CN112215060A - 一种基于霍夫变换的高精度机械式仪表示数识别方法 - Google Patents
一种基于霍夫变换的高精度机械式仪表示数识别方法 Download PDFInfo
- Publication number
- CN112215060A CN112215060A CN202010878057.7A CN202010878057A CN112215060A CN 112215060 A CN112215060 A CN 112215060A CN 202010878057 A CN202010878057 A CN 202010878057A CN 112215060 A CN112215060 A CN 112215060A
- Authority
- CN
- China
- Prior art keywords
- pointer
- center
- circle
- instrument
- image
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于霍夫变换的高精度机械式仪表示数识别方法,属于图像处理领域,具体包含如下步骤;对图像进行图像预处理:将图像二值化为灰度图,进而对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息;通过霍夫变换检测出仪表中心;通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算检测出指针边缘特征直线的交点来获得指针的顶点,从而结合仪表的圆心获得精准的指针射线;根据指针的顶点和仪表的圆心为顶点的直线的角度根据相应的公式来计算出具体的示数。本发明提高了识别高精度机械式仪表示数的精准性,并且提高了识别的稳定性。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种基于霍夫变换的高精度机械式仪表示数识别方法。
背景技术
指针式仪表由于其结构简单,维护便捷,精度较高,抗电磁较强等优点被广泛运用于医疗领域中,指针式仪表可直接观测被检测数据的变化方向和变化过程。但是指针式仪表一般没有数据线接口功能,其度数的采集主要是肉眼识别读数,易受诸多人为因素的影响,同时若仪表的刻度不够精细的情况下,肉眼识别的精度是非常非常低的。同时医疗领域需要对某些数值前后的变化作统筹分析,观察其变化等,微小的变化难以被肉眼分辨,因此,对指针式仪表读数进行自动识别具有重要的现实意义。
特殊领域中的血压表的刻度示数的刻度的肉眼可读精度是不够的,同时示数在一段时间中的变化幅度并不是很大,所以其产生的现实问题必须需要更加高精度的数字图像识别的方式来代替肉眼识别的方式。目前的研究中已经有相当多的对仪表示数进行识别的文献,适用的大部分都是工业中的半圆形的电压表,很少出现全圆形的仪表,而且由于一些仪表使用的指针较大,不同于电气仪表使用的指针较细,所以无法使用简单的简化的检测一条单线的方式来确定,同时在现实情况中由于拍摄的现实情况等原因,是无法从完全正面的角度来拍摄一个仪表的,所以单纯检测直线的方式在精细的仪表中会失去一些精度。
在医疗中血压的精准读数是可以采用数值的血压仪器来读取的,但是由于数值仪器本身的限制,所以难以连续的显示其变化的曲线,所以需要指针式的方式来显示其血压变化曲线,反而对其相对的具体读数不是很重要,重要的是其相对的变化曲线的精准性能。
发明内容
本发明所要解决的技术问题是针对背景技术的不足提供一种基于霍夫变换的高精度机械式仪表示数识别方法,该方法提高了识别高精度机械式仪表示数的精准性,并且提高了识别的稳定性。
本发明为解决上述技术问题采用以下技术方案:
一种基于霍夫变换的高精度机械式仪表示数识别方法,具体包含如下步骤;
步骤1,对图像进行图像预处理:将图像二值化为灰度图,进而对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息;
步骤2,通过霍夫变换检测出仪表中心;
步骤3,通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算检测出指针边缘特征直线的交点来获得指针的顶点,从而结合仪表的圆心获得精准的指针射线;
步骤4,计算步骤3中所获得的指针射线与仪表0刻度线所形成的偏转角度,再通过该偏转角度结合仪表的量程计算出最终的读数。
作为本发明一种基于霍夫变换的高精度机械式仪表示数识别方法的进一步优选方案,在步骤1中,采用Canny边缘检测算子来检测图像的边缘,具体如下:
步骤1.1,通过高斯滤波器对图像处理,去除噪声干扰;
步骤1.2,用一阶差分卷积模版来计算梯度的幅值和方向;
步骤1.3,将梯度的幅值进行极大值抑制;
步骤1.4,通过双阀值算法检测和连接图上的连接点。
作为本发明一种基于霍夫变换的高精度机械式仪表示数识别方法的进一步优选方案,所述步骤2具体如下:
利用霍夫变换的方法来检测出所有的圆直径中最大的一个圆可获得一个近似为表盘轮廓的圆形,利用仪表的另一特性,即指针上的圆心部位同时存在一个小的圆,计算所有检测出的小圆中与大圆的圆心最近的一个小圆圆心,该小圆的圆心则为正确的仪表的圆心;
其中,获得最为准确圆心的计算公式为:
作为本发明一种基于霍夫变换的高精度机械式仪表示数识别方法的进一步优选方案,在步骤3中,利用直线与圆心的距离,设定相应的阀值,检测出距离圆心较近的几条直线,具体计算公式如下:
其中,直线的表达式为Ax+By+C=0,仪表圆心坐标为(x0,y0),dist表示仪表圆心和直线的距离,A,B,C均表示直线的参数;
通过计算这些直线的交点,取其中相交最多次数的交点,可得到相应的指针的顶点,具体计算公式如下所示:
(x1,y1)=argMax(Count(xi,yi))
其中,(xi,yi)表示任意两条直线的交点,Count(xi,yi)表示该交点出现的次数,而(x1,y1) 表示最终获得的指针顶点,即为所有交点中出现次数最多的那个;
再通过计算指针的顶点和仪表的圆心组合的直线,即可得到精准的指针线。
作为本发明一种基于霍夫变换的高精度机械式仪表示数识别方法的进一步优选方案,所述步骤4具体如下,
步骤4.1,设指针的摆动方向为逆时针方向,指针示数的具体计算公式如下:
其中,表示仪表的圆心坐标,为指针顶点的坐标,w为仪表的量程,b为仪表的偏置读数,R就是指针所指的示数的检测结果,s参数对arctan计算得到的角度进行了校正, s的取值取决于以仪表盘圆心为出发点的射线所处的象限,当为第一象限时取0,第二和第三象限取1,第四象限取2;若为顺时针则使用2π减去上述公式获得的示数值,即2π-R;
步骤4.2,设定初始0刻度基准线,则可手动设置初始的0刻度基准线,即设置偏置值b来校准,若实际拍摄的视频中指针的初始位置即为0刻度所在的基准线,也可将此时的读数用作偏置读数b;
步骤4.3,设定仪表的量程,具体为指针转360度时的读数,将最大量程值设定为w;
步骤4.4,以仪表圆心作为坐标轴原点,0刻度基准线作为x轴方向,建立直角坐标系。
步骤4.5,以步骤4.4所得的直角坐标系来计算指针顶点所处的象限,根据象限的不同来设定s的值,其中,第一象限时取0,第二和第三象限取1,第四象限取2;
步骤4.6,将各值代入到公式中计算获得精准读数。
本发明与现有的仪表示数识别技术相比,包括以下优点和有益效果。
1、本发明基于中值滤波,Canny边缘检测等预处理方式使得可以保留更多的图像边缘细节,从而提高了识别的精准性;
2、本发明基于霍夫变换的识别方式和识别指针多条特征的方式使得其在高分辨率的图像和要求识别精准度较高的场景下拥有更好的表现,同时更适用于需要检测动态数据的场景。
附图说明
为了更清楚的说明本发明的实施或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来说,在不付出任何创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明用于示例的仪表图像;
图2是本发明一种基于霍夫变换的高精度机械式仪表示数识别方法的流程图。
具体实施方式:
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明采用一种基于霍夫变换的高精度机械式仪表示数识别方法,如图1所示,具体包括如下步骤:
数据预处理:为了能体现示数的变化,需要收集仪表测量过程的视频,将视频的每一帧视做一张图像识别出它所显示的数值。首先需要对图片先进行图像的预处理,以便后面的识别过程的准确和高效。首先图像二值化为灰度图,以减少计算的时间,之后对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息。
识别仪表中心:为了确定图像中仪表所处的位置,首先需要界定仪表整体的特征,机械仪表是一个圆形,可以通过霍夫变换检测圆的方式检测出其仪表,但是由于大部分仪表中使用不锈钢材质,所以在检测仪表中所存在的圆的时候,多数会受到反光等环境因素的影响,此时使用霍夫变换检测出的圆形会偏离真正的仪表圆形,所以需要使用别的附加特征来检测出仪表的圆心来增加识别的精准性。
识别仪表指针:上述的步骤检测出了仪表的圆心,接下来的这段步骤需要检测出指针的顶点,通过连接指针顶点和仪表圆心的直线可以获得精准的指针直线。本发明通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算这些直线的交点来获得指针的顶点,从而结合仪表的圆心获得了精准的指针射线。由于本发明中采用了识别多条直线的方式,因此相比传统的识别单条指针线的方式拥有更高的精准性。
计算具体示数:检测出指针的顶点和仪表的圆心之后,可以根据以两者为顶点的直线的角度根据相应的公式来计算出具体的示数,其中需要根据指针所在的象限和指针偏转的方向,即逆时针或者顺时针,以及初始的指针零刻度基准线偏差值等来计算具体的数值。
所述的数据预处理阶段的实施过程为:在执行数据预处理过程中,通过照相机拍摄到的视频为RGB图像,即每一个像素点由R,G,B三个向量空间组成,每个空间向量都有256种不同的取值,为了减少不必要的计算量,需要先进行二值化处理,将RGB图像转换为灰度图。滤波的目的是去除噪声点,以此来提高识别的准确率,由于医疗仪表需要较高的识别准确率,所以务必在最大程度上保留图像的边缘细节,所以本发明采用中值滤波。图像边缘检测是图像预处理中重要的一个环节,获得的边缘图像可以突显图像的轮廓特征,同时也会减少干扰因素和图像的数据量,不破坏图像的特征结构的同时,保留了图像中目标的完整性。本文采用Canny边缘检测算子来检测图像的边缘,它可以清晰的检测出仪表图像的所有边缘细节信息,对细节信息保留的很好,有利于提升识别的准确率。
所述的识别仪表中心阶段的实施过程为:利用霍夫变换的方法来检测出所有的圆中最大的一个圆可以获得一个近似为表盘轮廓的圆形,但是并非完全贴合表盘,该圆的圆心并非处于表盘的中央,只是近似的游离在正圆心的周围,同时,利用医疗仪表的另一特性,即指针上的圆心部位同时存在一个小的圆,计算所有检测出的小圆中与大圆的圆心最近的一个小圆圆心,该小圆的圆心则为正确的仪表圆心。
所述的识别仪表指针的实施过程为:利用直线与圆心的距离,设定相应的阀值,可以检测出距离圆心较近的几条直线,在通过计算这些直线的交点,取其中相交最多次数的交点,可以得到相应的指针的顶点,再通过计算指针的顶点和圆心组合的直线,就可以得到精准的指针射线。
所述的计算具体示数的实施过程为:检测出指针的顶点和仪表的圆心之后,可以建立直角坐标系之后计算出以两者为顶点的直线的角度,之后根据仪表的示数所表示的方向,如逆时针或者顺时针等,以及仪表的整体量程,最终计算出想要的示数
为了使本发明的目的、技术方案更加清楚明白,以下结合图1图2对本发明进一步详细说明。
如图2所示,是本发明基于霍夫变换的机械仪表示数识别技术的执行步骤,具体方法如下:
所述的数据预处理的实施过程为:通过照相机拍摄到的视频为RGB图像,即每一个像素点由R,G,B三个向量空间组成,每个空间向量都有256种不同的取值,为了减少不必要的计算量,需要先进行二值化处理,将RGB图像转换为灰度图,采用加权的方式因为实际拍摄中可能会受到环境的影响,这里采用加权平均法。滤波的目的是去除噪声点,以此来提高识别的准确率,经典的滤波方法是线性滤波法,如邻域平均法等,而以中值滤波为代表的非线性滤波方法由于在保护图像边缘和细节方面的优势而得到了广泛的应用。中值滤波就是给定一个模版,将模版顺着一定的方向移动,每次利用模版周围的灰度值计算出模版中心的值,如下公式:
xk=med{xk-n,…,xk,…,xk+n}
其中,med表示中位数,范围为模版圈定的xk-n到xk+n,得出的结果即为填入中间的xk部分。
由于医疗仪表需要较高的识别准确率,所以务必在最大程度上保留图像的边缘细节,所以本文采用中值滤波。本文采用Canny边缘检测算子来检测图像的边缘,它可以清晰的检测出仪表图像的所有边缘细节信息,对细节信息保留的很好,有利于提升识别的准确率。Canny 边缘检测主要分为四个基本步骤:
(1)高斯滤波器对图像处理,去除噪声干扰
(2)用一阶差分卷积模版来计算梯度的幅值和方向
(3)梯度幅值进行极大值抑制
(4)双阀值算法检测和连接图上的连接点
所述的识别仪表中心的实施过程为:霍夫变换是一种形状匹配技术,运用两个坐标之间的变换来检测平面内的直线和有规律曲线,这种变换具有所希望的边缘在变换空间中凝聚在一起形成峰点的特性。霍夫变换是对图像进行某种形式的坐标变换。它将原始图像中给定形状的曲线和直线上的所有的点都集中到变换空间的某个点上形成峰点。这样,就把原始图像中给定形状曲线或直线的检测问题演变成寻找变换空间中的峰点问题。利用霍夫变换的方法来检测出所有的圆直径中最大的一个圆可以获得一个近似为表盘轮廓的圆形,如图1中最大的虚线圆所示,但是该圆并非完全贴合表盘,该圆的圆心并非处于表盘的中央,只是近似的游离在正圆心的周围,同时,利用仪表的另一特性,即指针上的圆心部位同时存在一个小的圆,计算所有检测出的小圆中与大圆的圆心最近的一个小圆圆心,该小圆的圆心则为正确的仪表圆心。
获得最为准确圆心的计算公式为
其中(ca,cb)∈C,C表示除了大圆圆心之外的所有的小圆的圆心集合,可以通过设定一定阀值的霍夫变换检测圆的方式获得这些小圆,(ca,cb)为其中一个圆的圆心。Cr表示仪表的精准圆心,根据上述的公式可以得到最终结果,即获得精准的仪表圆心。
所述的识别仪表指针的实施过程为:本发明中使用霍夫变换的方式检测直线,该算法是一种实用的方法,它有很多优点:无论曲线是实线还是虚线,或者是缺少一部分都适用;线的宽度不均匀也没有关系;图像中存在几条线时,可同时处理。但是正是这种优点造成了相应的缺点,即会检测出多条符合条件的直线,利用直线与圆心的距离,设定相应的阀值,可以检测出距离圆心较近的几条直线,如下公式所示:
其中直线的表达式为Ax+By+C=0,上一个步骤所获得的仪表圆心坐标为(x0,y0),dist表示仪表圆心和直线的距离,通过设定相应的阀值,即可获得距离较近的范围中的直线,图1中示例了这两条直线,分别为图1中的指针直线1和指针直线2,实际操作中会出现检测出多条重合的指针直线的情况,这是由于霍夫变换算法本身的检测特性所造成的。
通过计算这些直线的交点,取其中相交最多次数的交点,可以得到相应的指针的顶点,如下公式所示:
(x1,y1)=argMax(Count(xi,yi))
其中(xi,yi)表示任意两条直线的交点,Count(xi,yi)表示该交点出现的次数,而(x1,y1)表示最终获得的指针顶点,即为所有交点中出现次数最多的那个。
再通过计算指针的顶点和圆心组合的直线,就可以得到精准的指针线。如图1中指针中的虚线所示,该线即为本示例中的精准指针射线。
所述的计算具体示数的实施过程为:检测出指针的顶点和仪表的圆心之后,可以根据以两者为顶点的直线的角度来出具体的示数,假设指针的摆动方向为逆时针方向,计算公式如下。
其中,s的取值取决于以仪表盘圆心为出发点的射线所处的象限,当为第一象限时取0,第二和第三象限取1,第四象限取2。表示仪表的圆心坐标,为指针顶点的坐标,w 为仪表的量程,b为仪表的偏置读数,R就是指针所指的示数的检测结果。如果仪表盘的摆动方向为顺时针,则依据情况使用2π-R即可。仪表的圆心和指针顶点的射线所处象限决定该参数,该参数用于校正arctan的结果,原因在于arctan只能获得(-pi/2,+pi/2)区间的角度,而加上s*pi参数后可以获得(0,2*pi)的结果,s的取值取决于以仪表盘圆心为出发点的射线所处的象限,当为第一象限时取0,第二和第三象限取1,第四象限取2;若为顺时针则使用2π减去上述公式获得的示数值,即2π-R。
在具体的实施方案中,可按下面方式操作:
步骤1:设定指针转动的方向,若为逆时针则保持上述的公式不变,若为顺时针则使用2π减去上述公式获得的示数值。
步骤2:设定初始0刻度基准线,此步骤中可以手动设置初始的0刻度基准线,即设置偏置值b来校准,若实际拍摄的视频中指针的初始位置即为0刻度所在的基准线,如图1中所示,也可以将此时的读数用作偏置读数b。
步骤3:设定仪表的量程,具体为指针转360度时的读数,将最大量程值设定为w。
步骤4:以仪表圆心作为坐标轴原点,0刻度基准线作为x轴方向,建立直角坐标系。
步骤5:以步骤4所得的直角坐标系来计算指针顶点所处的象限,根据象限的不同来设定s的值,其中,第一象限时取0,第二和第三象限取1,第四象限取2。
步骤6:将各值代入到公式中计算获得精准读数即可。
上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。上面对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (5)
1.一种基于霍夫变换的高精度机械式仪表示数识别方法,其特征在于:具体包含如下步骤;
步骤1,对图像进行图像预处理:将图像二值化为灰度图,进而对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息;
步骤2,通过霍夫变换检测出仪表中心;
步骤3,通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算检测出指针边缘特征直线的交点来获得指针的顶点,从而结合仪表的圆心获得精准的指针射线;
步骤4,计算步骤3中所获得的指针射线与仪表0刻度线所形成的偏转角度,再通过该偏转角度结合仪表的量程计算出最终的读数。
2.根据权利要求1所述的一种基于霍夫变换的高精度机械式仪表示数识别方法,其特征在于:在步骤1中,采用Canny边缘检测算子来检测图像的边缘,具体如下:
步骤1.1,通过高斯滤波器对图像处理,去除噪声干扰;
步骤1.2,用一阶差分卷积模版来计算梯度的幅值和方向;
步骤1.3,将梯度的幅值进行极大值抑制;
步骤1.4,通过双阀值算法检测和连接图上的连接点。
4.根据权利要求1所述的一种基于霍夫变换的高精度机械式仪表示数识别方法,其特征在于:在步骤3中,利用直线与圆心的距离,设定相应的阀值,检测出距离圆心较近的几条直线,具体计算公式如下:
其中,直线的表达式为Ax+By+C=0,仪表圆心坐标为(x0,y0),dist表示仪表圆心和直线的距离,A,B,C均表示直线的参数;
通过计算这些直线的交点,取其中相交最多次数的交点,可得到相应的指针的顶点,具体计算公式如下所示:
(x1,y1)=argMax(Count(xi,yi))
其中,(xi,yi)表示任意两条直线的交点,Count(xi,yi)表示该交点出现的次数,而(x1,y1)表示最终获得的指针顶点,即为所有交点中出现次数最多的那个;
再通过计算指针的顶点和仪表的圆心组合的直线,即可得到精准的指针线。
5.根据权利要求1所述的一种基于霍夫变换的高精度机械式仪表示数识别方法,其特征在于:所述步骤4具体如下,
步骤4.1,设指针的摆动方向为逆时针方向,指针示数的具体计算公式如下:
其中,表示仪表的圆心坐标,为指针顶点的坐标,w为仪表的量程,b为仪表的偏置读数,R就是指针所指的示数的检测结果,s参数对arctan计算得到的角度进行了校正,s的取值取决于以仪表盘圆心为出发点的射线所处的象限,当为第一象限时取0,第二和第三象限取1,第四象限取2;若为顺时针则使用2π减去上述公式获得的示数值,即2π-R;
步骤4.2,设定初始0刻度基准线,则可手动设置初始的0刻度基准线,即设置偏置值b来校准,若实际拍摄的视频中指针的初始位置即为0刻度所在的基准线,也可将此时的读数用作偏置读数b;
步骤4.3,设定仪表的量程,具体为指针转360度时的读数,将最大量程值设定为w;
步骤4.4,以仪表圆心作为坐标轴原点,0刻度基准线作为x轴方向,建立直角坐标系。
步骤4.5,以步骤4.4所得的直角坐标系来计算指针顶点所处的象限,根据象限的不同来设定s的值,其中,第一象限时取0,第二和第三象限取1,第四象限取2;
步骤4.6,将各值代入到公式中计算获得精准读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010878057.7A CN112215060B (zh) | 2020-08-27 | 2020-08-27 | 一种基于霍夫变换的高精度机械式仪表示数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010878057.7A CN112215060B (zh) | 2020-08-27 | 2020-08-27 | 一种基于霍夫变换的高精度机械式仪表示数识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215060A true CN112215060A (zh) | 2021-01-12 |
CN112215060B CN112215060B (zh) | 2022-08-09 |
Family
ID=74058979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010878057.7A Active CN112215060B (zh) | 2020-08-27 | 2020-08-27 | 一种基于霍夫变换的高精度机械式仪表示数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215060B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN113792727A (zh) * | 2021-07-30 | 2021-12-14 | 华能大理风力发电有限公司 | 基于指针式仪表视频图像的读数估算方法、装置及*** |
CN113804116A (zh) * | 2021-09-10 | 2021-12-17 | 湖南捷力泰科技有限公司 | 一种膜片厚度的光测试方法及*** |
CN116092091A (zh) * | 2023-02-23 | 2023-05-09 | 河北工程大学 | 一种基于Labview视觉***的仪表读数识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056346A1 (zh) * | 2017-09-25 | 2019-03-28 | 深圳传音通讯有限公司 | 一种利用膨胀法校正文本图像倾斜的方法及装置 |
CN110580480A (zh) * | 2019-07-21 | 2019-12-17 | 天津大学 | 基于图像处理的表计读数识别方法 |
-
2020
- 2020-08-27 CN CN202010878057.7A patent/CN112215060B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056346A1 (zh) * | 2017-09-25 | 2019-03-28 | 深圳传音通讯有限公司 | 一种利用膨胀法校正文本图像倾斜的方法及装置 |
CN110580480A (zh) * | 2019-07-21 | 2019-12-17 | 天津大学 | 基于图像处理的表计读数识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN113077392B (zh) * | 2021-03-17 | 2024-05-10 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN113792727A (zh) * | 2021-07-30 | 2021-12-14 | 华能大理风力发电有限公司 | 基于指针式仪表视频图像的读数估算方法、装置及*** |
CN113804116A (zh) * | 2021-09-10 | 2021-12-17 | 湖南捷力泰科技有限公司 | 一种膜片厚度的光测试方法及*** |
CN113804116B (zh) * | 2021-09-10 | 2022-06-10 | 湖南捷力泰科技有限公司 | 一种膜片厚度的光测试方法及*** |
CN116092091A (zh) * | 2023-02-23 | 2023-05-09 | 河北工程大学 | 一种基于Labview视觉***的仪表读数识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112215060B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215060B (zh) | 一种基于霍夫变换的高精度机械式仪表示数识别方法 | |
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN109635806B (zh) | 基于残差网络的电表数值识别方法 | |
CN112699876B (zh) | 一种用于集气站多类型仪表自动读数方法 | |
WO2022057103A1 (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN112257676A (zh) | 一种指针式仪表读数方法、***以及巡检机器人 | |
CN105426809B (zh) | 一种仪表指针自动识别的方法 | |
CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
CN111598109B (zh) | 一种变电站指针仪表读数智能识别方法 | |
CN110211178B (zh) | 一种利用投影计算的指针式仪表识别方法 | |
CN110852954B (zh) | 指针式仪表的图像倾斜校正方法及*** | |
CN109636790B (zh) | 一种管路结构的识别方法及装置 | |
CN110287887A (zh) | 一种刻度识别方法、装置及计算机存储介质 | |
CN111507186A (zh) | 一种变电站指针式仪表读数识别方法 | |
CN111476246A (zh) | 应用于复杂环境下指针仪表鲁棒高效智读方法 | |
Ye et al. | Automatic Value Identification of Pointer-Type Pressure Gauge Based on Machine Vision. | |
CN112560839A (zh) | 指针式仪表读数的自动识别方法及*** | |
CN111950553A (zh) | 一种指针式仪表自动对准方法及装置 | |
CN112488030A (zh) | 一种基于机器视觉的指针式仪表读表方法 | |
CN116958983A (zh) | 一种基于机器视觉的指针式压力表自动校验仪示值读数方法 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
CN113920305A (zh) | 一种避雷器仪表的识别方法及装置 | |
CN114067123A (zh) | 仪表自动识别***、识别方法及计算机可读取的存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |