CN113989795A - 一种基于模板图遍历的水表水泡预警方法 - Google Patents
一种基于模板图遍历的水表水泡预警方法 Download PDFInfo
- Publication number
- CN113989795A CN113989795A CN202111461922.9A CN202111461922A CN113989795A CN 113989795 A CN113989795 A CN 113989795A CN 202111461922 A CN202111461922 A CN 202111461922A CN 113989795 A CN113989795 A CN 113989795A
- Authority
- CN
- China
- Prior art keywords
- water meter
- template
- character
- map
- gradient
- 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 92
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011835 investigation Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及水表水泡预警，具体涉及一种基于模板图遍历的水表水泡预警方法，提取水表字符模板图，并提取水表字符模板图的梯度图，针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差；提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，基于模板总差、梯度总差对水表水泡进行预警；本发明提供的技术方案能够有效克服现有技术所存在的无法对水表字轮区域出现水泡的情况进行预警的缺陷。
Description
技术领域
本发明涉及水表水泡预警，具体涉及一种基于模板图遍历的水表水泡预警方法。
背景技术
现有智能水表的数据读取方式主要包括光电直读式、脉冲式、电磁式、超声波式、摄像式等，其中现有摄像远传水表主要是通过对机械水表字轮部分进行拍摄，然后远传至数据采集中心进行识别。摄像远传水表是近年来出现的一种新型水表，由于该水表可以解决数据远传的问题，能够将水表数据拍照上传，在极端情况下可以通过人工验证的方式来确定水表读数是否正确。
基于模板图对水表读数进行识别，是目前一种较为主流的方式。但是，如果水表的字轮区域中存在水泡，甚至如果水泡刚好覆盖数字，将导致人眼看到的图像中，字符将因折射率的改变出现歪斜，严重影响水表读数识别算法的准确性，从而无法获得正确读数。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于模板图遍历的水表水泡预警方法，能够有效克服现有技术所存在的无法对水表字轮区域出现水泡的情况进行预警的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于模板图遍历的水表水泡预警方法，提取水表字符模板图，并提取水表字符模板图的梯度图，针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差；提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，基于模板总差、梯度总差对水表水泡进行预警。
优选地，所述针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差，包括：
在水表字符模板图中遍历查找与当前单个字轮图像匹配度最佳的子模板图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取模板总差。
优选地，所述提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，包括：
对水表字符模板图的梯度图、当前单个字轮图像的梯度图进行二值化，在水表字符模板图的梯度图中遍历查找与当前单个字轮图像的梯度图匹配度最佳的子梯度图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取梯度总差。
优选地，所述基于模板总差、梯度总差对水表水泡进行预警，包括：
对模板总差、梯度总差求和，并与设定阈值进行比较；若求和结果大于设定阈值，则进行水泡预警，并将当前采集图像发送给管理人员，提醒其进行人工排查或给出相应的应对措施。
优选地，所述提取水表字符模板图，包括：
S1、选定水表中某个位置的字符，将选定的字符调整到起始位置；
S2、拍摄转动的水表字轮，获取N帧图像，并构建背景图；
S3、将N帧图像与背景图对应的像素点做差，将差值大于阈值的像素点的亮度值设置为255，否则将像素点的亮度值设置为0，得到N帧前景图，再通过定位和裁剪，得到N帧当前图；
S4、通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值；
S5、将10张当前图，按照0、1、2、3、4、5、6、7、8、9、0的顺序从上到下排列，再根据字符间距值对当前图进行拼接，构成水表字符模板图。
优选地，S1中所述起始位置为0和9之间的间隙区域的中线位置位于字符框的垂直中心。
优选地，S2中构建背景图，包括：
S11、从N帧图像中均匀抽取n帧图像；
S12、分别提取n帧图像中同一位置的像素点，对这n个像素点的像素值进行比较，选择其中最小的10％像素值取平均值，作为背景图中此位置的像素值；
S13、重复S12，直至遍历所有位置的像素点，得到背景图。
优选地，S4中通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值，包括：
S21、提取N帧当前图中的连通域，并按照拍摄顺序，判断N帧当前图中连通域的数量；
S22、若只有一个连通域，则选取连通域的中心点最靠近字轮框垂直中线的10张不同字符的当前图；
S23、若有两个连通域，则选取上方连通域下边缘和下方连通域上边缘之间的空隙区域的垂直中线最靠近字轮框垂直中线的10张不同字符的当前图；
S24、测量0-9中相邻字符之间、9与0之间的10个字符间距值。
优选地，统计每个所述连通域中的像素数目，并去除前景图中的像素数目较少的连通域。
(三)有益效果
与现有技术相比，本发明所提供的一种基于模板图遍历的水表水泡预警方法，能够自动从采集图像中检测到存在水泡的情形，可以对出现水泡的水表进行预警，从而能够提醒管理人员通过人工方式消除水泡，保证摄像远传水表正常工作，该过程不需要人工逐张对采集图像进行查验，有效节省了人力成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明的流程示意图；
图2为水表字轮区域出现水泡干扰的示意图；
图3为本发明中水表字符模板图及其梯度图；
图4为本发明中受水泡影响单个字轮图像的二值图及正常单个字轮图像的二值图；
图5为本发明中受水泡影响单个字轮图像的梯度图及正常单个字轮图像的梯度图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于模板图遍历的水表水泡预警方法，如图1所示，提取水表字符模板图，并提取水表字符模板图的梯度图，针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差；提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，基于模板总差、梯度总差对水表水泡进行预警。
本申请技术方案中，提取水表字符模板图，包括：
S1、选定水表中某个位置的字符，将选定的字符调整到起始位置；
S2、拍摄转动的水表字轮，获取N帧图像，并构建背景图；
S3、将N帧图像与背景图对应的像素点做差，将差值大于阈值的像素点的亮度值设置为255，否则将像素点的亮度值设置为0，得到N帧前景图，再通过定位和裁剪，得到N帧当前图；
S4、通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值；
S5、将10张当前图，按照0、1、2、3、4、5、6、7、8、9、0的顺序从上到下排列，再根据字符间距值对当前图进行拼接，构成水表字符模板图。
①S1中起始位置为0和9之间的间隙区域的中线位置位于字符框的垂直中心。
②S2中构建背景图，包括：
S11、从N帧图像中均匀抽取n帧图像；
S12、分别提取n帧图像中同一位置的像素点，对这n个像素点的像素值进行比较，选择其中最小的10％像素值取平均值，作为背景图中此位置的像素值；
S13、重复S12，直至遍历所有位置的像素点，得到背景图。
③S4中通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值，包括：
S21、提取N帧当前图中的连通域，并按照拍摄顺序，判断N帧当前图中连通域的数量；
S22、若只有一个连通域，则选取连通域的中心点最靠近字轮框垂直中线的10张不同字符的当前图；
S23、若有两个连通域，则选取上方连通域下边缘和下方连通域上边缘之间的空隙区域的垂直中线最靠近字轮框垂直中线的10张不同字符的当前图；
S24、测量0-9中相邻字符之间、9与0之间的10个字符间距值。
统计每个连通域中的像素数目，并去除前景图中的像素数目较少的连通域。由于像素数目较少的连通域，为字符的小半部分，对于寻找字符间距值和字符位置最佳的当前图没有帮助，去除这部分图像，有利于减少图片的处理量，降低干扰。
如图4所示，当水表字轮区域中存在水泡时，空气和水对光的折射率有差异，以及水泡边缘上形成的反射面，都将导致此时人眼从图像中所看到的字符图像，与水表字符模板图中对应的子模板图，并不是完全一致的，部分像素其实已经发生了位移。因此，用当前采集图像中的单个字轮图像(即当前采集图像中的裁剪子图)在水表字符模板图中遍历时，即便是匹配度最高的子模板图，也依然有部分像素无法匹配上，产生这种现象的根源就是水泡带来的折射率变化。
针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差，包括：
在水表字符模板图中遍历查找与当前单个字轮图像匹配度最佳的子模板图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取模板总差。
图4为受水泡影响单个字轮图像的二值图(左侧)及正常单个字轮图像的二值图(右侧)，其中右侧的正常单个字轮图像的二值图，也即水表字符模板图中与该单个字轮图像具有最佳匹配度的子模板图的二值图。
如图5所示，除了水泡内部区域因折射导致的与子模板图的差异之外，水泡边缘也是与子模板图不一样的地方。但是，由于水泡及其边缘本身亮度值较高，在进行图像二值化时，可能不会出现在前景图中。为了使当前单个字轮图像与子模板图之间的差异更多地体现出来，这里需要对当前单个字轮图像与子模板图各自提取梯度图来进行分析。
提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，包括：
对水表字符模板图的梯度图、当前单个字轮图像的梯度图进行二值化，在水表字符模板图的梯度图中遍历查找与当前单个字轮图像的梯度图匹配度最佳的子梯度图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取梯度总差。
图5为受水泡影响单个字轮图像的梯度图(左侧)及正常单个字轮图像的梯度图(右侧)，其中右侧的正常单个字轮图像的梯度图，也即水表字符模板图的梯度图中与该单个字轮图像具有最佳匹配度的子梯度图。
基于模板总差、梯度总差对水表水泡进行预警，包括：
对模板总差、梯度总差求和，并与设定阈值进行比较；若求和结果大于设定阈值，则进行水泡预警，并将当前采集图像发送给管理人员，提醒其进行人工排查或给出相应的应对措施。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于模板图遍历的水表水泡预警方法，其特征在于：提取水表字符模板图，并提取水表字符模板图的梯度图，针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差；提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，基于模板总差、梯度总差对水表水泡进行预警。
2.根据权利要求1所述的基于模板图遍历的水表水泡预警方法，其特征在于：所述针对当前单个字轮图像在水表字符模板图中遍历查找匹配度最佳的子模板图，获取模板总差，包括：
在水表字符模板图中遍历查找与当前单个字轮图像匹配度最佳的子模板图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取模板总差。
3.根据权利要求1所述的基于模板图遍历的水表水泡预警方法，其特征在于：所述提取当前单个字轮图像的梯度图，并在水表字符模板图的梯度图中遍历查找匹配度最佳的子梯度图，获取梯度总差，包括：
对水表字符模板图的梯度图、当前单个字轮图像的梯度图进行二值化，在水表字符模板图的梯度图中遍历查找与当前单个字轮图像的梯度图匹配度最佳的子梯度图，计算这两幅图像之间的差值图，并对差值图进行二值化，统计像素总数目，获取梯度总差。
4.根据权利要求1所述的基于模板图遍历的水表水泡预警方法，其特征在于：所述基于模板总差、梯度总差对水表水泡进行预警，包括：
对模板总差、梯度总差求和，并与设定阈值进行比较；若求和结果大于设定阈值，则进行水泡预警，并将当前采集图像发送给管理人员，提醒其进行人工排查或给出相应的应对措施。
5.根据权利要求1-4中任意一项所述的基于模板图遍历的水表水泡预警方法，其特征在于：所述提取水表字符模板图，包括：
S1、选定水表中某个位置的字符，将选定的字符调整到起始位置；
S2、拍摄转动的水表字轮，获取N帧图像，并构建背景图；
S3、将N帧图像与背景图对应的像素点做差，将差值大于阈值的像素点的亮度值设置为255，否则将像素点的亮度值设置为0，得到N帧前景图，再通过定位和裁剪，得到N帧当前图；
S4、通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值；
S5、将10张当前图，按照0、1、2、3、4、5、6、7、8、9、0的顺序从上到下排列，再根据字符间距值对当前图进行拼接，构成水表字符模板图。
6.根据权利要求5所述的基于模板图遍历的水表水泡预警方法，其特征在于：S1中所述起始位置为0和9之间的间隙区域的中线位置位于字符框的垂直中心。
7.根据权利要求5所述的基于模板图遍历的水表水泡预警方法，其特征在于：S2中构建背景图，包括：
S11、从N帧图像中均匀抽取n帧图像；
S12、分别提取n帧图像中同一位置的像素点，对这n个像素点的像素值进行比较，选择其中最小的10％像素值取平均值，作为背景图中此位置的像素值；
S13、重复S12，直至遍历所有位置的像素点，得到背景图。
8.根据权利要求5所述的基于模板图遍历的水表水泡预警方法，其特征在于：S4中通过连通域，从N帧当前图中，挑选出10张字符位置最佳的当前图，并测量0-9中相邻字符之间、9与0之间的字符间距值，包括：
S21、提取N帧当前图中的连通域，并按照拍摄顺序，判断N帧当前图中连通域的数量；
S22、若只有一个连通域，则选取连通域的中心点最靠近字轮框垂直中线的10张不同字符的当前图；
S23、若有两个连通域，则选取上方连通域下边缘和下方连通域上边缘之间的空隙区域的垂直中线最靠近字轮框垂直中线的10张不同字符的当前图；
S24、测量0-9中相邻字符之间、9与0之间的10个字符间距值。
9.根据权利要求8所述的基于模板图遍历的水表水泡预警方法，其特征在于：统计每个所述连通域中的像素数目，并去除前景图中的像素数目较少的连通域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111461922.9A CN113989795B (zh) | 2021-12-02 | 2021-12-02 | 一种基于模板图遍历的水表水泡预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111461922.9A CN113989795B (zh) | 2021-12-02 | 2021-12-02 | 一种基于模板图遍历的水表水泡预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113989795A true CN113989795A (zh) | 2022-01-28 |
| CN113989795B CN113989795B (zh) | 2024-06-21 |
Family
ID=79733092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111461922.9A Active CN113989795B (zh) | 2021-12-02 | 2021-12-02 | 一种基于模板图遍历的水表水泡预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113989795B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645682A (zh) * | 2023-07-24 | 2023-08-25 | 济南瑞泉电子有限公司 | 一种水表表盘数字识别方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208566A (ja) * | 2002-01-10 | 2003-07-25 | Glory Ltd | 文字抽出方法、文字抽出装置およびプログラム |
| CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术（北京）有限公司 | 一种字符识别方法及装置 |
| US20150023599A1 (en) * | 2013-07-17 | 2015-01-22 | International Business Machines Corporation | Optical Match Character Classification |
| CN109740606A (zh) * | 2018-12-20 | 2019-05-10 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
-
2021
- 2021-12-02 CN CN202111461922.9A patent/CN113989795B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208566A (ja) * | 2002-01-10 | 2003-07-25 | Glory Ltd | 文字抽出方法、文字抽出装置およびプログラム |
| CN102750530A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术（北京）有限公司 | 一种字符识别方法及装置 |
| US20150023599A1 (en) * | 2013-07-17 | 2015-01-22 | International Business Machines Corporation | Optical Match Character Classification |
| CN109740606A (zh) * | 2018-12-20 | 2019-05-10 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| YAOBEN PENG: "Application of Deep Residual Neural Network to Water Meter Reading Recognition", 《 2020 IEEE INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND COMPUTER APPLICATIONS (ICAICA)》, 1 September 2020 (2020-09-01) * |
| 张志佳: "基于图像识别的多指针仪表自动读数方法", 《沈阳工业大学学报》, 15 October 2011 (2011-10-15) * |
| 李云栋;孙长庆;: "基于BP神经网络的实时水表自动识别系统的研究", 计算机测量与控制, no. 05, 25 May 2013 (2013-05-25) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645682A (zh) * | 2023-07-24 | 2023-08-25 | 济南瑞泉电子有限公司 | 一种水表表盘数字识别方法及系统 |
| CN116645682B (zh) * | 2023-07-24 | 2023-10-20 | 济南瑞泉电子有限公司 | 一种水表表盘数字识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113989795B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111311542B (zh) | 一种产品质量检测方法及装置 | |
| CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
| WO2018018788A1 (zh) | 一种基于图像识别的计量表抄表装置及其方法 | |
| WO2016112669A1 (zh) | 基于图像处理的字符信息识别方法 | |
| CN108896278A (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
| CN109636732A (zh) | 一种深度图像的空洞修复方法以及图像处理装置 | |
| CN109741314A (zh) | 一种零件的视觉检测方法及系统 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN113763350B (zh) | 一种胶线检测方法、装置、胶线检测设备及存储介质 | |
| CN108592948A (zh) | 一种管水准器气泡偏移量自动测量方法 | |
| CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
| CN106780473A (zh) | 一种磁环缺陷多目视觉检测方法及系统 | |
| CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
| CN110287953A (zh) | 水位自动识别方法及装置 | |
| CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
| CN113989795A (zh) | 一种基于模板图遍历的水表水泡预警方法 | |
| CN108961331A (zh) | 一种绞合线节距的测量方法和装置 | |
| CN116990323A (zh) | 一种高精密印刷版视觉检测系统 | |
| CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
| CN109858394A (zh) | 一种基于显著性检测的遥感图像水体区域提取方法 | |
| CN114359235A (zh) | 一种基于改进YOLOv5l网络的木材表面缺陷检测方法 | |
| CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN114998205A (zh) | 基于光学手段的液体灌装过程瓶中异物检测方法 | |
| CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、系统、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 | ||
| GR01 | Patent grant |