一种基于机器视觉的表具自动识别方法技术

本发明专利技术公开一种基于机器视觉的表具自动识别方法，包括：步骤一、将输入的表具图像f(x,y)进行灰度化处理，得到灰度化处理后的图像h(x,y)；步骤二、将原始图像f(x,y)进行图像增强；步骤三、对增强后的图像进行中值滤波；步骤四、将经过中值滤波后的图像进行表盘轮廓及圆心的提取；步骤五、对确定的圆进行特征点的提取与模板匹配；步骤六、由步骤四和步骤五可以确定表具图片的方向，与标准正向表具图片进行对比得到偏差角度，利用仿射变换的旋转和平移功能来校正图片的角度；步骤七、将步骤六变换后的表具图片，进行字符分割处理，然后进行字符识别。本发明专利技术具有自动化程度高、测量准确及效率高等优点，且降低了仪表抄表的成本。

【技术实现步骤摘要】
一种基于机器视觉的表具自动识别方法
本专利技术属于图像处理
，尤其涉及一种基于机器视觉的表具自动识别方法。
技术介绍
随着社会经济的快速发展，人们对追求高质量的生活表现出前所未有的热情，智能住宅和智能社区也快速发展起来。智能化小区的快速发展使远程自动抄表系统的研究显得意义重大和前景广阔。远程自动抄表系统是指应用计算机技术、通信技术、控制技术，无需人工干涉，通过远程数据控制中心客户端与数据采集终端建立通信链接，实现实时采集仪表使用数据并对用户用量情况进行监控，集存储、计算、收费于一体的计量系统。常见的远程自动抄表系统是采用分线制集中抄表方式，即由数据采集器采集单只或多只计量表的数据进行处理、存储，各数据采集器之间采用总线方式连接，最后连接到集中控制器上，通过Modem方式远程传输到服务器端，最终在计算机上进行显示。常见的自动抄表方式有红外抄表系统、低压载波抄表系统、485总线抄表系统、光纤传输远程抄表系统等。红外抄表系统需要抄表工作人员到数据采集器跟前抄读，实现的是半自动抄表；低压载波抄表系统受噪声干扰影响比较大、高频载波信号只能在一个低压台区内传播，无法跨台区传送信号、电力网络的阻抗特性及其衰减,制约着信号的传输距离；485总线抄表系统需要铺设专用的485总线,实施难度更大，需要采取防雷击措施等；光纤传输远程抄表系统成本高、施工难度大。
技术实现思路
本专利技术目的在于改进现有的基于图像处理的抄表系统的弊端，提出基于机器视觉的表具自动识别方法，节省了人力物力，提高了工作效率，降低了抄表成本。一种基于机器视觉的表具自动识别方法，包括以下步骤：步骤一、将输入的表具图像f(x,y)进行灰度化处理，得到灰度化处理后的图像h(x,y)。步骤二、将原始图像f(x,y)进行图像增强，将处理后的图像记为g(x,y)，则对比度增强可以表示为g(x,y)＝T[f(x,y)]。其中，T表示输入图像和输出图像对应点的灰度映射关系。实际中由于曝光不足或成像系统非线性的影响，通常照片或电子系统生成图像对比度不良，利用对比度增强变换可以有效地改善图像的质量。步骤三、采用改进后的中值滤波，将传统算法中相邻的两次中值滤波运算合并为一次进行，减少了中值滤波过程中比较运算的次数，该算法可将传统算法的复杂度O(n2)简化为O(n)。步骤四、由圆的标准方程x2+y2+2ax+2by+c＝0分两步求出其中的参数：第一步求出圆心坐标(a,b)；第二步求出圆的半径r。步骤五、对由步骤四确定的圆进行特征点的提取与模板匹配。用SURF算法进行关键点和描述符的提取，用FLANN算法进行模板匹配。步骤六、由步骤四和步骤五可以确定表具图片的方向，与标准正向表具图片进行对比得到偏差角度，利用仿射变换的旋转和平移功能来校正图片的角度。步骤七、将步骤六变换后的表具图片，进行字符分割处理，然后进行字符识别。最终输出识别的结果。本专利技术的表具自动识别方法，用于自动识别数字表盘的读数。主要包括用户用于上传表具图片的相关APP软件、对采集的图像的预处理、对图像中的数字表盘进行轮廓及圆心定位、表盘的特征点的提取、仿射变换、字符分割、模板匹配、进行结果的识别、将识别的结果存储到数字仪表图像数据库、通过数据总线将结果在WEB端进行显示。本专利技术方法主要针对拍照上传的过程中，仪表的姿态的偏差进行校正，用模板匹配的算法找到特征点，根据表盘原点与特征点的位置关系，计算需要校正的角度，从而进行表盘示数的读取及后续工作。本专利技术具有自动化程度高、测量准确及效率高等优点，且降低了仪表抄表的成本。附图说明图1为基于机器视觉的表具自动识别方法的流程示意图。具体实施方式下面结合附图对本专利技术做进一步说明。如图1所示，本专利技术提供一种表具自动识别方法，包括以下步骤：步骤一、将输入的图像f(x,y)进行灰度化处理，得到灰度化处理后的图像h(x,y)。根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值，得到灰度化处理后的图像h(x,y)。步骤二、将原始图像f(x,y)进行图像增强，将处理后的图像记为g(x,y)。将步骤一得到的灰度化处理后的图像h(x,y)的直方图变换为均匀分布的形式，从而达到增强整体对比度的效果。设ps(sk)代表原始图像第k个灰度级的出现概率。已nk为自变量，以ps(sk)为函数得到的曲线就是图像的直方图。ps(sk)＝nk/n0≤sk≤1k＝0,1,...,L-1(1)式中，k为积分变量，L为灰度级数，nk为在图像中出现第k级灰度的次数，n为图像中像素数，sk为步骤一灰度化处理后的图像h(x,y)的累积直方图。得到变换后图像的灰度。设t表示变换后图像的灰度，变换函数T(sk)与原图像概率密度函数ps(sk)之间的关系为：其中，式(2)的右边可以看作是s的累积积分分布函数，从而得到变换后的图像的灰度值。事实上s的累积积分分布就是原始图的累积直方图，在这种情况下有：式中，tk表示灰度化处理后的图像h(x,y)的累积直方图。由上式可见，根据原图像直方图可以直接算出直方图均衡化后各像素的灰度值。因为离散图像与连续图像之间存在如式(4)所示的关系，由公式(2)得到的离散的灰度直方图，所以可以得到连续的灰度直方图，进而确定增强的图像的像素点。得到增强后的图像g(x,y)。sk＝T-1(tk)(4)步骤三、由步骤二得到的增强后的图像g(x,y)，在增强目标像素的同时，也增强了噪声点，为此，采用改进后的中值滤波，将传统算法中相邻的两次中值滤波运算合并为一次进行，该算法可将传统算法的复杂度O(n2)简化为O(n)。由3*3窗口内像素排列：第0行第1行第2行第0行P0P1P2第1行P3P4P5第2行P6P7P8计算窗口内的每一列的最大值、中值和最小值：最大值组：Max0＝max[P0，P3，P6]，Max1＝max[P1，P4，P7]，Max2＝max[P2，P5，P8]中值组：Med0＝med[P0，P3，P6]，Med1＝med[P1，P4，P7]，Med2＝med[P2，P5，P8]最小值组：Min0＝Min[P0，P3，P6]，Min1＝Min[P1，P4，P7]，Min2＝max[P2，P5，P8]最大值组中的最小值Maxmin，中值组中的中值Medmed，最小值组中的最大值MinMax；找出这三个值中的中值为9个元素的中值。步骤四、由Hough求出圆心坐标和圆的半径。将步骤三经过中值滤波后的图像进行表盘轮廓及圆心的提取：将数字图像大小为M×N,经过边缘检测得：其中，pij表示第i行第j列像素点灰度值(0≤i≤M,0≤j≤N)。设圆心坐标为(a,b),hi为数字图像中第i行的水平扫描线。li,mi为hi与圆的两个交点，ni为li和mi的中点。他们满足：li+mi＝2×ni(li,mi,ni取横坐标值)(6)通过对每一行进行扫描，找出这样的对称点，并在一维空间中采用Hough变换对它们的中点进行累加计数，计数最大值对应的参数坐标即为a的值。利用圆心坐标(a,b)，将边缘像素点pij代入圆方程(x-a)2+(y-b)2＝r2，计本文档来自技高网...

【技术保护点】
一种基于机器视觉的表具自动识别方法，其特征在于，包括以下步骤：步骤一、将输入的表具图像f(x,y)进行灰度化处理，得到灰度化处理后的图像h(x,y)；步骤二、将原始图像f(x,y)进行图像增强，将处理后的图像记为g(x,y)，则对比度增强可以表示为g(x,y)＝T[f(x,y)]，其中，T表示输入图像和输出图像对应点的灰度映射关系；步骤三、对增强后的图像进行中值滤波；步骤四、将经过中值滤波后的图像进行表盘轮廓及圆心的提取；步骤五、对确定的圆进行特征点的提取与模板匹配，其中，采用SURF算法进行关键点和描述符的提取，采用FLANN算法进行模板匹配；步骤六、由步骤四和步骤五可以确定表具图片的方向，与标准正向表具图片进行对比得到偏差角度，利用仿射变换的旋转和平移功能来校正图片的角度；步骤七、将步骤六变换后的表具图片，进行字符分割处理，然后进行字符识别。

【技术特征摘要】
1.一种基于机器视觉的表具自动识别方法，其特征在于，包括以下步骤：步骤一、将输入的表具图像f(x,y)进行灰度化处理，得到灰度化处理后的图像h(x,y)；步骤二、将原始图像f(x,y)进行图像增强，将处理后的图像记为g(x,y)，则对比度增强可以表示为g(x,y)＝T[f(x,y)]，其中，T表示输入图像和输出图像对应点的灰度映射关系；步骤三、对增强后的图像进行中值滤波；步骤四、将经过中值滤波后的图像进行表盘轮廓及圆心的提取；步骤五、对确定的圆进行特征点的提取与模板匹配，其中，采用SURF算法进行关键点和描述符的提取，采用FLANN算法进行模板匹配；步骤六、由步骤四和步骤五可以确定表具图片的方向，与标准正向表具图片进行对比得到偏差角度，利用仿射变换的旋转和平移功能来校正图片的角度；步骤七、将步骤六变换后的表具图片，进行字符分割处理，然后进行字符识别。2.根据权利要求1所述的基于机器视觉的表具自动识别方法，其特征在于：步骤二具体为：步骤2.1、增加像素灰度值的动态范围，将步骤一一得到的灰度化处理后的图像h(x,y)的直方图变换为均匀分布的形式，设ps(sk)为原始图像第k个灰度级出现的概率密度函数，以nk为自变量、以ps(sk)为函数得到的曲线就是图像的直方图，ps(sk)＝nk/n0≤sk≤1k＝0,1,...,L-1(1)其中，k为积分变量，L为灰度级数，nk为在图像中出现第k级灰度的次数，n为图像中像素数，sk为步骤一一灰度化处理后的图像h(x,y)的累积直方图。可以看到，增强函数需要满足两个条件：(1)EH(s)在0≤s≤L-1范围内是一个单值单增函数；(2)对0≤s≤L-1有0≤EH(s)≤L-1；其中，以上证明累积分布函数满足上述两个条件并能将s的分布转换为t的均匀分布；步骤2.2、得到变换后图像的灰度。设t表示变换后图像的灰度，变换函数T(sk)与原图像概率密度函数ps(sk)之间的关系为：其中，式(2)的右边为s的累积积分分布函数，从而得到变换后的图像的灰度值。步骤2.3、由步骤二二求得的每个像素的灰度值，进行各个像素灰度值的累积，得到直方图灰度值的累积量，s的累积积分分布就是经过灰度化处理后的图像h(x,y)的累积直方图，在这种情况下有：其中，tk表示灰度化处理后的图像h(x,y)的累积直方图，由上式可见，根据灰度化图像直方图可以直接算出直方图均衡化后各像素的灰度值。步骤2.4、离散直方图转换为连续直方图，离散图像与连续图像之间存在如式(4)所示的关系，由步骤二三得到的离散的灰度直方图，所以可以得到连续的灰度直方图，进而确定增强的图像的像素点，得到增强后的图像g(x,y)，sk＝T-1(tk)(4)3.根据权利要求1所述的基于机器视觉的表具自动识别方法，其特征在于：步骤四具体为：步骤4.1、将数字图像大小为M×N,经过边缘检测得：其中，pij表示...

【专利技术属性】
技术研发人员：雷飞，付伟，方之愉，龙凯，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11