CN117011849A - 一种水位尺图像解析方法、装置、存储介质及电子设备 - Google Patents
一种水位尺图像解析方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117011849A CN117011849A CN202311203734.5A CN202311203734A CN117011849A CN 117011849 A CN117011849 A CN 117011849A CN 202311203734 A CN202311203734 A CN 202311203734A CN 117011849 A CN117011849 A CN 117011849A
- Authority
- CN
- China
- Prior art keywords
- water level
- image
- sub
- value
- target
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 222
- 238000003703 image analysis method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 32
- 238000011282 treatment Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本申请提出一种水位尺图像解析方法、装置、存储介质及电子设备，包括：获取目标图像，目标图像包括目标水位尺所在的目标区域的图像信息；基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；其中，标识数值为目标水位尺位于水位线上的第一个数值，刻度线计数值为标识数值到水位线之间的刻度线的数量，水位尺倾斜角为目标水位尺在目标图像采集时的倾斜角度；基于标识数值、刻度线计数值以及水位尺倾斜角获取水位线对应的水位值。通过分别识别标识数值和刻度线计数值，避免相互干扰，保障识别结果的准确性，在结合水位尺倾斜角以及获取到的标识数值和刻度线计数值进行数学运算处理，得到水位线对应的真实准确地的水位值。
Description
技术领域
本申请涉及图像识别领域，具体而言，涉及一种水位尺图像解析方法、装置、存储介质及电子设备。
背景技术
水位是反映江河、水库等水体涨落的重要指标，掌握水位变化情况对做好涉水工程规划建设与管理、防汛抗旱，群众避险转移等方面工作至关重要。水位尺，是在江、河、湖泊或者其他水体指定地点测定水面高程的装置，是由金属或非金属材质制作而成，上面标有刻度，精度一般以厘米计量，水利上一般以1米为一节。
常见的水库、灌区中都会设置对应的水位尺进行水位读数，以方便记录实时的水位情况，通常水位尺观察水位，通常是使用人工识别的方式进行读数，然而由于某些水位是设置在河流中段的桥梁支座上，人工读数的方式存在读数不方便的问题，尤其是在恶劣天气环境下。因此如何方便快捷地完成水位尺读取，成为了本领域技术人员所关心的问题。
发明内容
本申请的目的在于提供一种水位尺图像解析方法、装置、存储介质及电子设备，以至少部分改善上述问题。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种水位尺图像解析方法，所述方法包括：
获取目标图像，所述目标图像包括目标水位尺所在的目标区域的图像信息；
基于所述目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；
其中，所述标识数值为所述目标水位尺位于水位线上的第一个数值，所述刻度线计数值为所述标识数值到水位线之间的刻度线的数量，所述水位尺倾斜角为所述目标水位尺在目标图像采集时的倾斜角度；
基于所述标识数值、所述刻度线计数值以及所述水位尺倾斜角获取所述水位线对应的水位值。
第二方面，本申请实施例提供一种水位尺图像解析装置，所述装置包括：
信息获取单元，用于获取目标图像，所述目标图像包括目标水位尺所在的目标区域的图像信息；
处理单元，用于基于所述目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；
其中，所述标识数值为所述目标水位尺位于水位线上的第一个数值，所述刻度线计数值为所述标识数值到水位线之间的刻度线的数量，所述水位尺倾斜角为所述目标水位尺在目标图像采集时的倾斜角度；
所述处理单元还用于基于所述标识数值、所述刻度线计数值以及所述水位尺倾斜角获取所述水位线对应的水位值。
第三方面，本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的方法。
第四方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现上述的方法。
相对于现有技术，本申请实施例所提供的一种水位尺图像解析方法、装置、存储介质及电子设备，包括：获取目标图像，目标图像包括目标水位尺所在的目标区域的图像信息；基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；其中，标识数值为目标水位尺位于水位线上的第一个数值，刻度线计数值为标识数值到水位线之间的刻度线的数量，水位尺倾斜角为目标水位尺在目标图像采集时的倾斜角度；基于标识数值、刻度线计数值以及水位尺倾斜角获取水位线对应的水位值。通过分别识别标识数值和刻度线计数值，避免相互干扰，保障识别结果的准确性，在结合水位尺倾斜角以及获取到的标识数值和刻度线计数值进行数学运算处理，得到水位线对应的真实准确地的水位值。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图；
图2本申请实施例提供的前端数据采集系统概述图；
图3为本申请实施例提供一种水位尺图像解析方法的流程示意图；
图4为本申请实施例提供的倾斜状态下的偏差示意图；
图5为本申请实施例提供一种水位尺图像解析装置的单元示意图。
图中：10-处理器；11-存储器；12-总线；13-通信接口；201-信息获取单元；202-处理单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请实施例提供了一种电子设备，可以是手机设备、电脑设备、服务器设备以及其他具备计算处理能力的终端设备。请参照图1，电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接，处理器10用于执行存储器11中存储的可执行模块，例如计算机程序。
处理器10可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，水位尺图像解析方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器11可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示，但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序，例如水位尺图像解析装置对应的程序。水位尺图像解析装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作系统(operating system，OS)中的软件功能模块。处理器10在接收到执行指令后，执行所述程序以实现水位尺图像解析方法。
可能地，本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。
可选地，电子设备可以通过通信接口13与前端数据采集系统中的图像采集单元通信连接。前端数据采集系统包括图像采集单元和布置于水位监测点的目标水位尺。
可选地，图像采集单元设置在目标水位尺的正对面的预设距离处。图像采集单元可以但不限定为摄像机。图像采集单元可以但不限定为由太阳能蓄电池进行供电。图像采集单元可以按照预设的时间间隔连续采集目标图像，目标图像包括目标水位尺所在的目标区域的图像信息。图像采集单元在采集到目标图像后，可以将其存储在安全数字存储卡(Secure Digital Memory Card，SD卡)中。存储在SD卡中的目标图像可以通过人工转移、搬运的方式拷贝至该电子设备。图像采集单元还可以通过数据传输装置(Data TransferUnit,DTU)将采集到的目标图像发送到该电子设备。
请参考图2，图2为本申请实施例提供的前端数据采集系统概述图。图2中以摄像机作为图像采集单元，以远程服务器(PC)作为电子设备进行示例说明，但不以此作为限定。
应当理解的是，图1所示的结构仅为电子设备的部分的结构示意图，电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供的一种水位尺图像解析方法，可以但不限于应用于图1所示的电子设备，具体的流程，请参考图3，水位尺图像解析方法包括：S101、S102以及S103，具体阐述如下。
S101，获取目标图像。
其中，目标图像包括目标水位尺所在的目标区域的图像信息。目标图像为前文中的图像采集单元所采集到的图像。
S102，基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角。
其中，标识数值为目标水位尺位于水位线上的第一个数值，刻度线计数值为标识数值到水位线之间的刻度线的数量，水位尺倾斜角为目标水位尺在目标图像采集时的倾斜角度。
S103，基于标识数值、刻度线计数值以及水位尺倾斜角获取水位线对应的水位值。
可选地，水位线对应的水位值满足以下算式：
其中，WL为水位值(单位：米)，M为标识数值，N为刻度线计数值以，θ为水位尺倾斜角。
在本申请方案中，通过分别识别标识数值和刻度线计数值，避免相互干扰，保障识别结果的准确性，在结合水位尺倾斜角以及获取到的标识数值和刻度线计数值进行数学运算处理，得到水位线对应的真实准确地的水位值。
可选地，在获取到水位线对应的水位值后，可以将水位线对应的水位值发送给对应的客户端，和/或将水位线对应的水位值与对应的目标图像存入数据库，并建立二者之间对应的映射关系。
在图3的基础上，关于S102中的内容，本申请实施例还提供了一种可选的实施方式，请参考下文，S102，基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角，包括：S102-1、S102-2、S102-5、S102-6以及S102-7，具体阐述如下。
S102-1，基于预先获得的位置坐标从目标图像中获取目标区域对应的第一子图像。
关于如何获取位置坐标，本申请还提供了一种可选的实施方式，具体请参考下文。
对目标图像进行预处理，检测目标图像中目标水位尺所在的目标区域对应的位置坐标，基于该位置坐标提取目标区域对应的第一子图像。
其中，预处理包括灰度化处理、二值化处理、边缘检测处理、形态学滤波处理、以及轮廓检测处理中的任意一种或多种。
关于如何获取位置坐标，本申请还提供了另一种可选的实施方式，具体请参考下文。
从图像采集单元所采集到所有图像中确定样本图像，样本图像可以为在白天光线良好的情况所拍摄到的图像，以使图像信息更加清楚。并且样本图像中目标水位尺所检测到的水位线较低，例如低于第一水位线阈值，以使基于样本图像所确定的位置坐标可以尽可能多地覆盖数字字符和刻度线，有利于极端水位时的判定。
对样本图像进行预处理，检测样本图像中目标水位尺所在的目标区域对应的位置坐标。将样本图像中目标区域对应的位置坐标作为标准模板进行存储，在处理解析与样本图像同一批次的目标图像时，可以直接调用预先存储的作为标准模板的，样本图像中目标区域对应的位置坐标，进行批量裁剪。避免每一次都需要对目标图像进行整体的预处理，降低运行难度，提升整体的处理效率。
需要说明的是，该位置坐标是指目标区域在目标图像的图像坐标系中的坐标。
S102-2，基于第一子图像进行直线检测，获取目标水位尺对应的直线在在目标图像采集时的倾斜角度，作为水位尺倾斜角。
可选地，利用霍夫变换(Hough变换)对第一子图像中的目标水位尺进行直线检测，获取目标水位尺对应的直线在在目标图像采集时的倾斜角度，作为水位尺倾斜角。
S102-5，对第一子图像进行图像分割，以获取第二子图像和第三子图像。
其中，第二子图像为位于水位线之上的数字字符尺图像，第三子图像为位于水位线之上的刻度线尺图像。
在一种可选的实施方式中，目标水位尺的一侧刻有对应的数字字符，目标水位尺的另一侧刻有对应的刻度线。可以对第一子图像进行图像分割，例如分割为左右两部分，以获取第二子图像和第三子图像。
关于S102-5中的内容，本申请还提供了一种可选的实施方式，请参考下文。
基于前文中的样本图像执行S102-1，以得到样本图像对应的第一样本子图像。对第一样本子图像进行图像分割，以获取第二样本子图像和第三样本子图像，并记录第一样本子图像的图像分割参数，图像分割参数可以表示分割点在第一样本子图像中的坐标信息。在处理与样本图像同批次的目标图像对应的第一子图像时，可以直接调用该图像分割参数，对第一子图像进行图像分割，以获取第二子图像和第三子图像，从而避免每一次都需要单独识别分割点，基于该图像分割参数可以实现批量分割，提升处理效率。
S102-6，基于第二子图像获取标识数值。
关于S102-6中的内容，本申请还提供了一种可选的实施方式，请参考下文，S102-6，基于第二子图像获取标识数值，包括：S102-6A和S102-6B，具体阐述如下。
S102-6A，对第二子图像进行分割，以获取标识数字字符，其中，标识数字字符为目标水位尺位于水位线上的第一个数字字符。
可选地，第二子图像为二值图像，利用投影法对第二子图像进行水平方向上的投影，统计第二子图像上垂直于该直线(轴)的像素的黑点数量，并将其相加作为轴上的位置值(坐标)，并利用位置值(坐标)在第二子图像上裁剪出数字字符图像，其中，就包含标识数字字符。
此处的直线(轴)是图像的纵坐标轴，将图像二值化之后，沿水平向左方向(即垂直于该纵坐标轴的方向)进行投影，统计黑点数量分布。数字字符所在区域向纵轴投影的黑点数量大于0，而当黑点数量变为0时，即这一数字字符区域检索结束，此时，这个黑点数为0的坐标就是该数字字符的边界坐标点。
在一种可选的实施方式中，可以先对第二样本子图像进行上述处理，获取第二样本子图像对应的样本位置值(样本坐标)。在处理与样本图像同批次的目标图像对应的第二子图像时，可以直接调用该样本位置值(样本坐标)，在第二子图像上裁剪出数字字符图像，其中，就包含标识数字字符，提升处理效率。
S102-6B，对标识数字字符进行识别，以得到标识数值。
可选地，基于公开的数字字符数据集，设计并训练卷积神经网络，根据训练结果选择其中性能较好的模型对数字字符图像进行识别，得到字符的数值。
本申请方案中卷积神经网络可以仅对标识数字进行识别，也可以对S102-6A中得到的所有数字字符进行识别。
可选地，选取英国萨里大学的印刷体数字字符数据集，包含0～9的印刷体阿拉伯数字，按照一定的比例对数据集进行划分，统一输入尺寸并对其进行标准化、数据增强等处理。设计卷积神经网络模型，卷积神经网络模型结构包括1个规范化层、3个卷积层、3个池化层、1个扁平化层、2个全连接层，并添加1个Dropout层以防止过度拟合现象的发生，设置模型的学习率、步长、训练轮次等参数，选取适合的激活函数并训练该模型，编译模型并对模型的准确率和损失率进行评估，最后保存性能优的卷积神经网络模型，用于识别水尺上的数字字符。
S102-7，基于第三子图像获取刻度线计数值。
关于S102-7中的内容，本申请还提供了一种可选的实施方式，请参考下文，S102-7，基于第三子图像获取刻度线计数值，包括：S102-7A、S102-7B、S102-7C以及S102-7D，具体阐述如下。
S102-7A，设置计数器的初始值为0。
S102-7B，从第三子图像的标识坐标开始，向下遍历统计第三子图像的像素值。
其中，标识坐标为标识数值(即标识数字字符)在第三子图像上的坐标。
S102-7C，当像素值发生变化时，计数器的值加1。
S102-7D，将遍历完成后计数器的值确定为刻度线计数值。
可选地，第三子图像为二值图像，当第三子图像不是二值图像时，可以对第三子图像进行灰度化处理、二值化处理、腐蚀膨胀处理、开闭运算处理等方法进行预处理，以使其变为二值图像。再设置一个初始值为0的刻度线计数器，根据识别出的标识数字字符在刻度线尺上的标识坐标，在二值化的刻度线尺图像(第三子图像)上与之相同高度的位置处向下进行像素遍历，根据像素值的变化规律增加计数器的数值。采用该方法在刻度线尺的二值图像上遍历完成之后，计数器的值就是刻度线的数量，即刻度线计数值。
在图3的基础上，关于S102中的内容，本申请实施例还提供了一种可选的实施方式，请参考下文，S102，基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角，包括：S102-1、S102-2、S102-3、S102-4、S102-5、S102-6以及S102-7，其中，S102-1、S102-2、SS102-5、S102-6以及S102-7，与前文中的表述一致，在此不做赘述，关于S102-3和S102-4，具体阐述如下。
S102-3，基于水位尺倾斜角对第一子图像进行倾斜校正，以得到倾斜校正后的第一子图像。
可选地，在S102-2获取到水位尺倾斜角之后，可以执行S102-3，以对第一子图像进行倾斜校正，以得到倾斜校正后的第一子图像，便于后续处理。
在一种可选的实施方式中，S102-2中对第一样本子图像行直线检测，获取目标水位尺对应的直线在在样本图像采集时的倾斜角度，作为样本水位尺倾斜角。在处理与样本图像同批次的目标图像时，可以不用重复获取目标图像的水位尺倾斜角，直接采用样本水位尺倾斜角，包括但不限于基于样本水位尺倾斜角进行第一子图像的倾斜校正。从而提升处理效率。
请参考图4，图4为本申请实施例提供的倾斜状态下的偏差示意图。其中，θ为水位尺倾斜角，显示值表示当前倾斜角下水位对应的测量值，真实值表示下水位对应的真实值。
可选地，在S102-5，对第一子图像进行图像分割，以获取第二子图像和第三子图像之前，还可以执行S102-4。
S102-4，对第一子图像进行第一类预处理，以对第一子图像中目标水位尺位于水位线上以上的部分进行标定。
其中，第一类预处理包括灰度化处理、二值化处理以及形态学处理中的任意一种或多种。
通过对第一子图像中目标水位尺位于水位线上以上的部分进行标定，便于后续对其进行分割，以得到准确的第二子图像和第三子图像。
可选地，为了便于准确识别水位值，需要进行预处理。关于预处理的具体实施方式，本申请实施例还提供了一种可选的实施方式，请参考下文。
(1)灰度化处理方法：分析彩色图像的颜色原理和RGB、HSV颜色空间，并在水尺照片上对比最值法、平均值法和加权平均法的灰度化效果，选取其中效果最佳的方法对水尺照片进行灰度化处理；
(2)二值化处理方法：由于基于全局阈值的最大类间方差法(OTSU法)具有简单、快速、准确的优点，适用于大多数场景下的图像二值化。因此，在图像二值化阶段分析了OTSU算法的原理，并使用该方法对灰度化之后的水尺图像进行二值化。
(3)形态学处理方法：形态学滤波能够对图像进行特定形状的滤波和增强等操作。因此对水尺的二值图像进行腐蚀膨胀、开闭运算等形态学处理以达到去噪、填充小孔洞、分离连通区域等目的。
(4)轮廓检测处理方法和边缘检测处理方法：对比分析Robert算子、Sobel算子、Prewitt算子、Canny算子等边缘检测算子的原理和效果，在预处理过程中针对不同的需求选择合适的算子进行边缘检测。利用OpenCV(Howse et al.,2015)中的轮廓检测方法对水尺的轮廓进行检测和标定，提取出兴趣区域，例如第一子图像等。
本申请提供的水位尺图像解析方法中：①前端数据采集系统中仅需摄像机收集水尺照片，仪器成本低廉、安装简便、容易维护；②后端图像解析采用数字图像处理技术和卷积神经网络相结合的方法对水尺进行目标定位、倾斜校正、数字和刻度线识别，最后根据水尺上的数字字符的值和刻度线之间的关系来完成水位值的计算，使后端系统的预处理和刻度线检测方法不但具备图像处理技术快速、准确、对计算机资源要求低的优点，而且在图像识别阶段也不需要大量的原始数据、复杂的神经网络结构和长时间的模型训练，仅设计简单的卷积神经网络模型在公开的数字字符数据集上进行短时间的训练，就能完成数字字符的识别。
请参阅图5，图5为本申请实施例提供的一种水位尺图像解析装置，可选的，该水位尺图像解析装置被应用于上文的电子设备。
水位尺图像解析装置包括：信息获取单元201和处理单元202。
信息获取单元201，用于获取目标图像，目标图像包括目标水位尺所在的目标区域的图像信息；
处理单元202，用于基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；
其中，标识数值为目标水位尺位于水位线上的第一个数值，刻度线计数值为标识数值到水位线之间的刻度线的数量，水位尺倾斜角为目标水位尺在目标图像采集时的倾斜角度；
处理单元202还用于基于标识数值、刻度线计数值以及水位尺倾斜角获取水位线对应的水位值。
需要说明的是，本实施例所提供的水位尺图像解析装置，其可以执行上述方法流程实施例所示的方法流程，以实现对应的技术效果。为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。
本申请实施例还提供了一种存储介质，该存储介质存储有计算机指令、程序，该计算机指令、程序在被读取并运行时执行上述实施例的水位尺图像解析方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备，可以是手机设备、电脑设备、服务器设备以及其他具备计算处理能力的终端设备，该电子设备如图1所示，可以实现上述的水位尺图像解析方法；具体的，该电子设备包括：处理器10，存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序，当一个或多个程序被处理器10执行时，执行上述实施例的水位尺图像解析方法。
综上所述，本申请实施例提供了一种水位尺图像解析方法、装置、存储介质及电子设备，包括：获取目标图像，目标图像包括目标水位尺所在的目标区域的图像信息；基于目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；其中，标识数值为目标水位尺位于水位线上的第一个数值，刻度线计数值为标识数值到水位线之间的刻度线的数量，水位尺倾斜角为目标水位尺在目标图像采集时的倾斜角度；基于标识数值、刻度线计数值以及水位尺倾斜角获取水位线对应的水位值。通过分别识别标识数值和刻度线计数值，避免相互干扰，保障识别结果的准确性，在结合水位尺倾斜角以及获取到的标识数值和刻度线计数值进行数学运算处理，得到水位线对应的真实准确地的水位值。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种水位尺图像解析方法，其特征在于，所述方法包括：
获取目标图像，所述目标图像包括目标水位尺所在的目标区域的图像信息；
基于所述目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；
其中，所述标识数值为所述目标水位尺位于水位线上的第一个数值，所述刻度线计数值为所述标识数值到水位线之间的刻度线的数量，所述水位尺倾斜角为所述目标水位尺在目标图像采集时的倾斜角度；
基于所述标识数值、所述刻度线计数值以及所述水位尺倾斜角获取所述水位线对应的水位值。
2.如权利要求1所述的水位尺图像解析方法，其特征在于，所述基于所述目标图像获取标识数值、刻度线计数值以及水位尺倾斜角的步骤，包括：
基于预先获得的位置坐标从所述目标图像中获取所述目标区域对应的第一子图像；
基于所述第一子图像进行直线检测，获取所述目标水位尺对应的直线在在所述目标图像采集时的倾斜角度，作为所述水位尺倾斜角；
对所述第一子图像进行图像分割，以获取第二子图像和第三子图像；
其中，所述第二子图像为位于所述水位线之上的数字字符尺图像，所述第三子图像为位于所述水位线之上的刻度线尺图像；
基于所述第二子图像获取所述标识数值；
基于所述第三子图像获取所述刻度线计数值。
3.如权利要求2所述的水位尺图像解析方法，其特征在于，所述基于所述第二子图像获取所述标识数值的步骤，包括：
对所述第二子图像进行分割，以获取标识数字字符，其中，所述标识数字字符为所述目标水位尺位于水位线上的第一个数字字符；
对所述标识数字字符进行识别，以得到所述标识数值。
4.如权利要求2所述的水位尺图像解析方法，其特征在于，所述第三子图像为二值图像，所述基于所述第三子图像获取所述刻度线计数值的步骤，包括：
设置计数器的初始值为0；
从所述第三子图像的标识坐标开始，向下遍历统计所述第三子图像的像素值；
其中，所述标识坐标为所述标识数值在所述第三子图像上的坐标；
当所述像素值发生变化时，所述计数器的值加1；
将遍历完成后所述计数器的值确定为所述刻度线计数值。
5.如权利要求2所述的水位尺图像解析方法，其特征在于，在所述对所述第一子图像进行图像分割，以获取第二子图像和第三子图像之前，所述方法还包括：
基于所述水位尺倾斜角对所述第一子图像进行倾斜校正，以得到倾斜校正后的第一子图像。
6.如权利要求2所述的水位尺图像解析方法，其特征在于，在所述对所述第一子图像进行图像分割，以获取第二子图像和第三子图像之前，所述方法还包括：
对所述第一子图像进行第一类预处理，以对所述第一子图像中所述目标水位尺位于水位线上以上的部分进行标定；
其中，所述第一类预处理包括灰度化处理、二值化处理以及形态学处理中的任意一种或多种。
7.如权利要求1所述的水位尺图像解析方法，其特征在于，所述水位线对应的水位值满足以下算式：
其中，WL为水位值(单位：米)，M为所述标识数值，N为所述刻度线计数值以，θ为所述水位尺倾斜角。
8.一种水位尺图像解析装置，其特征在于，所述装置包括：
信息获取单元，用于获取目标图像，所述目标图像包括目标水位尺所在的目标区域的图像信息；
处理单元，用于基于所述目标图像获取标识数值、刻度线计数值以及水位尺倾斜角；
其中，所述标识数值为所述目标水位尺位于水位线上的第一个数值，所述刻度线计数值为所述标识数值到水位线之间的刻度线的数量，所述水位尺倾斜角为所述目标水位尺在目标图像采集时的倾斜角度；
所述处理单元还用于基于所述标识数值、所述刻度线计数值以及所述水位尺倾斜角获取所述水位线对应的水位值。
9.一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，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203734.5A CN117011849A (zh) | 2023-09-18 | 2023-09-18 | 一种水位尺图像解析方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203734.5A CN117011849A (zh) | 2023-09-18 | 2023-09-18 | 一种水位尺图像解析方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117011849A true CN117011849A (zh) | 2023-11-07 |
Family
ID=88567448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311203734.5A Pending CN117011849A (zh) | 2023-09-18 | 2023-09-18 | 一种水位尺图像解析方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117011849A (zh) |
-
2023
- 2023-09-18 CN CN202311203734.5A patent/CN117011849A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
| CN108759973B (zh) | 一种水位测量方法 | |
| CN115424232B (zh) | 一种路面坑槽的识别和评价方法、电子设备及存储介质 | |
| CN112149667B (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
| CN111950330A (zh) | 一种基于目标检测的指针式仪表示数检测方法 | |
| CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
| CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN111814740B (zh) | 指针仪表读数的识别方法、装置、计算机设备和存储介质 | |
| CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
| CN110288612B (zh) | 铭牌定位与校正方法及设备 | |
| CN114037672A (zh) | 一种图像缺陷的检测方法、装置及计算机可读介质 | |
| CN110765963A (zh) | 车辆制动检测方法、装置、设备及计算机可读存储介质 | |
| CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
| CN112036409A (zh) | 一种液位计的读数识别方法及装置 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN113435442B (zh) | 水位测量方法、装置、水尺及电子设备 | |
| CN115578695B (zh) | 一种自由拍摄视角的水尺水位机器视觉检测方法及装置 | |
| CN117011849A (zh) | 一种水位尺图像解析方法、装置、存储介质及电子设备 | |
| CN111008635A (zh) | 一种基于ocr的多票据自动识别方法及识别系统 | |
| CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
| CN115497036A (zh) | 一种内涝积水深度计算方法、系统及可读存储介质 | |
| CN113435350A (zh) | 一种交通标线检测方法、装置、设备和介质 | |
| CN114255458A (zh) | 一种巡检场景下指针仪表读数的识别方法与系统 | |
| CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |