CN115496807B - 表计指针的定位方法、装置、计算机设备和存储介质 - Google Patents

表计指针的定位方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN115496807B
CN115496807B CN202211446873.6A CN202211446873A CN115496807B CN 115496807 B CN115496807 B CN 115496807B CN 202211446873 A CN202211446873 A CN 202211446873A CN 115496807 B CN115496807 B CN 115496807B
Authority
CN
China
Prior art keywords
meter
image
corrected
position information
images
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
Application number
CN202211446873.6A
Other languages
English (en)
Other versions
CN115496807A (zh
Inventor
黄文琦
吴洋
曾群生
周锐烨
姚森敬
李端姣
李雄刚
刘高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202211446873.6A priority Critical patent/CN115496807B/zh
Publication of CN115496807A publication Critical patent/CN115496807A/zh
Application granted granted Critical
Publication of CN115496807B publication Critical patent/CN115496807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种表计指针的定位方法、装置、计算机设备和存储介质。该方法包括：获取待检测图像中的表计图像和表计模板图像；对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置。采用本方法能够提高算法识别的准确率。

Description

表计指针的定位方法、装置、计算机设备和存储介质
技术领域
本申请涉及自动控制技术领域，特别是涉及一种表计指针的定位方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着变电站在自动化领域方面的进步，表计识别已无需人工逐个检查表计，只需通过摄像头将实时的表计状态拍下图片，并传入表计识别算法内，由表计识别算法判断是否存在故障的情况。其中一种算法的主要思路是通过计算疑似点与圆心的方差与均值，并根据设定的阈值确认指针位置，从而计算出表计读数。
然而，SF6（Sulfur Hexafluoride，六氟化硫）表的指针比较短和细，通过计算疑似点与圆心所连接线段的方差与均值来确认指针位置的方法，会因为表盘中的镂空区域对算法寻找指针造成较大的误差影响，导致表计指针的定位准确率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高表计指针的定位准确率的表计指针的定位方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种表计指针的定位方法。所述方法包括：
获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
在其中一个实施例中，所述对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，包括：
通过尺度不变特征变换方法和加速稳健特征方法，对所述表计图像和所述表计模板图像进行特征点匹配，得到所述变换矩阵；
根据所述变换矩阵，对所述表计图像进行仿射变换处理，得到对应的仿射变换图像，作为所述矫正后的表计图像。
在其中一个实施例中，所述确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息，包括：
根据所述矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在所述矫正后的表计图像上的辅助圆上筛选出可疑点，得到所述可疑点的所述可疑点位置信息；
根据所述可疑点位置信息，将所述可疑点映射到所述矫正后的表计图像上的标定圆上，得到与所述可疑点位置信息对应的映射点位置信息。
在其中一个实施例中，在分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置之前，还包括：
将所述矫正后的表计图像进行色域转换处理；
对色域转换处理后的表计图像进行二值化处理，得到所述矫正后的表计图像对应的黑白图像；
所述根据得到的叠加图像，识别出所述表计图像中表计指针的位置，包括：
从所述叠加图像中，筛选出白色像素点最多的图像；
在所述白色像素点最多的图像中，根据所述白色像素点所在的位置，识别出所述表计图像中表计指针的位置。
在其中一个实施例中，所述获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像，包括：
将所述待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到所述待检测图像对应的表计图像定位框和表计类型；所述预先构建的目标检测模型根据包含有表计图像的样本图像和所述样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；
根据所述表计图像定位框，从所述待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与所述表计类型对应的表计模板图像。
在其中一个实施例中，在获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像之前，还包括：
获取不同表计类型的表计；
分别对所述不同表计类型的表计标注上表计信息；所述表计信息至少包括标定圆、辅助圆、量程和指针信息；
根据表计信息标注后的不同表计类型的表计，生成所述不同表计类型的表计模板图像。
第二方面，本申请还提供了一种表计指针的定位装置。所述装置包括：
图像获取模块，用于获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
图像处理模模块，用于对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
位置信息获取模块，用于确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信；
指针位置确认模块，获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
上述表计指针的定位方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像；再对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；然后确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；最后获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置。这样，根据变换矩阵对表计图像进行矫正，可以准确地得到待识别的表计图像；然后，确定矫正后的表计图像中辅助圆上的可疑点位置信息和标定圆上的与可疑点位置信息对应的映射点位置信息，从而减少了传统方法中因为表盘中的镂空区域对算法寻找指针造成的误差影响；最后，分别将矫正后的表计图像对应的黑白图像与形成的掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置，无需计算疑似点与圆心的方差与均值，从而避免了通过疑似点与圆心的方差与均值确定表计指针的准确率较低的缺陷，同时克服了SF6表的指针比较短和细而造成的误差影响，进一步提高了表计指针的定位准确率。
附图说明
图1为一个实施例中表计指针的定位方法的流程示意图；
图2为一个实施例中制作表计模板图像的步骤的流程示意图；
图3为另一个实施例中表计指针的定位方法的流程示意图；
图4为又一个实施例中表计指针的定位方法的流程示意图；
图5为一个实施例中表计指针的定位装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种表计指针的定位方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器之间的交互实现。本实施例中，该方法包括以下步骤：
步骤S101，获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像。
其中，待检测图像指的是含有SF6表计的图像；表计图像指的是待检测图像中由SF6表计所在区域形成的图像；表计模板图像指的是根据表计信息标注后的不同表计类型的表计，而生成的不同类型的表计模板图像，比如8种不同类型的表计模板图像。
具体地，终端接收针对SF6表计指针的定位请求，根据该定位请求，获取待检测图像；对待检测图像进行图像提取处理，得到待检测图像中的表计图像，并从多种不同类型的表计模板图像中，筛选出与表计图像的表计类型对应的表计模板图像。
举例说明，终端接收针对SF6表计指针的定位请求，根据该定位请求获得SF6表计的位置框BOXP，其中，BOXP=［class_id,left,top,right,bottom,score］，class_id表示类标识符，left表示规定元素的左边缘，top表示规定元素的顶部边缘，right表示规定元素的右边缘，bottom表示规定元素的底部边缘，score表示刻痕或划痕；假如表计图像的表计类型为A，而在多种不同类型的表计模板图像中，与表计类型A对应的表计模板图像为A’，说明与表计图像的表计类型对应的表计模板图像也为A’。
步骤S102，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上。
其中，特征点匹配指的是以影像上提取的具有某种局部特殊性质的点(称为特征点)作为共轭实体，以特征点的属性参数即特征描述作为匹配实体，通过计算相似性测度实现共轭实体配准的影像匹配方法；变换矩阵是数学线性代数中的一个概念；映射指的是求解出两个元素集之间元素相互对应的关系；标定圆的作用是确认模板图像中SF6表盘的量程的起始点与终止点；辅助圆的作用是确认疑是指针的坐标点。
具体地，终端接收表计图像处理指令，根据表计图像处理指令，识别出表计图像的特征点和表计模板图像的特征点；根据表计图像的特征点和表计模板图像的特征点，对表计图像和表计模板图像进行特征点匹配，得到特征点匹配结果；基于特征点匹配结果，确定变换矩阵；再根据变换矩阵，对表计图像进行矫正，得到矫正后的表计图像；识别出表计模板图像中预设的标定圆和辅助圆，并根据表计模板图像与矫正后的表计图像之间的坐标映射关系，将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上，使得矫正后的表计图像上也标注有标定圆和辅助圆。
举例说明，终端接收表计图像处理指令，根据表计图像处理指令，通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；获取到变换矩阵后，通过仿射变换对表计图像进行矫正，并将表计模板图像中标注好的标定圆与辅助圆映射到矫正后的表计图像上。
步骤S103，确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息。
其中，可疑点指的是根据灰度值及坐标位置筛选的疑似指针的坐标点；映射点指的是将辅助圆上的可疑点映射到标定圆上所形成的点。
具体地，终端对矫正后的表计图像上的辅助圆上的各个像素点进行识别，得到像素点识别结果，根据像素点识别结果，确认矫正后的表计图像上的辅助圆上的可疑点位置信息；根据矫正后的表计图像上的辅助圆与标定圆之间的坐标映射关系，确定出矫正后的表计图像上的标定圆上与可疑点位置信息对应的映射点位置信息。
举例说明，终端对矫正后的表计图像上的辅助圆上的各个像素点进行识别，根据得到的像素点识别结果，确认矫正后的表计图像上的辅助圆上的可疑点位置信息；根据确认得到的可疑点位置信息，计算辅助圆上的可疑点与辅助圆的圆心所连接成的直线方程与标定圆的交点，并将辅助圆上的可疑点映射到标定圆上，从而得到矫正后的表计图像上的标定圆上与可疑点位置信息对应的映射点位置信息。
步骤S104，获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置；目标线段是指可疑点位置信息与对应的映射点位置信息之间所形成的线段。
其中，掩膜指的是一种图像滤镜的模板；掩膜图像指的是含有掩膜的待测图像。
具体地，终端根据得到的辅助圆上的可疑点位置信息和标定圆上与可疑点位置信息对应的映射点位置信息，通过连接可疑点分别在辅助圆与标定圆上的坐标形成的线段作为掩膜，一条掩膜对应形成一张掩膜图像，得到多张掩膜图像；将SF6表计表盘图片色域转换到预先构建的颜色空间，并通过二值化方法得到黑白图像；将得到的的黑白图像与各张掩膜图像分别进行叠加，得到多张叠加图像，在其中白色像素点最多的那张叠加图像中，根据白色像素点最多的位置识别出表计图像中表计指针的位置。
举例说明，根据得到的辅助圆上的可疑点位置信息和标定圆上与可疑点位置信息对应的映射点位置信息，通过连接可疑点分别在辅助圆与标定圆上的坐标形成的线段作为掩膜，并分别形成掩膜图像；将SF6表计表盘图片色域转换到HSV（Hue, Saturation,Value，色相、饱和度、亮度）空间，并采用固定阈值的二值化方法得到黑白图像，然后将掩膜图像与黑白图像进行叠加，根据白色像素点最多的位置识别出表计图像中表计指针的位置。上述表计指针的定位方法中，通过获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；再对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；然后确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；最后获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置。这样，根据变换矩阵对表计图像进行矫正，可以准确地得到待识别的表计图像；然后，确定矫正后的表计图像中辅助圆上的可疑点位置信息和标定圆上的与可疑点位置信息对应的映射点位置信息，从而减少了传统方法中因为表盘中的镂空区域对算法寻找指针造成的误差影响；最后，分别将矫正后的表计图像对应的黑白图像与形成的掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置，无需计算疑似点与圆心的方差与均值，从而避免了通过疑似点与圆心的方差与均值确定表计指针的准确率较低的缺陷，同时克服了SF6表的指针比较短和细而造成的误差影响，进一步提高了表计指针的定位准确率。
在一个实施例中，上述步骤S102中，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，具体包括如下内容：通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
其中，尺度不变特征变换方法是一种机器视觉算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变数；加速稳健特征方法是一个稳健的图像识别和描述算法，这个算法可被用于计算机视觉任务，如物件识别和3D重构（三维重建）；仿射变换是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。
具体地，终端接收表计图像处理指令，根据表计图像处理指令，通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；再根据特征点匹配得到的变换矩阵，通过仿射变换对表计图像进行矫正，将得到对应的仿射变换图像作为矫正后的表计图像。
本实施例中，通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；再根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。根据由特征点匹配而得到的变换矩阵对表计图像进行矫正，从而能够准确得到矫正后的表计图像，有利于提高表计指针的定位准确率。
在一个实施例中，上述步骤S103中，确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息，具体包括如下内容：根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
其中，灰度值指的是由于景物各点的颜色及亮度不同，拍摄成的黑白照片上或电视接收机重现的黑白图像上各点呈现不同程度的灰色。
具体地，终端查询并获取矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，根据获得的像素点的灰度值信息和坐标位置信息，在矫正后的表计图像上的辅助圆上筛选出可疑点，从而得到可疑点的可疑点位置信息；根据获取的可疑点位置信息，通过方差组联立求解的方法将可疑点映射到矫正后的表计图像上的标定圆上，从而得到与可疑点位置信息对应的映射点位置信息。
举例说明，终端根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，从而得到可疑点的可疑点位置信息为（x1,y1）；根据获取的可疑点位置信息，通过计算辅助圆上的可疑点与辅助圆的圆心所连接成的直线方程与标定圆的交点，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息（x1’,y2’）。
（x-x1）/（x2-x1）=（y-y1）/（y2-y1）（1）
（x-a）2+（y-b）2=r2（2）
其中，公式（1）中（x1,y1）为辅助圆上的可疑点坐标，（x2,y2）为辅助圆的圆心坐标；公式（2）中（a,b）为标定圆的圆心坐标，r为标定圆的半径。
本实施例中，根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；再根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息；从而能够准确得到可疑点位置信息，并计算出与可疑点位置信息对应的映射点位置信息，减少了传统方法中因为表盘中的镂空区域对算法寻找指针造成的误差影响。
在一个实施例中，上述步骤S104中，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置之前，具体还包括如下内容：将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像。那么，上述步骤S104中，根据得到的叠加图像，识别出表计图像中表计指针的位置，具体还包括如下内容：从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
其中，色域转换处理指的是不同RGB（red,green,blue，红绿蓝）空间的转换；二值化处理指的是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
具体地，终端获取矫正后的表计图像并将矫正后的表计图像转换到预先构建的颜色空间，得到色域转换处理后的表计图像；对色域转换处理后的表计图像采用固定阈值的二值化方法进行处理，得到矫正后的表计图像对应的黑白图像；将得到的黑白图像与各张掩膜图像分别进行叠加，得到多张叠加图像，从叠加图像中筛选出白色像素点最多的那张叠加图像，然后在白色像素点最多的那张叠加图像中，根据白色像素点最多的位置识别出表计图像中表计指针的位置。
本实施例中，通过将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像；再从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置；从而能够准确地识别出表计图像中表计指针的位置，有利于减少因SF6表计表盘内的镂空部分所造成的识别结果的误差。
在一个实施例中，上述步骤S101中，获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像，具体包括如下内容：将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
其中，目标检测模型指的是一种对待检测图像具有定位和分类功能的模型，定位框指的是SF6表的位置框BOXP，标注信息包括标定圆、辅助圆、量程和指针信息等信息。
具体地，终端将新输入的待检测图像输入预先构建的SF6表计目标检测模型进行识别，其中包括定位处理和分类处理，定位出其中SF6表计的位置框BOXP并获取其表计类型；预先构建的目标检测模型是根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，并对待训练的目标检测模型进行训练而得到；再根据定位得到的SF6表计的位置框，从待检测图像中提取出对应的表计图像，然后从预先制作的多个不同表计类型的表计模板图像中，识别并获取与表计类型对应的表计模板图像。
本实施例中，通过将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；再根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像；从而可以准确获取到待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像，有利于提高表计指针的定位准确率。
在一个实施例中，如图2所示，上述步骤S101中，在获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像之前，具体还包括如下步骤：
步骤S201，获取不同表计类型的表计。
步骤S202，分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息。
步骤S203，根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
其中，标定圆的作用是确认模板图像中SF6表盘的量程的起始点与终止点；辅助圆的作用是确认疑是指针的坐标点。
具体地，终端响应接收到的模板图像制作请求，从数据库中获取得到8个不同表计类型的SF6表计；然后分别对8个不同类别的SF6表计通过标注工具进行标注，标注标定圆，辅助圆，量程，指针信息等表计信息；根据表计信息标注后的8个不同表计类型的表计，对应生成8个不同表计类型的表计模板图像。
本实施例中，通过获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；最后根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像；从而可以准确地生成8个不同类型的SF6表计模板图像，有利于筛选出与表计图像的表计类型对应的表计模板图像。
在一个实施例中，如图3所示，提供了另一种表计指针定位方法，具体包括以下步骤：
步骤S301，获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
步骤S302，将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
步骤S303，通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
步骤S304，根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息。
步骤S305，根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
步骤S306，将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像。
步骤S307，获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
上述表计指针的定位方法，根据表计图像定位框和表计类型，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像；通过特征点匹配得到的变换矩阵对表计图像进行矫正，可以准确地得到待识别的表计图像；然后，确定矫正后的表计图像中辅助圆上的可疑点位置信息和标定圆上的与可疑点位置信息对应的映射点位置信息，从而减少了传统方法中因为表盘中的镂空区域对算法寻找指针造成的误差影响；最后，分别将矫正后的表计图像对应的黑白图像与形成的掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置，无需计算疑似点与圆心的方差与均值，从而避免了通过疑似点与圆心的方差与均值确定表计指针的准确率较低的缺陷，同时克服了SF6表的指针比较短和细而造成的误差影响，进一步提高了表计指针的定位准确率。
为了更清晰阐明本申请实施例提供的表计指针的定位方法，以下以一个具体的实施例对该表计指针的定位方法进行具体说明。在一个实施例中，如图4所示，本申请还提供了又一种表计指针的定位方法，具体包括以下步骤：
步骤1：输入SF6表计图像。
步骤2：对大量变电站SF6表计进行VOC格式（一种文件格式）标注，标注类别为SF6表A型-H型共8类，基于标注文件和原始图片使用目标检测算法训练一个SF6表的定位分类模型。
步骤3：使用SF6表计定位分类模型对新输入的待测图片进行识别，定位出其中的SF6表计而且获取其分类，获得SF6表的位置框BOXP，其中BOXP=［class_id,left,top,right,bottom,score］。
步骤4：对检测出来的SF6表计图像与对应类别的模板图像采用尺度不变特征变换算法和加速健壮特征算法进行特征点匹配，获取到变换矩阵。
步骤5：通过变换矩阵使用仿射变换的方法对待测图片进行矫正，并将模板图像中标注好的标定圆与辅助圆映射到待测图像上。
步骤6：将辅助圆上疑似指针的坐标点映射到标定圆上：因辅助圆与标定圆用相同的圆心，通过计算辅助圆上的可疑点（根据灰度值及坐标位置筛选疑似指针坐标点）与辅助圆的圆心所连接成的直线方程与标定圆的交点，将辅助圆上的可疑点映射到标定圆上。
步骤7：将SF6表计表盘图片色域转换到HSV空间，并采用固定阈值的二值化方法得到黑白图像，通过连接可疑点分别在辅助圆与标定圆上的坐标形成的线段作为掩膜，将掩膜与黑白图像进行相加，其中相加后白色点最多的点即是指针所在的位置。
上述表计指针的定位方法，先输入SF6表计图像，然后使用训练得到的SF6表计定位分类模型对新输入的待测图片进行识别，通过特征点匹配得到的变换矩阵对表计图像进行矫正，可以准确地得到待识别的表计图像；然后，确定矫正后的表计图像中辅助圆上的可疑点位置信息和标定圆上的与可疑点位置信息对应的映射点位置信息，从而减少了传统方法中因为表盘中的镂空区域对算法寻找指针造成的误差影响；最后，分别将矫正后的表计图像对应的黑白图像与形成的掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置，无需计算疑似点与圆心的方差与均值，从而避免了通过疑似点与圆心的方差与均值确定表计指针的准确率较低的缺陷，同时克服了SF6表的指针比较短和细而造成的误差影响，进一步提高了表计指针的定位准确率。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的表计指针的定位方法的表计指针的定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个表计指针的定位装置实施例中的具体限定可以参见上文中对于表计指针的定位方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种表计指针的定位装置，包括：图像获取模块501、图像处理模块502、位置信息获取模块503和指针位置确认模块504，其中：
图像获取模块501，用于获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像。
图像处理模块502，用于对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上。
位置信息获取模块503，用于确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息。
指针位置确认模块504，用于获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置；目标线段是指可疑点位置信息与对应的映射点位置信息之间所形成的线段。
在一个实施例中，图像处理模块502，还用于通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
在一个实施例中，位置信息获取模块503，还用于根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
在一个实施例中，表计指针的定位装置还包括图像处理模块，用于将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像。
指针位置确认模块504，还用于从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
在一个实施例中，图像获取模块501，还用于将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
在一个实施例中，表计指针的定位装置还包括图像制作模块，用于获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
上述表计指针的定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储标定圆、辅助圆、量程、指针信息和模板图像等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种表计指针的定位方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像；
对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置；目标线段是指可疑点位置信息与对应的映射点位置信息之间所形成的线段。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像；从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像；
对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置；目标线段是指可疑点位置信息与对应的映射点位置信息之间所形成的线段。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像；从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取待检测图像中的表计图像，以及与表计图像的表计类型对应的表计模板图像；
对表计图像和表计模板图像进行特征点匹配，得到变换矩阵，根据变换矩阵对表计图像进行矫正，并将表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定矫正后的表计图像上的辅助圆上的可疑点位置信息，从矫正后的表计图像上的标定圆上，确定出与可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将矫正后的表计图像对应的黑白图像与各掩膜图像进行叠加，并根据得到的叠加图像，识别出表计图像中表计指针的位置；目标线段是指可疑点位置信息与对应的映射点位置信息之间所形成的线段。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过尺度不变特征变换方法和加速稳健特征方法，对表计图像和表计模板图像进行特征点匹配，得到变换矩阵；根据变换矩阵，对表计图像进行仿射变换处理，得到对应的仿射变换图像，作为矫正后的表计图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在矫正后的表计图像上的辅助圆上筛选出可疑点，得到可疑点的可疑点位置信息；根据可疑点位置信息，将可疑点映射到矫正后的表计图像上的标定圆上，得到与可疑点位置信息对应的映射点位置信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将矫正后的表计图像进行色域转换处理；对色域转换处理后的表计图像进行二值化处理，得到矫正后的表计图像对应的黑白图像；从叠加图像中，筛选出白色像素点最多的图像；在白色像素点最多的图像中，根据白色像素点所在的位置，识别出表计图像中表计指针的位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到待检测图像对应的表计图像定位框和表计类型；预先构建的目标检测模型根据包含有表计图像的样本图像和样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；根据表计图像定位框，从待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与表计类型对应的表计模板图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取不同表计类型的表计；分别对不同表计类型的表计标注上表计信息；表计信息至少包括标定圆、辅助圆、量程和指针信息；根据表计信息标注后的不同表计类型的表计，生成不同表计类型的表计模板图像。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种表计指针的定位方法，其特征在于，所述方法包括：
获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
2.根据权利要求1所述的方法，其特征在于，所述对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，包括：
通过尺度不变特征变换方法和加速稳健特征方法，对所述表计图像和所述表计模板图像进行特征点匹配，得到所述变换矩阵；
根据所述变换矩阵，对所述表计图像进行仿射变换处理，得到对应的仿射变换图像，作为所述矫正后的表计图像。
3.根据权利要求1所述的方法，其特征在于，所述确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息，包括：
根据所述矫正后的表计图像上的辅助圆中各个像素点的灰度值和坐标位置，在所述矫正后的表计图像上的辅助圆上筛选出可疑点，得到所述可疑点的所述可疑点位置信息；
根据所述可疑点位置信息，将所述可疑点映射到所述矫正后的表计图像上的标定圆上，得到与所述可疑点位置信息对应的映射点位置信息。
4.根据权利要求1所述的方法，其特征在于，在分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置之前，还包括：
将所述矫正后的表计图像进行色域转换处理；
对色域转换处理后的表计图像进行二值化处理，得到所述矫正后的表计图像对应的黑白图像；
所述根据得到的叠加图像，识别出所述表计图像中表计指针的位置，包括：
从所述叠加图像中，筛选出白色像素点最多的图像；
在所述白色像素点最多的图像中，根据所述白色像素点所在的位置，识别出所述表计图像中表计指针的位置。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像，包括：
将所述待检测图像输入预先构建的目标检测模型进行定位处理和分类处理，得到所述待检测图像对应的表计图像定位框和表计类型；所述预先构建的目标检测模型根据包含有表计图像的样本图像和所述样本图像中的表计图像的标注信息，对待训练的目标检测模型进行训练得到；
根据所述表计图像定位框，从所述待检测图像中提取出对应的表计图像，以及从不同表计类型的表计模板图像中，获取与所述表计类型对应的表计模板图像。
6.根据权利要求5所述的方法，其特征在于，在获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像之前，还包括：
获取不同表计类型的表计；
分别对所述不同表计类型的表计标注上表计信息；所述表计信息至少包括标定圆、辅助圆、量程和指针信息；
根据表计信息标注后的不同表计类型的表计，生成所述不同表计类型的表计模板图像。
7.一种表计指针的定位装置，其特征在于，所述装置包括：
图像获取模块，用于获取待检测图像中的表计图像，以及与所述表计图像的表计类型对应的表计模板图像；
图像处理模块，用于对所述表计图像和所述表计模板图像进行特征点匹配，得到变换矩阵，根据所述变换矩阵对所述表计图像进行矫正，并将所述表计模板图像中预设的标定圆和辅助圆映射到矫正后的表计图像上；
位置信息获取模块，用于确定所述矫正后的表计图像上的辅助圆上的可疑点位置信息，从所述矫正后的表计图像上的标定圆上，确定出与所述可疑点位置信息对应的映射点位置信息；
指针位置确认模块，用于获取目标线段所对应的掩膜图像，分别将所述矫正后的表计图像对应的黑白图像与各所述掩膜图像进行叠加，并根据得到的叠加图像，识别出所述表计图像中表计指针的位置；所述目标线段是指所述可疑点位置信息与对应的映射点位置信息之间所形成的线段。
8.根据权利要求7所述的装置，其特征在于，所述图像处理模块，还用于通过尺度不变特征变换方法和加速稳健特征方法，对所述表计图像和所述表计模板图像进行特征点匹配，得到所述变换矩阵；根据所述变换矩阵，对所述表计图像进行仿射变换处理，得到对应的仿射变换图像，作为所述矫正后的表计图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202211446873.6A 2022-11-18 2022-11-18 表计指针的定位方法、装置、计算机设备和存储介质 Active CN115496807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211446873.6A CN115496807B (zh) 2022-11-18 2022-11-18 表计指针的定位方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211446873.6A CN115496807B (zh) 2022-11-18 2022-11-18 表计指针的定位方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN115496807A CN115496807A (zh) 2022-12-20
CN115496807B true CN115496807B (zh) 2023-01-20

Family

ID=84901825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211446873.6A Active CN115496807B (zh) 2022-11-18 2022-11-18 表计指针的定位方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN115496807B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582071A (zh) * 2020-04-23 2020-08-25 浙江大学 一种基于HRNet网络模型的SF6仪表图像读数方法
CN111814740A (zh) * 2020-07-28 2020-10-23 南方电网数字电网研究院有限公司 指针仪表读数的识别方法、装置、计算机设备和存储介质
CN112990179A (zh) * 2021-04-20 2021-06-18 成都阿莱夫信息技术有限公司 一种基于图片处理的单指针型表盘读数自动识别方法
CN113269193A (zh) * 2021-06-08 2021-08-17 上海高德威智能交通系统有限公司 指针式表计的示数读取方法、装置及存储介质
CN113343998A (zh) * 2021-06-08 2021-09-03 西安咏圣达电子科技有限公司 电力机械表计读数监测系统、方法、计算机设备及应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582071A (zh) * 2020-04-23 2020-08-25 浙江大学 一种基于HRNet网络模型的SF6仪表图像读数方法
CN111814740A (zh) * 2020-07-28 2020-10-23 南方电网数字电网研究院有限公司 指针仪表读数的识别方法、装置、计算机设备和存储介质
CN112990179A (zh) * 2021-04-20 2021-06-18 成都阿莱夫信息技术有限公司 一种基于图片处理的单指针型表盘读数自动识别方法
CN113269193A (zh) * 2021-06-08 2021-08-17 上海高德威智能交通系统有限公司 指针式表计的示数读取方法、装置及存储介质
CN113343998A (zh) * 2021-06-08 2021-09-03 西安咏圣达电子科技有限公司 电力机械表计读数监测系统、方法、计算机设备及应用

Also Published As

Publication number Publication date
CN115496807A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
US11443133B2 (en) Computer vision system for industrial equipment gauge digitization and alarms
CN111028213A (zh) 图像缺陷检测方法、装置、电子设备及存储介质
US9721532B2 (en) Color chart detection apparatus, color chart detection method, and color chart detection computer program
CN109360203A (zh) 图像配准方法、图像配准装置及存储介质
CN108563559A (zh) 一种验证码的测试方法、装置、终端设备及存储介质
CN110909750B (zh) 图像差异检测方法及装置、存储介质、终端
CN112037128B (zh) 一种全景视频拼接方法
CN115496807B (zh) 表计指针的定位方法、装置、计算机设备和存储介质
CN112102378A (zh) 图像配准方法、装置、终端设备及计算机可读存储介质
CN105893943A (zh) 一种油位检测方法及系统
CN110674817B (zh) 一种基于双目摄像头的车牌防伪的方法及装置
CN112668578A (zh) 指针式仪表读数方法、装置、计算机设备和存储介质
CN114820547B (zh) 车道线检测方法、装置、计算机设备、存储介质
CN113920513B (zh) 基于自定义通用模板的文本识别方法及设备
CN116523803B (zh) 图像处理方法、阴影去除方法、装置、设备和存储介质
US20230394786A1 (en) Automated data annotation for computer vision applications
CN116883998B (zh) 基于毫米波图像的物品标注方法、装置、电子设备
El-Hussainy et al. A methodology for image matching of historical maps
CN105868763A (zh) 一种油位表的读数方法及系统
US11282280B2 (en) Method and system for node vectorisation
CN115829867A (zh) 基于标定的广角图像畸变和色差处理方法、装置和介质
CN116311329A (zh) 走查方法、装置、电子设备及计算机可读存储介质
CN114820547A (zh) 车道线检测方法、装置、计算机设备、存储介质
CN117253022A (zh) 一种对象识别方法、装置及查验设备
CN116883643A (zh) 一种倾斜摄影自动刺点方法

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