[发明专利]基于轮廓拟合和径向分割的指针式仪表图像识别方法

说明书

本发明涉及一种基于轮廓拟合和径向分割的指针式仪表图像识别方法。首先提取指针式仪表图像的闭合轮廓曲线；之后通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；然后对边缘轮廓进行去噪，利用最小二乘法圆拟合得到仪表盘的拟合圆；接着利用区域生长算法提取仪表指针所在位置的像素点集；最后对仪表的指针进行定位。本发明能够克服仪表上的阴影、数字符号、宽指针等因素的干扰，能对不同大小和位置的仪表图像进行检测，具有较强的自适应调节能力。

技术领域

本发明涉及一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，属于计算机图像处理领域。

背景技术

指针式仪表作为一种测量仪器，由于其结构简单，维护、使用方便，可靠性高，价格便宜，防水、防冻、防尘等优点，在大型的工业领域被广泛用到，如电力系统、石油化工、厂矿企业以及铁路系统等行业。常见的指针式仪表有：电压表、气压表、油温表、温度表、水表等。由于工作场合的原因，这些指针式仪表一般没有数据接口，无法实现测量参数的自动采集与传输。因此对这种指针式仪表的读数主要依靠人工的方式，即用人眼去观察指针指向的刻度值。但这种模式劳动强度大，读数慢，容易引起视觉疲劳，并且在某些高压、核辐射的特定场合，人工读数存在较大的安全隐患。

目前倾向于采用机器识别方法。对指针式仪表图像进行识别的方法有很多种，包括Hough变换法、减影法、最小二乘法等。其中，Hough变换法是目前最常用的仪表识别方法，利用Hough圆变换和Hough直线变换可以分别检测出仪表盘和指针的位置，对图像的光照不均也有很好的抗干扰能力。但这种方法需要调节的参数过多，自适应能力弱，不易扩展使用。减影法是利用原图像和模板图像的灰度值相减得到只含有仪表指针的图像，当光照发生较大变化，除指针外其他背景的灰度值也会发生变化，检测的结果就会出现其他背景信息，对指针的检测产生干扰。最小二乘法是指利用小波检测方法提取出仪表指针和仪表边缘点集合，再对这些点集合进行最小二乘拟合，通过拟合得到仪表指针和表盘位置。

发明内容

为解决现有技术存在的问题，本发明提供一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，能够准确检测出指针和仪表盘的位置，整个识别过程为一个自适应调节的过程，扩展性较强，并且对光照也具有一定的抗干扰能力。

为解决上述技术问题，本发明采用如下技术方案：

一种基于轮廓拟合和径向分割的指针式仪表图像识别方法，用于对指针式仪表进行读数识别；其特征在于包括如下主要步骤：

步骤S1：首先提取指针式仪表图像的闭合轮廓曲线；

步骤S2：通过轮廓分离法将闭合轮廓分离成边缘轮廓曲线；

步骤S3：去除边缘轮廓曲线上的凸起；

步骤S4：去除边缘轮廓曲线上的干扰小轮廓，提取边缘轮廓曲线的连续部分；

步骤S5：然后将特征相似的边缘轮廓曲线进行合并，再然后用最小二乘法对合并后的边缘轮廓曲线进行圆拟合得到拟合圆；

步骤S6：以拟合圆直径上的像素点为对象，利用区域生长算法提取仪表指针所在位置的像素点集；

步骤S7：然后对像素点集进行最小二乘直线拟合，计算拟合直线的相似系数，最后比较所有拟合直线的相似系数大小和拟合圆的半径大小，进行仪表指针的定位和仪表盘的定位。

进一步的，步骤S1中：利用opencv自带的库函数对指针式仪表图像进行轮廓提取；调用opencv的库函数，对原始的仪表图像进行局部自适应二值化、查找轮廓处理，得到包含仪表闭合轮廓的二值图像。

进一步的，步骤S2中：将闭合轮廓分离成两条半边缘轮廓；对一个闭合仪表轮廓进行轮廓分离处理，得到上下两个半边缘轮廓曲线。