CN116129102A - 一种基于改进型图像处理算法的水表识别方法及相关装置 - Google Patents
一种基于改进型图像处理算法的水表识别方法及相关装置 Download PDFInfo
- Publication number
- CN116129102A CN116129102A CN202211614856.9A CN202211614856A CN116129102A CN 116129102 A CN116129102 A CN 116129102A CN 202211614856 A CN202211614856 A CN 202211614856A CN 116129102 A CN116129102 A CN 116129102A
- Authority
- CN
- China
- Prior art keywords
- water meter
- sub
- dial
- circle
- pointer
- 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
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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
-
- 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
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
-
- 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
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于改进型图像处理算法的水表识别方法,该方法包括:采集水表图像数据;图像灰度化处理、图像二值化处理、图像高斯滤波处理水表图像数据;基于圆距判断水表表盘倾斜角度;基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向;结合表盘倾斜角度和子表盘指针方向输出读数。本发明提供了一种基于改进型图像处理算法的水表识别方法及相关装置,解决了现有技术中水表读数不准确的问题。
Description
技术领域
本发明涉及水表读数数据识别技术领域,特别涉及一种基于改进型图像处理算法的指针型水表识别方法及设备。
背景技术
当前,水表读数自动识别领域可分为两种实现方式,分别是智能机械计量和图像识别读数。智能机械计量水表是通过机械计量的方法记录当前水表读数,同时能够完成远程数据传输存储,安装方式需要换掉旧的水表,适用于新安装水表或者环境影响因素较小更换水表附加代价低的情况。图像识别读数水表是通过加装外挂摄像头,定时拍照水表图片,并通过智能算法识别得到当前水表读数,安装方式为在原有水表的基础上加装外挂摄像装置,完成水表图片拍摄及数据传输,适用于受环境因素影响更换水表附加代价高的情况。
发明内容
本申请提供一种基于改进型图像处理算法的水表识别方法及相关装置,本发明的目的在于解决现有技术采用神经网络识别指针方向,存在计算效率低、计算时间长、计算准确度受环境影响的问题。
本发明提出一种基于改进型图像处理算法的水表识别方法,包括:
采集水表图像数据;
图像灰度化处理水表图像数据、图像二值化处理水表图像数据、图像高斯滤波处理水表图像数据;
基于圆距判断水表表盘倾斜角度;
基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向;
结合表盘倾斜角度和子表盘指针方向输出读数。
采集水表图像数据包括:
通过数据采集设备拍摄指针型水表表盘,得到水表表盘图像,所述数据采集设备为外挂摄像头设备,加装于水表表盘之上,用于拍摄水表表盘图像,数据采集设备包括摄像头、灯光模块、嵌入芯片、网关模块。
图像二值化处理水表图像数据包括:
用单通道二维矩阵img表示水表灰度化图像数据,其中img的尺寸为水表图像像素大小(X,Y),则单个像素点(x,y)的阈值Tx,y为相邻b个像素点的平均值减去常量C,具体公式为:
其中,b为相邻像素点个数,为可调参数;C为常量,是可调参数;dstx,y为像素点(x,y)二值化后的像素值,经过二值化处理之后得到二维矩阵dst,dst是二值化后的图像矩阵,尺寸大小为(X,Y)。
图像高斯滤波处理水表图像数据包括:
根据待滤波的像素点及其领域点的灰度值按照高斯公式生成的参数规则进行加权平均,即以待滤波的像素点为中心,通过二维高斯公式计算得到3×3的权重滤波器G,让待滤波像素点为中心的3×3像素块进行权重G的加权平均得到待滤波点的像素值,二维高斯公式为:
其中,σ2为方差;filterx,y为像素点(x,y)高斯滤波后的像素值,经过高斯滤波之后得到二维矩阵filter,filter是高斯滤波后的图像矩阵,尺寸大小为(X,Y)。
基于圆距判断水表表盘倾斜角度之前,还包括识别水表表盘圆参数:
图像数据基于Marr-Hildreth算子边缘检测进行边缘识别;
霍夫圆变换检测圆参数得到表盘圆心和半径数据。
基于圆距判断水表表盘倾斜角度具体包括:
根据得出的圆参数矩阵R的半径,选取最大半径的圆为表盘圆,得到表盘圆心O的坐标(xO,yO),根据指针型水表的特性,除了首尾的2个子表盘,其余子表盘均与另外的2个子表盘相邻,即圆心距离较近,取出8个子表盘的圆参数,子表盘两两计算圆心距离得到8×8的距离矩阵RD,计算工具如下:
设置相邻子表盘的圆心距阈值,从距离矩阵RD中选取只有一个值小于阈值的2个子表盘,这2个子表盘则为首尾子表盘,分别记为子表盘A和子表盘B,连接AB的圆心OA和OB,取线段OAOB的中点C,连接CO,直线CO的倾斜角度θ即为表盘的倾斜角度θ;
让直线CO绕圆心O顺时针旋转,直线CO依次经过8个子表盘的圆心,记录1-8子表盘顺序,顺序矩阵sort的尺寸为(8,2),每行记录子表盘的圆心坐标。
基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向具体包括:
根据得出的圆参数矩阵R中子表盘的圆心坐标和半径,提取单个子表盘进行子表盘指针方向识别,通过子表盘的圆心Z坐标(xZ,yZ)和半径大小,复现出子表盘的表盘结构,将子表盘图像数据减去复现的表盘结构图像数据能够得到子表盘的指针图像数据;
对指针图像数据再次经过霍夫圆变换检测圆计算,得到指针圆形的圆心z坐标(xz,yz)和半径大小,同时可以得到指针针头部分离圆最远端点D的像素坐标(xD,yD)以及两条边与圆相交点EF的像素坐标(xE,yE),(xF,yF),指针角平分线可以表示为:
y=k(x-xD)+yD=kx+(yD-kxD)
由于线段DE和线段DF的长度相等,根据全等三角形定理,点EF到角平分线的距离相等,即可表示为:
可求得角平分线斜率k的值为:
当两个圆的圆心Z和z坐标一致,且角平分线经过圆心坐标,则直线ZD为指针方向;
当两个圆的圆心Z和z坐标一致,且角平分线未经过圆心坐标,认为指针针头部分边缘检测出现误差,选取直线ZD为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线经过其中一个圆心坐标,选取角平分线为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线未经过任何一个圆心坐标,认为整个指针部分边缘检测出现误差,选取直线ZD为指针方向。
结合表盘倾斜角度和子表盘指针方向输出读数包括:
识别子表盘读数;
识别完整读数。
识别子表盘读数具体包括:
根据表盘倾斜角度和子表盘指针方向,能够计算得到子表盘与倾斜度之间的夹角值,计算公式为:
其中,kCO为直线CO的斜率,kZD为直线ZD的斜率,α为直线CO和直线ZD夹角度数,w为子表盘的指针读数,直线CO和直线ZD夹角读度数除以360度乘以10后向下取整即可得到子表盘的指针读数。
识别完整读数具体包括:
根据子表盘顺序矩阵sort,根据公式计算得到水表表盘的完整读数,计算公式为:
其中,water为水表表盘的完整读数,即当前用水量。
本发明通过使用数据采集设备对水表图像数据进行收集,再将彩色图片变成黑白图片,后经过图像二值化和高斯滤波处理,过滤了图像中的高频噪声,得到便于后续进行软件识别的图像。再将处理后的图片运用圆距判断水表表盘倾斜角度和判断水表表盘指针方向,结合倾斜角度和指针方向就能够判断出水表的读数。
本发明与现有技术采用神经网络识别读数的方法相比,本发明采用嵌入终端设备进行读数识别,分担服务器的计算压力,将算力分摊到各个终端设备。同时,不需要传输图像数据,只需要传输识别后的水表读数数据,大大提高传输效率。采用边缘检测Marr-Hildreth算子,能够有效的缓解Canny算子运算代价高、运算进度高等问题。配合高斯滤波处理进行降噪,能够很好的解决由于二阶运算带来的对噪声敏感的问题。本发明提出了基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测指针方向识别方法,多目标检测能够有效避免因单一参照目标识别错误而引起的读数误差。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,标示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于改进型图像处理算法的水表识别方法的流程图;
图2为本发明提供的一种基于改进型图像处理算法的水表识别方法及相关装置的数据采集设备架构图;
图3为本发明提供的一种基于改进型图像处理算法的水表识别方法及相关装置数据采集设备示例图;
图4为本发明提供的一种基于改进型图像处理算法的水表识别方法指针型水表灰度图;
图5为本发明提供的一种基于改进型图像处理算法的水表识别方法指针型水表边缘检测图;
图6为本发明提供的一种基于改进型图像处理算法的水表识别方法表盘倾斜角度示例图;
图7为本发明提供的一种基于改进型图像处理算法的水表识别方法指针方向示例图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面结合本申请实施例中的附图对本申请实施例进行描述。
本发明提出一种基于改进型图像处理算法的水表识别方法,包括:
步骤100,采集水表图像数据;
步骤200,图像灰度化处理水表图像数据、图像二值化处理水表图像数据、图像高斯滤波处理水表图像数据;
步骤300,基于圆距判断水表表盘倾斜角度;
步骤400,基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向;
步骤500,结合表盘倾斜角度和子表盘指针方向输出读数。
优选地,步骤100采集水表图像数据包括:
通过数据采集设备拍摄指针型水表表盘,得到水表表盘图像,所述数据采集设备为外挂摄像头设备,加装于水表表盘之上,用于拍摄水表表盘图像,数据采集设备包括摄像头、灯光模块、嵌入芯片、网关模块。
其中灯光模块通过灯光的作用,让水表特征更加明显辅助摄像头拍摄;摄像头负责拍摄水表表盘图像数据,并将图像数据输入到嵌入芯片;嵌入芯片负责执行水表读数识别方法,并输出读数数据给网关模块;网关模块接收到水表读数数据后将数据传输到服务器并存储入库。
再将图片进行灰度化处理,所谓灰度化处理是将彩色图像转变为灰度图像数据,灰度值则表示色彩的浓淡程度,由于本发明仅识别水表的读数,不要考虑图像的影响因素,因此,将步骤1采集得到的水表表盘图像数据经过灰度化处理,得到表盘灰度图像数据。灰度数据为单通道数据,而彩色图片数据为三通道数据,图像转变为灰度化数据后能够有效的节约计算空间,同时显著加快计算时间。
图像二值化处理水表图像数据包括:
由于设置固定阈值只只用于单一图像,很难达到理想的二值化效果,自适应阈值是根据像素点的相邻像素分布来确定该像素点的二值化阈值,不是固定不变的。本发明采用平均值自适应阈值的方法进行二值化处理。
用单通道二维矩阵img表示水表灰度化图像数据,其中img的尺寸为水表图像像素大小(X,Y),则单个像素点(x,y)的阈值Tx,y为相邻b个像素点的平均值减去常量C,具体公式为:
其中,b为相邻像素点个数,为可调参数;C为常量,是可调参数;dstx,y为像素点(x,y)二值化后的像素值,经过二值化处理之后得到二维矩阵dst,dst是二值化后的图像矩阵,尺寸大小为(X,Y)。
图像高斯滤波处理水表图像数据包括:
高斯滤波是一种去噪滤波算法,能够有效滤去理想图像中的高频噪声。
根据待滤波的像素点及其领域点的灰度值按照高斯公式生成的参数规则进行加权平均,即以待滤波的像素点为中心,通过二维高斯公式计算得到3×3的权重滤波器G,让待滤波像素点为中心的3×3像素块进行权重G的加权平均得到待滤波点的像素值,二维高斯公式为:
其中,σ2为方差;filterx,y为像素点(x,y)高斯滤波后的像素值,经过高斯滤波之后得到二维矩阵filter,filter是高斯滤波后的图像矩阵,尺寸大小为(X,Y)。
基于圆距判断水表表盘倾斜角度之前,还包括识别水表表盘圆参数:
图像数据基于Marr-Hildreth算子边缘检测进行边缘识别;
霍夫圆变换检测圆参数得到表盘圆心和半径数据。
基于Marr-Hildreth算子的图像边缘检测是采用二阶导数的方法完成边缘识别,当图像灰度数据发生平缓变化时,灰度可以表示为斜率不变的上升或者下降的折线图,对灰度这项进行一阶导数时会引起波峰或者波谷,在二阶导数时会引起零交叉。
对计算得到的二维矩阵filter进行x方向和y方向求二阶导数,得到二阶导数矩阵F,二阶求导公式为:
判断矩阵F是否存在零交叉点,即判断左右、上下、左上右下、左下右上的2个点是否存在正负转变的情况,出现正负转变的情况表示存在零交叉点,零交叉点处赋值为255,最终得到图像边缘检测矩阵MF。
霍夫圆变换认为图像上的每一个非零像素点都有可能是一个潜在的圆上的点。对步骤3.1得到的边缘矩阵MF利用cvSobel算子求梯度,得到x方向和y方向的梯度后能够求得边缘点梯度方向,即半径的方向。在半径方向上,对设定的最大最小半径范围进行累加器计数,得到经过该像素点的全部圆圆心坐标。遍历累加非零点,找出计数值大于设定阈值的圆心坐标,圆心坐标是四邻域范围内计数最大的点则该圆心坐标作为最终圆心。根据圆心及圆上非零点,能够得到圆的半径。
经过霍夫圆变换检测圆参数能够得到表盘圆心和半径数据,以及8个子表盘的圆心和半径数据,用9×3的矩阵R记录9个圆的参数数据,每个圆用(x,y,r)的方式记录圆参数,其中x,y为圆心坐标,r为圆半径。
基于圆距判断水表表盘倾斜角度具体包括:
根据得出的圆参数矩阵R的半径,选取最大半径的圆为表盘圆,得到表盘圆心O的坐标(xO,yO),根据指针型水表的特性,除了首尾的2个子表盘,其余子表盘均与另外的2个子表盘相邻,即圆心距离较近,取出8个子表盘的圆参数,子表盘两两计算圆心距离得到8×8的距离矩阵RD,计算工具如下:
设置相邻子表盘的圆心距阈值,从距离矩阵RD中选取只有一个值小于阈值的2个子表盘,这2个子表盘则为首尾子表盘,分别记为子表盘A和子表盘B,连接AB的圆心OA和OB,取线段OAOB的中点C,连接CO,直线CO的倾斜角度θ即为表盘的倾斜角度θ;
让直线CO绕圆心O顺时针旋转,直线CO依次经过8个子表盘的圆心,记录1-8子表盘顺序,顺序矩阵sort的尺寸为(8,2),每行记录子表盘的圆心坐标。
基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向具体包括:
根据得出的圆参数矩阵R中子表盘的圆心坐标和半径,提取单个子表盘进行子表盘指针方向识别,通过子表盘的圆心Z坐标(xZ,yZ)和半径大小,复现出子表盘的表盘结构,将子表盘图像数据减去复现的表盘结构图像数据能够得到子表盘的指针图像数据;
对指针图像数据再次经过霍夫圆变换检测圆计算,得到指针圆形的圆心z坐标(xz,yz)和半径大小,同时可以得到指针针头部分离圆最远端点D的像素坐标(xD,yD)以及两条边与圆相交点EF的像素坐标(xE,yE),(xF,yF),指针角平分线可以表示为:
y=k(x-xD)+yD=kx+(yD-kxD)
由于线段DE和线段DF的长度相等,根据全等三角形定理,点EF到角平分线的距离相等,即可表示为:
可求得角平分线斜率k的值为:
当两个圆的圆心Z和z坐标一致,且角平分线经过圆心坐标,则直线ZD为指针方向;
当两个圆的圆心Z和z坐标一致,且角平分线未经过圆心坐标,认为指针针头部分边缘检测出现误差,选取直线ZD为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线经过其中一个圆心坐标,选取角平分线为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线未经过任何一个圆心坐标,认为整个指针部分边缘检测出现误差,选取直线ZD为指针方向。
结合表盘倾斜角度和子表盘指针方向输出读数包括:
识别子表盘读数;
识别完整读数。
识别子表盘读数具体包括:
根据表盘倾斜角度和子表盘指针方向,能够计算得到子表盘与倾斜度之间的夹角值,计算公式为:
其中,kCO为直线CO的斜率,kZD为直线ZD的斜率,α为直线CO和直线ZD夹角度数,w为子表盘的指针读数,直线CO和直线ZD夹角读度数除以360度乘以10后向下取整即可得到子表盘的指针读数。
识别完整读数具体包括:
根据子表盘顺序矩阵sort,根据公式计算得到水表表盘的完整读数,计算公式为:
其中,water为水表表盘的完整读数,即当前用水量。
将识别得到的水表表盘完整读数数据传输到服务器存储入库。
本发明通过使用数据采集设备对水表图像数据进行收集,再将彩色图片变成黑白图片,后经过图像二值化和高斯滤波处理,过滤了图像中的高频噪声,得到便于后续进行软件识别的图像。再将处理后的图片运用圆距判断水表表盘倾斜角度和判断水表表盘指针方向,结合倾斜角度和指针方向就能够判断出水表的读数。
本发明与现有技术采用神经网络识别读数的方法相比,本发明采用嵌入终端设备进行读数识别,分担服务器的计算压力,将算力分摊到各个终端设备。同时,不需要传输图像数据,只需要传输识别后的水表读数数据,大大提高传输效率。采用边缘检测Marr-Hildreth算子,能够有效的缓解Canny算子运算代价高、运算进度高等问题。配合高斯滤波处理进行降噪,能够很好的解决由于二阶运算带来的对噪声敏感的问题。本发明提出了基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测指针方向识别方法,多目标检测能够有效避免因单一参照目标识别错误而引起的读数误差。
Claims (10)
1.一种基于改进型图像处理算法的水表识别方法,其特征在于,包括:
采集水表图像数据;
图像灰度化处理水表图像数据、图像二值化处理水表图像数据、图像高斯滤波处理水表图像数据;
基于圆距判断水表表盘倾斜角度;
基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向;
结合表盘倾斜角度和子表盘指针方向输出读数。
2.根据权利要求1所述的一种基于改进型图像处理算法的水表识别方法,其特征在于,所述采集水表图像数据包括:
通过数据采集设备拍摄指针型水表表盘,得到水表表盘图像,所述数据采集设备为外挂摄像头设备,加装于水表表盘之上,用于拍摄水表表盘图像,数据采集设备包括摄像头、灯光模块、嵌入芯片、网关模块。
5.根据权利要求1所述的一种基于改进型图像处理算法的水表识别方法,其特征在于,所述基于圆距判断水表表盘倾斜角度之前,还包括识别水表表盘圆参数:
图像数据基于Marr-Hildreth算子边缘检测进行边缘识别;
霍夫圆变换检测圆参数得到表盘圆心和半径数据。
6.根据权利要求1所述的一种基于改进型图像处理算法的水表识别方法,其特征在于,所述基于圆距判断水表表盘倾斜角度具体包括:
根据得出的圆参数矩阵R的半径,选取最大半径的圆为表盘圆,得到表盘圆心O的坐标(xO,yO),根据指针型水表的特性,除了首尾的2个子表盘,其余子表盘均与另外的2个子表盘相邻,即圆心距离较近,取出8个子表盘的圆参数,子表盘两两计算圆心距离得到8×8的距离矩阵RD,计算工具如下:
设置相邻子表盘的圆心距阈值,从距离矩阵RD中选取只有一个值小于阈值的2个子表盘,这2个子表盘则为首尾子表盘,分别记为子表盘A和子表盘B,连接AB的圆心OA和OB,取线段OAOB的中点C,连接CO,直线CO的倾斜角度θ即为表盘的倾斜角度θ;
让直线CO绕圆心O顺时针旋转,直线CO依次经过8个子表盘的圆心,记录1-8子表盘顺序,顺序矩阵sort的尺寸为(8,2),每行记录子表盘的圆心坐标。
7.根据权利要求1所述的一种基于改进型图像处理算法的水表识别方法,其特征在于,所述基于子表盘圆心坐标、指针圆形圆心坐标及指针角平分线的多目标检测水表子表盘指针方向具体包括:
根据得出的圆参数矩阵R中子表盘的圆心坐标和半径,提取单个子表盘进行子表盘指针方向识别,通过子表盘的圆心Z坐标(xZ,yZ)和半径大小,复现出子表盘的表盘结构,将子表盘图像数据减去复现的表盘结构图像数据能够得到子表盘的指针图像数据;
对指针图像数据再次经过霍夫圆变换检测圆计算,得到指针圆形的圆心z坐标(xz,yz)和半径大小,得到指针针头部分离圆最远端点D的像素坐标(xD,yD)以及两条边与圆相交点EF的像素坐标(xE,yE),(xF,yF),指针角平分线表示为:
y=k(x-xD)+yD=kx+(yD-kxD)
由于线段DE和线段DF的长度相等,根据全等三角形定理,点EF到角平分线的距离相等,即可表示为:
可求得角平分线斜率k的值为:
当两个圆的圆心Z和z坐标一致,且角平分线经过圆心坐标,则直线ZD为指针方向;
当两个圆的圆心Z和z坐标一致,且角平分线未经过圆心坐标,认为指针针头部分边缘检测出现误差,选取直线ZD为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线经过其中一个圆心坐标,选取角平分线为指针方向;
当两个圆的圆心Z和z坐标不一致,且角平分线未经过任何一个圆心坐标,认为整个指针部分边缘检测出现误差,选取直线ZD为指针方向。
8.根据权利要求1所述的一种基于改进型图像处理算法的水表识别方法,其特征在于,所述结合表盘倾斜角度和子表盘指针方向输出读数包括:
识别子表盘读数;
识别完整读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211614856.9A CN116129102A (zh) | 2022-12-14 | 2022-12-14 | 一种基于改进型图像处理算法的水表识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211614856.9A CN116129102A (zh) | 2022-12-14 | 2022-12-14 | 一种基于改进型图像处理算法的水表识别方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116129102A true CN116129102A (zh) | 2023-05-16 |
Family
ID=86309153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211614856.9A Pending CN116129102A (zh) | 2022-12-14 | 2022-12-14 | 一种基于改进型图像处理算法的水表识别方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129102A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721270A (zh) * | 2023-08-10 | 2023-09-08 | 泰安汉阳电子科技有限公司 | 一种用于智能水表的数据处理方法 |
CN117894022A (zh) * | 2024-01-16 | 2024-04-16 | 宁波泉通仪表科技有限公司 | 一种机电转化误差测试方法、系统、存储介质及智能终端 |
-
2022
- 2022-12-14 CN CN202211614856.9A patent/CN116129102A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721270A (zh) * | 2023-08-10 | 2023-09-08 | 泰安汉阳电子科技有限公司 | 一种用于智能水表的数据处理方法 |
CN116721270B (zh) * | 2023-08-10 | 2023-10-20 | 泰安汉阳电子科技有限公司 | 一种用于智能水表的数据处理方法 |
CN117894022A (zh) * | 2024-01-16 | 2024-04-16 | 宁波泉通仪表科技有限公司 | 一种机电转化误差测试方法、系统、存储介质及智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116129102A (zh) | 一种基于改进型图像处理算法的水表识别方法及相关装置 | |
CN110473242B (zh) | 一种纹理特征提取方法、纹理特征提取装置及终端设备 | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN106407924A (zh) | 基于路面特征的双目道路识别检测方法 | |
CN108737815B (zh) | 一种图像传感器的质量检测方法及系统 | |
CN111383189B (zh) | 一种去除摩尔纹的方法及装置、图像显示器 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN112752093B (zh) | 视频条纹检测方法、装置、存储介质及电子装置 | |
CN112396617B (zh) | 仪表视觉读数监测系统的抗干扰方法 | |
CN111814919A (zh) | 一种基于深度学习的仪表定位与识别系统 | |
CN115661147A (zh) | 基于机器视觉的计量检测数据识别方法 | |
CN114005108A (zh) | 一种基于坐标变换的指针式仪表度数识别方法 | |
CN113610041A (zh) | 一种用于指针式仪表的读数识别方法及设备 | |
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 | |
CN112036391A (zh) | 一种基于页岩气田生产站场的电子巡检方法及系统 | |
CN111833341A (zh) | 确定图像中条纹噪声的方法及装置 | |
CN116403085A (zh) | 一种基于多任务的变电站多指针仪表识别方法及装置 | |
CN115861801A (zh) | 指针式仪表识别方法、系统、电子设备及可读存储介质 | |
CN115331193A (zh) | 一种车位识别方法、识别系统、电子设备及存储介质 | |
CN114359332A (zh) | 基于深度图像的目标跟踪方法、装置、设备和介质 | |
CN107133961B (zh) | 一种检测处理视频图像中圆形区域的方法 | |
CN108898632B (zh) | 一种仪表指针的旋转角度确定方法及装置 |
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 |