CN116844149A - 一种数显仪表指示值图案处理方法 - Google Patents
一种数显仪表指示值图案处理方法 Download PDFInfo
- Publication number
- CN116844149A CN116844149A CN202310886879.3A CN202310886879A CN116844149A CN 116844149 A CN116844149 A CN 116844149A CN 202310886879 A CN202310886879 A CN 202310886879A CN 116844149 A CN116844149 A CN 116844149A
- Authority
- CN
- China
- Prior art keywords
- feature
- difference
- value
- differences
- graph
- 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
- 238000003672 processing method Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 78
- 238000011156 evaluation Methods 0.000 claims description 65
- 238000012545 processing Methods 0.000 claims description 52
- 230000003287 optical effect Effects 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 19
- 102220505697 Palmitoyl-protein thioesterase 1_Y45F_mutation Human genes 0.000 claims description 13
- 230000004069 differentiation Effects 0.000 claims description 9
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 8
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 8
- 102220613565 Potassium voltage-gated channel subfamily H member 2_Y43A_mutation Human genes 0.000 claims description 6
- 102220482858 UAP56-interacting factor_Y41A_mutation Human genes 0.000 claims description 6
- 102200131346 rs58436778 Human genes 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 102200097291 rs199472836 Human genes 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 137
- 238000000605 extraction Methods 0.000 description 70
- 230000000007 visual effect Effects 0.000 description 40
- 230000006870 function Effects 0.000 description 32
- 230000000694 effects Effects 0.000 description 29
- 230000008859 change Effects 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 18
- 238000012360 testing method Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 11
- 241001270131 Agaricus moelleri Species 0.000 description 10
- 239000011148 porous material Substances 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008602 contraction Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000006748 scratching Methods 0.000 description 3
- 230000002393 scratching effect Effects 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- KZEVSDGEBAJOTK-UHFFFAOYSA-N 1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-2-[5-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]-1,3,4-oxadiazol-2-yl]ethanone Chemical compound N1N=NC=2CN(CCC=21)C(CC=1OC(=NN=1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)=O KZEVSDGEBAJOTK-UHFFFAOYSA-N 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- HMUNWXXNJPVALC-UHFFFAOYSA-N 1-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperazin-1-yl]-2-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)N1CCN(CC1)C(CN1CC2=C(CC1)NN=N2)=O HMUNWXXNJPVALC-UHFFFAOYSA-N 0.000 description 1
- LDXJRKWFNNFDSA-UHFFFAOYSA-N 2-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]ethanone Chemical compound C1CN(CC2=NNN=C21)CC(=O)N3CCN(CC3)C4=CN=C(N=C4)NCC5=CC(=CC=C5)OC(F)(F)F LDXJRKWFNNFDSA-UHFFFAOYSA-N 0.000 description 1
- YJLUBHOZZTYQIP-UHFFFAOYSA-N 2-[5-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]-1,3,4-oxadiazol-2-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C1=NN=C(O1)CC(=O)N1CC2=C(CC1)NN=N2 YJLUBHOZZTYQIP-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- ORFSSYGWXNGVFB-UHFFFAOYSA-N sodium 4-amino-6-[[4-[4-[(8-amino-1-hydroxy-5,7-disulfonaphthalen-2-yl)diazenyl]-3-methoxyphenyl]-2-methoxyphenyl]diazenyl]-5-hydroxynaphthalene-1,3-disulfonic acid Chemical compound COC1=C(C=CC(=C1)C2=CC(=C(C=C2)N=NC3=C(C4=C(C=C3)C(=CC(=C4N)S(=O)(=O)O)S(=O)(=O)O)O)OC)N=NC5=C(C6=C(C=C5)C(=CC(=C6N)S(=O)(=O)O)S(=O)(=O)O)O.[Na+] ORFSSYGWXNGVFB-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18105—Extraction of features or characteristics of the image related to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18124—Extraction of features or characteristics of the image related to illumination properties, e.g. according to a reflectance or lighting model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/186—Extraction of features or characteristics of the image by deriving mathematical or geometrical properties from the whole image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/293—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of characters other than Kanji, Hiragana or Katakana
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种数显仪表指示值图案处理方法,用图像采集设备获取包含数显仪表指示值图案的一组图像,计算图像的图元特征量,将两幅图的元特征量差作为图差并进行分类,类别数至少包括三种类别,然后将图差按单个数字分割出来并得到单个数字的图差几何特征和图差特征值。用它得出指示值的字符几何特征和字符特征值或与标准模板的模板几何特征和模板特征量进行匹配,从而得出指示值图案中对应的数字。该方法不需对指示值图案用阈值进行二值化处理,特别适用于低反差指示值图案并兼容非低反差图案。
Description
技术领域
本发明涉及一种图像处理领域,更具体地说,它涉及一种数显仪表指示值图案处理方法。
背景技术
在现有技术中,越来越多的测试/检测/校准/检定装置和方法通过获取被检测数显仪表的显示器图形,对获取的指示值图案图形进行预处理并二值化,然后转变为ASCII编码表示的仪表读数(或指示值)并生成相应的测试报告/检测报告/校准证书/检定证书,其共同特点为在同一幅图像平面内对指示值图案进行处理。
但是,在被检测仪表的显示器中存在低反差显示器,主要是电池供电的LCD显示器,由于显示器的反差低,环境杂乱的背景、以及摄像头在显示器表面的成像使采集的图像中包含不均匀灰度并对后续处理带来明显影响,对该类低反差指示值图案二值化后进行数字字符识别是极其困难的;故此避开对低反差图像进行二值化,并将数显仪表指示值的数字字符识别出来是目前需解决的问题。
本发明与单纯图形图像处理的新颖性在于:利用在测试/检测/校准/检定进行中可以方便地抓取(多幅)数显仪表指示值变化前后的图案制作为指示值图差并得出指示值变化前后的数值,对指示值图差具体处理中优选地避免用阈值对图差进行划分(类似二值化),而是利用图差的幅值特性从(多幅)图差中提取“特征种子”,不仅利用图差(和/或图像)的空间相关性在“特征种子”邻近扩大该“特征类”范围,而且还可利用图差(和/或图像)在时域的周期性扩大“特征类”范围,在空间域与时间域三维空间内进行相关性关联运算处理,该方法特别适用于低反差指示值图案并兼容非低反差图案。
针对测试/检测/校准/检定这个特定领域中的专业项目,充分利用被检测仪表的型号作为预设条件、被检测仪表的显示器为先验信息这些优势,可容易且非常简单地将包含数显仪表指示值图案的区域分割出,所述可以利用的“预设条件”、“先验信息”包括如下特征;
(1)当图像采集设备获取包含数显仪表指示值的一组图像时,数显仪表的显示器类型为已知条件且与数显仪表型号关联,显示窗的几何尺寸与数显仪表几何关系固定,显示器的光学特性固定(例如:①字符高亮度型——LED笔段式/点阵式/图案式、使用背光照明的LCD显示器等);②字符低亮度型——无源反光式LCD笔段式/点阵式/字符式/数显仪表指示值图案式、以及高亮度背景中显示的低亮度的前景的显示器等);③字符色差型——使用彩色LCD图像显示器等)。
(2)在稳定的影响量条件下,需要间隔获取数显仪表指示值,指示值有一定规律性,常常用平均值、变异系数等指标进行考核;
(3)改变影响量,获取新的指示值;
(4)剂量当量仪,电度表,自来水表,天然气表等累积量测量仪表(以下统称为:累积量测量仪),其指示值在某些条件下与施加影响量的时间成比例关系;
(5)在测试/检测/校准/检定进行中图像采集设备与仪表显示器的几何位置可以不变;
(6)指示值图案中局部会呈现可视消隐交替出现;
(7)检测实验室相对固定且同一型号被检测仪表会多次出现,从既往图像中学习出实验室背景、被检测仪表的特征及几何关系,不仅可将图像中数显仪表指示值的图案“圈出”,或将显示窗以外的图像抠除,而且还可得到指示值的数字字符的“字符几何特征”。
上述特征为数显仪表指示值图案处理方法提供了充分的数据资源,为本发明奠定了坚实基础,在测试/检测/校准/检定进行中可以方便地抓取数显仪表指示值变化前后的图案制作为指示值图差并得出指示值变化前后的数值,这种方法可避免对数显仪表指示值图案二值化。
发明内容
本发明目的在于提供一种数显仪表指示值图案处理方法,适用于测试/检测/校准/检定领域中处理低反差指示值图案,经该方法处理后可得出数显仪表指示值以ASCII编码表示的数值。
所述一种数显仪表指示值图案处理方法包括以下步骤:
S1,用图像采集设备获取包含数显仪表指示值图案的一组图像,其中所述一组图像至少包括2幅图像,图像按采集顺序排列的序号称为图序;
通常图像按采集顺序排列,第n幅图像用Pn表示,常常n又称为图序;
S2,计算图像的图元特征量;
所述图元特征量为描述图元特征的参量,包括图元所包含像素的光学特征量;所述图元是像素集合的名字;通常这一类像素具有某种共同的特征,例如在时间域同时变为可视或不可视,或/和在空间域相邻等;所述像素的光学特征量是由RGB构成的函数;所述由RGB构成的函数包括可通过RGB转换为灰度(即:灰度是由RGB构成的函数,下同)、或可通过RGB转换为亮度、或可通过RGB转换为色饱和度、或可通过RGB转换为色度或用各种分量表示的的光学特征量;
S3,计算图差,所述图差为两幅图像相同位置处的图元特征量的差;
S4,对图差进行分类,类别数至少包括三种类别;
三种类别可具体分别用0特征类、1特征类、﹣1特征类表示,也可具体地分别用A、B、C表示,表示方法不受限制;
此外还可存在未知特征类(用×特征类表示)等类别,为方便叙述,图差未被分类前用×特征类表示;对图差分类完成时有可能不存在1特征类、或/和﹣1特征类;
S5,将图差按指示值图案中的单个数字分割出来;
S6,得出单个数字的图差几何特征和图差特征值,所述图差特征值至少包括三种取值。
图差几何特征可使用不同表示方法,例如:直观地,对于等效发光型LED图差特征值可用“未变化”、“点亮”、“熄灭”表示三种取值;更普遍地,适用性和表述合理性扩大到包括不发光的LCD时,图差特征值用“未变化”、”可视”、“消隐”表示三种取值;抽象地,图差特征值用整数“0”、“1”和、“﹣1”表示三种取值;更实用地,图差特征值采用包含0的正整数编码“1”、“2”和、“0”表示三种取值等(前述整数取值+1)等。
当然,还可能有暂时不用关心的第四、第五状态,如:“未识别状态”、“未赋值状态”、“无法识别状态”、“NULL状态”等。
进一步,步骤S4对图差进行分类时,三种类别具体分别用0特征类、1特征类、﹣1特征类表示,所述﹣1特征类对应的图差数值为负数;所述1特征类对应的图差数值为正数。
更进一步,对图差进行分类时具体包括Y41A、Y41B、Y41C中的任意一种、或两种或全部;其中,
Y41A为图差数值处于第一正阈值pT1和第一负阈值nT1区间内被标记为0特征类,所述nT1≤0,pT1≥0;
nT1=﹣pT1表示用正负对称阈值将图差标记为0特征类;约定:当阈值pT1=nT1=0时,图差=0满足“图差数值处于第一正阈值pT1和第一负阈值nT1区间”;
Y41B为图差数值不低于第二正阈值pT2被标记为1特征类,所述pT2≥pT1;
所述1特征类的图差数值为正数,又称为正图差,但并非所有图差数值为正数都被标记为1特征类;
Y41C为图差数值不超过第二负阈值nT2被标记为﹣1特征类,所述nT2≤nT1;
所述﹣1特征类的图差数值为负数,又称为负图差,但并非所有图差数值为负数被标记为﹣1特征类。
图差未被分类前用×特征类表示,当nT2≠nT1或/和pT1≠pT2时,×特征类的图差数值可能分布在(nT2,nT1)或/和(pT1,pT2)之间;
pT2=pT1表示用单阈值对正图差进行分类处理,nT2=nT1表示用单阈值对负图差进行分类处理,nT2=﹣pT2表示用正负对称阈值对图差进行分类处理,pT2=pT1=﹣nT2=﹣nT1表示用正负对称单阈值对图差进行分类处理,nT2=nT1=pT2=pT1=0用于对高亮度图像(例如:LED)的图差进行分类处理,即:图差数值>0被标记为1特征类,图差数值<0被标记为﹣1特征类。
更进一步,包括将特征微分量按图序排列成特征微分量VS图序曲线并将该曲线上1特征类与﹣1特征类之间的特征微分量标记为0特征类,所述特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差。
更进一步,包括对非0特征类的图差进行增强处理,所述增强处理包括将图差的绝对值增大。
进一步,还包括Y43A、Y43B、Y43C中的任意一种、或任意二种或全部处理方法;其中,
Y43A为按特征类进行膨胀处理;
Y43B为按特征类进行收缩处理;
Y43C为去掉图差中特征类孤点噪声。
进一步,步骤S4还包括用相邻图差的评价量对所述图差进行分类处理,所述评价量包括Y45A、Y45B、Y45C、Y45D、Y45E、Y45F、Y45G中的任意一种、或任意二种、或任意三种、或任意四种、或任意五种、或任意六种或全部;其中,
Y45A以相邻图差的平均值作为评价量;
Y45B以相邻图差的中值作为评价量;
Y45C以相邻图差的移动平滑结果作为评价量;
Y45D以相邻图差为权重系数的函数作为评价量;
Y45E以相邻图差的距离为权重系数的函数作为评价量;
Y45F以相邻图差中相同特征类的数量作为评价量;
Y45G以相邻图差数值的正负号作为评价量。
更进一步,所述以相邻图差的具体含义包括Y45X、Y45Y、Y45Z中的任意一种、或任意二种或全部,其中,
Y45X为空间域中坐标相邻;
Y45Y为时间域中图序相邻;
Y45Z为图差使用时间域中图序相邻的两幅图像相同位置处的图元特征量的差。
进一步,用图差几何特征和图差特征值得出指示值的字符几何特征和字符特征值,进而根据字符几何特征和字符特征值得出指示值图案对应的数字。
进一步,将数显仪表指示值图案的字符系列归类到Y61、Y62、Y63字符系列中的任意一种,对该字符系列制作模板字符,用两个模板字符图案差作为标准模板并用模板几何特征和模板特征量描述,将S6得出的图差几何特征和图差特征值与模板几何特征和模板特征量进行匹配,从而得出指示值图案中对应的数字;
所述Y61表示七段数码0~9组成的字符系列,字符0~9的图案可等效分为七笔段,同一笔段在同一时刻具有相同的光学特征,通过改变笔段的光学特征组合实现字符0~9的显示;
所述Y62表示阿拉伯数字0~9组成的字符系列,字符0~9的图案为阿拉伯数字;
所述Y63表示同一数显仪表指示值中字符图案组成的字符系列。
所述字符系列包括出现在同一台数显仪表指示值图案中。
更进一步,枚举出该字符系列中所有模板字符图案差作为标准模板并用模板几何特征和模板特征量描述。
与现有技术相比,本发明具有以下有益效果:
本发明通过图像采集设备获取包含数显仪表指示值图案的一组至少包括2幅的图像,通过图像的图元特征量计算出图差,并对图差按三个“特征类”进行分类。对图差进行分类处理时优选地避免仅用阈值对图差进行划分(类似于灰色图的二值化),而是利用图差的幅值特性从(多幅)图差中提取“特征种子”,不仅利用图差(和/或图像)的空间相关性在“特征种子”邻近扩大“特征类”范围,而且还可利用图差(和/或图像)在时域的周期性扩大“特征类”范围,在空间域与时间域三维空间内进行相关性关联运算处理,从而避开了用阈值对低反差图案进行二值化处理的难题,经该方法处理后可进一步识别出指示值数字,并以ASCII编码表示指示值数字;本方法对于测试/检测/校准/检定领域中“低反差”图案是必须,带来的益处很明显,同时兼容适用于非“低反差”图案,识别出的指示值数值还可与其他方法识别出的指示值数值作一致性验证。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为低反差数显仪表指示值图案处理方法的流程示意图。
图2为“低反差”数显仪表指示值图案“000”和“1”用不同阈值进行二值化后的黑白对比示意图,图中(201)、(202)、(203)均为“000”指示值图案,(204)、(205)、(206)均为“1”(前导“0”消隐)指示值图案;图中(201)、(204)为使用相同较高的阈值对指示值图案进行二值化后的黑白对比示意图,图中(202)、(205)为使用相同中等的阈值对指示值图案进行二值化后的黑白对比示意图,图中(203)、(206)为使用相同较低的阈值对指示值图案进行二值化后的黑白对比示意图。
图3为不同阈值对图差进行二值化后的黑白比示示意图,图中(301)为阈值较高时,图形不全但只少量“残差噪声”,(302)和(303)为逐步降低阈值时图中“残差噪声”逐步增加的黑白对比示意图。
图4为对图差进行分类处理过程中X135、X136、X137的图差频数分布变化的对比示意图;图中(401)为X135、X136、X137的图差频数分布示意图,(402)将绝对值低于阈值的图差置为零后X135、X136、X137的图差频数分布示意图,(403)进一步用评价量将×特征类归类到0特征类并置为零后X135、X136、X137的图差频数分布示意图。
图5为用X轴宽度为10的矩形图元计算出特征微分量的绝对值|D|VS图序曲线的示意图,水平轴为图序(n),垂直轴为特征微分量绝对值|D|,其中图例X=1、X=11、…、X=51等表示矩形图元的位置;图中(501)为包含指示值图案中百位数字符的特征微分量|D|绝对值VS图序曲线示意图,(502)为包含指示值图案中十位数字符的特征微分量绝对值|D|VS图序曲线示意图,(503)为包含指示值图案中个位数字符的特征微分量绝对值|D|VS图序曲线示意图。
图6为用七段数码系列中两个模板字符“0”与“3”建立标准模板的示意图,图中(601)为七段数码系列中模板字符“0”与“3”各笔段的示意图,■代表可视笔段;(602)为标准模板的示意图,■为“消隐笔段变为可视笔段”,框中数字1表示其模板特征量为“1”,◇为“可视笔段变为消隐笔段”,□为“无变化可视笔段”,框中数字0表示其模板特征量为“0”。
图7为对数显仪表指示值中两个待识别数字进行识别处理的示意图,图中(701)为图像采集设备获取指示值图案变为另一个指示值图案的示意图,“?”表示“未知”;(702)为指示值图差几何特征和图差特征值表示的示意图;(703)为匹配吻合得出识别结果的示意图。
图8为对图差经过膨胀、收缩操作后的效果示意图。
图9为从图差统计出字符的高度和宽度的示意图;图中(9A)为任意一个字符图差得到字符的高度和宽度的示意图,(9B)和(9C)使用2个字符图差得到字符的高度和宽度的示意图。
图10为对图差进行分类处理过程中效果变化的示意图,图中用“■”表示1特征类,“□”表示0特征类,空白“”表示×特征类;图10(a)仅将“图差=0”归类到0特征类时的分类处理效果示意图;图10(b)将图差绝对值低于阈值归类到0特征类后的分类处理效果示意图;图10(c)进一步用评价量将×特征类归类到0特征类的分类处理效果示意图。
图11为“低反差”指示值图案中字符灰度与背景灰度相互融合的示意图;图中(11A)为“低反差”指示值图案“000”抠掉“088”笔段所在区域的图案后单纯背景的RGB均值的分布曲线示意图;(11B)为指示值图案“000”的个位“0”图案灰度的分布曲线示意图,其中黑色实线图例“A”表示整个个位“0”图案灰度的分布曲线,其中黑色实点线图例“T”表示个位“0”图案上1/4处灰度的分布曲线,其中黑色空心线图例“B”表示个位“0”图案下1/4处灰度的分布曲线;(11C)为指示值图案个位“0”图案上1/4处灰度以及分为“T1”、“T2”左右两部分灰度的分布曲线示意图;(11D)为指示值图案个位“0”图案下1/4处灰度以及分为“B1”、“B2”左右两部分灰度的分布曲线示意图。
图12为根据图11中(11A)所示的凹点对数显仪表指示值图案“000”抠掉“088”笔段所在区域后的背景二值化黑白示意图,图中■为低于阈值的图元,□为高于阈值的图元,图中“”为抠掉“088”的空间。
图13为图差使用时间域中图序相邻的两幅图像相同位置处的图元特征量的差在空间域中坐标相邻和时间域中图序相邻构成的三维空间中计算平均值的示意图,图中n﹣1、n和n+1表示时间域中图序相邻,Dn﹣1表示(n﹣1)时间域的空间域中坐标相邻的“3×3”特征微分量矩阵,Dn表示(n)时间域的空间域中坐标相邻的“5×5”特征微分量矩阵,Dn+1表示(n+1)时间域的空间域中坐标相邻的“3×3”特征微分量矩阵,=>表示在三维空间中计算平均值,其结果为0.9。
图14为使用多阈值方法对图差进行分类的示意图,图中(14A)为“低反差”指示值图案“000”和“1”(前导“0”已消隐)局部相同位置图元特征量及其图差沿Y方向分布的示意图,水平轴为Y方向,图例BX12、BX13、BX14为指示值图案“000”百位数值字符的“笔段e”和“笔段f”所在处图元特征量,图例AX12、AX13、AX14为指示值图案“1”百位数值字符的“笔段e”和“笔段f”所在处图元特征量(前导“0”已消隐),图例AX12-BX12、AX13-BX13、AX14-BX14为对应的图差;(14B)为使用阈值获得“特征种子”的示意图,图中“0特征种子”标记为T0,“1特征种子”标记为T1;(14C)为使用相邻图差的评价量对所述图差进行分类处理的示意图,图中(Y1~Y42)和(Y51~Y91)区域与“1特征种子”相邻而被标记为1特征类,图中T0A表示与“0特征种子”相邻而被标记为0特征类,Y轴71处在(14B)中被标记为0特征类但后续被相邻图差纠正为1特征类,(14C)中标记为T1A。
图15为使用多阈值方法对图差进行分类的示意图,其中:图(15A)“低反差”指示值图案“000”和“1”(前导“0”已消隐)局部相同位置图元特征量及其图差沿Y方向分布的示意图,水平轴为Y方向,图例BX148、BX149、BX150为指示值图案“000”个位数值字符的“笔段b”和“笔段c”所在处图元特征量,图例A148、A149、A150为指示值图案“1”个位数值字符的“笔段b”和“笔段c”所在处图元特征量,图例AX148-BX148、AX149-BX149、AX150-BX150为对应的图差;图(15B)为使用阈值获得“特征种子”的示意图;图(15C)为使用相邻图差的评价量对所述图差进行分类处理的示意图。
图16为图14和图15中X12、X13、14的位置、X148、X149、X150的位置示意图,其中X、Y标出了坐标轴的方向;(16A)为图14中X12、X13、X14的位置示意图;(16B)为图15中X148、X149、X150的位置示意图。
图17为“几何特征提取孔板(17A)”作用于七段数码字符的示意图,图中(17A)为“几何特征提取孔板(17A)”以及“提取孔(b)”、“提取孔(c)”、“提取孔(e)”和“提取孔(f)”的示意图,(17B)为七段数码字符的示意图,(17C)为该孔板作用于七段数码字符的效果示意图。
图18为“几何特征提取孔板(18A)”作用于七段数码字符的示意图,图中(18A)为“几何特征提取孔板(18A)”以及“提取孔(a)”、“提取孔(d)”和“提取孔(g)”的示意图,图中(18B)为七段数码字符的示意图,图中(18C)为该孔板作用于七段数码字符的示意图。
图19为阿拉伯数字0~9分别被“抠除板0”~“抠除板9”抠除后残余图像的示意图。
图20为用“几何特征提取孔板(20A)”将“同一数显仪表指示值中字符图案组成的字符系列”中数字“0”和数字“1”提取出来的示意图;图中“几何特征提取孔板(20A)”具有(K1)和(K2)两个通孔;图中(20B)为数字的示意图;(20C)为用该孔板作用于数字/>的效果示意图;(20D)为数字“1”的示意图;(20E)为用该孔板作用于数字“1”的效果示意图。
图21为用权重系数作为评价量对图差进行分类的效果对照示意图,图中(21A)为分类处理前的效果示意图,(21B)为用图24中(24C)所示的权重系数对图差进行分类处理的效果示意图;■为1特征类,□为×特征类,“”(空格)为0特征类。
图22为对6幅数显仪表指示值图像的图差分类的示意图,图中■为1特征类,□为﹣1特征类,“”(空格)为0特征类,“·”为×特征类;(22A)为数字“69”跳变为“75”时图差分类的示意图;(22B)为数字“75”跳变为“80”时图差分类的示意图;(22C)为数字“80”跳变为“86”时图差分类的示意图;(22D)为数字“86”跳变为“91”时图差分类的示意图;(22E)为数字“91”跳变为“96”时图差分类的示意图。
图23为用图差几何特征和图差特征值得出指示值图案中数字的字符几何特征和字符特征值,并得出指示值图案对应数字的示意图;其中“指示值图案”为七段数码系列待识别指示值图案“X”(Pn)、“Y”(Pn+1)、“Z”(Pn+2),图差特征值用“0”、“1”和、“﹣1”表示三种取值;图中■——表示笔段“由消隐变为可视”,图差特征值为“1”;◇——表示笔段“由可视变为消隐”,图差特征值为“﹣1”(“﹣1”未在图中标注出来);□——代表笔段“未变化”,图差特征值为“0”;(23A)为指示值图案“X”变化为指示值图案“Y”的示意图,图中“?”表示待识别;(23D)为指示值图案“Y”变化为指示值图案“Z”的示意图,图中“?”表示待识别;(23B)为指示值图案“X”变化为指示值图案“Y”时图差几何特征和图差特征值示意图;(23C)为根据图23中(23B)推测出指示值图案“X1”变化为指示值图案“Y1”各笔段值的示意图,其中——表示笔段值“未知”;(23E)为指示值图案“Y”变化为指示值图案“Z”时图差几何特征和图差特征值示意图;(23F)为根据图(23E)推测出指示值图案“Y”变化为指示值图案“Z”各笔段值的示意图。
图24为用权重系数作为评价量对图差进行分类的示意图;图中(24A)为分类处理前同一图序内图差分别向X轴、Y轴投影得到图差沿X轴、Y轴的密度分布曲线;(24B)为分类处理后将同一图序内图差分别向X轴、Y轴投影得到图差沿X轴、Y轴的密度分布曲线;(24C)使用无阈值的X轴、Y轴的密度分布曲线构造权重系数的示意图;(24D)将评价量分别向X轴、Y轴投影得到评价量沿X轴、Y轴的密度分布曲线。
图25为用笔段定义图元后图元特征量VS图序曲线和特征微分量VS图序曲线的对照示意图,图(1a)~(1K2)中Y轴为图元特征量,X轴为图序(n),图中(1a)~(1K2)分别对应a笔段~K2笔段的图元特征量。图中(2a)~(2K2)中Y轴为特征微分量D,X轴为图序(n),图中(2a)~(2K2)分别对应a笔段~K2笔段的特征微分量。
图26为第4次照射后当量仪读数个位数字的R+G+B值特征的示意图。
图27为第5次照射后当量仪读数个位数字的R+G+B值特征的示意图。
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明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
【实施例1】
下面结合实施例对本发明实施例作进一步的详细说明,流程示意图如图1所示;所述一种数显仪表指示值图案处理方法,其特征在于包括以下步骤:
S1,用图像采集设备获取包含数显仪表指示值图案的一组图像,其中所述一组图像至少包括2幅图像,图像按采集顺序排列的序号称为图序;
图像采集设备——为摄像头、或照相机、或CCD图像阵列、或CMOS图像阵列等用于将光学图像转变为数字数据的设备、或装置、或部件、或仪器。
图像——为图像采集设备产生的数据集合,包括图像、图形、照片、将视频数据流转变为的图像、图形、照片等,均简称为“图像”,图像在所述一组中排列的位置称为图序,通常图像按采集顺序排列,第n幅图像用Pn表示,第m幅图像用Pm表示,常常n、m又被称为图序;优选地:用摄像头视频流中关键帧作为采集的图像,可避免两关键帧之间合成的图像可能出现字符混乱的状况,例如:关键帧中数字2与1合成为可发现的混乱字符“6”,关键帧中数字6与1合成可不可发现的错误字符“8”等;进一步优选地:间隔地从关键帧中采集图像;抛弃相同内容的关键帧以减少数据量,例如:数显仪表指示值图案通常大约按每一秒钟更新一次显示内容,而关键帧的数量比这个值高。
数显仪表指示值图案——特指指示值的数值的“字符图案”,简写为“指示值图案”,即本实施例中图像处理的焦点。“指示值图案”可以是发光型LED笔段式/点阵式/几何图形式显示器的图案、无源反光型LCD笔段式/点阵式/几何图形式显示器的图案以及背光型LCD笔段式/点阵式/几何图形式显示器的图案等。
为了方便统一叙述,约定:白纸面上用“黑”色对应“指示值图案”的可视状态,将“发光型”指示值图案的“点亮”状态(即:可视状态)作变换等效为白纸面上“黑色”(RGB=0,0,0)。
本实施例中举例使用的素材图像为“低反差”数显仪表指示值图案,图案中指示值的字符为“000”和“1”(前导“0”消隐),为满足实施例文件附图使用黑白图的要求采用6幅黑白图作为描述“低反差”的对比示意图。数显仪表指示值图案使用RGB平均值作为“灰度”,然后用不同阈值对其进行二值化,二值化后的黑白示意图如图2所示;图2中(201)、(202)、(203)为“000”指示值图案,图2中(204)、(205)、(206)为“1”(前导“0”消隐)指示值图案,图2中(201)、(204)为使用相同较高的阈值对指示值图案进行二值化后的黑白示意图,图2中(202)、(205)为使用相同中等的阈值对指示值图案进行二值化后的黑白示意图,图2中(203)、(206)为使用相同较低的阈值对指示值图案进行二值化后的黑白示意图。
以上对比示意图说明图中指示值图案的灰度与背景的灰度相互融合,将“低反差”指示值图案二值化出来面临困难,对本实施例中所使用“低反差”数显仪表指示值图案特征的详细描述见本实施例尾部的“后记”。
当不满足采集的图像中仅包括数显仪表指示值图案时,可优选地“分割出、或标记出、或裁剪出”数显仪表指示值的图案,所述标记出包括用坐标表示数显仪表指示值图案的位置,或用数组的下标表示数显仪表指示值图案在数组中的位置;当仅包含数显仪表指示值的图案时,背景变化对后续处理的影响可以忽略,提高后续处理中数据的信噪比,例如:将序列图像中数显仪表指示值的显示窗以外的图像作为背景抠除后,因人员走动形成的背景变化对后续处理的影响可以减少。
“测试/检测/校准/检定”中被检测仪表的型号为必要确定信息,与型号关联的先验信息可以包括显示器种类、显示器的光学特性、显示窗的几何形状/尺寸以及在被检测仪表上的位置特征、被检测仪表上的文字特征、图案线条特征、图案颜色特征等,且长期稳定。
⑴一方面可充分利用先验信息,用几何关系将图像中数显仪表指示值的图案“圈出”(“分割出、或标记出、或裁剪出”),或将显示窗以外的图像抠除(具体可采用“分割出、或标记出、或裁剪出”等);
⑵另一方面,“测试/检测/校准/检定”中通常数显仪表指示值会变化,利用这一特点可识别并定位到“变化的数显仪表指示值图案”上(即图像处理的聚焦点),再利用显示窗在面板上通常都有可视的颜色或灰度分界,从而将图像中数显仪表指示值的图案“圈出”,或将显示窗以外的图像抠除;
⑶检测实验室相对固定且同一型号被检测仪表会多次出现,从既往图像中学习出实验室背景、被检测仪表的特征及几何关系,从而将图像中数显仪表指示值的图案“圈出”,或将显示窗以外的图像抠除;
⑷综合使用上述⑴、⑵、⑶方法将图像中数显仪表指示值的图案“圈出”,或将显示窗以外的图像抠除。
S2,计算图像的图元特征量;
所述图元特征量为描述图元特征的参量,包括图元所包含像素的光学特征量,图元特征量用广义公式表示为:
Tn(iA,jB)=f(Xn(i,j)) (1)
式中:Tn(iA,jB)——图序为n的图像Pn中位于(iA,jB)点的图元特征量;
f(Xn(i,j))——图元所包含的像素的光学特征量的函数。
作为f(Xn(i,j))函数的特例,图元特征量由图元所包含像素的光学特征量经过累加、或平均、或加权累加、或加权累加平均计算而得到;假设图元包含w×h像素,用(i,j)表示像素的位置,位于(i,j)点像素的光学特征量用Xn(i,j)表示,则图元特征量为所包含像素光学特征量的总累积如公式(2)所示;图元特征量为所包含像素光学特征量的平均值如公式(3)所示;
除此之外,图元特征量还可用权重系数进行加权计算,如公式(4)所示;
式中:Wn(i,j)——广义权重函数,例如:Wn(i,j)权重函数可是距离权重函数(如:高斯滤波),灰度权重函数,或距离权重函数和灰度权重函数(如:双边滤波)等。
穿透以上复杂的函数,图元特征量包括了图元所包含像素的光学特征量。
所述图元是像素集合的名字;通常这一类像素具有某种共同的特征,例如在时间域同时变为可视或不可视,或/和在空间域相邻等;
图元是本实施例中进行图像处理的基本单元;图元由至少1个像素构成,图像由至少1个图元构成,当图元由1个像素构成时,图元即为像素。
所述像素的光学特征量是由RGB构成的函数;
所述由RGB构成的函数包括可通过RGB转换为灰度(即:灰度是由RGB构成的函数,下同)、或可通过RGB转换为亮度、或可通过RGB转换为色饱和度、或可通过RGB转换为色度或用各种分量表示的的光学特征量;
例如:通常计算机采集图像使用“RGB色彩模式”,图像Pn上位于(i,j)点像素的光学特征量Xn(i,j)是由RGB构成的函数,用广义公式地表示为Xn(i,j)=f(R,G,B,n,i,j),具体地可通过RGB转换为灰度、或可通过RGB转换为亮度、或可通过RGB转换为色饱和度、或可通过RGB转换为色度或用各种分量表示的的光学特征量;
作为f(R,G,B,n,i,j)函数的特例,光学特征量可用公式(5)表示:
Xn(i,j)=kR·Rn(i,j)+kG·Gn(i,j)+kB·Bn(i,j) (5)
式中:Rn(i,j),Gn(i,j),Bn(i,j)分别为图像Pn中位于(i,j)点的红色分量、绿色分量和蓝色分量,kR,kG,kB分别为其对应的权重因子,但kR,kG,kB不全部同时为“零”;当kR=0.299,kG=0.587,kB=0.114即用灰度作为像素的光学特征量。
对于用纯蓝色(RGB:0,0,255)作背景,显示纯绿色(RGB:0,255,0)数字或显示纯红色(RGB:255,0,0)数字时,有极强烈的可视“视差”,但常用以(R+G+B)作为光学特征量计算出的图差为零,因而宜用HSI模型中色度H作为像素的光学特征量;类似地还有色差可视但具有相同灰度也宜用HSI模型中色度H作为像素的光学特征量。
图元由至少1个像素构成,例如:通常图元可根据实际需要选取图元用“3×3”矩阵、“3×5”矩阵、“5×9”矩阵表示,也可用类园形、菱形矩阵表示,还可以是其他任意形状,例如:由抠图模板定义图元,从摄像头数据流中学习出同时变为可视或“不可视”而定义的图元等。
1×1的图元由1个像素构成,图元即为像素。相邻的两个图元可以共有相同的像素,例如:两个3×3矩阵图元只占用图像中5×3矩阵。一幅图像中可以有像素未被图元包含。
⑴以多像素构成图元,减小运算量的同时,可减小图像差运算后的“残差噪声”,还可能提高图差的数值——这对处理低对比度图像特别有用;例如:图25为利用在时间域同时“可视/不可视”定义图元(即:笔段)后,图(2a)~(2K2)为特征微分量VS图序曲线,特征微分量高达1500~3000,而“残差噪声”远远低于1000。
⑵又例如:用矩形图元快速搜寻指示值图案中数值字符的位置,如图5所示,指示值图案中百位数、十位数字和个位数字的特征微分量绝对值|D|VS图序曲线。
上述⑴和⑵说明一幅图像中可同时定义不同类型的图元作不同处理,一个像素可分属不同类型的图元。
构造图元特征量时可根据需要使用权重系数——有选择性地突出重点。
S3,计算图差,所述图差为两幅图像相同位置处的图元特征量的差;
假设一组图像中,广义地两幅图像Pn和图像Pm(其中m≠n)的相同位置处的坐标(iA,jB)点的图元特征量分别用Tn(iA,jB)和Tm(iA,jB)表示,位于坐标(iA,jB)点的图差用Dn,m(iA,jB)表示,则:
Dn,m(iA,jB)=Tm(iA,jB)-Tn(iA,jB) (m≠n) (6)
Dn,m(iA,jB)代表了图像Pn与图像Pm之差,因而又称为图差;
优选地:当m=n+1时,即图序相邻,图差用Dn,n+1(iA,jB)表示,或简记为Dn(iA,jB),则:
Dn,n+1(iA,jB)=Tn+1(iA,jB)-Tn(iA,jB)或
Dn(iA,jB)=Tn+1(iA,jB)-Tn(iA,jB)
此种条件下Dn,n+1(iA,jB)(或Dn(iA,jB))又称为特征微分量,即:特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差。
按图序(n=1,2,3,…,)用图序相邻的图像计算出系列特征微分量,以特征微分量为Y轴,以图序(n)为X轴,被称为“特征微分量VS图序曲线”。
以上说明:图差为广义定义,特征微分量为图差在m=n+1时的狭义定义。
例3-1:“000”指示值图案与“1”指示值图案的图差绝对值被不同阈值进行二值化后的黑白对比示意图如图3所示,阈值较高时图形不全但只有少量“残差噪声”,如图中(301)所示;图中(302)和(303)为随着逐步降低阈值时图中“残差噪声”逐步增加的对比示意图。
从图3和图2可以初步总结出:虽然数显仪表指示值图案的原图由于反差低,显示窗表面上的环境成像等影响了原图的灰度均匀性,但对图差的影响降低了。
例3-2:采集数千幅某累计剂量数显仪表指示值图案,其中,n=26,n=27为“图像采集设备”获取到指示值图案“000”变为“1”(前导“0”消隐),n=875和n=876时指示值图案由“99”(前导“0”消隐)变被“100”,用X轴宽度为10的矩形图元计算出特征微分量的绝对值|D|VS图序曲线如图5所示,水平轴为图序(n),垂直轴为特征微分量绝对值|D|,其中图例X=1、X=11、…、X=51等表示矩形图元的位置;图中(501)为包含指示值图案中百位数字符的特征微分量|D|绝对值VS图序曲线示意图,(502)为包含指示值图案中十位数字符的特征微分量绝对值|D|VS图序曲线示意图,(503)为包含指示值图案中个位数字符的特征微分量绝对值|D|VS图序曲线示意图。
从图5中可以看到:当使用特征微分量时累计剂量数显仪表指示值图案的变化规律,这个规律可用于对识别结果的一致性验证及纠错处理,甚至还可用于甚至辅助识别。
S4,对图差进行分类,类别数至少包括三种类别;
三种类别可具体分别用0特征类、1特征类、﹣1特征类表示,也可具体地分别用A、B、C表示,表示方法不受限制;
此外还可存在未知特征类(用×特征类表示)等类别,为方便叙述,图差未被分类前用×特征类表示;对图差分类完成时有可能不存在1特征类、或/和﹣1特征类;
S5,将图差按指示值图案中的单个数字分割出来;
S6,得出单个数字的图差几何特征和图差特征值,所述图差特征值至少包括三种取值。
(6.1)图差几何特征
例如:七段数码系列图差几何特征与七段数码字符几何特征一致,按字符笔段的分布位置“上、右上、右下、下、左下、左上、中”用(笔段a、笔段b、笔段c、笔段d、笔段e、笔段f、笔段g)表示,约定简记为(a,b,c,d,e,f,g)或(abcdefg);
当提及“七段数码的笔段a”,常识性地都会联想到“上部横”笔段,而提及“七段数码的笔段g”,常识性地都会联想到“中部横”笔段,即本发明实施例中图差几何特征、字符几何特征的具体实例。
为了将七段数码系列图差“右上、右下、左下、左上”的图差特征值(对应于七段数码字符的笔段b、c、e、f)提取出来,设计了如图17所示的“几何特征提取孔板(17A)”,图中“提取孔(b)”、“提取孔(c)”、“提取孔(e)”和“提取孔(f)”分别用于提取“右上、右下、左下、左上”的图差特征值,七段数码字符的示意图如图中(17B)所示,用该孔板作用于七段数码字符的效果示意图如图中(17C)所示。
除此之外,为了将七段数码系列图差特征值的“上、中、下”(对应于七段数码字符的笔段a、g、d)提取出来,设计了如图18所示的“几何特征提取孔板(18A)”,图中“提取孔(a)”、“提取孔(d)”和“提取孔(g)”提取“上、中、下”笔段的图差特征值,七段数码字符的示意图如图中(18B)所示,用该孔板作用于七段数码字符的效果示意图如图中(18C)所示。
每个“提取孔”对应对应于七段数码字符的一个笔段,“提取孔”的位置和大小采用相对量描述,既能让图差中包涵笔段的图差通过并留有几何误差宽容度,又尽可能减少其它笔段的干扰。图17和图18中“几何特征提取孔板”带有小的倾斜角度,可提高“几何特征提取孔板”的宽容度同时可避免对每一幅图像做倾斜纠正带来的数据运算量增大的缺陷。将多幅图差的1特征类或﹣1特征类按类别分别经过多次膨胀/收缩操作后与“几何特征提取孔板”合并成的“自适应提取孔板”,具有自适应的特点和更高的信噪比,图12中抠掉“088”的空间就是一个自适应的“几何特征提取孔板”,很明显将抠掉的“8”空间与左边抠掉的“0”空间合并,就可得到抠掉的“888”的空间。
“提取孔”也可变形为穿过笔段的一条线取名为“检测线”。
例如:阿拉伯数字系列的图差几何特征采用10个“抠除板”描述,具体工艺为采用加粗的阿拉伯数字字符0~9作为“抠除板”,分别用“抠除板0”~“抠除板9”表示。
例如:为了将“同一数显仪表指示值中字符图案组成的字符系列”中数字“0”和数字“1”提取出来,其中数字“0”字符中心带斜杠数字“0”的示意图如图中(20B)所示,数字“1”的示意图如图中(20D)所示,设计了如图20所示的“几何特征提取孔板(20A)”,该孔板具有(K1)和(K2)两个通孔,用该孔板作用于数字/>的效果示意图如图中(20C)所示,用该孔板作用于数字“1”的效果示意图如图中(20E)所示。
“几何特征提取孔板”/“抠除板”仅仅为看图说话的示意图,在实际中常用数组的坐标表示“提取孔”/“抠除板”的位置,在软件中的处理变为对数组的数据运算。
图差几何特征还可从下述方法中得到:
“测试/检测/校准/检定”中被检测仪表的型号为必要确定信息,与型号关联的先验信息可以包括显示器种类、显示器的光学特性、显示窗的几何形状/尺寸以及在被检测仪表上的位置特征、被检测仪表上的文字特征、图案线条特征、图案颜色特征等。
①利用先验信息,用几何关系得到显仪表指示值图案中所有字符的字符几何特征;
②摄像头对准被检测仪表后,从变化的指示图案中学习出指示值的“字符几何特征”;
③综合使用(6.1)中所有方法得到图差几何特征。
(6.2)图差特征值——给图差几何特征赋值
对图差几何特征的另一个数量型量化描述参数约定为图差特征值,所述图差特征值至少包括三种取值。可根据“提取孔”内图差的统计指标给图差几何特征赋值。
图差几何特征可使用不同表示方法,例如:直观地,对于等效发光型LED图差特征值可用“未变化”、“点亮”、“熄灭”表示三种取值;更普遍地,适用性和表述合理性扩大到包括不发光的LCD时,图差特征值用“未变化”、”可视”、“消隐”表示三种取值;抽象地,图差特征值用整数“0”、“1”和、“﹣1”表示三种取值;更实用地,图差特征值采用包含0的正整数编码“1”、“2”和、“0”表示三种取值等(前述整数取值+1)等。
当然,还可能有暂时不用关心的第四、第五状态,如:“未识别状态”、“未赋值状态”、“无法识别状态”、“NULL状态”等。
例如:图(702)中图差特征值的“g笔段”被判定为“1”可用下列统计指标进行判断:
①“几何特征提取孔板(18A)”的“提取孔(g)”中图差的总和高于设定的正数低限;
②“几何特征提取孔板(18A)”的“提取孔(g)”中1特征类的数量高于设定的低限,例如1特征类的数量占比高于50%(其他特征类总占比低于50%);
类似地:通过使用“几何特征提取孔板(17A)”的“提取孔”(e)和“提取孔”(f),图(702)中图差特征值的“e笔段”和“f笔段”被判定为“﹣1”;通过使用“几何特征提取孔板(17A)”和“几何特征提取孔板(18A)”中的“提取孔”(a)、“提取孔”(b)、“提取孔”(c)和“提取孔”(d),图差特征值的“a笔段”、“b笔段”、“c笔段”和“d笔段”被判定为“0”。
综上所述,图(702)中图差几何特征和图差特征值可表示为“Δa=0,Δb=0,Δc=0,Δd=0,Δe=﹣1,Δf=﹣1,Δg=1”。
笔段(a,b,c,d,e,f,g)共同构成图差几何特征或七段数码字符几何特征,图差几何特征或七段数码字符几何特征有(a,b,c,d,e,f,g)笔段,每个笔段具有数值属性:①图差特征量表征笔段的状态变化(Δ);②字符几何特征的数值属性广义称为字符特征值,七段数码的字符几何特征的数值属性又可具体称为“笔段值”。
用“几何特征提取孔板”将图差量化为图差特征值时,如果约定用“未变化”=0,“点亮”=1,“熄灭”=﹣1表示三种取值,则字符“0”跳变为“3”时各笔段变化状态为:Δa=“未变化”,Δb=“未变化”,Δc=“未变化”,Δd=“未变化”,Δe=“熄灭”,Δf=“熄灭”,Δg=“点亮”;如果约定用“未变化”=0,“可视”=1,“消隐”=﹣1表示三种取值,则字符“0”跳变为“3”时各笔段变化状态为:Δa=0,Δb=0,Δc=0,Δd=0,Δe=﹣1,Δf=﹣1,Δg=1。
例如:对于阿拉伯数字系列的阿拉伯数字字符0~9分别被“抠除板0”~“抠除板9”抠除后残余图像如图19所示,从图中可以得出:仅当阿拉伯数字与“抠除板”编号一致时无残余图像。即:阿拉伯数字系列的图差分别被“抠除板0”~“抠除板9”抠除后1特征类消失或﹣1特征类消失则该“抠除板”编号对应的阿拉伯数字存在于图差中,图差特征值可定义为{抠除板A的图差特征值为“﹣1抠除板”}和{抠除板B的图差特征值为“1抠除板”}分别对应于阿拉伯数字A跳变为阿拉伯数字B。
(6.3)使用图差几何特征和图差特征值识别出图差代表的数字;
例6-1:七段数码系列中只须与“几何特征提取孔板(17A)”的“提取孔”(c)对应的图差特征值被判定为“1”,立即可得到结论“数字‘2’变为数字‘?’(此处‘?’代表数字1、3、4、5、6、7、8、9、0)”;同时使用了图差几何特征{“提取孔”(c)}和{图差特征值为“1”}这两个条件。类似地若七段数码系列中只须与“几何特征提取孔板(17A)”的“提取孔”(c)对应的图差特征值被判定为“﹣1”,立即可得到结论“数字‘?’变为数字‘2’”;此处数字“2”就是识别出图差代表的数字,同时使用了图差几何特征{“提取孔”(c)}和{图差特征值为“﹣1”}这两个条件。
例6-2:“几何特征提取孔板(20A)”的“提取孔”(K2)对应的图差特征值被判定为“1”,立即可得到结论“数字‘?’变为数字‘0’”;同时使用了图差几何特征{“提取孔”(K2)}和{图差特征值为“1”}这两个条件,以下类似,不再赘述。类似地“提取孔”(K2)对应的图差特征值被判定为“﹣1”,立即可得到结论“数字‘0’变为数字‘?’”。
例6-3:“几何特征提取孔板(20A)”的“提取孔”(K2)对应的图差特征值被判定为“0”时,如果“提取孔”(K1)对应的图差特征值被判定为“1”则得到结论“数字‘?’变为数字‘1’”,如果“提取孔”(K1)对应的图差特征值被判定为“﹣1”则得到结论“数字‘1’变为数字‘?’”。
例6-4:“几何特征提取孔板(20A)”的“提取孔”(K2)对应的图差特征值被判定为“1”,“提取孔”(K1)对应的图差特征值被判定为“0”,立即可得到结论“数字‘1’变为数字‘0’”。
例6-5:“几何特征提取孔板(20A)”的“提取孔”(K2)对应的图差特征值被判定为“﹣1”,“提取孔”(K1)对应的图差特征值被判定为“0”,立即可得到结论“数字‘0’变为数字‘1’”。
例6-6:阿拉伯数字A跳变为阿拉伯数字B的图差,被“抠除板A”抠除后﹣1特征类消失,被“抠除板B”抠除后1特征类消失。“抠除板”为图差几何特征,“﹣1特征类消失”或“1特征类消失”为图差特征值。
小结:例6-1到例6-6中识别出图差代表的数字时包括使用图差几何特征和图差特征值。
(6.4)按单个数字分割图差;
“测试/检测/校准/检定”中被检测仪表的型号为必要确定信息,与型号关联的先验信息可以包括显示器种类、显示器的光学特性、显示窗的几何形状/尺寸以及在被检测仪表上的位置特征、被检测仪表上的文字特征、图案线条特征、图案颜色特征等。
①一方面可充分利用先验信息,用几何关系将图差按单个数字字符分割;
②另一方面,利用图像处理方法将图差按单个数字字符分割;
③当摄像头对准被检测仪表后,从变化的指示图案中学习出指示值的单个数字;
④综合使用上述①、②、③方法将图差按单个数字字符分割。
从图差统计出图差几何特征,进一步统计出“笔段”的“几何特征”(“笔段”的位置、长、宽等);例如:从七段数码系列图差统计出字符高度和宽度,如图9所示,从图9中(9A)3个字符图差任意之一就可得到字符的高度和宽度,进一步统计出“笔段”的“几何特征”;而(9B)和(9C)使用2个字符图差明确无误地得到字符的高度和宽度,从而为使用“几何特征提取孔板”奠定基础。
进一步,步骤S4对图差进行分类时,三种类别具体分别用0特征类、1特征类、﹣1特征类表示,所述﹣1特征类对应的图差数值为负数;所述1特征类对应的图差数值为正数。
更进一步,对图差进行分类时具体包括Y41A、Y41B、Y41C中的任意一种、或两种或全部;其中,
Y41A为图差数值处于第一正阈值pT1和第一负阈值nT1区间内被标记为0特征类,所述nT1≤0,pT1≥0;
nT1=﹣pT1表示用正负对称阈值将图差标记为0特征类;约定:当阈值pT1=nT1=0时,图差=0满足“图差数值处于第一正阈值pT1和第一负阈值nT1区间”;
Y41B为图差数值不低于第二正阈值pT2被标记为1特征类,所述pT2≥pT1;
所述1特征类的图差数值为正数,又称为正图差,但并非所有图差数值为正数都被标记为1特征类;
Y41C为图差数值不超过第二负阈值nT2被标记为﹣1特征类,所述nT2≤nT1;
所述﹣1特征类的图差数值为负数,又称为负图差,但并非所有图差数值为负数被标记为﹣1特征类。
图差未被分类前用×特征类表示,当nT2≠nT1或/和pT1≠pT2时,×特征类的图差数值可能分布在(nT2,nT1)或/和(pT1,pT2)之间;与图像二值化相比,此处对“图差三(多)特征化/三(多)值化”——“三”不准确,应为多,“三值化(多)值化”不准确,特征类不全是按幅值分类,在pT1~pT2之间,混合有0特征类、1特征类,其中可能出现:图差小但与“1特征种子”相邻而被划分为1特征类,图差大但与多个“0特征种子”相邻而被划分为0特征类。
pT2=pT1表示用单阈值对正图差进行分类处理,nT2=nT1表示用单阈值对负图差进行分类处理,nT2=﹣pT2表示用正负对称阈值对图差进行分类处理,pT2=pT1=﹣nT2=﹣nT1表示用正负对称单阈值对图差进行分类处理,nT2=nT1=pT2=pT1=0用于对高亮度图像(例如:LED)的图差进行分类处理,即:图差数值>0被标记为1特征类,图差数值<0被标记为﹣1特征类。
“不低于或等于第二正阈值pT2”(即:≥)包含了“不低于第二正阈值pT2”(即:﹥),同理“不超过或等于第二负阈值nT2”(即:≤)包含了“不超过第二负阈值nT2”(即:﹤)。
优选地,利用图差的幅值特性,使用阈值以较高的置信度从图差中挑选出“特征种子”,通过与“特征种子”的空间相关性在“特征种子”邻近扩大相同“特征类”范围,还可利用图差(和/或图像)在时域的周期性扩大“特征类”范围。
具体地:将满足nT1≤图差≤pT1的图差标记为0特征类,也称为归类到0特征类,阈值nT1和阈值pT1的具体数值通常根据图差取值范围和对图差错误分类的概率来确定,例如:
⑴将“图差=0”标记为0特征类,对图差错误分类的概率极低,即置信度极高;优选地,将“图差=0”标记为“0特征种子”。
⑵在图元特征量使用1×1像素的灰度时,灰度值0~255,图差取值范围﹣255~255,将满足“﹣1≤图差≤1”的图差标记为0特征类,对图差错误分类的概率较低,也即置信度较高。
⑶在图元特征量使用1×1像素的灰度时,将满足“﹣2≤图差≤2”的图差标记为0特征类,即:视为图差为“0”,对图差错误分类的概率低,即置信度高,但相比⑵对图差错误分类的概率升高了。
类似地:在图元特征量使用1×1像素的(R+G+B)值时,(R+G+B)值0~765,图差取值范围﹣765~765,将满足“﹣3≤图差≤3”的图差标记为0特征类,错误划分的概率较低。
优选地,将0特征类按“图差=零”参与后续分类处理。
优选地,使用较窄的阈值规定区间获得较高的置信度的0特征类作为“0特征种子”;对于非“低反差”图形而言将“图差数值处于第一正阈值pT1和第一负阈值nT1区间”的图差标记为0特征类不是必须的但是兼容的,软件执行这一段代码除了增加耗时并无其他副作用。
图10为对图差进行分类处理过程中效果变化的示意图,图中用“■”表示1特征类,“□”表示0特征类,空白“”表示×特征类;图10(a)仅将“图差=0”归类到0特征类时的分类处理效果示意图;图10(b)将图差绝对值低于阈值到0特征类后的分类处理效果示意图;图10(c)进一步用评价量将×特征类归类到0特征类的分类处理效果示意图,其中×特征类与1特征类构成了明显的字符特征;该示意图演示了找出“0特征种子”并通过与“0特征种子”的空间相关性在其邻近扩大相同“0特征类”范围的效果变化。
将图差不低于阈值pT2标记为1特征类,也称为归类到1特征类,阈值pT2的具体数值通常根据图差的最大值(用“MAX(图差)”表示,MAX(图差)>0且不低于预设值)和对图差错误分类的概率来确定,例如:
⑴当阈值pT2=MAX(图差)时,将满足这一条件的图差标记为1特征类,对图差错误分类的概率极低。
⑵在图元特征量使用单像素的灰度时,当阈值pT2=MAX(图差)﹣1时,将满足这一条件的图差标记为1特征类,对图差错误分类的概率较低。
⑶在图元特征量使用单像素的灰度时,当阈值pT2=MAX(图差)﹣2时,将满足这一条件的图差标记为1特征类,对图差错误分类的概率低。
图差中可以出现无1特征类这种情况。
优选地,使用较高的阈值pT2获得较高的置信度的1特征类作为“1特征种子”。
如图14中(14B)所示,使用较小的阈值pT1得较高的置信度的“0特征种子”,图中标记为T0;使用较高的阈值pT2获得较高的置信度的“1特征种子”,图中标记为T1;图中(Y1~Y42)和(Y51~Y91)区域利用与“1特征种子”相邻而被标记为1特征类,如图14的(14C)中所示,利用与“0特征种子”相邻而被标记为0特征类,图中标记为T0A;Y轴71处在图(14B)中被标记为0特征类但后续被相邻图差纠正为1特征类,图(14C)中标记为T1A。图(15B)为使用阈值获得“特征种子”的示意图,在图(15B)所在区域,阈值pT2出现无1特征类;图(15C)为使用相邻图差的评价量对所述图差进行分类处理的示意图,图中(Y11~Y21)和(Y81~Y91)区域利用与“1特征种子”相邻而被标记为1特征类。
类似的:将图差不超过阈值nT2标记为﹣1特征类,也称为归类到﹣1特征类,阈值nT2的具体数值通常根据图差的最小值(用“MIN(图差)”表示,MIN(图差)<0且不高于预设值)和对图差错误分类的概率来确定,例如:
⑴当阈值nT2=MIN(图差)时,将满足这一条件的图差标记为﹣1特征类,对图差错误分类的概率极低。
⑵在图元特征量使用单像素的灰度时,当阈值nT2=MIN(图差)+1时,将满足这一条件的图差标记为﹣1特征类,对图差错误分类的概率较低。
⑶在图元特征量使用单像素的灰度时,当阈值nT2=MIN(图差)+2时,将满足这一条件的图差标记为﹣1特征类,对图差错误分类的概率低。
图差中可以出现无﹣1特征类这种情况。
优选地,使用较低的阈值nT2获得较高的置信度的﹣1特征类作为“﹣1特征种子”。
图4为对图差进行分类处理过程中X135、X136、X137的图差频数分布变化的对比示意图;图中(401)为X135、X136、X137的图差频数分布示意图,(402)将绝对值低于阈值的图差置为零后X135、X136、X137的图差频数分布示意图,(403)进一步用评价量将×特征类归类到0特征类并置为零后X135、X136、X137的图差频数分布示意图。
优选地:用不同方法对图差进行分类时,对分类结果标记出分类方法;不同方法以及不同迭代次数从图差中得到的分类结果的置信度可能不一致,
将图差标记为(或归类到)特征类可另用一个变量来表示,也可将该图差的值置为通常不可能的数值来表示。
例如:以1×1像素为图元的灰度系统中,通常图差的绝对值不超过255,可用大于255的任何数值表示1特征类、或/和小于﹣255的任何数值表示﹣1特征类;
具体地:用“>255”表示1特征类,其中,细分为用“1000”表示1特征类中的“1特征种子”,用“900”表示方法1标记出的1特征类(根据“1特征种子”派生出),用“800”表示方法2标记出的1特征类,用“700”表示方法3标记出的1特征类,…。
类似地:用“<-255”表示-1特征类,其中,细分为用“-1000”表示-1特征类中的“-1特征种子”,用“-900”表示方法1标记出的-1特征类(根据“-1特征种子”派生出),用“-800”表示方法2标记出的-1特征类,用“-700”表示方法3标记出的-1特征类,…。
将分布在(nT2,nT1)、(pT1,pT2)之间的图差在空间域按相邻相关性以及时间域的相关性进行分类处理,并允许有×特征类存在。
更进一步,包括将特征微分量按图序排列成特征微分量VS图序曲线并将该曲线上1特征类与-1特征类之间的特征微分量标记为0特征类,所述特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差。
数显仪表指示值笔段图案(或笔段像素)在时间域以“可视”/“不可视”交替出现,因而特征微分量VS图序曲线上1特征类与-1特征类交替出现,如图25中图(2a)~(2K2)所示。
更进一步,包括对非0特征类的图差进行增强处理,所述增强处理包括将图差的绝对值增大。
进一步,还包括Y43A、Y43B、Y43C中的任意一种、或任意二种或全部处理方法;其中,Y43A为按特征类进行膨胀处理;例如:具体地对所述0特征类进行膨胀处理、或对所述1特征类进行膨胀处理、或对所述-1特征类进行膨胀处理;
Y43B为按特征类进行收缩处理;例如:具体地对所述0特征类进行收缩处理、或对所述1特征类进行收缩处理、或对所述-1特征类进行收缩处理;
图8为对图差经过膨胀、收缩操作后的效果示意图,通常膨胀处理时仅对×特征类,收缩处理时不对“特征种子”处理;
Y43C为去掉图差中特征类孤点噪声。
进一步,步骤S4还包括用相邻图差的评价量对所述图差进行分类处理,所述评价量包括Y45A、Y45B、Y45C、Y45D、Y45E、Y45F、Y45G中的任意一种、或任意二种、或任意三种、或任意四种、或任意五种、或任意六种或全部;其中,
Y45A以相邻图差的平均值作为评价量;
Y45B以相邻图差的中值作为评价量;
Y45C以相邻图差的移动平滑结果作为评价量;
Y45D以相邻图差为权重系数的函数作为评价量;
评价量用广义公式表示为:
Jn(iA,jB)=f(Tm(i,j)) (7)
式中:m=n,n±1,n±2,…,i=iA,iA±1,iA±2,…,j=jB,jB±1,jB±2,…表示相邻范围。
评价量包含相邻图差作为权重系数的广义公式表示为:
Jn(iA,jB)=f(Tm(i,j),WT(m)) (8)
式中:m=n,n±1,n±2,…,i=iA,iA±1,iA±2,…,j=jB,jB±1,jB±2,…表示相邻范围;WT(m)为图差权重系数。
Y45E以相邻图差的距离为权重系数的函数作为评价量;
评价量包含相邻图差距离作为权重系数的广义公式表示为:
Jn(iA,jB)=f(Tm(i,j),Wr(m)) (9)
式中:m=n,n±1,n±2,…,i=iA,iA±1,iA±2,…,j=jB,jB±1,jB±2,…表示相邻范围;Wr(m)为图差距离权重系数(高斯滤波值为其具体特例)。
评价量同时包含Y45D和Y45E权重系数的广义公式表示为:
Jn(iA,jB)=f(Tm(i,j),WT(m),Wr(m)) (10)
双边滤波为其具体特例。
Y45F以相邻图差中相同特征类的数量作为评价量;
例如:具体地空间域中3×3相邻的图差中0特征类的数量作为评价量,当数量大于4,则被标记为0特征类,类似地3×3相邻的图差中1特征类的数量大于4,则被标记为l特征类,3×3相邻的图差中-l特征类的数量大于4,则被标记为-1特征类。
Y45G以相邻图差数值的正负号作为评价量。
例如:具体地“与1特征类相邻且所述图差数值为正数”作为评价量,评价量=“True”,那么被标记为l特征类,为避免边界溢出,优选地所述评价量为“与l特征类相邻且所述图差数值满足不低于阈值pTl”;进一步优选地该处理对象仅为×特征类(即:图差≥pTl的0特征类被作为避免溢出的边界)。
又例如:具体地“与-1特征类相邻且所述图差数值为负数”作为评价量;评价量=“True”,那么被标记为-1特征,为避免边界溢出,优选地所述评价量为“与1特征类相邻且所述图差满足不高于阈值nT1”,进一步优选地该处理对象仅为×特征类(即:图差≤nT1的0特征类被作为避免溢出的边界)。
所述评价量可以用“True/False”,也可以用正逻辑“I/0”与之对应,还可以用负逻辑“0/1”与之对应。
例如:在m=n+1的空间域中3×3相邻的图差分别为,Dn(iA+1,jB+1),Dn(iA,jB+1),Dn(iA-1,jB+1)以及Dn(iA+1,jB),Dn(iA-1,jB);使用其平均值、或中值、或移动平滑结果作为评价量;当nT1≤评价量≤pT1时被标记为0特征类,当评价量≥pT2时被标记为1特征类,当评价量≤nT2时被标记为﹣1特征类。
更进一步,所述以相邻图差的具体含义包括Y45X、Y45Y、Y45Z中的任意一种、或任意二种或全部,其中,
Y45X为空间域中坐标相邻;
Y45Y为时间域中图序相邻;
Y45Z为图差使用时间域中图序相邻的两幅图像相同位置处的图元特征量的差。
⑴例如:与两幅图像Pn和图像Pm(其中m≠n)的图差用图差Dn,m(iA,jB),在空间域中与Dn,m(iA,jB)坐标相邻图差如下:
Dn,m(iA-1,jB-1),Dn,m(iA-1,jB),Dn,m(iA-1,jB+1)
Dn,m(iA,jB-1),Dn,m(iA,jB),Dn,m(iA,jB+1)
Dn,m(iA+1,jB-1),Dn,m(iA+1,jB),Dn,m(iA+1,jB+1)
⑵时间域中图序相邻,例如:
Dn,m-1(iA,jB),Dn,m(iA,jB),Dn,m+1(iA,jB)
Dn-1,m(iA,jB),Dn,m(iA,jB),Dn+1,(iA,jB)
⑶图差使用时间域中图序相邻的两幅图像相同位置处的图元特征量的差;即m=n+1,图差用Dn,n+1(iA,jB)表示,则:
Dn,n+1(iA,jB)=Tn+1(iA,jB)-Tn(iA,jB)
在m=n+1条件下的图差Dn,n+1(iA,jB)又称为特征微分量并简记为Dn(iA,jB)即:特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差,用公式表示如下:
Dn(iA,jB)=Tn+1(iA,jB)-Tn(iA,jB)
特征微分量是图差在m=n+1时的特例,在这个条件下时间域中特征微分量相邻为:
Dn-1(iA,jB),Dn(iA,jB),Dn+1(iA,jB)
等效于按图序排列时与Dn,n+1(iA,jB)相邻图差有Dn+1,n+2(iA,jB),Dn-1,n(iA,jB)。
例如:对于特征微分量Dn(iA,jB)的在Y45X、Y45Y所述空间域-时域组成的相邻立体空间有:
①n-1时域中Dn-1(iA,jB)的空间域内:
Dn-1(iA+1,jB-1),Dn-1(iA,jB-1),Dn-1(iA-1,jB-1)、
Dn-1(iA+1,jB+1),Dn-1(iA,jB+1),Dn-1(iA-1,jB+1)以及
Dn-1(iA+1,jB),Dn-1(iA,jB),Dn-1(iA-1,jB);
②n时域中的Dn(iA,jB)空间域内:
Dn(iA+1,jB-1),Dn(iA,jB-1),Dn(iA-1,jB-1)、
Dn(iA+1,jB+1),Dn(iA,jB+1),Dn(iA-1,jB+1)以及
Dn(iA+1,jB),Dn(iA-1,jB);
③n+1时域中Dn+1(iA,jB)的空间域内:
Dn+1(iA+1,jB-1),Dn+1(iA,jB-1),Dn+1(iA-1,jB-1)、
Dn+1(iA+1,jB+1),Dn+1(iA,jB+1),Dn+1(iA-1,jB+1)以及
Dn+1(iA+1,jB),Dn+1(iA,jB),Dn+1(iA-1,jB)。
例如:如图13所示,图差使用图序相邻的两幅图像相同位置处的图元特征量的差,又称为特征微分量,在时间域中图序相邻对应时间域取n﹣1、n和n+1三个时间点,在图序为n﹣1的空间域中取坐标相邻的“3×3”矩阵,在图序为n的空间域中取坐标相邻的“5×5”矩阵,在图序为n+1的空间域中取坐标相邻的“3×3”矩阵,图序为n中心点的值取三维空间中包含的特征微分量的平均值(用=>表示在三维空间中计算平均值),其结果为0.9。
进一步,用图差几何特征和图差特征值得出指示值的字符几何特征和字符特征值,进而根据字符几何特征和字符特征值得出指示值图案对应的数字。
进一步,将数显仪表指示值图案的字符系列归类到Y61、Y62、Y63字符系列中的任意一种,对该字符系列制作模板字符,用两个模板字符图案差作为标准模板并用模板几何特征和模板特征量描述,将S6得出的图差几何特征和图差特征值与模板几何特征和模板特征量进行匹配,从而得出指示值图案中对应的数字;
所述Y61表示七段数码0~9组成的字符系列,其特征在于字符0~9的图案可等效分为七笔段,同一笔段在同一时刻具有相同的光学特征,通过改变笔段的光学特征组合实现字符0~9的显示;
所述Y62表示阿拉伯数字0~9组成的字符系列,其特征在于字符0~9的图案为阿拉伯数字;
所述Y63表示同一数显仪表指示值中字符图案组成的字符系列;
所述字符系列包括出现在同一台数显仪表指示值图案中。
更进一步,枚举出该字符系列中所有模板字符图案差作为标准模板并用模板几何特征和模板特征量描述。
将数显仪表指示值图案中的每个数字重复上述处理过程从而得到指示值的所有字符。
以下为本实施例中所使用“低反差”数显仪表指示值图案特征的详细描述。
实施例中使用“低反差”数显仪表指示值图案为“000”跳变为“1”(前导“0”消隐),像素光学特征量使用(RGB)平均值——简称“灰度”,然后用不同灰度阈值进行二值化后的黑白示意图如图2所示;从图2可以得出数字字符图案的灰度与背景的灰度相互融合,图中3个阈值不能将“低反差”数字图案二值化出来,对比图11中(11A)和(11B)可以印证。
图11中(11A)为“低反差”指示值图案“000”抠掉“088”笔段所在区域的图案后单纯背景的RGB均值的分布曲线示意图,按分布曲线中凹点(如图中虚线所示)将该背景图分割为两部分,如图12所示,图12中■为低于阈值的图元,□为高于阈值的图元;
图11中(11B)为指示值的个位“0”图案灰度的分布曲线,其中黑色实线图例“A”表示整个个位“0”图案灰度的分布曲线,该曲线与图11A所示的背景的RGB均值的分布曲线互相重叠均分布在(51,101)区间内,其中黑色实点线图例“T”表示个位“0”图案上1/4处灰度的分布曲线,其中黑色空心线图例“B”表示个位“0”图案下1/4处灰度的分布曲线;由图中可以得出个位“0”图案上1/4处与下1/4处灰度的分布曲线有明显差异,与图15中指示值图案“000”个位数值字符的“笔段c”所在处Y坐标(Y11~Y42)区间出现山峰曲线相对应;
图11中(11C)为指示值的个位“0”图案上1/4处灰度以及分为“T1”、“T2”左右两部分灰度的分布曲线,由图中可以得出“T1”、“T2”左右两部分灰度的分布曲线有差异;
图11中(11D)为指示值的个位“0”图案下1/4处灰度以及分为“B1”、“B2”左右两部分灰度的分布曲线,由图中可以得出“B1”、“B2”左右两部分灰度的分布曲线有差异。
由以上可以总结出:
①“低反差”指示值图案“000”的个位“0”图案RGB均值分布曲线与背景的RGB均值分布曲线重叠分布在(51,101)区间内;
②个位“0”图案上1/4处与下1/4处灰度的分布曲线有明显的差异;
③个位“0”图案上1/4处的左右两部分的灰度、下1/4处的左右两部分的灰度的分布曲线也有细小差异。
图12根据图11中(11A)所示的凹点对数显仪表指示值图案“000”抠掉“088”笔段所在区域后的背景二值化黑白示意图,图中■为低于阈值的图元,□为高于阈值的图元;从这个图可以推测出个位“0”字符图案上1/4处与下1/4处灰度的分布曲线有差异;个位“0”字符的“笔段c”可能有“亮”反光;百位“0”字符“笔段d”比“笔段e”亮度低。
图14A为“低反差”指示值图案“000”和“1”(前导“0”已消隐)局部相同位置图元特征量及其图差沿Y方向分布的示意图,水平轴为Y方向;其中图例BX12、BX13、BX14为指示值图案“000”百位数值字符的“笔段e”和“笔段f”所在处图元特征量,图例AX12、AX13、AX14为指示值图案“1”百位数值字符的“笔段e”和“笔段f”所在处图元特征量(前导“0”已消隐),图例AX12-BX12、AX13-BX13、AX14-BX14为对应的图差,从图14A可以初步总结出:百位“0”字符“笔段e”(Y1~Y42)比“笔段f”(Y51~Y91)亮度低;“笔段e”(Y1~Y42)的图差比较明显,Y坐标(Y21~Y42)之间原图的不均匀性对图差的影响降低了,“笔段f”(Y51~Y91)的图差干扰比较明显。
图15A为“低反差”指示值图案“000”和“1”(前导“0”已消隐)局部相同位置图元特征量及其图差沿Y方向分布的示意图,水平轴为Y方向;其中图例BX148、BX149、BX150为指示值图案“000”个位数值字符的“笔段b”和“笔段c”所在处图元特征量,图例A148、A149、A150为指示值图案“1”个位数值字符的“笔段b”和“笔段c”所在处图元特征量,图例AX148-BX148、AX149-BX149、AX150-BX150为对应的图差。
从图15A可以初步总结出:位于Y坐标(Y11~Y21)之间的“笔段d”处于灰度不均匀性增加的斜坡上(实际是背景中的白色物体在数显仪表显示器上的成像),但不均匀性对图差的影响被降低了。Y坐标(Y81~Y91)之间为“笔段a”。
以上可以初步得出,由于反差低,环境杂乱的背景、以及摄像头在显示器表面的成像使采集到的图像中包含不均匀灰度并对后续处理带来明显影响,但使用图差可以降低不均匀性的影响。
图16为图14和图15中X12、X13、14的位置、X148、X149、X150的位置示意图,其中用箭头及X、Y字符标出了坐标轴的原点及方向;(16A)为图14中X12、X13、X14的位置示意图;(16B)为图15中X148、X149、X150的位置示意图。
【实施例2】
本实施例的与实施例1基本一致,不同之处于具有下具体优选项:
在步骤S5将图差按指示值图案中的单个数字分割出来,步骤S6得出单个数字的图差几何特征和图差特征值后,用图差几何特征和图差特征值得出指示值的字符几何特征和字符特征值,进而根据字符几何特征和字符特征值得出指示值图案对应的数字。例如:七段数码字符几何特征与图差几何特征相同,按字符笔段的分布位置“上、右上、右下、下、左下、左上、中”用(笔段a、笔段b、笔段c、笔段d、笔段e、笔段f、笔段g)表示,简记为(a,b,c,d,e,f,g)或(abcdefg),本实施例中字符特征值用“笔段值”(“可视”/“消隐”/“×”)表示。
图23为用图差几何特征和图差特征值得出指示值图案中数字的字符几何特征和字符特征值,并得出指示值图案对应数字的示意图;其中“指示值图案”为七段数码系列待识别指示值图案“X”(Pn)、“Y”(Pn+1)、“Z”(Pn+2),本实施例中图差特征值用“0”、“1”和、“﹣1”表示三种取值;图中
■——表示笔段“由消隐变为可视”,图差特征值为“1”;
◇——表示笔段“由可视变为消隐”,图差特征值为“﹣1”(“﹣1”未在图中标注出来);
□——代表笔段“未变化”,图差特征值为“0”;
(23A)为指示值图案“X”变化为指示值图案“Y”的示意图,图中“?“表示待识别;
(23D)为指示值图案“Y”变化为指示值图案“Z”的示意图,图中“?“表示待识别;
(23B)为指示值图案“X”变化为指示值图案“Y”时图差几何特征和图差特征值示意图;
(23C)为根据图23中(23B)推测出指示值图案“X1”变化为指示值图案“Y1”各笔段值的示意图,其中——表示笔段值“未知”,笔段值b=×,f=×;
X1笔段值为“消隐,×,可视,消隐,消隐,×,消隐”;
Y1笔段值为“可视,×,消隐,可视,可视,×,可视”;
(23E)为指示值图案“Y”变化为指示值图案“Z”时图差几何特征和图差特征值示意图,其中笔段b图差特征值=“﹣1”表示该笔段变为“消隐”,反推该笔段之前为“可视”;笔段f图差特征值=“1”表示该笔段变为“可视”,反推该笔段之前为“消隐”;
(23F)为根据图(23E)推测出指示值图案“Y”变化为指示值图案“Z”各笔段值的示意图,其中指示值图案“Y”的笔段值为“可视,可视,消隐,可视,可视,消隐,可视”,根据7段数码的常规编码规则,指示值图案“Y”应为数值“2”;指示值图案“Z”的笔段值为“可视,消隐,可视,可视,消隐,可视,可视”,根据7段数码的常规编码规则,指示值图案“Z”应为数值“5”——此处即通过“数字的字符几何特征和字符特征值得出指示值图案中对应的数字”。
指示值图案“Y”为数值“2”,则Y1被得出笔段b=可视_未变化f=消隐_未变化,从而指示值图案“X”的笔段值为“消隐,可视,可视,消隐,消隐,消隐,消隐,消隐”,根据7段数码的常规编码规则,指示值图案“X”应为数值“1”。
综上:七段数码系列字符几何特征抽象为用“笔段”表示并按(a,b,c,d,e,f,g)排列,字符特征值用“笔段值”(“1”/“0”)表示时,“得出指示值图案中数字的字符几何特征和字符特征值”为指示值图案“X”、“Y”、“Z”的字符几何特征和字符特征值分别对应于“0,1,1,0,0,0,0”、“1,1,0,1,1,0,1”、“1,0,1,1,0,1,1”,“根据字符几何特征和字符特征值得出指示值图案中对应的数字”,从而得到指示值“X”、“Y”、“Z”分别对应于1、2、5。
将数显仪表指示值图案中的每个数字重复上述处理过程从而得到指示值的所有字符。
本实施例同时揭示出:在测试/检测/校准/检定时用摄像头作图像采集设备,优选地以摄像头视频流中抛弃相同内容后的关键帧作为采集的图像,按先后顺序排列到所述一组图像中,指示值图案按可视/消隐交替出现导致特征微分量VS图序曲线上1特征类与﹣1特征类一定是交替出现,如图25中图(2a)~(2K2)所示,从而可实时跟踪数显仪表指示值图案中数字的字符特征值(笔段值),进而实时实现数显仪表指示值图案的数值识别。
【实施例3】
本实施例的与实施例1基本一致,不同之处于具有下具体优选项:
在步骤S5将图差按指示值图案中的单个数字分割出来,步骤S6得出单个数字的图差几何特征和图差特征值后,可利用先验信息将数显仪表指示值图案的字符系列归类到Y61、Y62、Y63字符系列中的任意一种,对该字符系列制作模板字符,用两个模板字符图案差作为标准模板并用模板几何特征和模板特征量描述,如图6中601所示模板字符分别为0、3,其模板几何特征和模板特征量如602所示,将S6得出的单个数字的图差几何特征和图差特征值(如图7中702所示)与模板几何特征和模板特征量(如图6中602所示)进行匹配,从而得出指示值图案中对应的数字(如图7中703所示);
所述Y61表示七段数码0~9组成的字符系列,其特征在于字符0~9的图案可等效分为七笔段,同一笔段在同一时刻具有相同的光学特征,通过改变笔段的光学特征组合实现字符0~9的显示;简称七段数码系列,如图18中18B所示;
所述Y62表示阿拉伯数字0~9组成的字符系列,其特征在于字符0~9的图案为阿拉伯数字(1、2、3、4、5、6、7、8、9、0);简称阿拉伯数字系列;
所述Y63表示同一数显仪表指示值中字符图案组成的字符系列,如图20中20B、20D所示;所述字符系列包括其特征为出现在同一台数显仪表指示值图案中。
(1)模板几何特征
例①对七段数码系列而言,模板几何特征与七段数码字符几何特征相同,通常按字符笔段的分布位置“上、右上、右下、下、左下、左上、中”等相对位置抽象为模板几何特征和模板字符几何特征,而不是用具体几何尺寸或像素尺寸表示,约定用(笔段a、笔段b、笔段c、笔段d、笔段e、笔段f、笔段g)表示,约定简记为(a,b,c,d,e,f,g)或(abcdefg)。
例②阿拉伯数字系列的模板几何特征采用加粗的阿拉伯数字字符0~9作为几何特征“抠除板”,分别用“抠除板0”~“抠除板9”表示,即:阿拉伯数字系列的模板几何特征用“抠除板0”~“抠除板9”描述。
例③对“同一数显仪表指示值中字符图案组成的字符系列”而言,某些数字字符有特殊性,本例中数字“0”字符中心带斜杠示意图如图中(20B)所示,数字“1”的示意图如图中(20D)所示,设计了如图20所示的“几何特征提取孔板(20A)”作为模板几何特征,该孔板增加了(K1)和(K2)两个通孔,用该孔板作用于字符/>的效果示意图如图中(20C)所示,用该孔板作用于字符“1”的效果示意图如图中(20E)所示。取自同一数显仪表指示值图案还可是小写罗马数字系列(ⅰ、ⅱ、ⅲ、ⅳ、…、ⅸ)、大写罗马数字系列(Ⅰ、Ⅱ、Ⅲ、Ⅳ、…、Ⅹ、Ⅺ、Ⅻ),中文数值系列(一、二、三、四、五、六、七、八、九、十)、中文大写数值系列(壹、贰、叁、肆、伍、陆、柒、捌、玖、拾)、大写英文数值系列(ONE、TWO、THREE、…)、小写英文数值系列以及大小写英文数值系列等,其中ⅳ、Ⅳ、ONE等被视为一个字符,余此类推;当然“ⅰ、ⅱ、ⅲ”/“Ⅰ、Ⅱ、Ⅲ”/“一、二、三”之间还须有另外的处理步骤。
例④为解决阿拉伯数字的字体差异,采用来自“同一数显仪表指示值中‘阿拉伯数字’组成的字符系列”时,模板字符从数显仪表指示值图案中学习而来,对模板字符进行加粗后作为几何特征“抠除板”,分别用“抠除板0”~“抠除板9”表示。
小结:以上示例中对模板几何特征与模板字符几何特征采用了相同的描述方法,通常模板几何特征与和图差几何特征也采用相同的描述方法。
(2)模板特征量
对模板几何特征的另一个数量型量化描述参数约定命名为模板特征量;是对模板几何特征的赋值——代表一定含义。
例SSL3-1:用七段数码系列中两个模板字符“0”与“3”建立标准模板的示意图如图6所示,图中(601)为七段数码系列中两个模板字符“0”与“3”各笔段的示意图,■代表可视笔段,笔段值用1表示,“不可视”笔段的笔段值用0表示;(602)为标准模板的示意图,■为“消隐笔段变为可视笔段”,框中数字1表示其模板特征量为“1”,◇为“可视笔段变为消隐笔段”,其模板特征量为“﹣1”(“﹣1”未在图中标注出来),□为“无变化可视笔段”,框中数字0表示其模板特征量为“0”。
上述用模板字符“0”与“3”模拟数显仪表指示值待识别数字由“0”变化为“3”(用0═〉3表示),建立的标准模板与数显仪表指示值中两个待识别数字的图差相对应。
例SSL3-2:对数显仪表指示值中两个待识别数字进行识别处理的示意图,如图7所示,图中(701)为图像采集设备获取指示值图案变为另一个指示值图案的示意图,图中“?”表示“未知”或“待识别”;(702)为图差按单个数字字符分割出来并用图差几何特征和图差特征值表示的示意图;(703)为与图6中(602)匹配吻合得出识别“数”的示意图,结果是“0═〉3”。
例SSL3-1用图6演示了用两个模板字符建立标准模板的过程,例SSL3-2用图7揭示了数显仪表指示值图案中待识别数字通过图差几何特征和图差特征值(如图702所示)与模板几何特征和模板特征量(如图602所示)进行匹配,从而得出指示值图案中对应的数字(如图703所示)。
例如:阿拉伯数字系列的模板几何特征用“抠除板0”~“抠除板9”描述时,仅当阿拉伯数字与“抠除板”编号一致时无残余图像;“抠除板”为模板几何特征,“﹣1特征类消失”或“1特征类消失”为模板特征量。
优选地:对图差几何特征和图差特征值用编码表示,便于计算机软件进行匹配处理。例如:图(602)中数字模板几何特征和模板特征量表示为:“a=0,b=0,c=0,d=0,e=﹣1,f=﹣1,g=1”,约定用从左到右依次排列(abcdefg),简写“0,0,0,0,﹣1,﹣1,1”,图(702)中图差几何特征和图差特征值具有相同的编码;计算机软件用该编码查询出指示值图案中对应的数字(即:图差几何特征和图差特征值与模板几何特征和模板特征量匹配吻合)。
对模板特征量增加数字1后变为采用包含0的正整数,更符合编码习惯,写为“1111002”。
更进一步,枚举出该字符系列中所有模板字符图案差作为标准模板并用模板几何特征和模板特征量描述。
将数显仪表指示值图案中的每个数字重复上述处理过程从而得到指示值的所有字符。
【实施例4】
本实施例的与实施例1基本一致,不同之处于具有下具体优选项:
S1,用图像采集设备获取包含数显仪表指示值图案的一组图像,其中所述一组图像包括6幅图像(该图像来源于“2240”测试原始记录数据),图像按采集顺序排列的序号称为图序;
优选地图像中仅包括数显仪表指示值图案,可用二维数组(X、Y)的下标(XL、YT)—(XR、YB)标记出数显仪表指示值的图案在数组中的位置(Left,Right,Top,Bottom);后续处理中重点在该区域内进行;
S2,计算图像中图元特征量;
S3,计算图差,所述图差为两幅图像相同位置处的图元特征量的差;特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差;
对于“2240”测试中的6幅图像,定义了(a,b,c,d,e,f,g,K1,K2)笔段,将九个笔段定义为九个图元,图元特征量为笔段所包含像素的(R+G+B)总合,如图25所示,图(1a)~(1K2)中Y轴为图元特征量,X轴为图序(n),图中(1a)~(1K2)分别对应a笔段~K2笔段的图元特征量;图(2a)~(2K2)中Y轴为特征微分量D,X轴为图序(n),图中(2a)~(2K2)分别对应a笔段~K2笔段的特征微分量,该九个图元的特征微分量体现了笔段的光学特性的变化量随图序(n)变化,时间域中特征微分量VS图序曲线上出现交替变化。
以多像素构成图元,减小运算量的同时,可减小图像差运算后的“残差噪声”,还可能提高图差的数值——这对处理低对比度图像特别有用;构造图元特征量时还可根据需要使用权重系数——有选择性地突出重点。
S4,对图差进行分类,其特征在于类别数至少包括三种类别,三种类别具体分别用0特征类、1特征类、-1特征类表示;
进一步,对图差进行分类处理时用评价量进行分类;具体地:Y45A在空间域中取相邻“5×5”图差平均值作为评价量,将满足-6<评价量<6的对应位置处的图差标记为0特征类,并且优选地将0特征类的图差设置为数字“0”。
进一步,Y45D以相邻图差为权重系数的函数作为评价量;具体地:将图差分别向X轴、Y轴投影得到图差沿X轴、Y轴的密度分布曲线,如图24中(24B)所示,图中Tx和Ty分别表示图差沿X轴和Y轴的密度。
为了对比处理效果,将分类处理前图差分别向X轴、Y轴投影得到图差沿X轴、Y轴的密度分布曲线,如图24中(24A)所示,图中Tx和Ty分别表示图差沿X轴和Y轴的密度;
使用无阈值的X轴、Y轴的密度分布曲线构造权重系数的函数Wn(iA,jB),具体地:将图差沿X轴密度分布曲线取绝对值并加数值“1”后作为沿X轴的权重系数Wx,将图差Y轴的密度分布曲线取绝对值并加数值“1”后作为沿Y轴的权重系数Wy,沿X轴的权重系数Wx与沿Y轴的权重系数Wy的乘积作为权重系数的函数Wn(iA,jB)即:Wn(iA,jB)=(1+|TX(iA,jB)|)*(1+|TY(iA,jB)|),示意图如图24中(24C)所示,图中Wx和Wy分别表示沿X轴和Y轴的权重系数;
权重函数Wn(iA,jB)与图差Tn(iA,jB)之乘积作为评价量Jn(iA,jB),即:Jn(iA,jB)=Wn(iA,jB)*Tn(iA,jB),使用该评价量对图差进行分类处理。
将评价量分别向X轴、Y轴投影得到评价量沿X轴、Y轴的密度分布曲线,如图(24D)所示,图中Jx和Jy分别表示评价量沿X轴和Y轴的分布函数;
对比图(24D)与图(24B),图差的分布密度被大大增强,沿着X轴最大增强值高达100倍,而图差的分布密度低的地方,因增强力度较小而相对减弱。
优选地,对非0特征类的图差进行增强处理,所述增强处理包括将绝对值大于某值的图差的绝对值增大;例如:将同一图序内图差用上述评价量替代,则实际是对非0特征类的图差进行增强处理。
图21为用权重系数作为评价量对图差进行分类的效果对照示意图,图中(21A)为分类处理前的效果示意图,(21B)为用图24中(24C)所示的权重系数对图差进行分类处理后的效果示意图,■为1特征类,□为×特征类,“”(空格)为0特征类。
构造权重系数的函数Wn(iA,jB)时,还可以:
①使用具有“压缩-扩展”功能的权重系数的函数,如:将图差沿X轴、Y轴的密度分布曲线取绝对值之积作为系数的函数:
Wn(iA,jB)=|TX(iA,jB)|*|TY(iA,jB)|
当Wn(iA,jB)<1时,即“压缩”功能,当Wn(iA,jB)>1时,即“扩展”功能。
②使用具有“阈-扩展”功能的权重系数的函数,如:将图差沿X轴、Y轴的密度分布曲线取绝对值并将低于阈值的曲线设置为数值“1”。
S5,将图差按指示值图案中的单个数字分割出来;
S6,得出单个数字的图差几何特征和图差特征值;
例SSL4-1
进一步,用图差几何特征和图差特征值得出指示值的字符几何特征和字符特征值,进而根据字符几何特征和字符特征值得出指示值图案对应的数字。
具体地:图22为对6幅数显仪表指示值图像的图差分类的示意图,图中■为1特征类,口为-1特征类,“”(空格)为0特征类,“·”为×特征类;(22A)为数字“69”跳变为“75”时图差分类的示意图;(22B)为数字“75”跳变为“80”时图差分类的示意图;(22C)为数字“80”跳变为“86”时图差分类的示意图;(22D)为数字“86”跳变为“91”时图差分类的示意图;(22E)为数字“91”跳变为“96”时图差分类的示意图。
该测试为标准装置上对某当量仪照射0.05mSv,重复进行5次照射,实际读数以mSv为单位显示,为简化叙述而忽略小数点位置,初始指示值“69”(0.69,下同)和最终指示值“96”在测试前和测试后对当量仪显示器“目测”已确认,然而第5次照射后摄像头采集的图像用“目测”似乎为“94”,但(22D)中明确指示个位出现数字“1”(参见“例6-2”、“例6-3”以及图20A中K1和K2通孔)且(22E)中明确指示个位数字“1”消失,外加旁证(22B)中明确指示个位出现数字“0”和(22C)中明确指示个位数字“0”消失(参见“例6-4”、“例6-5”),基于本发明方法的结论与对当量仪显示器“目测”一致,并且当量仪五次照射的响应值(读数增加量)的变异系数为10%;若使用摄像头采集图像的“目测”辨识“94”作为结果时,则响应值的变异系数为24%,因而对摄像头采集图像用的“目测”辨识有误。本次测试时,同时照射了4台被测试仪器,其响应值提供了相互旁证和监督作用。
以下用对个位数字的处理过程为例,用图差几何特征和图差特征值(本实施例中用Δa,Δb,Δc,Δd,Δe,Δf,Δg,ΔK1,ΔK2,“可视”/“消隐”/“未变化”表示)得出数字的字符几何特征和字符特征值(本实施例中用笔段值字母a,b,c,d,e,f,g,K1,K2,“1”/“0”表示),从而得到指示值图案代表的数值,具体如下:
图22中(22B)的K2通孔被判为“可视”(即:图差特征值ΔK2=“可视”)明确指示第2次照射后当量仪读数个位为数字“0”,即笔段值为“a=1,b=1,c=1,d=1,e=1,f=1,g=0,K1=1,K2=1”;
从(22B)中图差特征值Δb=可视、Δe=可视、ΔK1=可视、ΔK2=可视、Δg=消隐,得出第1次照射后当量仪读数个位数字的笔段值为“a=1,b=0,c=1,d=1,e=0,f=1,g=1,K1=0,K2=0”;使用常规七段数码字符编-译码规则,第1次照射后当量仪读数个位数字为“5”;
从(22A)中图差特征值仅Δb=消隐,其余均未变化,则照射前当量仪读数个位数字的b笔段值为“1”,笔段值为“a=1,b=1,c=1,d=1,e=0,f=1,g=1,K1=0,K2=0”;使用常规七段数码字符编-译码规则,照射前当量仪读数个位数字为“9”(与目测一致)。
类似地:从(22C)中图差特征值仅G=可视且Δb=消隐、ΔK1=消隐和ΔK2=消隐,则第3次照射后当量仪读数个位数字的笔段值为“a=1,b=0,c=1,d=1,e=1,f=1,g=1,K1=0,K2=0”;使用常规七段数码字符编-译码规则,第3次照射后当量仪读数个位数字为“6”;
从(22D)中图差特征值ΔK1=可视、ΔK2=消隐,可以直接得到4次照射后当量仪读数个位数字为“1”,同时还有冗余图差特征值信息Δa=消隐、Δb=可视、Δd=消隐、Δe=消隐、Δf=消隐、Δg=消隐;C=未变化,从(22C)中引用c笔段值为1;
从(22E)中图差特征值Δa=可视、Δb=消隐、Δd=可视、Δe=可视、Δf=可视、Δg=可视;ΔK1=消隐;C=未变化,从(22C)中引用c笔段值为1;得出笔段值为“a=1,b=0,c=1,d=1,e=1,f=1,g=1,K1=0,K2=0”;使用常规七段数码字符编-译码规则,第5次照射后当量仪读数个位数字为“6”(与目测结果“94”不一致)。
例SSL4-2
以上过程也可将数显仪表指示值图案的字符系列归类到“Y63表示同一数显仪表指示值中字符图案组成的字符系列”,对该字符系列制作模板字符,用两个模板字符图案差作为标准模板并用模板几何特征和模板特征量描述,具体地:模板几何特征用“a,b,c,d,e,f,g,K1,K2”表示,部分模板几何特征和模板特征量如表1所示,表中“*”表示“不需关注”。
将单个数字的图差几何特征和图差特征值与模板几何特征和模板特征量进行匹配,具体为查表1,从而得出指示值图案中对应的数字。
表1(部分)模板几何特征和模板特征量的逻辑编码表
例SSL4-3
混合使用例SSL4-1、例SSL4-2描述的方法,得出指示值图案中对应的数字。
本实施例6幅图像中数字字符图案的灰度与背景干扰的灰度和相互融合,用阈值将数字字符图案分割出来十分困难,因而列出人工“目测”辨识为“94”的第5次照射后当量仪读数个位数字的R+G+B值特征示意图,如图27所示,第4次照射后当量仪读数个位数字的R+G+B值特征示意图,如图26所示,图26和27中:R+G+B值低于210被加方框(当量仪显示窗上的背景成像干扰),R+G+B值在210到235之间被加下划线,主要为字符图案的灰度。
将数显仪表指示值图案中的每个数字重复上述处理过程从而得到指示值的所有字符。
本实施例同时揭示出:在测试/检测/校准/检定时用摄像头作图像采集设备,图元可视与消隐交替出现导致特征微分量VS图序曲线上1特征类与﹣1特征类交替出现,从而实时跟踪数显仪表指示值图案中数字的字符特征值(笔段值),进而实时实现了数显仪表指示值图案的数值识别。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种数显仪表指示值图案处理方法,其特征在于包括以下步骤:
S1,用图像采集设备获取包含数显仪表指示值图案的一组图像,其中所述一组图像至少包括2幅图像,图像按采集顺序排列的序号称为图序;
S2,计算图像的图元特征量,其中所述图元特征量为描述图元特征的参量,包括图元所包含像素的光学特征量,所述图元是像素集合的名字,所述像素的光学特征量是由RGB构成的函数;
S3,计算图差,所述图差为两幅图像相同位置处的图元特征量的差;
S4,对图差进行分类,类别数至少包括三种类别;
S5,将图差按指示值图案中的单个数字分割出来;
S6,得出单个数字的图差几何特征和图差特征值,所述图差特征值至少包括三种取值。
2.根据权利要求1所述的方法,其特征在于步骤S4对图差进行分类时,三种类别具体分别用0特征类、1特征类、﹣1特征类表示,所述﹣1特征类对应的图差数值为负数;所述1特征类对应的图差数值为正数。
3.根据权利要求2所述的方法,其特征在于对图差进行分类时具体包括Y41A、Y41B、Y41C中的任意一种、或两种或全部;其中,
Y41A为图差数值处于第一正阈值pT1和第一负阈值nT1区间内被标记为0特征类,所述nT1≤0,pT1≥0;
Y41B为图差数值不低于第二正阈值pT2被标记为1特征类,所述pT2≥pT1;
Y41C为图差数值不超过第二负阈值nT2被标记为﹣1特征类,所述nT2≤nT1。
4.根据权利要求2所述的方法,其特征在于包括将特征微分量按图序排列成特征微分量VS图序曲线并将该曲线上1特征类与﹣1特征类之间的特征微分量标记为0特征类,所述特征微分量为图序相邻的两幅图像相同位置处的图元特征量的差。
5.根据权利要求2所述的方法,其特征在于包括对非0特征类的图差进行增强处理,所述增强处理包括将图差的绝对值增大。
6.根据权利要求1所述的方法,其特征在于还包括Y43A、Y43B、Y43C中的任意一种、或任意二种或全部处理方法;其中,
Y43A为按特征类进行膨胀处理;
Y43B为按特征类进行收缩处理;
Y43C为去掉图差中特征类孤点噪声。
7.根据权利要求1所述的方法,其特征在于步骤S4还包括用相邻图差的评价量对所述图差进行分类处理,所述评价量包括Y45A、Y45B、Y45C、Y45D、Y45E、Y45F、Y45G中的任意一种、或任意二种、或任意三种、或任意四种、或任意五种、或任意六种或全部;其中,
Y45A以相邻图差的平均值作为评价量;
Y45B以相邻图差的中值作为评价量;
Y45C以相邻图差的移动平滑结果作为评价量;
Y45D以相邻图差为权重系数的函数作为评价量;
Y45E以相邻图差的距离为权重系数的函数作为评价量;
Y45F以相邻图差中相同特征类的数量作为评价量;
Y45G以相邻图差数值的正负号作为评价量。
8.根据权利要求7所述的方法,其特征在于所述以相邻图差的具体含义包括Y45X、Y45Y、Y45Z中的任意一种、或任意二种或全部,其中,
Y45X为空间域中坐标相邻;
Y45Y为时间域中图序相邻;
Y45Z为图差使用时间域中图序相邻的两幅图像相同位置处的图元特征量的差。
9.根据权利要求1所述的方法,其特征在于用图差几何特征和图差特征值得出指示值的字符几何特征和字符特征值,进而根据字符几何特征和字符特征值得出指示值图案对应的数字。
10.根据权利要求1所述的方法,其特征在于将数显仪表指示值图案的字符系列归类到Y61、Y62、Y63字符系列中的任意一种,对该字符系列制作模板字符,用两个模板字符图案差作为标准模板并用模板几何特征和模板特征量描述,将S6得出的图差几何特征和图差特征值与模板几何特征和模板特征量进行匹配,从而得出指示值图案中对应的数字;
所述Y61表示七段数码0~9组成的字符系列,其中字符0~9的图案可等效分为七笔段,同一笔段在同一时刻具有相同的光学特征,通过改变笔段的光学特征组合实现字符0~9的显示;
所述Y62表示阿拉伯数字0~9组成的字符系列,其中字符0~9的图案为阿拉伯数字;
所述Y63表示同一数显仪表指示值中字符图案组成的字符系列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886879.3A CN116844149A (zh) | 2023-07-19 | 2023-07-19 | 一种数显仪表指示值图案处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886879.3A CN116844149A (zh) | 2023-07-19 | 2023-07-19 | 一种数显仪表指示值图案处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116844149A true CN116844149A (zh) | 2023-10-03 |
Family
ID=88168816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310886879.3A Pending CN116844149A (zh) | 2023-07-19 | 2023-07-19 | 一种数显仪表指示值图案处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844149A (zh) |
-
2023
- 2023-07-19 CN CN202310886879.3A patent/CN116844149A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khotanzad et al. | Contour line and geographic feature extraction from USGS color topographical paper maps | |
CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN103020970B (zh) | 玉米果穗图像籽粒分割方法 | |
JP4725298B2 (ja) | 画像による外観検査方法 | |
CN103971126A (zh) | 一种交通标志识别方法和装置 | |
CN106934794A (zh) | 信息处理装置,信息处理方法和检查系统 | |
TW201518140A (zh) | 車道偏移警示系統及方法 | |
CN116453104B (zh) | 液位识别方法、装置、电子设备及计算机可读存储介质 | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN115115645A (zh) | 一种舌像腐腻特征数据识别检测方法及系统 | |
JP2006285956A (ja) | 赤目検出方法および装置並びにプログラム | |
CN112036391B (zh) | 一种基于页岩气田生产站场的电子巡检方法及系统 | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
JP5929282B2 (ja) | 画像処理装置及び画像処理プログラム | |
JP2002230562A (ja) | 画像処理方法およびその装置 | |
CN105574844A (zh) | 辐射响应函数估计方法和装置 | |
CN116844148A (zh) | 一种用于数字字符识别的编码方法 | |
CN116844149A (zh) | 一种数显仪表指示值图案处理方法 | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
CN102682308B (zh) | 图像处理方法和图像处理设备 | |
CN114519694A (zh) | 基于深度学习的七段数码管液晶显示屏识别方法及系统 | |
Yang et al. | A novel binarization approach for license plate | |
KR20050051029A (ko) | 코드이미지 검출 방법 및 장치 | |
CN109886276B (zh) | 一种表盘滚动数字字符的半字判断方法 | |
JP4534599B2 (ja) | 画像処理方法 |
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 |