备的框图;
图6是本发明实施例提供的圆形码表盘直线段集筛选前示意图。
图7是本发明实施例提供的矩形码表盘直线段集筛选前示意图。
具体实施方式
下面,将参考附图详细地描述根据本申请的实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的实施例的限制。
示例性方法
如图1所示,一种码表指针数值检测方法,包括以下步骤:
S202:获取待测指针码表图像,确定所述待测指针码表图像的目标区域。
具体的,可以在照片或者视频中获取待识别指针码表原始图像,例如,通过摄像头读取图像,使用摄像头读取Api直接读取当前图像流的帧;在该待识别指针码表中进行识别提取,确定该待识别指针码表中的目标区域。例如通过预先的算法或者训练好的模型提取该待识别指针码表中的目标区域,但不以此为限。
需要说明的是,本申请中的待识别指针码表可以指具有指针表盘的仪表,在日常生活中待识别指针码表可以包括:水表、电表、天然气表等;电气设备中码表包括测量电压表、测量电流表和测量压力表等,所述目标区域一般为指针在表盘的显示区域。
在一些实施例中,为了方便对图像的处理,对待测指针码表的原始图像进行灰度、二值化和膨胀处理。具体的,先将读取到的单个帧图像转换成灰度图像,对灰度图像进行二值化处理;其中,二值化采用的是自适应区域的阈值进行二值化;再将二值化的图像进行图像的形态学膨胀,减少边缘和表盘内的数值对后期指针检测的干扰。需要说明的是,通过二值化算法对该目标区域图像进行二值化处理,使得该目标区域图像减少需要的存储空间,有利于加快处理速度。
S204:通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;
在一种可能的实施方式中,通过双通道将所述目标区域图像的边界进行圆或矩形特征检测,比较圆的特征数量和矩形特征数量,根据特征数量确定所述码表表盘类型;具体如图3所示:
S51,将目标区域图像输入特征区域,分别进行Hough圆检测和findcontours边界检测,从而进行图像的圆和矩形特征检测。
S52,findcontours边界检测;对S51中的目标区域图像使用边界检测算法,使用的是findcontours,找到边界的点。
S53,Hough圆检测;对S51中的目标区域图像进行Hough圆检测,输出检测到的圆中半径最大的圆作为边界框。
S54,最小外包围矩形检测;对S52中目标区域图像的边界进行最小外包围矩阵检测,检测的矩阵返回的值为[x,y,w,h],其中x,y为矩形对的左上角点坐标,w,h为检测到的矩形宽和高;计算该矩形的面积S=w*h,选择S最大的作为边界框。
S55,计算检测的圆和矩形数量,比较S53和S54分别检测到的圆和矩形的数量。
S56,判断圆的特征数量是否大于矩形特征数量;如果是,则说明检测到的码表很大概率是圆形,则执行S58;如果否,则说明检测到的码表很大概率是矩形,则执行S57。
S57,截取矩形码表,并按照矩形码表的特征进行后续检测。
S58,截取圆形码表,并按照圆形码表的特征进行后续检测。
本示例中,使用的码表特征提取算法能够适应圆形和矩形码表的数值读取,通过双通道将所述目标区域图像的边界进行圆或矩形特征检测,确定所述码表表盘类型,然后根据表盘类型的不同截取合适的码表区域图像,防止图像截取不当,导致后面的图像识别结果不准确的问题;此外截取后的码表区域图像,可以根据需要,进行旋转矫正,进一步提高识别的精度。此外本领域技术人员应当理解,此处可以根据不同码表表盘的形状进行适应性特征检测,不以圆或矩形特征检测为限。
S206:对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段。
具体的,为了更好的进行图像直线段检测,先对截取的码表区域二值图像取反操作,将原来的指针由二值图像的黑色变成白色;再对所述码表区域图像进行Hough直线检测,当多个直线段斜率大于第一阈值时,选取出现次数最多的直线段作为最优直线段;当多个直线段斜率小于第一阈值时,分别计算任意两直线段中点的距离,判断所述距离是否小于第二阈值,若所述距离大于第二阈值,则选取出现次数最多的直线段作为最优直线段;若所述距离小于第二阈值,计算直线段的长度,选取长度最长的直线段作为最优直线段。
为了进一步说明,如图4、6、7所示,检测采用的是Hough概率直线检测,Hough算法检测的是直线,本示例中截取直线的部分线段,这部分线段的获取依据是,这条直线上的第一个非0像素点和最后一个非0像素点为直线段的长度;输出[x1,y1,x2,y2]的直线段,其中x1,y1是直线的一个端点坐标,x2,y2是线段的另外一个端点坐标。
S101,判断检测到的直线段数量是否为1;如果是,则执行S108;此外,若经过以下多个步骤层层的阈值筛选后的直线段只剩下1条,那么为了减少后续计算,将直接输出这个唯一的直线段作为最优直线段;如果否,则执行S102。
S102,当检测到的直线段数量大于1时,判断任意两个直线段斜率k是否小于第一阈值,并使用两个循环遍历S101所有剩下的直线段;如果是,则执行S103;如果否,则执行S108。
S103,计算两个直线段中心点距离;具体的,选取步骤S102中斜率相似度在第一阈值内的直线段,分别计算任意两条直线段的中心距离distance;
S104,判断S103中的任意两条直线段的中心距离distance是否小于第二阈值;如果是,则执行S105;如果否,则执行S108。
S105,计算直线段的长度;具体的,分别计算S104中中心距离distance小于第二阈值的所有直线段的长度。
S106,选择步骤S105中所有直线段中长度最长的输出。
S107,计算斜率在第一阈值内,且中心距离distance大于第二阈值的所有直线段出现的次数,并选取出现次数最多的直线段,作为最优直线段。由于指针附近特征直线段的次数不仅一次,因此指针的直线段输出的次数应该是最多的,也是码表上最长的,所以通过S107的筛选可以更好选择最能代表码表指针的最佳直线段。
S108,输出最多次出现的直线段作为最优直线段,当然也包括S101中为是的只有1条的直线段的情况。本示例中,第一阈值和第二阈值的选取可以根据码表的大小、类型进行适应性改变,在此不做限定。
在一些实施例中,为了去除图像边界干扰,预先获取直线段上的两个端点,通过所述两个端点计算该直线段的中点,删除中点在图像边界的直线段。
具体的,使用公式center_x=(x1+x2)/2,center_y=(y1+y2)/2计算任意直线段的中点(center_x,center_y),其中center_x为上述中点的横坐标;center_y=(y1+y2)/2为上述中点的纵坐标;找出上述中点在图像边界的直线段,删除这些直线段。
S208:根据所述最优直线段的斜率,确定指针在表盘中的角度,根据所述角度和待测指针码表的刻度确定待测指针码表的数值。
具体的,对于S206输出的最优直线段计算其斜率k=(y2-y1)/(x2-x1),其中(x1,y1)、(x2,y2)分别是该最优直线段上的两个点的坐标;对于出现x1=x2的情况,直接给一个inf值,避免除法无效。在得到斜率k之后按照角度计算公式θ=arctan(k)*180/π计算该最优直线段所对应的角度。根据角度占比与待测码表刻度得到码表中指针当前的数值。
综上,本示例提供的一种码表指针数值检测方法,用于代替人工监测电器仪表。其中码表指针在特定区域中的位置信息进行层层阈值筛选,使指针的检测效果相对健壮,得到的指针位置精度高,检测速度快能,够实时准确地反馈码表中的数值,具备很强的鲁棒性,能够屏蔽掉一些指针上的标签和污渍的干扰;且使用的最小外包围矩阵能够适应图像的旋转,针对镜头的拍摄的不同角度,能够旋转使其具备读取角度不变的鲁棒性。
示例性装置
如图2所示,一种码表指针数值检测装置,包括:
图像获取模块20,其用于获取待测指针码表图像,确定所述待测指针码表图像的目标区域;具体的,可以在照片或者视频中获取待识别指针码表原始图像,例如,通过摄像头读取图像,使用摄像头读取Api直接读取当前图像流的帧;在该待识别指针码表中进行识别提取,确定该待识别指针码表中的目标区域。例如通过预先的算法或者训练好的模型提取该待识别指针码表中的目标区域,但不以此为限。在一些实施例中,为了方便对图像的处理,对待测指针码表的原始图像进行灰度、二值化和膨胀处理。具体的,先将读取到的单个帧图像转换成灰度图像,对灰度图像进行二值化处理;其中,二值化采用的是自适应区域的阈值进行二值化;再将二值化的图像进行图像的形态学膨胀,减少边缘和表盘内的数值对后期指针检测的干扰。需要说明的是,通过二值化算法对该目标区域图像进行二值化处理,使得该目标区域图像减少需要的存储空间,有利于加快处理速度。
图像截取模块30,其用于通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;具体的,通过双通道将所述目标区域图像的边界进行圆或矩形特征检测,比较圆的特征数量和矩形特征数量,根据特征数量确定所述码表表盘类型。
直线段检测模块40,其用于对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;具体的,为了更好的进行图像直线段检测,先对截取的码表区域二值图像取反操作,将原来的指针由二值图像的黑色变成白色;再对所述码表区域图像进行Hough直线检测,当多个直线段斜率大于第一阈值时,选取出现次数最多的直线段作为最优直线段;当多个直线段斜率小于第一阈值时,分别计算任意两直线段中点的距离,判断所述距离是否小于第二阈值,若所述距离大于第二阈值,则选取出现次数最多的直线段作为最优直线段;若所述距离小于第二阈值,计算直线段的长度,选取长度最长的直线段作为最优直线段。
检测模块50,其用于根据所述最优直线段的斜率,确定指针在表盘中的角度,根据角度和待测指针码表的刻度确定待测指针码表的数值。具体的,对于输出的最优直线段计算其斜率k=(y2-y1)/(x2-x1),其中(x1,y1)、(x2,y2)分别是该最优直线段上的两个点的坐标;对于出现x1=x2的情况,直接给一个inf值,避免除法无效。在得到斜率k之后按照角度计算公式θ=arctan(k)*180/π计算该最优直线段所对应的角度。根据角度占比与待测码表刻度得到码表中指针当前的数值。
示例性电子设备
下面,参考图5来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身,或与其独立的单机设备,该单机设备可以与可移动设备进行通信,以从它们接收所采集到的输入信号,并向其发送码表的示数信息。
图5图示了根据本申请实施例的电子设备的框图。
如图5所示,电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器11可以运行所述程序指令,以实现上文所述的本申请的各个实施例的行为决策方法以及/或者其他期望的功能。
在一个示例中,电子设备10还可以包括:输入装置13和输出装置14,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如,该输入设备13可以包括例如摄像头、包含码表图像的视频播放器等各种设备。该输入设备13还可以包括例如键盘、鼠标等等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备10中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的行为决策方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的行为决策方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种码表指针数值检测方法,其特征在于,包括如下步骤:
S202:获取待测指针码表图像,确定所述待测指针码表图像的目标区域;
S204:通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;
S206:对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;
S208:根据所述最优直线段的斜率,确定指针在表盘中的角度,根据所述角度和待测指针码表的刻度确定待测指针码表的数值。
2.根据权利要求1所述的码表指针数值检测方法,其特征在于,所述步骤S102包括:
获取待测指针码表的原始图像,并进行灰度、二值化和膨胀处理;
根据边缘算法获取待测指针码表的目标区域。
3.根据权利要求1或2所述的码表指针数值检测方法,其特征在于,所述步骤S104包括:通过双通道将所述码表区域图像的边界进行圆或矩形特征检测,比较圆的特征数量和矩形特征数量,根据所述特征数量确定所述码表表盘类型。
4.根据权利要求2所述的码表指针数值检测方法,其特征在于,所述步骤S104还包括:对截取的码表区域图像取反操作,用于将码表区域中的指针由二值图像的黑色变成白色。
5.根据权利要求4所述的码表指针数值检测方法,其特征在于,所述步骤S106包括:
对所述码表区域图像进行Hough直线检测,获取直线段上的两个端点,通过所述两个端点计算该直线段的中点,删除该中点在图像边界的直线段。
6.根据权利要求5所述的码表指针数值检测方法,其特征在于,所述步骤S106包括:
当多个直线段斜率大于第一阈值时,选取出现次数最多的直线段作为最优直线段;
当多个直线段斜率小于第一阈值时,分别计算任意两直线段中点的距离,判断所述距离是否小于第二阈值,若所述距离大于第二阈值,则选取出现次数最多的直线段作为最优直线段。
7.根据权利要求6所述的码表指针数值检测方法,其特征在于,若所述距离小于第二阈值,计算直线段的长度,选取长度最长的直线段作为最优直线段。
8.一种码表指针数值检测装置,其特征在于,包括:
图像获取模块,其用于获取待测指针码表图像,确定所述待测指针码表图像的目标区域;
图像截取模块,其用于通过特征检测确定所述目标区域的码表表盘类型,根据所述码表表盘类型截取所述码表区域图像;
直线段检测模块,其用于对所述码表区域图像进行直线检测,选取代表表盘指针所在的最优直线段;
检测模块,其用于根据所述最优直线段的斜率,确定指针在表盘中的角度,根据角度和待测指针码表的刻度确定待测指针码表的数值。
9.一种电子设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器依次连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877929.8A CN111985468A (zh) | 2020-08-27 | 2020-08-27 | 一种码表指针数值检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877929.8A CN111985468A (zh) | 2020-08-27 | 2020-08-27 | 一种码表指针数值检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111985468A true CN111985468A (zh) | 2020-11-24 |
Family
ID=73441103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010877929.8A Pending CN111985468A (zh) | 2020-08-27 | 2020-08-27 | 一种码表指针数值检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985468A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395025A (zh) * | 2020-12-10 | 2021-02-23 | 一汽解放汽车有限公司 | 一种螺旋指针绘制方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260743A (zh) * | 2015-09-29 | 2016-01-20 | 小米科技有限责任公司 | 图形分类方法和装置 |
CN108460327A (zh) * | 2018-01-12 | 2018-08-28 | 河南大学 | 一种基于图像处理的指针式仪表读数自动识别方法 |
US20180314906A1 (en) * | 2017-04-27 | 2018-11-01 | Washington University | Systems and methods for detecting landmark pairs in images |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN109816675A (zh) * | 2018-12-28 | 2019-05-28 | 歌尔股份有限公司 | 物体的检测方法、检测装置及存储介质 |
CN110490145A (zh) * | 2019-08-22 | 2019-11-22 | 国网四川省电力公司信息通信公司 | 一种指针式仪表读数识别方法 |
-
2020
- 2020-08-27 CN CN202010877929.8A patent/CN111985468A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260743A (zh) * | 2015-09-29 | 2016-01-20 | 小米科技有限责任公司 | 图形分类方法和装置 |
US20180314906A1 (en) * | 2017-04-27 | 2018-11-01 | Washington University | Systems and methods for detecting landmark pairs in images |
CN108460327A (zh) * | 2018-01-12 | 2018-08-28 | 河南大学 | 一种基于图像处理的指针式仪表读数自动识别方法 |
CN109543682A (zh) * | 2018-11-23 | 2019-03-29 | 电子科技大学 | 一种基于深度学习的指针式仪表读数方法 |
CN109816675A (zh) * | 2018-12-28 | 2019-05-28 | 歌尔股份有限公司 | 物体的检测方法、检测装置及存储介质 |
CN110490145A (zh) * | 2019-08-22 | 2019-11-22 | 国网四川省电力公司信息通信公司 | 一种指针式仪表读数识别方法 |
Non-Patent Citations (1)
Title |
---|
于凯旋 等: ""基于机器视觉的芯片编号识别算法"", 《现代制造工程》, 30 April 2020 (2020-04-30) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395025A (zh) * | 2020-12-10 | 2021-02-23 | 一汽解放汽车有限公司 | 一种螺旋指针绘制方法、装置、设备及存储介质 |
CN112395025B (zh) * | 2020-12-10 | 2024-04-09 | 一汽解放汽车有限公司 | 一种螺旋指针绘制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734089B (zh) | 识别图片文件中表格内容的方法、装置、设备及存储介质 | |
Salomon et al. | Deep learning for image-based automatic dial meter reading: Dataset and baselines | |
CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
US9679354B2 (en) | Duplicate check image resolution | |
US20210142099A1 (en) | Pointer recognition for analog instrument image analysis | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN110927184A (zh) | 芯片封装缺陷的视觉检测方法 | |
CN111259890A (zh) | 一种水位尺的水位识别方法、装置及设备 | |
CN112750105B (zh) | 图像异常点检测方法、装置、电子设备及存储介质 | |
CN111353502B (zh) | 数字表识别方法、装置以及电子设备 | |
CN110335313A (zh) | 音频采集设备定位方法及装置、说话人识别方法及系统 | |
Lauridsen et al. | Reading circular analogue gauges using digital image processing | |
CN111985468A (zh) | 一种码表指针数值检测方法、装置、电子设备及存储介质 | |
Salomon et al. | Image-based automatic dial meter reading in unconstrained scenarios | |
CN111127558A (zh) | 确定装配体检测角度的方法、装置、电子设备及存储介质 | |
JP2022009474A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
CN107085843A (zh) | 用于估计光学系统中的调制传递函数的系统和方法 | |
CN114140336B (zh) | 一种基于红外图像的坏点处理方法及装置 | |
CN115601618A (zh) | 一种磁芯缺陷检测方法、系统及计算机存储介质 | |
CN114663681A (zh) | 用于对指针式仪表进行读数的方法及其相关产品 | |
CN110059591B (zh) | 运动目标区域的识别方法 | |
CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
CN111599080B (zh) | 拼接纸币的检测方法、装置、金融机具设备及存储介质 | |
EP2915059B1 (en) | Analyzing data with computer vision | |
CN111767938A (zh) | 一种异常数据检测方法、装置及电子设备 |
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 |