基于多特征信息的水表指針自動(dòng)識別方法

水表的自動(dòng)判讀技術(shù)在工業(yè)生產(chǎn)中有著(zhù)廣泛的應用，如水表自動(dòng)檢定技術(shù)，將CCD拍攝的水表圖像輸入計算機，使用圖像處理方法分析識別水表的讀數，經(jīng)過(guò)誤差分析后得出水表的檢定結論。

多指針水表表盤(pán)有著(zhù)類(lèi)似的結構特征，每個(gè)指針及其刻度圓所在的圓形區域被稱(chēng)為子表盤(pán)，包含所有子表盤(pán)的圓環(huán)區域稱(chēng)為指針信息顯著(zhù)區域。由于水表指針數量多、形狀較為復雜，工業(yè)生產(chǎn)中指針信息易受光照不均、水泡和表盤(pán)污染等因素的影響，使得水表指針的識別難度比其他單指針儀表高。針對水表指針識別中實(shí)際存在的問(wèn)題，本文提出了基于多特征信息的水表指針自動(dòng)識別方法。首先利用色調信息定位紅色指針，結合表盤(pán)結構特征使用最小二乘擬合法實(shí)現指針信息顯著(zhù)區域的分割提��；然后采用基于色調信息的P－分位數法分割提取出指針子表盤(pán)區域，較好地解決了低對比度、陰影等干擾因素引起的檢測精度下降的問(wèn)題；最后基于指針的面積、形狀、灰度分布等多特征約束條件，提出了一種改進(jìn)的模板匹配法，分區實(shí)現了指針指向的快速識別。

2 基于色調信息的表盤(pán)定位

表盤(pán)定位是水表指針識別的第一個(gè)關(guān)鍵技術(shù)，就是將指針區域從整個(gè)水表圖像中提取出來(lái)，表盤(pán)定位的準確性直接影響后續識別的準確率與效率。傳統算法一般基于水表圖像的灰度特征使用哈夫變換進(jìn)行分割，得到僅包含所有指針的指針信息顯著(zhù)區域。通過(guò)這一步的分割，不僅屏蔽了沒(méi)有指針的無(wú)效圖像區域，縮小了指針信息的有效搜索范圍，同時(shí)提高了圖像處理的效率和速度。但是該算法要求圖像質(zhì)量較高，對于低對比度圖像的識別準確率相對較低。本文充分利用水表圖像的顏色特征，對傳統的表盤(pán)定位算法進(jìn)行改進(jìn)。

表盤(pán)的紅指針是最明顯的顏色特征，且紅色指針的中心均勻分布在一個(gè)圓周上，該圓心即為表盤(pán)中心。因此，準確定位紅色指針是表盤(pán)定位的關(guān)鍵。彩色圖像一般用R、G、B三分量表示，但是這三分量之間高度相關(guān)，冗余信息多，不利于彩色圖像的分析和分割。而HSV空間相對RGB空間不僅更符合人眼對顏色的感覺(jué)，而且H、S、V三分量相互獨立，不存在相關(guān)性，因此本文將水表原圖從RGB空間轉換到HSV空間，用H分量表示水表圖像真實(shí)的彩色信息。

對不同光照條件下的水表圖像進(jìn)行訓練，統計結果表明紅指針的H分量值固定在一定范圍內，本文把該范圍設為ratio＝（0，10）∪（156，180）。根據此條件可將紅指針從彩色圖像中提取出來(lái)，然后根據紅指針位于不同的刻度圓內這個(gè)結構特征，利用模版匹配法大致定位紅指針中心，使用最小二乘擬合法實(shí)現表盤(pán)中心定位并分割提取出指針信息顯著(zhù)區域。

具體步驟如下：

1）對原始圖像執行平滑濾波去噪。

2）將RGB顏色空間轉換到HSV顏色空間。將H分量值在ratio范圍內的像素判為目標，灰度值為0；反之判定為背景，灰度值為255，得到黑白水表圖像I₁。

3）對I₁圖進(jìn)行中值濾波、腐蝕、去除雜點(diǎn)、膨脹等操作，得到僅包含紅指針的圖像I₂。

4）根據I₂圖紅指針像素位置信息恢復紅指針原來(lái)的彩色信息。

5）根據紅指針?lè )謩e位于不同的刻度圓這個(gè)結構特征標記紅指針，得到紅指針標記圖I₃。

6）利用模版匹配法在標記圖I₃上大致定位紅指針中心。

7）使用最小二乘擬合法實(shí)現表盤(pán)中心定位，并分割出指針信息顯著(zhù)區域。

選取低對比度的水表圖像使用上面算法進(jìn)行實(shí)驗，圖1給出了表盤(pán)定位結果。從圖1（b）可看出，在圖像對比度較低的情況下利用指針的顏色特征定位表盤(pán)中心仍能取得準確結果。

圖1 水表表盤(pán)定位結果圖

3 基于面積和色調信息的指針提取算法

不同條件的水表圖像在亮度、指針和背景的對比度上存在很大差異，特別在有不同程度陰影干擾的情況下，如果對整個(gè)圖像采用同一閾值，勢必會(huì )造成誤分割。因此本文采取對各個(gè)指針子表盤(pán)單獨處理的方法，根據子表盤(pán)的具體特性選擇合適的閾值進(jìn)行分割處理。

上一節已經(jīng)求取了四個(gè)紅指針中心和表盤(pán)中心，黑指針和紅指針?lè )植荚谕�一個(gè)圓周上，且表盤(pán)中心與各指針回轉中心的連線(xiàn)之間的夾角是相同的。根據這些先驗知識，可以快速計算出黑指針回轉中心的大致位置。

在指針信息顯著(zhù)區域中，每個(gè)子表盤(pán)內指針與背景所占像素個(gè)數的比例一定，且面積對噪聲干擾的敏感性小，因此以指針面積作為約束條件來(lái)確定指針提取的閾值，本文采用P－分位數法進(jìn)行閾值設定。該方法使前景目標和背景的像素個(gè)數比例等于其先驗概率來(lái)設定分割閾值，具有穩定、速度快的特點(diǎn)。假設目標處于低灰度區，該方法可以表述為：設定一個(gè)灰度值Gray，統計所有不大于該灰度值的像素點(diǎn)個(gè)數Num（Gray），使得Num最小的不小于指針所包含的像素點(diǎn)總數S，則Gray即為分割閾值。

設圖像的灰度值集合為：L＝｛Li｜i＝0，1，2，…，n｝，灰度值Li的像素個(gè)數即為n（L_i），則灰度值不大于Li的像素個(gè)數和為N（L_i），即N（L_i），那么所有N（L_i）≥S的灰度值集合為L(cháng)s：L_s＝｛L_j｜N（L_j）≥S｝（L_j∈L），所以確定作為分割閾值的Gray＝min（Ls）。

圖2（b）是使用上述算法分割的結果圖，從圖中可看出分割提取的黑指針結果較為完整，而紅指針出現粘連、空洞、多針尖等現象，這是因為上述方法是基于假設目標處于低灰度區域，而實(shí)際中由于水泡、光照不均、陰影等因素使得目標灰度值高于背景灰度，所以簡(jiǎn)單的P-分位數法分割結果不是絕對理想的。本文利用紅指針和陰影的色調信息明顯不同的特征，提出了一種基于色調信息的指針提取方法，即在統計不大于該灰度值的像素點(diǎn)個(gè)數時(shí)加入色調信息：。本文算法的分割結果如圖2（c）所示，從圖中可看出光照不均、陰影等干擾得到了很好的改善。

圖2 指針提取結果圖

4 指針識別

常用的指針?lè )较蜃R別方法有四種：圓周灰度檢測法、步長(cháng)法、HOUGH變換法、模版匹配法。對水表圖像使用這四種方法進(jìn)行實(shí)驗時(shí)發(fā)現，由于光照不均、陰影等原因常常導致部分指針模糊不清，此時(shí)使用圓周灰度檢測法和步長(cháng)法都會(huì )失效；而使用HOUGH變換法時(shí)，如果指針邊界區域存在被水泡干擾而引起邊界間斷的情況，該方法就很難檢測出指針邊界直線(xiàn)的指示方向；模版匹配法對水表圖像質(zhì)量要求最低，但是受上文提取出的指針形狀影響較大，如果提取的指針出現粘連、破損、多針尖等現象，該方法不能很好地識別指針指向，而且算法復雜度較高。

針對上述問(wèn)題，本文以指針的面積、形狀特征、灰度分布多特征作為約束條件，分區利用模版匹配法快速識別指針?lè )较�。具體方法為：首先將各個(gè)指針子表盤(pán)劃分兩個(gè)小區—前區和后區，將表盤(pán)中心與各指針回轉中心的連線(xiàn)作為基準線(xiàn)，繞各指針回轉中心分別按順時(shí)針和逆時(shí)針?lè )较蛐�轉120°，得到的此范圍即為前區，其余為后區；然后建立指針三角形模板，使該模板圍繞各指針回轉中心先后在前區和后區旋轉，利用指針的面積、形狀特征、灰度分布建立分類(lèi)器。當指針模板旋轉到某方向時(shí)得到的指針信息與模板相似度最大時(shí)，該方向即為識別的指針?lè )较颉?/p>

圖3為指針子表盤(pán)的分區示意圖，三亮線(xiàn)直觀(guān)顯示了分區范圍。從光照和灰度分布的規律看，前區光照均勻，指針輪廓清晰，而后區陰影等因素干擾，因此兩個(gè)區域的灰度分布不同，從而建立的指針模板也不同。同時(shí)，如果在前區能識別到指針指向，相應后區就不用進(jìn)行識別，大大減少了算法的時(shí)間復雜度。

圖3 指針子表盤(pán)分區示意圖

5 實(shí)驗結果與分析

本節通過(guò)對CCD采集的2000幅圖像使用Visual　C＋＋平臺進(jìn)行仿真實(shí)驗，實(shí)驗結果表明除了少數水泡導致指針嚴重畸變、陰影干擾和水垢污染嚴重的圖像不能正確識別外，其余均能準確地自動(dòng)識別，識別正確率在99%以上，且時(shí)間控制在2s以?xún)取?/p>

圖4給出了兩幅具有代表性的水表圖像的指針識別結果，圖4（a）一幅對比度較低，噪聲污染嚴重的水表圖像，圖4（c）是黑指針和部分紅指針均受陰影干擾的水表圖像，圖4（b）、圖4（d）為相應的識別結果，可以看出本文基于多特征信息的水表指針自動(dòng)識別方法能很好地解決低對比度、噪聲、陰影等問(wèn)題帶來(lái)的影響，能滿(mǎn)足一定的精度和速度要求。

圖4 基于多特征信息的水表指針識別結果

6 結語(yǔ)

本文針對水表圖像的結構特征和圖像信息特點(diǎn)，提出了基于多特征信息的指針識別方法。首先利用色調信息定位紅色指針，使用最小二乘擬合法實(shí)現指針信息顯著(zhù)區域的分割提取，然后提出基于色調信息的P－分位數法分割提取出指針子表盤(pán)區域，最后采用一種改進(jìn)的模板匹配算法分區實(shí)現了指針指向的快速識別。該方案較好地解決了對比度低、光照不均、陰影等干擾因素引起的檢測精度下降的問(wèn)題。下一步工作要研究三維傾斜的水表圖像的校正及指針自動(dòng)識別。