胡秀軍，于鳳芹

(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無(wú)錫 214122)

0 引言

指針式儀表因其結(jié)構(gòu)簡(jiǎn)單、維護(hù)方便、成本低、抗干擾性強(qiáng)等特點(diǎn)，被廣泛應(yīng)用于日常生活和工業(yè)現(xiàn)場(chǎng)。傳統(tǒng)的儀表讀數(shù)識(shí)別方式多為人眼識(shí)別，易受人眼分辨能力和視覺(jué)疲勞等主觀因素影響、識(shí)別效率低且在環(huán)境惡劣的高危場(chǎng)合不適宜采用人工判讀。

隨著計(jì)算機(jī)視覺(jué)和物聯(lián)網(wǎng)技術(shù)的發(fā)展，基于圖像處理的指針式儀表示數(shù)的識(shí)別成為必要。但儀表讀數(shù)識(shí)別算法如何適用于不同的光照和天氣情況成為必須解決的問(wèn)題。文獻(xiàn)[1]通過(guò)設(shè)計(jì)高斯同態(tài)濾波器對(duì)儀表圖像進(jìn)行預(yù)處理，降低光照變化、指針陰影對(duì)算法的影響。文獻(xiàn)[2]提出基于視覺(jué)顯著性的指針式儀表讀數(shù)識(shí)別算法，利用圖像區(qū)域的對(duì)比度、空間關(guān)系、中心先驗(yàn)性等視覺(jué)顯著信息檢測(cè)儀表圖像指針區(qū)域，并利用無(wú)向圖排序算法優(yōu)化，抑制背景干擾。文獻(xiàn)[3]針對(duì)儀表反光的現(xiàn)象，利用輪廓特征對(duì)幾何圖形進(jìn)行擬合，以某一固定特征為參考位置，根據(jù)位置關(guān)系讀取示數(shù)。文獻(xiàn)[4]提出迭代最大類間方差算法提取不同光照條件下的指針區(qū)域。文獻(xiàn)[5]通過(guò)局部自適應(yīng)二值化消除光照影響。文獻(xiàn)[6]針對(duì)非均勻光照下的儀表讀數(shù)提出一種基于掃描線處理的快速讀數(shù)方法。文獻(xiàn)[7]提出了一種基于空間變換的指針式儀表讀數(shù)識(shí)別算法，通過(guò)綜合運(yùn)用減影法、中心投影法和圖像形態(tài)學(xué)對(duì)指針進(jìn)行識(shí)別，采用圖像空間變換的技術(shù)，將圓弧空間轉(zhuǎn)換為矩形空間，通過(guò)提取指針尖端與鄰近刻度線之間的相對(duì)位置關(guān)系來(lái)獲得讀數(shù)，減少光照對(duì)指針和刻度線識(shí)別的影響。文獻(xiàn)[8]提出基于最大穩(wěn)定極值區(qū)域提取指針區(qū)域的算法，通過(guò)三尺度高斯函數(shù)提取光照分量，構(gòu)造二維伽馬函數(shù)自動(dòng)地調(diào)整圖像反光區(qū)域或過(guò)暗區(qū)域的亮度,通過(guò)最大穩(wěn)定極值區(qū)域的2次穩(wěn)定區(qū)域檢測(cè)能夠提取不同光照條件下的指針區(qū)域。文獻(xiàn)[9]提出基于概率霍夫變換的指針儀表去影算法，能夠在存在干擾光源的情況下正確判別指針、去除干擾陰影。

在采集儀表圖像時(shí)，由于光照和拍攝角度的影響，儀表的讀數(shù)識(shí)別經(jīng)常會(huì)受到光照、指針陰影等因素的干擾，導(dǎo)致指針區(qū)域的提取和指針中心線的定位不能取得滿意的結(jié)果。針對(duì)此問(wèn)題，提出具有單參數(shù)的指數(shù)型同態(tài)濾波與全局對(duì)比度處理的儀表讀數(shù)識(shí)別方法，首先設(shè)計(jì)單參數(shù)指數(shù)型同態(tài)濾波器，增強(qiáng)儀表圖像對(duì)光照變化的適應(yīng)性。然后通過(guò)設(shè)計(jì)基于全局對(duì)比度的圖像增強(qiáng)算法，抑制儀表盤背景區(qū)域，突出表盤信息區(qū)域。最后通過(guò)二值化、連通域處理、形態(tài)學(xué)處理提取指針區(qū)域，并通過(guò)細(xì)化處理和累計(jì)概率霍夫變換定位指針中心線，獲取指針的偏轉(zhuǎn)角度，完成儀表讀數(shù)識(shí)別。

1 指針式儀表讀數(shù)識(shí)別算法原理

1.1 單參數(shù)指數(shù)型同態(tài)濾波對(duì)儀表圖像進(jìn)行處理

同態(tài)濾波是將頻率過(guò)濾與灰度變換結(jié)合起來(lái)的圖像處理方法，以圖像的照度-反射模型為基礎(chǔ)，通過(guò)壓縮圖像亮度范圍和增強(qiáng)對(duì)比度的方法來(lái)改善圖像的視覺(jué)質(zhì)量。

利用指數(shù)型高通濾波函數(shù)來(lái)逼近同態(tài)濾波函數(shù)可形成對(duì)應(yīng)的指數(shù)型同態(tài)濾波，其高通濾波函數(shù)表達(dá)式為

H(u,v)=e-[D0/D(u,v)]n

(1)

指數(shù)高通濾波器高低頻率的過(guò)度比較光滑，處理過(guò)的圖像沒(méi)有明顯的振鈴現(xiàn)象。指數(shù)型高通濾波函數(shù)乘以高頻增益rh，再加上低頻增益r1后，得到式(2)：

H(u,v)=rh·e-[D0/D(u,v)]n+r1

(2)

針對(duì)式(2)修改可得到進(jìn)一步優(yōu)化后的指數(shù)型高通濾波函數(shù)，先將指數(shù)高通濾波函數(shù)變?yōu)橹笖?shù)低通濾波函數(shù)，由于低通濾波傳遞函數(shù)波形圖跟高通濾波傳遞函數(shù)的波形圖相反，所以用1減去低通濾波傳遞函數(shù)，同時(shí)，用高頻增益減去低頻增益。c為銳化系數(shù)，可以進(jìn)一步加強(qiáng)圖像對(duì)比度，n取2。優(yōu)化后得到式(3)：

H(u,v)=(rh-r1)·(1-e-c[D0/D(u,v)]2)+r1

(3)

由于優(yōu)化后的指數(shù)型同態(tài)濾波器參數(shù)較多，且對(duì)不同的圖像參數(shù)值不同，需要經(jīng)過(guò)大量的實(shí)驗(yàn)才能得到最優(yōu)效果。為了減少參數(shù)的影響，同時(shí)在不影響濾波效果的情況下，引入S型曲線的指數(shù)函數(shù)：

(4)

由于該指數(shù)函數(shù)的曲線與同態(tài)濾波器的剖面結(jié)構(gòu)近似，因此，設(shè)計(jì)了單參數(shù)指數(shù)型同態(tài)濾波器，其傳遞函數(shù)為

H(u,v)=1/(1+e1-KD(u,v))

(5)

在式(5)所示的傳遞函數(shù)中，只需對(duì)參數(shù)K進(jìn)行控制，就可以得到最佳的濾波效果。

為了降低光照、指針陰影對(duì)儀表讀數(shù)的影響，將儀表圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，對(duì)HSV顏色模型進(jìn)行三通道分離，保持色調(diào)和飽和度不變，提取圖像的亮度分量，利用該單參數(shù)指數(shù)型同態(tài)濾波對(duì)亮度分量進(jìn)行光照補(bǔ)償，并將HSV圖像還原為RGB圖像。

1.2 基于全局對(duì)比度的圖像增強(qiáng)算法原理

為進(jìn)一步增大表盤信息區(qū)域與表盤背景區(qū)域的對(duì)比度，提出基于全局對(duì)比度的圖像增強(qiáng)算法，抑制背景區(qū)域，突出信息區(qū)域。該算法通過(guò)圖像的灰度直方圖統(tǒng)計(jì)出同一灰度級(jí)像素點(diǎn)的數(shù)目，得到該灰度級(jí)像素點(diǎn)在圖像中出現(xiàn)的頻率f，設(shè)圖像中某一像素點(diǎn)Pk,計(jì)算該像素點(diǎn)與圖像中其他所有像素點(diǎn)的距離度量Dis(Pk)。

Dis(Pk)=‖Pk-P1‖+‖Pk-P2‖+…+‖Pk-PN‖

(6)

式中N為像素點(diǎn)的數(shù)目。

若Pk的灰度值為Gm，即Pk=Gm，m表示該像素點(diǎn)的灰度級(jí)，m∈[0,255],則式(6)可重構(gòu)為式(7)：

Dis(Gm)=f0‖Gm-G0‖+f1‖Gm-G1‖+…+fn‖Gm-Gn‖

(7)

式中fn為灰度級(jí)為n的像素點(diǎn)在圖像中的出現(xiàn)的頻率。

將同一灰度級(jí)m的像素點(diǎn)與其他所有灰度級(jí)像素點(diǎn)的灰度度量定義為Gray(Gm)，計(jì)算公式由式(7)整合所得，如式(8)所示：

(8)

將同一灰度級(jí)像素的灰度度量作為該灰度級(jí)上所有像素點(diǎn)的灰度值，得到重新歸一化后的圖像。

1.3 指針檢測(cè)與讀數(shù)計(jì)算

通過(guò)Otsu分割算法對(duì)圖像進(jìn)行二值化處理，結(jié)合連通域處理[10]提取指針區(qū)域，然后用形態(tài)學(xué)孔洞填充[11]。去除指針區(qū)域的細(xì)小孔洞。由于指針具有上端細(xì)、下端粗的特點(diǎn)，為了后續(xù)精確定位指針，需要對(duì)指針區(qū)域進(jìn)行細(xì)化處理獲取其骨架，其中改進(jìn)的Zhang細(xì)化算法[12]具有快速并行、細(xì)化后的曲線保持連通性和無(wú)毛刺等特點(diǎn)，因此本文采用該算法來(lái)細(xì)化指針，獲得指針骨架后，采用累計(jì)概率霍夫變換[8]。檢測(cè)指針直線，并獲取指針的偏轉(zhuǎn)角度。

構(gòu)建坐標(biāo)系，計(jì)算儀表讀數(shù)。如圖1所示，以表盤轉(zhuǎn)動(dòng)軸心O為原點(diǎn)建立直角坐標(biāo)系XY，l為指針直線段。

根據(jù)檢測(cè)到的指針直線得到指針的偏轉(zhuǎn)角度，利用角度法[13]計(jì)算出儀表的讀數(shù)，計(jì)算公式如式(9)所示：

(9)

式中：γ(∠AOB)為指針的偏轉(zhuǎn)角度；β(∠COB)為最小刻度線與Y軸的夾角；max與min分別為儀表最大刻度值與最小刻度值。

2 算法實(shí)現(xiàn)步驟

步驟1：制作儀表模板。獲取儀表軸心位置、最大刻度值、最小刻度值以及最大刻度線與最小刻度線相交的夾角，建立模板庫(kù)。

步驟2：輸入待測(cè)圖像，使用透視變換算法對(duì)該圖像進(jìn)行校正。

步驟3：獲取儀表圖像的有效信息圖。

步驟4：將圖像從RGB轉(zhuǎn)換到HSV空間。

步驟5：保持圖像的色調(diào)(H)、飽和度(S)不變，提取圖像的亮度分量(V)圖。

步驟6：利用單參數(shù)指數(shù)型同態(tài)濾波對(duì)亮度分量圖進(jìn)行處理。

步驟7：將HSV圖像還原為RGB圖像。

步驟8：對(duì)步驟7所得圖像進(jìn)行灰度化處理。

步驟9：得到步驟8處理后圖像的灰度直方圖，統(tǒng)計(jì)灰度級(jí)為n的像素點(diǎn)的頻率fn。

步驟10：通過(guò)式(8)以及步驟9中的fn計(jì)算圖像中每個(gè)灰度級(jí)像素點(diǎn)與其他所有灰度級(jí)像素點(diǎn)的灰度度量。

步驟11：將步驟10計(jì)算得到的灰度度量作為圖像新的灰度值，歸一化圖像。

步驟12：采用Otsu算法對(duì)步驟11的圖像進(jìn)行二值化處理。

步驟13：對(duì)步驟12所得圖像進(jìn)行連通域處理，提取指針區(qū)域。

步驟14：對(duì)步驟13所得圖像進(jìn)行形態(tài)學(xué)孔洞填充操作。

步驟15：對(duì)步驟14所得圖像進(jìn)行細(xì)化處理，獲取指針骨架。

步驟16：采用累計(jì)概率霍夫變換檢測(cè)指針直線，獲取其偏轉(zhuǎn)角度。

步驟17：通過(guò)式(9)計(jì)算儀表讀數(shù)并輸出，算法結(jié)束。

儀表讀數(shù)識(shí)別算法流程圖如圖2所示。

3 仿真實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)的運(yùn)行環(huán)境為Windows10 64位操作系統(tǒng)，Ryzen5處理器，8 GB內(nèi)存，Visual Studio 2017和OpenCV作為軟件開(kāi)發(fā)環(huán)境。

3.1 濾波器參數(shù)設(shè)置與圖像質(zhì)量檢驗(yàn)結(jié)果分析

選取低照度、高照度以及照度不均的儀表圖像為實(shí)驗(yàn)對(duì)象，以圖像的信息熵、峰值信噪比作為圖像質(zhì)量檢驗(yàn)指標(biāo)，來(lái)客觀評(píng)價(jià)傳統(tǒng)的指數(shù)型同態(tài)濾波與本文單參數(shù)指數(shù)型同態(tài)濾波算法的實(shí)驗(yàn)效果。信息熵是圖像信息量的度量，信息熵越大，圖像所含信息越多，圖像包含的細(xì)節(jié)越豐富；峰值信噪比表示圖像信號(hào)最大可能功率與噪聲功率的比值，峰值信噪比越大，圖像保真程度越高。濾波器的參數(shù)設(shè)置以及檢驗(yàn)指標(biāo)如表1。

由表1數(shù)據(jù)可知，本文設(shè)計(jì)的單參數(shù)指數(shù)型同態(tài)濾波器控制參數(shù)明顯減少，可以更快實(shí)現(xiàn)對(duì)濾波器的控制，且處理后的圖像信息熵、峰值信噪比略高于原算法，可以有效增強(qiáng)圖像細(xì)節(jié)，對(duì)圖像具有較好的處理效果。此外，本文根據(jù)大量實(shí)驗(yàn)得到參數(shù)K的取值范圍在[0.025，0.035]之間。

表1 儀表讀數(shù)實(shí)驗(yàn)結(jié)果

3.2 不同光照條件下儀表分割實(shí)驗(yàn)結(jié)果與分析

本文將Otsu算法、文獻(xiàn)[1]、文獻(xiàn)[5]及本文所提方法進(jìn)行對(duì)比實(shí)驗(yàn)，如圖3～圖6所示。經(jīng)分析可知，只有在正常光照下，Otsu算法才能較好地分割出指針區(qū)域，光照過(guò)暗、光照過(guò)亮以及光照不均勻時(shí)均不能取得較好的分割效果；從圖4(c)、圖6(c)可看出文獻(xiàn)[1]算法在光照過(guò)暗或光照不均勻的條件下，對(duì)儀表圖像的分割效果不理想。從文獻(xiàn)[5]算法分割的結(jié)果圖可知，不同光照條件下，該算法可取得較好的分割效果，但保留的干擾信息太多，為后續(xù)提取指針區(qū)域增加了難度。從本文算法分割的結(jié)果圖可知，本文算法能夠減少表盤區(qū)域干擾，抑制背景區(qū)域，突出信息區(qū)域，降低了提取指針區(qū)域的難度，也說(shuō)明了本文算法能夠適應(yīng)各種光照條件，對(duì)光照有較好的魯棒性。

3.3 存在指針陰影的指針區(qū)域提取結(jié)果與分析

經(jīng)實(shí)驗(yàn)分析，可將指針陰影類型大致分為3種，如圖7所示，第一種類型指針與指針陰影之間的夾角較大，經(jīng)Otsu算法分割后得到雙指針，如圖7(b)所示；第二種類型指針與陰影之間的夾角較小，經(jīng)Otsu算法分割后得到的指針比實(shí)際的指針粗，如圖7(g)所示，造成定位的指針中心線不準(zhǔn)確；第三種類型指針陰影并不太明顯，但由于灰度值較高，經(jīng)Otsu算法分割后，得到的指針中僅含有部分指針陰影，如圖7(l)所示。前兩種類型若不能去除指針陰影，將造成指針中心線產(chǎn)生偏差，導(dǎo)致讀數(shù)誤差較大，第三種類型對(duì)指針中心線定位的結(jié)果影響并不大，但若提取的指針區(qū)域中含較多的干擾，如字符、污漬等，就會(huì)對(duì)指針中心線定位產(chǎn)生一定影響。本文就指針區(qū)域的分割與Otsu算法、文獻(xiàn)[1]和文獻(xiàn)[5]中的3種算法進(jìn)行了對(duì)比仿真實(shí)驗(yàn)。由仿真實(shí)驗(yàn)結(jié)果可以看出，本文算法相較于Otsu算法、文獻(xiàn)[1]和文獻(xiàn)[5]算法能夠更好地去除不同類型的指針陰影，有效地分割出指針區(qū)域。

3.4 儀表讀數(shù)實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)采集50張不同類型、不同讀數(shù)的儀表圖片作為實(shí)驗(yàn)樣本進(jìn)行實(shí)驗(yàn)。將其中10組的人工讀數(shù)與本文算法的讀數(shù)結(jié)果進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果如表2所示。

表2 儀表讀數(shù)實(shí)驗(yàn)結(jié)果

由表2可知，使用本文算法對(duì)各刻度均勻的指針式儀表進(jìn)行讀數(shù)，其結(jié)果與參考讀數(shù)相差不大，總體的正確率達(dá)到了95%以上，能夠滿足儀表讀數(shù)識(shí)別的實(shí)際需求?？梢?jiàn)，本文設(shè)計(jì)的指針式儀表讀數(shù)自動(dòng)識(shí)別算法是可行的。

4 結(jié)論

針對(duì)光照變化、指針陰影等干擾影響因素導(dǎo)致儀表指針無(wú)法提取、儀表讀數(shù)識(shí)別誤差較大的問(wèn)題。本文提出一種具有單參數(shù)指數(shù)型同態(tài)濾波與全局對(duì)比度處理的儀表讀數(shù)方法，使用單參數(shù)指數(shù)型同態(tài)濾波較大程度消除光照和指針陰影的干擾，并通過(guò)全局對(duì)比度的圖像增強(qiáng)算法突出表盤信息區(qū)域，結(jié)合Otsu算法解決了不同光照條件下和存在指針陰影的儀表圖像中指針區(qū)域的提取，實(shí)現(xiàn)指針中心線的精確定位。仿真實(shí)驗(yàn)結(jié)果表明，所提算法能夠適應(yīng)不同光照條件下指針區(qū)域的提取，同時(shí)能夠消除指針陰影的影響，且讀數(shù)識(shí)別的正確率達(dá)到95%以上。