CN112464949B - 一种消除液位线对仪表指针识别影响的方法 - Google Patents
一种消除液位线对仪表指针识别影响的方法 Download PDFInfo
- Publication number
- CN112464949B CN112464949B CN202011280710.6A CN202011280710A CN112464949B CN 112464949 B CN112464949 B CN 112464949B CN 202011280710 A CN202011280710 A CN 202011280710A CN 112464949 B CN112464949 B CN 112464949B
- Authority
- CN
- China
- Prior art keywords
- pointer
- instrument
- image
- center
- liquid level
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000009466 transformation Effects 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
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
- G06V10/40—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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/10024—Color image
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种消除液位线对仪表指针识别影响的方法,包括以下步骤:获取待测图像;通过Surf特征矫正待测图像角度得到标准图像;用二值化算法对标准图像进行二值化处理,得到二值化图像;使用Canny边缘检测算法对二值化图像进行边缘提取;使用基于霍夫变换圆检测方法确定仪表圆心坐标和仪表半径,通过添加圆心约束的霍夫变换提取经过仪表圆心直线,并过滤仪表刻度直线;判断剩余经过仪表圆心直线数量是否为2条,若剩余数量等于2条,则读取斜率不为0的直线方向即为仪表指针方向,若剩余数量为1条,则判断指针直线与液位线是否重叠,若不重叠则读取该直线方向即为仪表指针方向,若重叠则需通过基于仪表圆心的区域像素点颜色扫描法确定仪表指针方向。
Description
技术领域
本发明涉及图像处理技术领域,更具体地,涉及一种消除液位线对仪表指针识别影响的方法。
背景技术
在SF6气体仪表识别中,由于仪表存在耐震液,导致对仪表图像进行边缘提取后会出现一条水平的液位线,干扰仪表指针直线的定位。当液位线和指针直线重合时,影响指针直线的方向判断。
液位线是一条在垂直方向上分布的水平直线。经观察得到液面与仪表指针存在以下几种情况:
①液位线不经过仪表圆心,液位线与仪表指针不重叠;
②液位线经过圆心,但指针不处于水平方向,液位线与仪表指针不重叠;
③液位线经过圆心,同时指针处于水平方向,液位线与仪表指针重叠;
目前,在市场上现有的技术仅能解决液位线不经过仪表圆心情况下(情况①),仪表指针的识别,无法解决在液位线经过仪表圆心情况下(情况②和情况③)液位线对仪表指针识别的影响问题。
现有的技术中,中国发明专利CN108764234A公开了“一种基于巡检机器人的液位仪表读数识别方法”,公开日为2018年11月06日,其步骤包括对采集的液位仪表图像信息进行中值滤波处理;然后倾斜校正;进行液位线检测;对液位线上下的刻度线数字进行识别;计算液位仪表读数;该发明中,对图像进行中值滤波处理并进行倾斜校正,重点是通过算法去校正和识别,并没有消除液体长期存在产生的液位线对读数的影响。
发明内容
本发明为解决的液位线存在时,影响指针直线的方向判断的技术缺陷,提供了一种消除液位线对仪表指针识别影响的方法。
为实现以上发明目的,采用的技术方案是:
一种消除液位线对仪表指针识别影响的方法,包括以下步骤:
S1:获取待测图像;
S2:通过Surf特征矫正待测图像角度得到标准图像;
S3:用二值化算法对标准图像进行二值化处理,得到二值化图像;
S4:使用Canny边缘检测算法对二值化图像进行边缘提取;
S5:使用基于霍夫变换圆检测方法确定仪表圆心坐标和仪表半径,通过添加圆心约束的霍夫变换提取经过仪表圆心直线,并过滤仪表刻度直线;
S6:判断剩余经过仪表圆心直线数量是否等于2条,若剩余数量等于2条,则读取斜率不为0的直线方向即为仪表指针方向,若剩余数量为1条时,则判断指针直线与液位线是否重叠,若不重叠则读取该直线方向即为仪表指针方向,若重叠则需通过基于仪表圆心的区域像素点颜色扫描法确定仪表指针方向。
上述方案中,本发明根据仪表圆心、直线长度、直线斜率和像素点颜色等特征信息,基于添加圆心约束的霍夫变换和区域像素点颜色扫描法,实现液位线位于任意高度下仪表指针的正确识别,突破以往液位线经过仪表圆心时无法正确识别仪表指针的限制;采用以仪表圆心为中心的区域像素颜色扫描法,解决液位线与指针重叠情况下仪表指针方向的判断问题,防范识别过程中出现仪表耐震液覆盖仪表指针导致液位线影响仪表识别的情况。
在步骤S2中,Surf特征矫正待测图像角度就是提取待测图像和模板图像的Surf特征,分别得到对应的Surf特征描述子;用欧式距离对得到的两个Surf特征描述子进行匹配,得到Surf特征描述子点对,根据其坐标计算待测图像和模板图像对应的变换矩阵;最后,利用变换矩阵对待测图像进行透视变换,得到矫正后的标准图像。
所述匹配规则为每个Surf特征点对之间的欧式距离越短,表示这两个特征点越匹配;选取已配对的Surf特征描述子点对中的前10个特征描述子点对作为最优描述子。
在步骤S3中,图像二值化为采用自适应阈值二值化算法,将原仪表彩色图像转换成灰度图像,减少图像数据量,并凸显出目标的轮廓,有利于后续对灰度图像进行边缘分割。
所述自适应阈值二值化算法包括以下步骤:
S31:是将图像分成较小的块,然后分别计算每块的直方图,根据每个直方图的峰值,为每个块计算其阈值;
S32:根据相邻的块的阈值插值获得每个像素点的阈值;
S33:每个像素点与其阈值进行对比,如果低于阈值,则设置为黑色,否则设置为白色。
在步骤S4中,Canny边缘检测算法包括以下步骤:
S41:采用高斯平滑滤波对图像进行降噪处理,根据Sobel算子计算每个像素点的梯度幅值;
S42:对图像的每个像素点的梯度幅值进行非极大值抑制,在一个局部邻域内确定在一个方向上连续的具有较大幅值的点,并去掉邻域内其他梯度幅值较小的点;
S43:设定一个双阈值,即低阈值和高阈值,像素点梯度值大于高阈值的为强边缘像素,保留;像素点梯度值介于低阈值和高阈值之间的为弱边缘像素,需进一步处理,如果其领域内有强边缘像素,则保留,否则剔除。
在步骤S5中,霍夫变换圆检测方法确定仪表圆心坐标和仪表半径是把图像空间转换到参数空间,转换公式:a=x-r*cosθi和b=y-r*sinθi,其中,a,b为圆心的横纵坐标;x,y为图像像素点的横纵坐标;r为圆的半径;θ为查找角度。r和θ都是以一定步长递增的值;经霍夫变换后,在变换域中搜索峰值,即可得到仪表的圆心坐标(a,b)和半径r。
在步骤S5中,采用添加圆心约束的霍夫变换算法进行图像直线提取,对每个有效像素点的直线标记范围进行约束,其原理是在对有效像素点(x,y)进行极坐标空间(ρ,θ)累加之前,先利用圆心和像素点(x,y)所在直线计算出角度θ0对θ进行约束,排除不经过圆心的直线;通过霍夫变换提取直线后,可获取到直线集中每条直线的左右2个端点和
在步骤S6中,仪表圆心的区域像素点颜色扫描法确定指针方向包括以下步骤:
S61:在仪表原彩色图像中,截取以仪表圆心为中心,且大小为2r×c的矩形区域,此时该区域像素点呈水平分布;其中,r为仪表半径;c为区域宽度,根据仪表指针宽度大小设定;
S62:根据指针的颜色RGB值,在该区域内提取有效像素点;
S63:以圆心为原点,建立XOY直角坐标系,x,y为图像像素点相对于圆心的横纵坐标,判断指针方向。
根据以下2点判断指针方向:
对比左右两侧与原点的距离,距离大的一侧为指针方向,距离可由区域内最大、最小x坐标获得;
最大y坐标像素点位于原点的那一侧为指针尾部,即像素点位于原点左侧,则指针指向右侧。
上述方案中,根据刻度线远小于指针直线和液位线的特征对仪表刻度直线进行过滤。通过设定一个长度阈值,当直线的长度(由直线2个端点计算得到)小于此阈值时将其滤掉。经过滤后,直线集合中剩余的直线只能是指针直线或液位线。
在过滤刻度直线后,剩余直线数量集合可能出现以下2种情况:
(1)剩余2条直线;
(2)剩余1条直线;
出现剩余2条直线的情况时,此时这2条直线即是液位线和指针直线。根据液位线是水平线,可通过直线斜率ki为0排除液位线。斜率公式:
出现剩余1条直线的情况时,该直线可能表现出以下3种几何特征:
(1)直线斜率不为0,该条直线是指针直线;
(2)直线斜率为0且长度小于仪表半径r,该条直线是指针直线;
(3)直线斜率为0且长度大于仪表半径r,说明指针直线被液位线覆盖。
判断是否剩余2条直线。当剩余2条时,斜率不为0的直线为指针直线。
当剩余1条直线时判断指针直线是否被液位线覆盖。当指针直线被液位线覆盖时,检测到直线的2个端点并不属于指针直线,此时无法根据指针直线2个端点相对于仪表圆心的位置和距离来判断指针方向。因此,当指针直线被覆盖时,采用基于仪表圆心的区域像素点颜色扫描法来确定指针方向。
以指针直线2个端点相对于仪表圆心的位置和距离来判断指针方向的原理如下:
当2个端点均位于圆心同一侧时,指针指向这一侧;
当2个端点各自位于圆心一侧时,指针指向端点离圆心远的一侧。
然而,当指针直线被液位线覆盖时检测到的直线的2个端点为液位线的端点,因此该方法在这种情况下不适用。
与现有技术相比,本发明的有益效果是:
本发明提供一种消除液位线对仪表指针识别影响的方法,本发明根据仪表圆心、直线长度、直线斜率和像素点颜色等特征信息,基于添加圆心约束的霍夫变换和区域像素点颜色扫描法,实现液位线位于任意高度下仪表指针的正确识别,突破以往液位线经过仪表圆心时无法正确识别仪表指针的限制;采用以仪表圆心为中心的区域像素颜色扫描法,解决液位线与指针重叠情况下仪表指针方向的判断问题,防范识别过程中出现仪表耐震液覆盖仪表指针导致液位线影响仪表识别的情况。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1所示,一种消除液位线对仪表指针识别影响的方法,包括以下步骤:
S1:获取待测图像;
S2:通过Surf特征矫正待测图像角度得到标准图像;
S3:用二值化算法对标准图像进行二值化处理,得到二值化图像;
S4:使用Canny边缘检测算法对二值化图像进行边缘提取;
S5:使用基于霍夫变换圆检测方法确定仪表圆心坐标和仪表半径,通过添加圆心约束的霍夫变换提取经过仪表圆心直线,并过滤仪表刻度直线;
S6:判断剩余经过仪表圆心直线数量是否等于2条,若剩余数量等于2条,则读取斜率不为0的直线方向即为仪表指针方向,若剩余数量为1条时,则判断指针直线与液位线是否重叠,若不重叠则读取该直线方向即为仪表指针方向,若重叠则需通过基于仪表圆心的区域像素点颜色扫描法确定仪表指针方向。
上述方案中,本发明根据仪表圆心、直线长度、直线斜率和像素点颜色等特征信息,基于添加圆心约束的霍夫变换和区域像素点颜色扫描法,实现液位线位于任意高度下仪表指针的正确识别,突破以往液位线经过仪表圆心时无法正确识别仪表指针的限制;采用以仪表圆心为中心的区域像素颜色扫描法,解决液位线与指针重叠情况下仪表指针方向的判断问题,防范识别过程中出现仪表耐震液覆盖仪表指针导致液位线影响仪表识别的情况。
在步骤S2中,Surf特征矫正待测图像角度就是提取待测图像和模板图像的Surf特征,分别得到对应的Surf特征描述子;用欧式距离对得到的两个Surf特征描述子进行匹配,得到Surf特征描述子点对,根据其坐标计算待测图像和模板图像对应的变换矩阵;最后,利用变换矩阵对待测图像进行透视变换,得到矫正后的标准图像。
所述匹配规则为每个Surf特征点对之间的欧式距离越短,表示这两个特征点越匹配;选取已配对的Surf特征描述子点对中的前10个特征描述子点对作为最优描述子。
在步骤S3中,图像二值化为采用自适应阈值二值化算法,将原仪表彩色图像转换成灰度图像,减少图像数据量,并凸显出目标的轮廓,有利于后续对灰度图像进行边缘分割。
所述自适应阈值二值化算法包括以下步骤:
S31:是将图像分成较小的块,然后分别计算每块的直方图,根据每个直方图的峰值,为每个块计算其阈值;
S32:插值获得每个像素点的阈值根据相邻的块的阈值;
S33:每个像素点与其阈值进行对比,如果低于阈值,则设置为黑色,否则设置为白色。
在步骤S4中,Canny边缘检测算法包括以下步骤:
S41:采用高斯平滑滤波对图像进行降噪处理,根据Sobel算子计算每个像素点的梯度幅值;
S42:对图像的每个像素点的梯度幅值进行非极大值抑制,在一个局部邻域内确定在一个方向上连续的具有较大幅值的点,并去掉邻域内其他梯度幅值较小的点;
S43:设定一个双阈值,即低阈值和高阈值,像素点梯度值大于高阈值的为强边缘像素,保留;像素点梯度值介于低阈值和高阈值之间的为弱边缘像素,需进一步处理,如果其领域内有强边缘像素,则保留,否则剔除。
在步骤S5中,霍夫变换圆检测方法确定仪表圆心坐标和仪表半径是把图像空间转换到参数空间,转换公式:a=x-r*cosθi和b=y-r*sinθi,其中,a,b为圆心的横纵坐标;x,y为图像像素点的横纵坐标;r为圆的半径;θ为查找角度。r和θ都是以一定步长递增的值;经霍夫变换后,在变换域中搜索峰值,即可得到仪表的圆心坐标(a,b)和半径r。
在步骤S5中,采用添加圆心约束的霍夫变换算法进行图像直线提取,对每个有效像素点的直线标记范围进行约束,其原理是在对有效像素点(x,y)进行极坐标空间(ρ,θ)累加之前,先利用圆心和像素点(x,y)所在直线计算出角度θ0对θ进行约束,排除不经过圆心的直线;通过霍夫变换提取直线后,可获取到直线集中每条直线的左右2个端点和
在步骤S6中,仪表圆心的区域像素点颜色扫描法确定指针方向包括以下步骤:
S61:在仪表原彩色图像中,截取以仪表圆心为中心,且大小为2r×c的矩形区域,此时该区域像素点呈水平分布;其中,r为仪表半径;c为区域宽度,根据仪表指针宽度大小设定;
S62:根据指针的颜色RGB值,在该区域内提取有效像素点;
S63:以圆心为原点,建立XOY直角坐标系,x,y为图像像素点相对于圆心的横纵坐标,判断指针方向。
根据以下2点判断指针方向:
对比左右两侧与原点的距离,距离大的一侧为指针方向,距离可由区域内最大、最小x坐标获得;
最大y坐标像素点位于原点的那一侧为指针尾部,即像素点位于原点左侧,则指针指向右侧。
上述方案中,根据刻度线远小于指针直线和液位线的特征对仪表刻度直线进行过滤。通过设定一个长度阈值,当直线的长度(由直线2个端点计算得到)小于此阈值时将其滤掉。经过滤后,直线集合中剩余的直线只能是指针直线或液位线。
在过滤刻度直线后,剩余直线数量集合可能出现以下2种情况:
(1)剩余2条直线;
(2)剩余1条直线;
出现剩余2条直线的情况时,此时这2条直线即是液位线和指针直线。根据液位线是水平线,可通过直线斜率ki为0排除液位线。斜率公式:
出现剩余1条直线的情况时,该直线可能表现出以下3种几何特征:
(1)直线斜率不为0,该条直线是指针直线;
(2)直线斜率为0且长度小于仪表半径r,该条直线是指针直线;
(3)直线斜率为0且长度大于仪表半径r,说明指针直线被液位线覆盖。
判断是否剩余2条直线。当剩余2条时,斜率不为0的直线为指针直线。
当剩余1条直线时判断指针直线是否被液位线覆盖。当指针直线被液位线覆盖时,检测到直线的2个端点并不属于指针直线,此时无法根据指针直线2个端点相对于仪表圆心的位置和距离来判断指针方向。因此,当指针直线被覆盖时,采用基于仪表圆心的区域像素点颜色扫描法来确定指针方向。
以指针直线2个端点相对于仪表圆心的位置和距离来判断指针方向的原理如下:
当2个端点均位于圆心同一侧时,指针指向这一侧;
当2个端点各自位于圆心一侧时,指针指向端点离圆心远的一侧。
然而,当指针直线被液位线覆盖时检测到的直线的2个端点为液位线的端点,因此该方法在这种情况下不适用。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种消除液位线对仪表指针识别影响的方法,其特征在于,包括以下步骤:
S1:获取待测图像;
S2:通过Surf特征矫正待测图像角度得到标准图像;
S3:用二值化算法对标准图像进行二值化处理,得到二值化图像;
S4:使用Canny边缘检测算法对二值化图像进行边缘提取;
S5:使用基于霍夫变换圆检测方法确定仪表圆心坐标和仪表半径,通过添加圆心约束的霍夫变换提取经过仪表圆心直线,并过滤仪表刻度直线;
S6:判断剩余经过仪表圆心直线数量是否等于2条,若剩余数量等于2条,则读取斜率不为0的直线方向即为仪表指针方向,若剩余数量为1条时,则判断指针直线与液位线是否重叠,若不重叠则读取该直线方向即为仪表指针方向,若重叠则需通过基于仪表圆心的区域像素点颜色扫描法确定仪表指针方向。
2.根据权利要求1所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S2中,Surf特征矫正待测图像角度就是提取待测图像和模板图像的Surf特征,分别得到对应的Surf特征描述子;用欧式距离对得到的两个Surf特征描述子进行匹配,得到Surf特征描述子点对,根据其坐标计算待测图像和模板图像对应的变换矩阵;最后,利用变换矩阵对待测图像进行透视变换,得到矫正后的标准图像。
3.根据权利要求2所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,所述匹配规则为每个Surf特征点对之间的欧式距离越短,表示这两个特征点越匹配;选取已配对的Surf特征描述子点对中的前10个特征描述子点对作为最优描述子。
4.根据权利要求3所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S3中,图像二值化为采用自适应阈值二值化算法,将原仪表彩色图像转换成灰度图像,减少图像数据量,并凸显出目标的轮廓,有利于后续对灰度图像进行边缘分割。
5.根据权利要求4所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,所述自适应阈值二值化算法包括以下步骤:
S31:是将图像分成较小的块,然后分别计算每块的直方图,根据每个直方图的峰值,为每个块计算其阈值;
S32:根据相邻的块的阈值插值获得每个像素点的阈值;
S33:每个像素点与其阈值进行对比,如果低于阈值,则设置为黑色,否则设置为白色。
6.根据权利要求5所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S4中,Canny边缘检测算法包括以下步骤:
S41:采用高斯平滑滤波对图像进行降噪处理,根据Sobel算子计算每个像素点的梯度幅值;
S42:对图像的每个像素点的梯度幅值进行非极大值抑制,在一个局部邻域内确定在一个方向上连续的具有较大幅值的点,并去掉邻域内其他梯度幅值较小的点;
S43:设定一个双阈值,即低阈值和高阈值,像素点梯度值大于高阈值的为强边缘像素,保留;像素点梯度值介于低阈值和高阈值之间的为弱边缘像素,需进一步处理,如果其领域内有强边缘像素,则保留,否则剔除。
7.根据权利要求6所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S5中,霍夫变换圆检测方法确定仪表圆心坐标和仪表半径是把图像空间转换到参数空间,转换公式:a=x-r*cosθi和b=y-r*sinθi,其中,a,b为圆心的横纵坐标;x,y为图像像素点的横纵坐标;r为圆的半径;θ为查找角度;r和θ都是以一定步长递增的值;经霍夫变换后,在变换域中搜索峰值,即可得到仪表的圆心坐标(a,b)和半径r。
8.根据权利要求7所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S5中,采用添加圆心约束的霍夫变换算法进行图像直线提取,对每个有效像素点的直线标记范围进行约束,其原理是在对有效像素点(x,y)进行极坐标空间(ρ,θ)累加之前,先利用圆心和像素点(x,y)所在直线计算出角度θ0对θ进行约束,排除不经过圆心的直线;通过霍夫变换提取直线后,可获取到直线集中每条直线的左右2个端点和/>
9.根据权利要求8所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,在步骤S6中,仪表圆心的区域像素点颜色扫描法确定指针方向包括以下步骤:
S61:在仪表原彩色图像中,截取以仪表圆心为中心,且大小为2r×c的矩形区域,此时该区域像素点呈水平分布;其中,r为仪表半径;c为区域宽度,根据仪表指针宽度大小设定;
S62:根据指针的颜色RGB值,在该区域内提取有效像素点;
S63:以圆心为原点,建立XOY直角坐标系,x,y为图像像素点相对于圆心的横纵坐标,判断指针方向。
10.根据权利要求8所述的一种消除液位线对仪表指针识别影响的方法,其特征在于,根据以下2点判断指针方向:
对比左右两侧与原点的距离,距离大的一侧为指针方向,距离可由区域内最大、最小x坐标获得;
最大y坐标像素点位于原点的那一侧为指针尾部,即像素点位于原点左侧,则指针指向右侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280710.6A CN112464949B (zh) | 2020-11-16 | 2020-11-16 | 一种消除液位线对仪表指针识别影响的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280710.6A CN112464949B (zh) | 2020-11-16 | 2020-11-16 | 一种消除液位线对仪表指针识别影响的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112464949A CN112464949A (zh) | 2021-03-09 |
CN112464949B true CN112464949B (zh) | 2024-03-29 |
Family
ID=74836448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011280710.6A Active CN112464949B (zh) | 2020-11-16 | 2020-11-16 | 一种消除液位线对仪表指针识别影响的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464949B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255547B (zh) * | 2021-06-03 | 2024-02-09 | 上海申瑞继保电气有限公司 | 电力仪表指针图像轮廓计算方法 |
CN113706569A (zh) * | 2021-08-09 | 2021-11-26 | 贵州电网有限责任公司 | 一种基于自适应Hough变换的导线覆冰程度计算方法 |
CN114821044B (zh) * | 2022-05-31 | 2024-05-03 | 中煤科工机器人科技有限公司 | 一种基于梯度变换的方形指针式仪表示数识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5629989A (en) * | 1993-04-27 | 1997-05-13 | Honda Giken Kogyo Kabushiki Kaisha | Image line-segment extracting apparatus |
JP2012088062A (ja) * | 2010-10-15 | 2012-05-10 | Denso Corp | 車両用表示装置 |
CN106228170A (zh) * | 2016-09-20 | 2016-12-14 | 山东省计量科学研究院 | 一种指针式仪表的指针位置提取方法 |
CN106295658A (zh) * | 2016-08-13 | 2017-01-04 | 国网福建省电力有限公司 | 一种变电站指针式仪表读数自动识别系统 |
CN107507174A (zh) * | 2017-08-16 | 2017-12-22 | 杭州意能电力技术有限公司 | 基于手持智能巡检的电厂仪表设备图像识别方法及系统 |
CN109242906A (zh) * | 2018-09-14 | 2019-01-18 | 威斯泰(苏州)智能科技有限公司 | 一种微积分累加的目标图像识别算法及方法 |
CN109583324A (zh) * | 2018-11-12 | 2019-04-05 | 武汉大学 | 一种基于单点多盒检测器的指针仪表读数自动识别方法 |
-
2020
- 2020-11-16 CN CN202011280710.6A patent/CN112464949B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5629989A (en) * | 1993-04-27 | 1997-05-13 | Honda Giken Kogyo Kabushiki Kaisha | Image line-segment extracting apparatus |
JP2012088062A (ja) * | 2010-10-15 | 2012-05-10 | Denso Corp | 車両用表示装置 |
CN106295658A (zh) * | 2016-08-13 | 2017-01-04 | 国网福建省电力有限公司 | 一种变电站指针式仪表读数自动识别系统 |
CN106228170A (zh) * | 2016-09-20 | 2016-12-14 | 山东省计量科学研究院 | 一种指针式仪表的指针位置提取方法 |
CN107507174A (zh) * | 2017-08-16 | 2017-12-22 | 杭州意能电力技术有限公司 | 基于手持智能巡检的电厂仪表设备图像识别方法及系统 |
CN109242906A (zh) * | 2018-09-14 | 2019-01-18 | 威斯泰(苏州)智能科技有限公司 | 一种微积分累加的目标图像识别算法及方法 |
CN109583324A (zh) * | 2018-11-12 | 2019-04-05 | 武汉大学 | 一种基于单点多盒检测器的指针仪表读数自动识别方法 |
Non-Patent Citations (1)
Title |
---|
一种复杂指针式仪表的读数自动识别算法;李伟,任青青,胡艳侠,朱少君,谢磊金;计算机技术与发展;第27卷(第3期);201-204 * |
Also Published As
Publication number | Publication date |
---|---|
CN112464949A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112464949B (zh) | 一种消除液位线对仪表指针识别影响的方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN110119741B (zh) | 一种有背景的卡证图像信息识别方法 | |
CN108918526B (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN104794421B (zh) | 一种qr码定位及识别方法 | |
CN108038481A (zh) | 一种结合最大极值稳定区域和笔画宽度变化的文本定位方法 | |
EP2783328A1 (en) | Text detection using multi-layer connected components with histograms | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN107730521B (zh) | 一种图像中屋脊型边缘的快速检测方法 | |
WO2023279966A1 (zh) | 一种多车道线检测方法、装置及检测设备 | |
CN103310211A (zh) | 一种基于图像处理的填注标记识别方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN116740054B (zh) | 一种基于图像处理的舌象齿痕检测方法 | |
CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
CN106951896B (zh) | 一种车牌图像倾斜校正方法 | |
CN111738256A (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
CN115497109B (zh) | 基于智能翻译的文字图像预处理方法 | |
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN107742357A (zh) | 一种纸币冠字号的识别方法及装置 | |
CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及系统 | |
CN112016565B (zh) | 一种金融票据的账号处模糊数字的分割方法 | |
JPH09311905A (ja) | 行検出方法および文字認識装置 | |
JP4224328B2 (ja) | 車番認識装置 | |
CN106845488B (zh) | 一种车牌图像处理方法及装置 | |
CN113902667B (zh) | 一种用于机器视觉的螺纹旋向识别方法与系统 |
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 |