CN113221898A - 一种自动水位尺读数方法 - Google Patents
一种自动水位尺读数方法 Download PDFInfo
- Publication number
- CN113221898A CN113221898A CN202110412198.4A CN202110412198A CN113221898A CN 113221898 A CN113221898 A CN 113221898A CN 202110412198 A CN202110412198 A CN 202110412198A CN 113221898 A CN113221898 A CN 113221898A
- Authority
- CN
- China
- Prior art keywords
- scale
- image
- matrix
- width
- water 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 92
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- 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
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
本发明提供一种自动水位尺读数方法,属于计算机视觉技术领域。所述方法包括:对刻度尺图像进行预处理,生成二值化图像;其中,刻度尺为水位尺;通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;在调正后的图像上进行像素级计算,得到刻度尺矩阵;判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;基于修正后得到的刻度数据确定刻度尺的读数。采用本发明,能够提高刻度尺读数的精确度。
Description
技术领域
本发明涉及计算机视觉技术领域,特别是指一种自动水位尺读数方法。
背景技术
目前,河道水位尺读数的方法主要是人工目测。近些年来,数字图像处理技术蓬勃发展,已在水位尺读数识别方面有所应用。在传统图像处理方法方面,彭将辉等提出的一种采用形态学与Canny算子相结合的方法识别水线,该方法对图像质量要求较高,边缘提取时阈值的选取对于识别的准确率有很大的影响;江帆等提出采用投影法对水位尺标志进行分割,然后通过BP神经网络对水位尺字符进行识别,这种方法在船舶表面平整且分割的字符完整的情况下可以保证识别准确率;施朝健等通过Canny算子、几何矫正和霍夫直线检测提取水面线,该方法同样受环境影响很大,不能保证提取水面线的准确。在深度学习方法方面,目前研究较少。朱海军等提出基于深度学习算法的Leon-IDSS智能水位尺测定系统利用Faster-RCNN算法,提取图片深度特征得到训练模型,用训练好的模型对视频或图片中的水线进行识别,有些情况下会存在一些水面漏检的可能。
发明内容
本发明实施例提供了自动水位尺读数方法,能够提高刻度尺读数的精确度。所述技术方案如下:
一方面,提供了一种自动水位尺读数方法,该方法应用于电子设备,该方法包括:
对刻度尺图像进行预处理,生成二值化图像;
通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;
在调正后的图像上进行像素级计算,得到刻度尺矩阵;
判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;
基于修正后得到的刻度数据确定刻度尺的读数。
进一步地,所述对刻度尺图像进行预处理,生成二值化图像包括:
对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像。
进一步地,所述对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像包括:
通过摄像机采集刻度尺图像;
对摄像机采集的刻度尺图像进行灰度化处理,得到刻度尺灰度图像。
通过中值滤波法,将灰度图像每一像素点的灰度值设置为该点某邻域窗口内的所有像素点的灰度值中值;
通过自适应阈值算法,将中值滤波后的图像生成二值化图像。
进一步地,所述在调正后的图像上进行像素级计算,得到刻度尺矩阵包括:
将调正后的图像数据用由0和255组成的二维矩阵表示;
将二维矩阵的每个元素除以255得到由0和1组成的图像矩阵A,其中,矩阵A是n行m列矩阵,表示为:
其中,aij为图像矩阵A第i行第j列的元素,表示图像对应像素点的灰度值:
将图像矩阵A每行元素累加,定义图像矩阵A第i行元素的累加值sumi为:
定义相邻两行元素累加值之差的绝对值Δi为:
Δi=|sumi-sumi+1|,i=1,2,3,…,n-1
判断Δi是否大于等于预设的第一阈值T1,若是,则记录此刻的i值,将i值按顺序集合,得到行向量I,行向量I=(i1,i2,…,in′),其中,n′<n-1;
将刻度尺图像中刻度的像素级宽度集合记作刻度尺矩阵,用行向量D表示,定义D为:
D=(d1,d2,…,dn′-1)
其中,di是行向量I相邻元素之差,即:
di=Ii+1-Ii,i=1,2,3,…,n′-1。
进一步地,所述先验知识包括:水位尺右半边由“ヨ”型块和与其宽度相等的白色块交替组成,其中“ヨ”型块的刻度线宽度与间隔宽度相等。
进一步地,所述判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正包括:
A1,遍历刻度尺矩阵D,更新白色块平均宽度w和刻度线平均宽度b;
A2,判断刻度尺矩阵D中的元素是否符合先验知识,若不符合,则对不符合的元素进行修正;
A4,循环步骤A1-A2,直至刻度尺矩阵D符合先验知识,记录当前白色块的数量c1和“ヨ”型块的刻度线数量c2。
进一步地,所述遍历刻度尺矩阵D,更新白色块平均宽度w和刻度线平均宽度b的值包括:
将白色块的平均宽度用w表示,白色块的数量记作c1,初始化令c1=0;利用预设的第二阈值T2对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:T2-σ<di<T2+σ时,记录此刻的di值,其中,σ是经验数,σ范围:0<σ<<di,同时c1=c1+1,那么白色块的平均宽度:
将“ヨ”型块的刻度线平均宽度用b表示,其数量记作c2,初始化令c2=0;利用白色块的平均宽度w对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:时,记录此刻的di值,同时c2=c2+1,那么刻度线的平均宽度:
进一步地,所述判断刻度尺矩阵D中的元素是否符合先验知识包括:
由水位尺右半边的“ヨ”型块和白色块宽度相等可知,对于刻度尺矩阵D中的元素,应满足:
d6i+2≈d6i+3≈…≈d6i+6 条件2
若同时满足上述两个条件,则判断该元素合理,否则,则判断该元素不合理。
进一步地,所述对不符合的元素进行修正包括:
在刻度尺矩阵D中,代表白色块的两个相邻元素依次用di和dj表示,其中,di和dj满足:T2-σ<di<T2+σ,T2-σ<dj<T2+σ;当刻度线缺失时,表现为:
若是di>w+b,即白色块di宽度不合理,包含了一个或多个刻度线宽度,则对刻度尺矩阵D进行修正:di=di-b,并且插入di+1=b。
进一步地,所述基于修正后得到的刻度数据确定刻度尺的读数包括:
确定水面所截刻度尺部分占白色块或“ヨ”型块的比例为c3:
根据得到的白色块的数量c1、“ヨ”型块的刻度线数量c2和c3,确定刻度尺的读数,即:水位:
水位=刻度尺量程-(5*c1+c2+c3)。
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述自动水位尺读数方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述自动水位尺读数方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明实施例中,对刻度尺图像进行预处理,生成二值化图像;通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;在调正后的图像上进行像素级计算,得到刻度尺矩阵;判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;基于修正后得到的刻度数据确定刻度尺的读数。这样,通过对光线不同/明暗不同、倾斜角度不同的刻度尺图像进行处理,并充分利用先验知识,削弱水位尺刻度磨损和反光对读数造成的影响,提高刻度尺读数的精确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的自动水位尺读数方法的流程示意图;
图2为本发明实施例提供的通过图像灰度化、中值滤波和自适应阈值生成的二值化图像示意图;
图3为本发明实施例提供的通过霍夫变换自动调正的刻度尺图像示意图;
图4为本发明实施例提供的基于先验知识判断刻度尺矩阵是否合理,并对不合理的刻度尺矩阵进行修正/矫正的流程示意图;
图5是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示,本发明实施例提供了一种自动水位尺读数方法,该方法可以由电子设备实现,该电子设备可以是终端或服务器,该方法包括:
S101,对刻度尺图像进行预处理,生成二值化图像;其中,刻度尺为水位尺;
S102,通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;
S103,在调正后的图像上进行像素级计算,得到刻度尺矩阵;
S104,判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;
S105,基于修正后得到的刻度数据确定刻度尺的读数。
本发明实施例所述的自动水位尺读数方法,对刻度尺图像进行预处理,生成二值化图像;通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;在调正后的图像上进行像素级计算,得到刻度尺矩阵;判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;基于修正后得到的刻度数据确定刻度尺的读数。这样,通过对光线不同/明暗不同、倾斜角度不同的刻度尺图像进行处理,并充分利用先验知识,削弱水位尺刻度磨损和反光对读数造成的影响,提高刻度尺读数的精确度。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述对刻度尺图像进行预处理,生成二值化图像包括:
对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像包括:
通过摄像机采集刻度尺图像;其中,摄像机采集的刻度尺图像为彩色图像,且图像的清晰度、对比度不高,存在刻度线不清晰的问题,根据这样的特点,需通过图像预处理方法,使刻度尺图片清晰,具体的:
对摄像机采集的刻度尺图像进行灰度化处理,得到刻度尺灰度图像。
通过中值滤波法,将灰度图像每一像素点的灰度值设置为该点某邻域窗口内的所有像素点的灰度值中值,从而达到保护边缘信息、平滑噪声的效果;
通过自适应阈值算法,将中值滤波后的图像生成二值化图像,以提高图像对比度。
如图2所示,图2(a)为刻度尺原图像,图2(b)为经过图像预处理后的刻度尺图像。
在本实例中,摄像机采集的刻度尺图像有倾斜角度,并且每张图像的刻度尺倾斜角度不同。为保证图像像素级计算的可靠性,首先要调正图像。本实例采用经典的直线检测方法——霍夫变换来检测刻度尺边缘线,当检测到多条刻度尺边缘线的倾斜角度时,取最大值。根据边缘线倾斜角度,自动调正图像。图3为经过霍夫变换自动调正后的刻度尺右半边图像。
本实施例中,所述二值化图像可以用由0和255组成的二维矩阵表示。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述在调正后的图像上进行像素级计算,得到刻度尺矩阵包括:
将调正后的图像数据用由0和255组成的二维矩阵表示;
将二维矩阵的每个元素除以255得到由0和1组成的图像矩阵A,其中,矩阵A是n行m列矩阵,表示为:
其中,aij为图像矩阵A第i行第j列的元素,表示图像对应像素点的灰度值:
将图像矩阵A每行元素累加,定义图像矩阵A第i行元素的累加值sumi为:
定义相邻两行元素累加值之差的绝对值Δi为:
Δi=|sumi-sumi+1|,i=1,2,3,…,n-1
判断Δi是否大于等于预设的第一阈值T1,若是(即:Δi≥T1),则记录此刻的i值,将i值按顺序集合,得到行向量I,行向量I=(i1,i2,…,in′),其中,n′<n-1;
将刻度尺图像中刻度的像素级宽度集合记作刻度尺矩阵,用行向量D表示,定义D为:
D=(d1,d2,…,dn′-1)
其中,di是行向量I相邻元素之差,即:
di=Ii+1-Ii,i=1,2,3,…,n′-1。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述先验知识包括:水位尺右半边由“ヨ”型块和与其宽度相等的白色块交替组成,其中“ヨ”型块的刻度线宽度与间隔宽度相等。
本实施例中,对于市面常见水位尺,水位尺左右两边由正“E”型和反“E”型交替组成。为方便操作,仅看水位尺右半边,右半边由“ヨ”型块和与其宽度相等的白色块交替组成,其中“ヨ”型块的刻度线宽度与间隔宽度相等。由于水位尺刻度形状不会改变,因此可以作为先验知识加入判断,当刻度尺矩阵不合理时,进行修正。
在前述自动水位尺读数方法的具体实施方式中,进一步地,如图4所示,所述判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正包括:
A1,遍历刻度尺矩阵D,更新白色块平均宽度w和刻度线平均宽度b;
A2,判断刻度尺矩阵D中的元素是否符合先验知识,若不符合,则对不符合的元素进行修正;
A4,循环步骤A1-A2,直至刻度尺矩阵D符合先验知识,记录白色块的数量c1和“ヨ”型块的刻度线数量c2。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述遍历刻度尺矩阵D,更新白色块平均宽度w和刻度线平均宽度b的值包括:
将白色块的平均宽度用w表示,白色块的数量记作c1,初始化令c1=0;利用预设的第二阈值T2对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:T2-σ<di<T2+σ时,记录此刻的di值,其中,σ是经验数,σ范围:0<σ<<di,同时c1=c1+1,那么白色块的平均宽度:
将“ヨ”型块的刻度线平均宽度用b表示,其数量记作c2,初始化令c2=0;利用白色块的平均宽度w对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:时,记录此刻的di值,同时c2=c2+1,那么刻度线的平均宽度:
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述判断刻度尺矩阵D中的元素是否符合先验知识包括:
由水位尺右半边的“ヨ”型块和白色块宽度相等可知,对于刻度尺矩阵D中的元素,应满足:
d6i+2≈d6i+3≈…≈d6i+6 条件2
若同时满足上述两个条件,则判断该元素合理,否则,则判断该元素不合理。
本实施例中,不能满足上述条件的原因通常是刻度尺磨损、反光造成刻度线不清晰,导致处理后的刻度尺图像中“ヨ”型块的刻度线缺失。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述对不符合的元素进行修正包括:
在刻度尺矩阵D中,代表白色块的两个相邻元素依次用di和dj表示,其中,di和dj满足:T2-σ<di<T2+σ,T2-σ<dj<T2+σ;当刻度线缺失时,表现为:
若是di>w+b,即白色块di宽度不合理,包含了一个或多个刻度线宽度,则对刻度尺矩阵D进行修正:di=di-b,并且插入di+1=b。
在前述自动水位尺读数方法的具体实施方式中,进一步地,所述基于修正后得到的刻度数据确定刻度尺的读数包括:
确定水面所截刻度尺部分占白色块或“ヨ”型块的比例为c3:
根据得到的白色块的数量c1、“ヨ”型块的刻度线数量c2和c3,确定刻度尺的读数,即:水位:
水位=刻度尺量程-(5*c1+c2+c3)。
为了验证本发明的效果,本实施例使用如下评价指标:
(1)绝对误差:绝对误差是机器读数(即:本实施例提供的自动水位尺读数方法)与人工度数之差的绝对值。设人工读数的值为x,机器读数为x′,则绝对误差=|x′-x|。
本实施例所述的自动水位尺读数方法具有以下优点:
(1)在水位尺读数方面,针对人工读数不及时、耗费人力的问题,本发明提出了一种基于图像的自动水位尺读数方法。该方法能够实现水位的自动、实时读数,有较高的精度。
(2)针对摄像机不同角度拍摄的刻度尺图像倾斜程度不同的问题,本发明加入经典的直线检测方法——霍夫变化,来实现刻度尺图像的自动调正,使得在一定倾斜范围内的刻度尺图像都可以通过像素级计算得到刻度尺读数。
(3)针对刻度尺图像可能存在的刻度尺磨损、拍摄反光等问题,本发明提出一种根据先验知识修正的思路,根据已知的刻度尺相关信息来自查通过像素级计算得到的刻度尺矩阵是否合理,大大提高了刻度尺读数的可靠性。
在实施过程中,首先通过图像灰度化、中值滤波和自适应阈值,生成二值化图像;然后通过霍夫变换获得二值化图像刻度尺边缘倾斜角度,将刻度尺图自动调正;在调正的图像上进行像素级计算,得到刻度尺矩阵;再加入先验知识,判断刻度尺矩阵的合理性并进行修正;最后基于先验知识修正后得到的刻度尺矩阵确定刻度尺的读数。为了验证本发明实施例提供的自动水位尺读数方法的性能,本实施例中,应用了10张水位尺图像来检测算法的性能,用与人工读数的绝对误差作为评价标准,实验结果如表1所示。
表1自动水位尺读数结果
编号 | 1 | 2 | 3 | 4 | 5 |
人工读数/dm | 6.30 | 8.70 | 8.90 | 8.30 | 8.20 |
机器读数/dm | 6.25 | 8.60 | 8.84 | 8.70 | 8.14 |
绝对误差/dm | 0.05 | 0.10 | 0.06 | 0.40 | 0.06 |
编号 | 6 | 7 | 8 | 9 | 10 |
人工读数/dm | 8.50 | 8.50 | 8.70 | 6.90 | 6.50 |
机器读数/dm | 8.69 | 8.84 | 8.52 | 7.07 | 5.80 |
绝对误差/dm | 0.19 | 0.34 | 0.18 | 0.17 | 0.70 |
图5是本发明实施例提供的一种电子设备600的结构示意图,该电子设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)601和一个或一个以上的存储器602,其中,所述存储器602中存储有至少一条指令,所述至少一条指令由所述处理器601加载并执行以实现上述自动水位尺读数方法。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述自动水位尺读数方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动水位尺读数方法,其特征在于,包括:
对刻度尺图像进行预处理,生成二值化图像;其中,刻度尺为水位尺;
通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度,并根据直线倾斜角度调正图像;
在调正后的图像上进行像素级计算,得到刻度尺矩阵;
判断刻度尺矩阵是否符合先验知识,若不符合,则对刻度尺矩阵进行修正;
基于修正后得到的刻度数据确定刻度尺的读数。
2.根据权利要求1所述的自动水位尺读数方法,其特征在于,所述对刻度尺图像进行预处理,生成二值化图像包括:
对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像。
3.根据权利要求2所述的自动水位尺读数方法,其特征在于,所述对刻度尺图像进行灰度化、中值滤波和自适应阈值处理,生成二值化图像包括:
通过摄像机采集刻度尺图像;
对摄像机采集的刻度尺图像进行灰度化处理,得到刻度尺灰度图像。
通过中值滤波法,将灰度图像每一像素点的灰度值设置为该点某邻域窗口内的所有像素点的灰度值中值;
通过自适应阈值算法,将中值滤波后的图像生成二值化图像。
4.根据权利要求1所述的自动水位尺读数方法,其特征在于,所述在调正后的图像上进行像素级计算,得到刻度尺矩阵包括:
将调正后的图像数据用由0和255组成的二维矩阵表示;
将二维矩阵的每个元素除以255得到由0和1组成的图像矩阵A,其中,矩阵A是n行m列矩阵,表示为:
其中,aij为图像矩阵A第i行第j列的元素,表示图像对应像素点的灰度值:
将图像矩阵A每行元素累加,定义图像矩阵A第i行元素的累加值sumi为:
定义相邻两行元素累加值之差的绝对值Δi为:
Δi=|sumi-sumi+1|,i=1,2,3,…,n-1
判断Δi是否大于等于预设的第一阈值T1,若是,则记录此刻的i值,将i值按顺序集合,得到行向量I,行向量I=(i1,i2,…,in′),其中,n′<n-1;
将刻度尺图像中刻度的像素级宽度集合记作刻度尺矩阵,用行向量D表示,定义D为:
D=(d1,d2,…,dn′-1)
其中,di是行向量I相邻元素之差,即:
di=Ii+1-Ii,i=1,2,3,…,n′-1。
7.根据权利要求6所述的自动水位尺读数方法,其特征在于,所述遍历刻度尺矩阵D,更新白色块平均宽度w和刻度线平均宽度b的值包括:
将白色块的平均宽度用w表示,白色块的数量记作c1,初始化令c1=0;利用预设的第二阈值T2对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:T2-σ<di<T2+σ时,记录此刻的di值,其中,σ是经验数,σ范围:0<σ<<di,同时c1=c1+1,那么白色块的平均宽度:
将型块的刻度线平均宽度用b表示,其数量记作c2,初始化令c2=0;利用白色块的平均宽度w对行向量D做阈值处理,遍历刻度尺矩阵D,当元素di满足:时,记录此刻的di值,同时c2=c2+1,那么刻度线的平均宽度:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110412198.4A CN113221898B (zh) | 2021-04-16 | 2021-04-16 | 一种自动水位尺读数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110412198.4A CN113221898B (zh) | 2021-04-16 | 2021-04-16 | 一种自动水位尺读数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113221898A true CN113221898A (zh) | 2021-08-06 |
CN113221898B CN113221898B (zh) | 2022-02-15 |
Family
ID=77087904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110412198.4A Active CN113221898B (zh) | 2021-04-16 | 2021-04-16 | 一种自动水位尺读数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113221898B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080148844A1 (en) * | 2005-03-05 | 2008-06-26 | Christoph Haberstroh | Superconductive Level Indicator for Liquid Hydrogen and Liquid Neon, and Measuring Method for Liquid Level Measurement |
CN102288254A (zh) * | 2010-07-13 | 2011-12-21 | 联宇工程技术(武汉)有限公司 | 基于数字图像处理的水位测量方法 |
US20120182364A1 (en) * | 2011-01-14 | 2012-07-19 | Seiko Epson Corporation | Container unit and liquid ejection system |
CN102975826A (zh) * | 2012-12-03 | 2013-03-20 | 上海海事大学 | 基于机器视觉的便携式船舶水尺自动检测和识别方法 |
CN106557764A (zh) * | 2016-11-02 | 2017-04-05 | 江西理工大学 | 一种基于二进制编码字符水尺和图像处理的水位识别方法 |
CN107588823A (zh) * | 2017-09-18 | 2018-01-16 | 河海大学 | 基于双波段成像的水尺水位测量方法 |
CN108549894A (zh) * | 2018-04-03 | 2018-09-18 | 哈尔滨哈船智控科技有限责任公司 | 一种基于深度学习算法的船舶水尺图像自动读数方法 |
CN108764229A (zh) * | 2018-05-29 | 2018-11-06 | 广东技术师范学院 | 一种基于计算机视觉技术的水尺图像自动识别方法 |
CN109145830A (zh) * | 2018-08-24 | 2019-01-04 | 浙江大学 | 一种智能水尺识别方法 |
CN110334680A (zh) * | 2019-07-12 | 2019-10-15 | 南京海豚梦智能科技有限公司 | 基于爬壁机器人的船舶水尺识别方法、系统、装置 |
CN110443243A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 水位监测方法、存储介质、网络设备和水位监测系统 |
CN111220235A (zh) * | 2018-11-23 | 2020-06-02 | 杭州海康威视数字技术股份有限公司 | 水位监测方法及装置 |
CN111259890A (zh) * | 2020-01-19 | 2020-06-09 | 深圳市宏电技术股份有限公司 | 一种水位尺的水位识别方法、装置及设备 |
CN111476785A (zh) * | 2020-04-20 | 2020-07-31 | 四创科技有限公司 | 基于位置记录的夜间红外反光水尺检测方法 |
CN112598001A (zh) * | 2021-03-08 | 2021-04-02 | 中航金城无人系统有限公司 | 一种基于多模型融合的船舶水尺读数自动识别方法 |
-
2021
- 2021-04-16 CN CN202110412198.4A patent/CN113221898B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080148844A1 (en) * | 2005-03-05 | 2008-06-26 | Christoph Haberstroh | Superconductive Level Indicator for Liquid Hydrogen and Liquid Neon, and Measuring Method for Liquid Level Measurement |
CN102288254A (zh) * | 2010-07-13 | 2011-12-21 | 联宇工程技术(武汉)有限公司 | 基于数字图像处理的水位测量方法 |
US20120182364A1 (en) * | 2011-01-14 | 2012-07-19 | Seiko Epson Corporation | Container unit and liquid ejection system |
CN102975826A (zh) * | 2012-12-03 | 2013-03-20 | 上海海事大学 | 基于机器视觉的便携式船舶水尺自动检测和识别方法 |
CN106557764A (zh) * | 2016-11-02 | 2017-04-05 | 江西理工大学 | 一种基于二进制编码字符水尺和图像处理的水位识别方法 |
CN107588823A (zh) * | 2017-09-18 | 2018-01-16 | 河海大学 | 基于双波段成像的水尺水位测量方法 |
CN108549894A (zh) * | 2018-04-03 | 2018-09-18 | 哈尔滨哈船智控科技有限责任公司 | 一种基于深度学习算法的船舶水尺图像自动读数方法 |
CN108764229A (zh) * | 2018-05-29 | 2018-11-06 | 广东技术师范学院 | 一种基于计算机视觉技术的水尺图像自动识别方法 |
CN109145830A (zh) * | 2018-08-24 | 2019-01-04 | 浙江大学 | 一种智能水尺识别方法 |
CN111220235A (zh) * | 2018-11-23 | 2020-06-02 | 杭州海康威视数字技术股份有限公司 | 水位监测方法及装置 |
CN110334680A (zh) * | 2019-07-12 | 2019-10-15 | 南京海豚梦智能科技有限公司 | 基于爬壁机器人的船舶水尺识别方法、系统、装置 |
CN110443243A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 水位监测方法、存储介质、网络设备和水位监测系统 |
CN111259890A (zh) * | 2020-01-19 | 2020-06-09 | 深圳市宏电技术股份有限公司 | 一种水位尺的水位识别方法、装置及设备 |
CN111476785A (zh) * | 2020-04-20 | 2020-07-31 | 四创科技有限公司 | 基于位置记录的夜间红外反光水尺检测方法 |
CN112598001A (zh) * | 2021-03-08 | 2021-04-02 | 中航金城无人系统有限公司 | 一种基于多模型融合的船舶水尺读数自动识别方法 |
Non-Patent Citations (4)
Title |
---|
GUIJUN CHEN ET AL: "Method on water level ruler reading recognition based on image processing", 《SIGNAL,IMAGE AND VIDEO PROCESSING》 * |
V. BANDE ET AL: "Multi - Capacitor sensor algorithm for water level measurement", 《2012 35TH INTERNATIONAL SPRING SEMINAR ON ELECTRONICS TECHNOLOGY》 * |
兰华勇 等: "基于图像识别技术的水尺刻度提取方法研究", 《人民黄河》 * |
姜兵: "基于图像识别的远程水位监测系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113221898B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114418957B (zh) | 基于机器人视觉的全局和局部二值模式图像裂缝分割方法 | |
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN110472479B (zh) | 一种基于surf特征点提取和局部lbp编码的指静脉识别方法 | |
CN108846844B (zh) | 一种基于海天线的海面目标检测方法 | |
CN113689429B (zh) | 一种基于计算机视觉的木板缺陷检测方法 | |
CN115294099B (zh) | 一种钢板轧制过程发纹缺陷的检测方法及系统 | |
CN116110053B (zh) | 基于图像识别的集装箱表面信息检测方法 | |
CN109241973B (zh) | 一种纹理背景下的字符全自动软分割方法 | |
CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
CN111222508B (zh) | 基于roi的户型图比例尺识别方法、装置、计算机设备 | |
CN116740054B (zh) | 一种基于图像处理的舌象齿痕检测方法 | |
CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN114067147B (zh) | 一种基于局部形状匹配的舰船目标确认方法 | |
CN112699704B (zh) | 一种条形码的检测方法、装置、设备、存储装置 | |
CN118153607B (zh) | 一种基于机器视觉的一维码定位方法 | |
CN114863492A (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
CN113780421B (zh) | 基于人工智能的脑部pet影像识别方法 | |
CN111310754A (zh) | 一种分割车牌字符的方法 | |
CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
CN107944393B (zh) | 人脸鼻尖定位方法 | |
CN107977608B (zh) | 一种应用于公路视频图像道路区域提取的方法 | |
CN113221898B (zh) | 一种自动水位尺读数方法 | |
CN112597868A (zh) | 基于无定位点的试卷识别和矫正方法 |
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 |