CN115272664A - 仪表盘示数展示方法、装置、电子设备和存储介质 - Google Patents

仪表盘示数展示方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115272664A
CN115272664A CN202211078573.7A CN202211078573A CN115272664A CN 115272664 A CN115272664 A CN 115272664A CN 202211078573 A CN202211078573 A CN 202211078573A CN 115272664 A CN115272664 A CN 115272664A
Authority
CN
China
Prior art keywords
instrument panel
image
dashboard
reading
display
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.)
Pending
Application number
CN202211078573.7A
Other languages
English (en)
Inventor
李晓霞
罗金满
宋崇辉
张海峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202211078573.7A priority Critical patent/CN115272664A/zh
Publication of CN115272664A publication Critical patent/CN115272664A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种仪表盘示数展示方法、装置、电子设备和存储介质。获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数；对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果；对示数分割结果进行识别，得到待显示仪表盘示数；向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。本申请实施例提高了仪表盘示数识别的准确性。

Description

仪表盘示数展示方法、装置、电子设备和存储介质
技术领域
本申请实施例涉及数据处理技术领域，尤其涉及一种仪表盘示数展示方法、装置、电子设备和存储介质。
背景技术
抄表***用于对仪表盘的示数进行采集，并显示采集结果。采集抄表器是抄表***中用于进行仪表盘示数采集的设备，具有出色的存储能力和通讯功能，但存在成本高、体积大和程序不能更改等缺点。
随着图像处理技术的发展，抄表***逐渐应用图像处理技术来获取仪表盘的示数。但是，目前的仪表盘数识别***示数的识别准确性低。
发明内容
本申请提供一种仪表盘示数展示方法、装置、电子设备和存储介质，以提高仪表盘示数识别的准确性。
第一方面，本申请实施例提供了一种仪表盘示数展示方法，应用于边缘设备，该仪表盘示数展示方法包括：
获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数；
对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果；
对示数分割结果进行识别，得到待显示仪表盘示数；
向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
第二方面，本申请实施例还提供了一种仪表盘示数展示装置，配置于边缘设备，该仪表盘示数展示装置包括：
图像获取模块，用于获取待识别设备的仪表盘图像；所表盘图像包括仪表盘示数；
图像分割模块，用于对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果；
示数识别模块，用于对示数分割结果进行识别，得到待显示仪表盘示数；
连接请求发送模块，用于向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
第三方面，本申请实施例还提供了电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本申请实施例提供的任意一种仪表盘示数展示方法。
第四方面，本申请实施例还提供了一种包括计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如本申请实施例提供的任意一种仪表盘示数展示方法。
本申请通过边缘设备获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。边缘设备对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果，在仪表盘图像中获得感兴趣区域，进而边缘设备对示数分割结果进行识别，得到待显示仪表盘示数，完成对仪表盘图像中仪表盘示数的识别，通过对仪表盘图像先分割再识别，提高对仪表盘示数识别的准确性。边缘设备通过向上位机发送连接请求，将待显示仪表盘示数发送至上位机，降低通信过程中传输的数据量，降低数据传输压力，保障通信质量，降低数据传输过程中被噪声污染的可能性，提高信息传输的准确性，保障识别的仪表盘示数的准确性。边缘设备指示上位机对待显示仪表盘示数进行展示，降低上位机的工作量，提高展示的仪表盘示数的准确性，进而保障边缘设备和上位机组成的仪表盘数识别***对仪表盘示数识别的准确性。
附图说明
图1是本申请实施例一中的一种仪表盘示数展示方法的流程图；
图2是本申请实施例一中的待显示仪表盘示数的展示结果示意图；
图3是本申请实施例二中的一种仪表盘示数展示方法的流程图；
图4是本申请实施例二中的一种极坐标下的Hough变换示意图；
图5是本申请实施例三中的一种仪表盘示数展示方法的流程图；
图6是本申请实施例三中的一种Hellinge核变换示意图；
图7是本申请实施例四提供的一种仪表盘示数展示装置的结构示意图；
图8是本申请实施例五中的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本申请实施例一提供的一种仪表盘示数展示方法的流程图，本实施例可适用于对仪表盘图像中的示数进行识别和展示的情况，该方法可以由仪表盘示数展示装置执行，该装置可以采用软件和/或硬件实现，并具体配置于边缘设备，例如，微型电脑。
参见图1所示的仪表盘示数展示方法，应用于边缘设备，具体包括如下步骤：
S110、获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。
待识别设备可以为需要边缘设备进行图像采集的设备。待识别设备上安装有仪表盘，仪表盘上显示有示数。仪表盘图像为对待识别设备中的仪表盘所在区域进行拍照或录像得到获得的图像。仪表盘示数为仪表盘图像中仪表盘上显示的示数。
在一些特殊的场景中可能会存在不便于安装智能仪表盘的设备，因此设备自身无法通过通信，直接将设备中的一些数据发送到上位机中进行展示，只能通过设备的仪表盘显示相应的示数。在这种场景中需要通过边缘设备对待识别设备的仪表盘进行图像采集和识别，以在上位机进行展示。具体的，边缘设备可以是实现边缘计算的智能终端，例如，各种微型电脑。边缘设备具备拍照或录像功能，也即边缘设备中配置有摄像头。示例性的，仪表盘图像的获取可以是在Python程序中通过OpenCV(Open Source Computer VisionLibrary，开源计算机视觉库)，打开边缘设备中的摄像头进行拍照得到。
S120、对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果。
图像分割是一种图像处理方法，用于获取感兴趣的区域。示例性的，图像分割可以是基于阈值的分割方法、基于区域的分割方法和基于边缘的分割方法等。示数分割结果为对仪表盘图像进行图像分割，得到的包括示数区域的分割结果。示例性的，可以通过投影分割对示数的所在位置进行字符分割得到示数分割结果。
仪表盘图像包括仪表盘示数之外的背景信息。为了提高对仪表盘示数识别的准确性，需要对获得的仪表盘示数进行图像分割。对仪表盘图像进行图像分割，可以得到只包含仪表盘示数的区域，降低对仪表盘示数识别的复杂度，提高识别准确性和效率。
S130、对示数分割结果进行识别，得到待显示仪表盘示数。
识别可以为对示数分割结果中的示数进行分类的过程，可以用于得到待显示仪表盘示数。待显示仪表盘示数为通过对示数分割结果进行识别得到的示数，用于发送至上位机中进行展示。示例性的，可以通过机器学习算法对示数分割结果进行识别，得到待显示仪表盘示数。示例性的，机器学习算法可以为支持向量机、神经网络和决策树等。
S140、向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
上位机为对待显示待显示仪表盘示数进行展示的设备。连接请求可以是边缘设备向上位机发送的建立通信连接的请求，用于建立边缘设备和上位机之间的通信连接。具体的，边缘设备和上位机可以通过Socket(套接字，一种通信方式)进行通信。上位机实时监听边缘设备，当边缘设备获取到仪表盘图像，并得到待显示仪表盘示数后，通过网际协议地址和端口地址，向上位机发送连接请求。上位机接收到边缘设备的连接请求后，建立与边缘设备的连接，接收待显示仪表盘示数，对待显示仪表盘示数进行展示。
具体的，上位机中可以构建数字孪生***。数字孪生提供了一种将物理对象投影到数字世界的方法，可以用于查看实际物理对象的状态。数字孪生是对物理对象的属性和状态的最新且准确的复制。通过数字孪生***对待显示仪表盘示数进行展示，为用户提供沉浸式体验，提高用户体验。
参见图2所示的在上位机中对待显示仪表盘示数进行展示的展示结果示意图。图2中展示了包括名称为A、B和C的3个设备时，对其中一个名称为A的设备的仪表盘示数进行展示的方式。用户在右侧设备名称中选择需要查看的设备后，上位机在屏幕中间区域展示用户选择的设备的图像，在设备的下方展示该设备的名称，例如，名称为A的设备的图像下方显示A。在该设备的左侧通过矩形框展示相应的仪表盘示数，同时矩形框中还可以包括该设备的其他参数。上位机的屏幕上的右下方展示有显示按钮和关闭显示按钮。具体的，当点击显示按钮时，对待显示仪表盘示数进行展示；当点击关闭显示按钮时，关闭对待显示仪表盘示数的展示。
在现有技术中，边缘设备采集到仪表盘图像，以图片或数据流的方式，将仪表盘图像发送到上位机，由上位机进行图像识别并展示仪表盘示数。仪表盘图像中包括仪表盘示数之外的背景信息，直接将采集到的仪表盘图像发送到上位机，传输过程的数据量大，增加在传输过程被噪声污染的可能，会降低对仪表盘图像中的示数识别的准确性。通常，一台上位机通常与多个边缘设备进行通信，因此数据传输压力大，可能会造成数据的延时，同时上位机的工作负荷较大，也可能造成对仪表盘图像中的示数识别准确性的降低。
本实施例的技术方案，通过边缘设备获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。边缘设备对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果，在仪表盘图像中获得感兴趣区域，进而边缘设备对示数分割结果进行识别，得到待显示仪表盘示数，完成对仪表盘图像中仪表盘示数的识别，通过对仪表盘图像先分割再识别，提高对仪表盘示数识别的准确性。边缘设备通过向上位机发送连接请求，将待显示仪表盘示数发送至上位机，降低通信过程中传输的数据量，降低数据传输压力，保障通信质量，降低数据传输过程中被噪声污染的可能性，提高信息传输的准确性，保障识别的仪表盘示数的准确性。边缘设备指示上位机对待显示仪表盘示数进行展示，降低上位机的工作量，提高展示的仪表盘示数的准确性，进而保障边缘设备和上位机组成的仪表盘数识别***对仪表盘示数识别的准确性。
实施例二
图3为本申请实施例二提供的一种仪表盘示数展示方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化。
进一步地，将“对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果”，细化为：“对仪表盘图像进行二值化处理，得到仪表盘二值图像；对仪表盘二值图像进行倾斜校正，得到目标二值图像；对目标二值图像进行字符分割，得到仪表盘图像中的仪表盘示数的示数分割结果”，以提高示数分割结果的准确性。
参见图3所示的一种仪表盘示数展示方法，包括：
S210、获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。
S220、对仪表盘图像进行二值化处理，得到仪表盘二值图像。
二值化处理可以是将仪表盘图像转化为只包括纯黑色和纯白色两种颜色的图像处理过程，可以用于简化仪表盘图像。具体的，可以通过选取合适的阈值来区分前景色和背景色，实现二值化处理。示例性的，可以通过全局阈值法、局部阈值法和动态阈值法等实现二值化处理。仪表盘二值图像可以为仪表盘图像进行二值化处理后，得到的图像。
本申请中通过边缘设备中的摄像头采集到的仪表盘图像是彩色图像。彩色图像对于人眼视觉来说具有美观的特点。但对于本申请的图像分割过程而言，仪表盘图像中大量的颜色信息对后期的示数分割结果的获取是没有意义的，反而会极大地削弱边缘设备中对仪表盘图像处理的速度，同时也会造成存储空间的浪费。因此在对仪表盘图像进行分割前，将彩色的仪表盘图像通过二值化处理，转变为仪表盘二值图像。
在一个可选实施例中，对仪表盘图像进行二值化处理，得到仪表盘二值图像，包括：对仪表盘图像进行高斯滤波，得到去噪仪表盘图像；对去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像；对仪表盘灰度图像进行二值化处理，得到仪表盘二值图像。
高斯滤波为一种去噪算法，用于对仪表盘图像进行去噪处理。去噪仪表盘图像为对仪表盘图像进行高斯滤波后的图像。
仪表盘图像在获取过程中可能会受到一些噪声的影响。这些噪声会降低后期图像识别的准确性。示例性的，常见的滤波方法包括线性的均值滤波、高斯滤波，以及非线性的中值滤波。具体的，均值滤波是用图像中每一个像素点邻域内的所有像素值的平均值作为变换后的像素值。具体的，高斯滤波是用图像中每一个像素点邻域内的所有像素值的加权平均值作为变换后的像素值，且像素点邻域内越靠近中心权值越高。具体的，中值滤波就是用图像中每一个像素点邻域内的所有像素值的中位数作为变换后的像素值。
其中，中值滤波可以很好地过滤掉孤立的噪点，最典型的应用就是处理椒盐噪声，但对于仪表上常见的大片的反光或污损达不到理想的过滤效果。均值滤波运算较为简单，会造成图像的模糊，弱化图像自身的边缘信息。因此，考虑到最终目的是要进行仪表盘示数的识别，应尽可能地保留我们需要的边缘信息而滤除无用的噪声信息，本申请采样高斯滤波对仪表盘图像进行去噪处理，可以较好地保留图像边缘，提高后续仪表盘示数的识别准确性。
灰度化处理可以为将去噪仪表盘图像转化为灰度图像的图像处理过程，用于降低图像的信息量。具体的，将去噪仪表盘图像中的每个像素点根据灰度分成255个等级，0代表纯黑，255代表纯白。仪表盘灰度图像为对去噪仪表盘图像进行灰度化处理后，得到的图像。
灰度化就是将彩色图像转变为灰度图像。经过灰度化后，去噪仪表盘图像的对比度得到拓展，像素的动态范围得到扩张，整个去噪仪表盘图像变得更加细腻、清晰和易于识别，更适合计算机进行处理。
在一个可选实施例中，对去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像，包括：对去噪仪表盘图像中的像素点的三原色进行加权计算处理，得到仪表盘灰度图像。
三原色可以为计算机中彩色图像的三原色。具体的，根据三原色原理，计算机中数字图像的所有颜色都可以由红、绿和蓝三种颜色以不同比例混合得到。因此，彩色数字图像的每一个像素点都包含红、绿和蓝三种颜色分量的信息。
灰度化就是将红、绿和蓝三种颜色分量进行加权平均的过程。通过对三原色进行加权计算处理，得到灰度化图像。灰度化图像中的每个像素点只包含一种颜色信息，也即灰度。
根据以下公式，确定仪表盘灰度图像：
Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)；
其中，Gray(i,j)为在仪表盘灰度图像中位置坐标为(i,j)的像素点的灰度值；R(i,j)为在去噪仪表盘图像中像置坐标为(i,j)的像素点的红色像素值；G(i,j)为在去噪仪表盘图像中位置坐标为(i,j)的像素点的绿色像素值；B(i,j)为在去噪仪表盘图像中位置坐标为(i,j)的像素点的蓝色像素值。
通过对去噪仪表盘图像中的像素点的三原色进行加权计算处理，得到仪表盘灰度图像。根据人类视觉上对绿色敏感度最高，而对蓝色的感知比较迟钝，为绿色赋相对较大的权重，为蓝色赋相对较小的权重，得到更加符合视觉感知的灰度图，拓展仪表盘灰度图像的对比度，有利于提高后续二值化后图像的对比度。
仪表盘灰度图像中去除了仪表盘图像图中大量无用的颜色信息，但仍然比较复杂，不利于进行大规模图像处理运算。所以，为了进一步简化图像处理，强化后续待分割的仪表盘示数，需要对图像进行二值化。
示例性的，综合考虑识别仪表盘示数的实时性的要求和仪表盘图像的复杂程度，可以采用Ostu法(大津阈值法或最大类间方差法，一种全局阈值法中的经典算法)对仪表盘图像进行二值化处理。
Ostu法利用最小二乘的思想推导得到。Ostu法是一种基于图像直方图的全局阈值法，并且阈值具有自适应的特点。Ostu法的基本原理是：假设可以找到一个阈值，把这幅图像划分成目标和背景两部分，而且这两部分要满足类间方差最大，则认为这个阈值是最佳阈值。记灰度分级M＝256。
根据以下公式，确定背景的像素占比：
Figure BDA0003832029070000111
其中，N1为背景像素数；Sum为像素总数；ω1为背景的像素占比。
根据以下公式，确定前景的像素占比：
Figure BDA0003832029070000112
其中，N2为背景像素数；ω2为前景的像素占比。
根据以下公式，确定背景的平均灰度值：
Figure BDA0003832029070000113
其中，Pi为像素灰度级为i的像素数；μ1为背景的平均灰度值；t为像素阈值；μ(t)为像素灰度级为t的像素值。
根据以下公式，确定前景的平均灰度值：
Figure BDA0003832029070000121
其中，μ2为前景的平均灰度值，μ为灰度累计值。
其中，可以根据以下公式，确定图像整体的灰度累计值μ：
μ＝μ1*ω1+μ2*ω2。
根据以下公式，确定类间方差：
g＝ω1*(μ-μ1)2+ω2*(μ-μ2)2；
其中，g为类间方差。
进一步的，将确定μ1、μ2和μ的公式代入到确定类间方差的公式中，并化简，得到：
g＝ω1*ω2*(μ1-μ2)2；
可以通过g来判别背景和前景划分结果的优劣，使得g最小的阈值认为是最佳阈值。
通过对仪表盘图像进行高斯滤波，得到去噪仪表盘图像，去除仪表盘图像中的噪声，提高获取的图像的准确性。对去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像；对仪表盘灰度图像进行二值化处理，得到仪表盘二值图像，减低图像的数据量，提高后续仪表盘图像中示数识别的效率，并提高图像中像素间的对比度，提高后续仪表盘图像中示数识别的准确性。
S230、对仪表盘二值图像进行倾斜校正，得到目标二值图像。
倾斜校正可以为对仪表盘二值图像的轮廓进行倾斜校正，用于在仪表盘二值图存在倾斜情况时，对仪表盘二值图像进行旋转。具体的，检测仪表盘二值图中图像轮廓的倾斜角度，将仪表盘二值图按照检测到的倾斜角度反方向旋转相同的角度，得到目标二值图像。目标二值图像为对仪表盘二值图像进行倾斜校正后得到的图像。在仪表盘图像的实际拍摄过程中，由于边缘设备位置的不稳定，采集到的图像可能发生倾斜，若倾斜角度过大，会严重影响后续分割的准确性，进而会对后续的仪表盘示数的识别产生不利影响，所以在仪表盘二值图像倾斜严重时，需要对仪表盘二值图像进行倾斜校正。
通常现有技术中，对图像的倾斜校正会在，对图像进行二值化处理之前进行。本申请中，考虑到最终的目的是识别仪表盘示数，对于仪表盘示数之外其他区域的图像并不关心，所以在进行二值化处理之后进行倾斜校正。原始的仪表盘图像数据量大，干扰信息多，会降低检测倾斜角度的运算速度，甚至某些噪声干扰会降低倾斜角度检测的准确性，进而降低倾斜角度的准确性。因此，本申请在对仪表盘图像进行二值化处理之后，再进行边缘检测，这样图像只留下部分轮廓线条，最大程度上降低了仪表盘图像的数据量，此时进行检测可以大幅提高边缘设备的实时性。同时选择在对目标二值图像进行字符分割之前完成，可以降低数据丢失的风险。
在一个可选实施例中，对仪表盘二值图像进行倾斜校正，得到目标二值图像，包括：对仪表盘二值图像进行边缘检测，得到仪表盘边缘图像；确定仪表盘边缘图像的倾斜角度；若倾斜角度大于预设倾斜角度阈值，则对仪表盘边缘图像进行旋转得到目标二值图像。
边缘检测可以用于对仪表盘二值图像的边缘进行检测，用于获取仪表盘边缘图像。示例性的，可以采用Hough变换(专业名词，霍夫变换)对仪表盘二值图像的边缘直线的角度进行检测，根据直线角度综合推断出整个仪表盘二值图像的倾斜角度，降低倾斜校正方法的运算负荷。仪表盘边缘图像可以为对仪表盘二值图像进行边缘检测，得到的图像。倾斜角度可以为根据边缘检测得到的仪表盘二值图像的倾斜角度。预设倾斜角度阈值可以为提前预设的倾斜角度的阈值，可以用于判断是否需要对仪表盘二值图像进行倾斜校正。预设倾斜角度阈值可以根据试验和经验确定，本申请对此不做具体限定。
在得到仪表盘二值图像的倾斜角度之后，若倾斜角度小于等于预设倾斜角度阈值，可以认为是小角度的倾斜，不会影响后续示数分割结果的准确性；若倾斜角度大于等于预设倾斜角度阈值，可以认为是大角度的倾斜，会影响后续示数分割结果的准确性，此时需要对仪表盘边缘图像进行旋转得到目标二值图像。具体的，若倾斜角度大于等于预设倾斜角度阈值，则对仪表盘边缘图像按照倾斜角度反方向旋转相同的角度得到目标二值图像。
具体的，可以把仪表盘二值图像看作是一个二元函数，仪表盘二值图像中的边缘轮廓可以为对应函数值不连续的那一部分。因此，可以通过一阶或二阶导数来对仪表盘二值图进行边缘检测。也即，可以对仪表盘二值图中的每一个像素点向四周邻域做差分处理，差分的绝对值大于一定阈值时，可以认为是图像的边缘。示例性的，可以采用Canny算子(专业名词，一种边缘检测算法)提取仪表盘二值图中边缘。Canny算子基本原理是：检测图像中各个方向的灰度梯度，利用变分法得到最优化逼近算子。
具体的，Canny算子提取边缘的基本流程如下：
(1)通过滤波器对仪表盘二值图像进行平滑去噪处理。
(2)寻找仪表盘二值图像中的灰度梯度，从水平、垂直和对角线方向分别检测灰度梯度，对于每个像素都标识出这个像素上生成的边缘的方向。
(3)使用双阈值法不断跟踪和连接边缘，最终提取出仪表盘二值图像的边缘，得到仪表盘边缘图像。
Hough变换是一种有效的识别几何形状的算法。其基本原理为将直线上的点变换到直线的系数域。也即，将一个点变成一条与系数相关的直线，根据直线相交的性质。将在图像中检测几何形状的问题就转化成在参数空间内对点计数的问题。例如，在Oxy平面上有一条直线y＝kx+b，直线上的点(x,y)在参数空间Okb平面上将表现为一条直线b＝y-xk。显然，一条直线上的每一个点都会对应到参数空间中的一条直线，这些直线一定会交于一点。因此，可以根据过交点直线的个数来检测线段的长度。由于y＝kx+b形式受直线斜率约束，一般情况下Hough变换在极坐标下进行。
极坐标下的变换与直角坐标相类似，一条直线上的每个点在极坐标的参数空间内表现为一条正弦曲线，那么这条直线上的所有点在参数空间内将表现为正弦曲线簇，这些曲线簇同样会相交于一点，这个点便对应了Oxy平面上的一条直线。参见图4所示的一种极坐标下的Hough变换示意图。Hough变换的输入空间为直角坐标系中的一条直线y＝kx+b上的3个点，经过Hough变换，将输入空间变换到参数空间，也即极坐标系中的交于一点p的3条曲线。
具体的，可以创建一个二维的累加器数组，记录极坐标下空间内所有点出现的次数。点的出现次数越多，其所对应Oxy平面的直线也就越长，通过分析比对这些直线的θ的值来确定仪表盘边缘图像的倾斜角度。
通过Hough变换得到了仪表盘边缘图像的倾斜角度，若大于预设倾斜角度阈值，则需要进行倾斜校正，也即对仪表盘边缘图像进行旋转。
具体的，图像的旋转一般分为两个步骤，第一步是找到旋转后的像素点的坐标，就相当于矩阵中的映射变换。设点(x0，y0)为原图像的坐标，点(x，y)为点(x0，y0)旋转后的坐标，θ为(x0，y0)在极坐标下对应角度，α为待旋转角度，ρ为(x0，y0)在极坐标下距离原点的距离。
根据以下公式，确定变换后坐标：
Figure BDA0003832029070000161
对应的，用矩阵形式表示为：
Figure BDA0003832029070000162
第二步就是确定旋转后各个像素点的灰度值。由于数字图像是离散的，仪表盘边缘图像中各个像素点都分布在固定的整数坐标下。但是，仪表盘边缘图像经过旋转之后的坐标可能不再是整数。所以对于旋转后的图像来说，各个像素点的灰度值大多不能直接得到，需要进行插值处理。
插值处理，就是根据某像素点周围的像素值来计算得到该像素点的像素值。示例性的，插值可以为零阶插值、线性插值和曲线插值等。具体的，零阶插值又可以称为最近邻插值，令输出像素值等于距离它最近的输入像素值，算法的计算简单，但往往处理效果不佳；线性插值认为任意两个像素之间的灰度值是均匀变化的，该算法比较常用，但对于小型图片可能会造成模糊；曲线插值认为像素间的灰度值并非均匀变化，而是遵循某种曲线规律，插值效果比较理想，但计算量大。优选的，可以采用线性插值中的双线性插值算法。对像素点周围的四个像素分别进行两次线性插值，计算简单，能够能达到较为理想的效果。
通过对表盘二值图像进行边缘检测，得到仪表盘边缘图像，确定仪表盘边缘图像的倾斜角度。Hough变换本身运算量很大，直接对仪表盘二值图像进行变换会占用大量的运算资源。因此，本申请通过对仪表盘二值图像进行边缘检测，提取出边缘，也即得到仪表盘边缘图像。可以降低检测倾斜角度过程运算量。若倾斜角度大于预设倾斜角度阈值，通过采用双线性插值算法获取旋转后的像素值，提高目标二值图像中像素值的准确性，并降低计算量，提高倾斜校正的效率。
S240、对目标二值图像进行字符分割，得到仪表盘图像中的仪表盘示数的示数分割结果。
字符分割为一种图像分割方法，用于对目标二值图像中的示数进行分割，得到仪表盘示数的示数分割结果。示数分割结果为对目标二值图像中的仪表盘示数进行字符分割，得到的字符，也即得到仪表盘图像中的仪表盘示数的示数分割结果。
在一个可选实施例中，对目标二值图像进行字符分割，得到仪表盘图像中的仪表盘示数的示数分割结果，包括：对目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，得到粗分割仪表盘图像；按照预设矩形对粗分割仪表盘图像进行轮廓检测，得到待定位仪表盘图像；对待定位仪表盘图像进行字符定位分割，得到仪表盘字符分割结果；对仪表盘字符分割结果进行归一化处理，得到仪表盘示数的示数分割结果。
开运算为一种图像处理方法，可以理解为一种用于几何上消除微小图块的滤波器。具体的，开运算处理为对目标二值图像先腐蚀后膨胀的过程，可以把目标二值图像中两个细微连接的区域分离开。通过对目标二值图像进行开运算处理，可以去除目标二值图像中的孤立噪点、细微牵连或毛刺，而总体上不改变原图的形状和相对位置。粗分割仪表盘图像为对目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，得到的图像。
闭运算为一种图像处理方法，可以理解为一种用于几何上填充图像凹角的滤波器。具体的，闭运算处理为对目标二值图像先膨胀后腐蚀的过程，可以把目标二值图像中两个细微连接的图块封闭起来。闭运算和开运算的作用效果完全相反，通过对目标二值图像进行闭运算处理，可以能填平小孔，弥合小裂缝，而不会处理毛刺，而总***置和形状仍保持不变。
通过对目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，将目标二值图像中，对应于仪表盘图像中的仪表盘示数的数字部分连成一整块，并优化边缘，得到粗分割仪表盘图像中的示数部分成为一个矩形的大致形状，方便在后续进行轮廓检测。
轮廓检测可以用于检测粗分割仪表盘图像中各部分的矩形轮廓。粗分割仪表盘图像中对应于仪表盘图像中的整个仪表盘已经可以粗略的分成几个部分，这时通过预设矩形进行轮廓检测，可以检测出粗分割仪表盘图像中符合预设矩形轮廓的部分。预设矩形为预先设置的矩形轮廓，具体的矩形轮廓可以为一个矩形轮廓范围。待定位仪表盘图像可以为按照预设矩形对粗分割仪表盘图像进行轮廓检测，得到的图像。
仪表盘示数的显示部分一般有黑色衬底且大致呈矩形，因此可以利用这一特性，通过预设矩形将显示部分检测出来。不符合预设矩形的部分，可能不是显示部分。示例性的，可以根据矩形的面积和长宽比对预设矩形进行设置。具体的，预设矩形面积不能过小，过小则可以排除是显示部分的可能，因此预设矩形的面积有一个最小阈值；同时，显示部分一般由四到五位数字组成，其整体外接矩形长宽比大约在2.5到4之间，超过此范围的矩形也可以将其排除，因此预设矩形的长宽比可以在2.5到4之间。经过预设矩形的两次排除，几乎可以得到唯一的显示部分，如果仍有其他部分干扰，也可以在后续的字符分割中排除。
字符定位分割为一种字符分割算法，可以用于对待定位仪表盘图像进行字符定位，进而分割出每个字符。因为仪表盘示数的识别中，仪表盘示数中可能包括小数点、分度值和噪声等信息。因此，字符定位分割的准确性直接影响着仪表盘示数识别的准确率，一旦定位发生错误，识别也必然会失败。示例性的，字符定位可以包括图像纹理特征法、分形理论法和投影直方图法。仪表盘字符分割结果为对待定位仪表盘图像进行字符定位分割，得到的图像。
纹理可以指一幅图像中连续像素的灰度变化规律，可以由像素在空间的排列关系决定。示例性的，纹理特征可以包括位置、色调和形状等。图像纹理特征法能克服噪声的干扰，但是运算程度太复杂，很难满足实时的需求。分形理论法则引入分数维的概念，来描述不规则和非线性信号的粗糙程度，但是一般只能依靠经验来选取阈值，没有自适应性，具有一定的局限。投影直方图法，分别对图像的水平和垂直方向投影，根据图像在横纵两个维度上的投影情况来分割字符。优选的，可以采用投影直方图法进行字符定位分割。水平和垂直投影的顺序可能会影响到分割效果以及最终的识别效果，由于仪表盘示数是一行四到五个字符，因此，可以先水平投影分割出读数所在的行区间，可以避免显示部分的丢失，然后再垂直投影将待定位仪表盘图像分割成单独的字符，得到仪表盘字符分割结果。
具体的，将待定位仪表盘图像进行水平投影，统计最小值和平均值，将二者的均值作为阈值，然后从上至下搜索，大于阈值认为是上边缘；然后再从下至上搜索，小于等于阈值认为是下边缘。垂直方向可用类似方法得到。需要注意的是，垂直方向的阈值可以应适当调小，避免将数字0分成两半。
归一化处理用于对得到仪表盘字符分割结果的形的大小进行归一化处理。将分割后的字符图像受原始图像的影响，大小不同，形状不同，不利于后续的识别。具体的，仪表盘字符分割结果过小将导致信息量不足，难以准确识别；而仪表盘字符分割结果过大，又会加重运算，影响***的实时性。因此，需要对仪表盘字符分割结果归一化到相同的大小。示例性的，可以将仪表盘字符分割结果归一化处理为20*20大小的字符。归一化处理后的字符大小可以根据试验或经验确定，本申请对此不作具体限定。示数分割结果为对仪表盘字符分割结果进行归一化处理，得到的字符。
归一化处理的过程可以为对图像的描边和缩放处理的过程。由于仪表盘字符分割结果呈矩形，因此首先进行描边处理，将仪表盘字符分割结果变换成正方形。具体的，描边处理过程为：计算仪表盘字符分割结果的长和宽，将宽的两侧加背景色像素，直到长宽一致。缩放处理属于图像的几何变换。具体的，缩放处理过程为：将仪表盘字符分割结果经过描边处理后的正方形中每个像素点对应横坐标和纵坐标分别与变换系数相乘，实现对应的像素点缩放。在进行缩放处理后，需要均匀地减少或增加像素点，也即插值。具体的，插值可以采用根据像素区间关系重新采样的方法，尽可能的保留示数分割结果的特征，保障图像不失真。
通过对目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，得到粗分割仪表盘图像，将目标二值图像分为一个大致区域。按照预设矩形对粗分割仪表盘图像进行轮廓检测，得到待定位仪表盘图像，进一步确定仪表盘示数的显示部分。对待定位仪表盘图像进行字符定位分割，得到仪表盘字符分割结果，将显示部分的示数进行字符分割，得到每一个示数的字符分割结果，降低后续识别的运算量，提高识别的实时性。对仪表盘字符分割结果进行归一化处理，在保障图像不是真的情况下，归一化仪表盘字符分割结果，有利于提高后续识别的准确性。
S250、对示数分割结果进行识别，得到待显示仪表盘示数。
S260、向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
本实施例的技术方案，通过对仪表盘图像进行二值化处理，得到仪表盘二值图像，降低图像中的数据量，降低后续分割和识别过程的运算量；对仪表盘二值图像进行倾斜校正，得到目标二值图像，提高后续字符分割的准确性。对目标二值图像进行字符分割，得到仪表盘图像中的仪表盘示数的示数分割结果，降低后续识别的运算量，提高后续识别的实时性。
实施例三
图5为本申请实施例三提供的一种仪表盘示数展示方法的流程图方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化。
进一步地，将“对示数分割结果进行识别，得到待显示仪表盘示数”，细化为：“对示数分割结果进行扭曲校正，得到校正示数分割结果；对校正示数分割结果，进行特征提取，得到示数特征；对示数特征进行线性变换，得到待识别示数特征；根据待识别示数特征，确定待显示仪表盘示数”，以提高待显示仪表盘示数的准确性。
参见图5所示的一种仪表盘示数展示方法，包括：
S310、获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。
S320、对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果。
S330、对示数分割结果进行扭曲校正，得到校正示数分割结果。
扭曲校正可以为依据示数分割结果的中心距，对示数分割结果进行矩阵的映射变换。扭曲校正用于解决摄像头和表盘不平行所造成的图像扭曲问题。校正示数分割结果为对示数分割结果进行扭曲校正后的示数分割结果。
S340、对校正示数分割结果，进行特征提取，得到示数特征。
特征提取为对校正示数分割结果的特征进行提取，用于根据提取的示数特征对识别确定待显示仪表盘示数。示数特征为对校正示数分割结果进行特征提取得到的特征数据。
校正示数分割结果中的包括的背景是无用信息，梯度检测可以很好地过滤掉背景。因此可以采用梯度检测方法进行特征提取。示例性的，可以通过HOG(Histogram ofOriented Gradients，方向梯度直方图)进行特征提取。具体的，计算校正示数分割结果水平和垂直方向的Sobel(专业术语，一种离散微分算子)导数值，根据Sobel导数值得到校正示数分割结果中每个像素点的梯度方向和梯度大小，然后把梯度方向转变为一到十六的整数角度。然后将图像分为4个10*10的方块，以像素的梯度大小作为权重，计算每个图块的梯度角度的直方图。这样每个小方块可以用一个包含16个数据的向量表示，那么整幅图像就由四个图块的特征向量来表示，一共64维。也即，通过HOG提取到64个示数特征。
S350、对示数特征进行线性变换，得到待识别示数特征。
线性变换可以为对示数特征进行线性的变换，用于缩小示数特征中数据的距离，并且不改变示数特征的特征信息。待识别示数特征可以为对示数特征进行线性变换，得到的特征。
通过HOG提取到64个特征值数值较大，不利于后续识别，因此对示数特征进行线性变换。示例性的，可以采用Hellinge(专业术语，一种核函数名称)核函数进行线性变换。Hellinge核函数是线性核函数，不需要提高输入数据的维数就能较好地处理数据。参见图6所示的一种Hellinge核变换示意图。图5中变换前的数据，经过Hellinge核函数处理之后，变换后数据由大数值变成了彼此差距不多的小数，而且很好地保留了特征信息。
S360、根据待识别示数特征，确定待显示仪表盘示数。
根据待识别示数特征，通过图像识别算法可以确定待显示仪表盘示数。示例性的，可以采用SVM(Support Vector Machine，支持向量机)确定待显示仪表盘示数。具体的，根据示数分割结果制作带标签的训练数据，通过带标签的训练数据对SVM进行监督训练，得到目标SVM。将待识别示数特征作为输入数据输入到目标SVM中，可以得到待显示仪表盘示数。本申请通过对150个示数分割结果进行测试，目标SVM的识别准确率可以到达了97.33％。
S370、向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
本实施例的技术方案，通过对示数分割结果进行扭曲校正，得到校正示数分割结果，避免示数分割结果中存在扭曲导致后续识别的准确性降低。对校正示数分割结果，进行特征提取，得到示数特征，提取示数分割结果中示数的特征，去除背景的影响，提高后续识别的准确性。对示数特征进行线性变换，得到待识别示数特征，降低识别过程中的运算量，提高识别的实时性。根据待识别示数特征，确定待显示仪表盘示数，提高待显示仪表盘示数的准确性。
实施例四
图7所示为本申请实施例四提供的一种仪表盘示数展示装置的结构示意图，本实施例可适用于对仪表盘图像中的示数进行识别和展示的情况，配置于边缘设备，例如，微型电脑，该仪表盘示数展示装置的具体结构如下：
图像获取模块410，用于获取待识别设备的仪表盘图像；所表盘图像包括仪表盘示数；
图像分割模块420，用于对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果；
示数识别模块430，用于对示数分割结果进行识别，得到待显示仪表盘示数；
连接请求发送模块440，用于向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
本实施例的技术方案，边缘设备通过图像获取模块获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数。边缘设备通过图像分割模块对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果，在仪表盘图像中获得感兴趣区域，进而边缘设备通过示数识别模块对示数分割结果进行识别，得到待显示仪表盘示数，完成对仪表盘图像中仪表盘示数的识别，通过对仪表盘图像先分割再识别，提高对仪表盘示数识别的准确性。边缘设备通过连接请求发送模块向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，降低通信过程中传输的数据量，降低数据传输压力，保障通信质量，降低数据传输过程中被噪声污染的可能性，提高信息传输的准确性，保障识别的仪表盘示数的准确性。边缘设备指示上位机对待显示仪表盘示数进行展示，降低上位机的工作量，提高展示的仪表盘示数的准确性，进而保障边缘设备和上位机组成的仪表盘数识别***示数识别的准确性。因此通过本申请的技术方案，解决了目前的仪表盘数识别***示数的识别准确性低的问题，达到了提高仪表盘示数识别的准确性的效果。
可选的，图像分割模块420，包括：
图像二值化单元，用于对仪表盘图像进行二值化处理，得到仪表盘二值图像；
图像倾斜校正单元，用于对仪表盘二值图像进行倾斜校正，得到目标二值图像；
图像字符分割单元，用于对目标二值图像进行字符分割，得到仪表盘图像中的仪表盘示数的示数分割结果
可选的，图像二值化单元，包括：
图像去噪子单元，用于对仪表盘图像进行高斯滤波，得到去噪仪表盘图像；
灰度化处理子单元，用于对去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像；
二值化处理子单元，用于对仪表盘灰度图像进行二值化处理，得到仪表盘二值图像。
可选的，灰度化处理子单元，具体用于：对去噪仪表盘图像中的像素点的三原色进行加权计算处理，得到仪表盘灰度图像。
可选的，图像分割模块420，包括：
边缘检测子单元，用于对仪表盘二值图像进行边缘检测，得到仪表盘边缘图像；
倾斜角度确定子单元，用于确定仪表盘边缘图像的倾斜角度；
图像旋转子单元，用于若倾斜角度大于预设倾斜角度阈值，则对仪表盘边缘图像进行旋转得到目标二值图像。
可选的，二值化处理子单元，包括：
开运算处理子单元，用于对目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，得到粗分割仪表盘图像；
轮廓检测子单元，用于按照预设矩形对粗分割仪表盘图像进行轮廓检测，得到待定位仪表盘图像；
字符定位分割子单元，用于对待定位仪表盘图像进行字符定位分割，得到仪表盘字符分割结果；
归一化处理子单元，用于对仪表盘字符分割结果进行归一化处理，得到仪表盘示数的示数分割结果。
可选的，示数识别模块430，包括：
扭曲校正单元，用于对示数分割结果进行扭曲校正，得到校正示数分割结果；
特征提取单元，用于对校正示数分割结果，进行特征提取，得到示数特征；
线性变换单元，用于对示数特征进行线性变换，得到待识别示数特征；
示数确定单元，用于根据待识别示数特征，确定待显示仪表盘示数。
本申请实施例所提供的仪表盘示数展示装置可执行本申请任意实施例所提供的仪表盘示数展示方法，具备执行仪表盘示数展示方法相应的功能模块和有益效果。
实施例五
图8为本申请实施例五提供的一种电子设备的结构示意图，如图8所示，该电子设备包括处理器510、存储器520、输入装置530和输出装置540；电子设备中处理器510的数量可以是一个或多个，图8中以一个处理器510为例；电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图8中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的仪表盘示数展示方法对应的程序指令/模块(例如，图像获取模块410、图像分割模块420、示数识别模块430和连接请求发送模块440)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的仪表盘示数展示方法。
存储器520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例六
本申请实施例六还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种仪表盘示数展示方法，该方法包括：获取待识别设备的仪表盘图像；仪表盘图像包括仪表盘示数；对仪表盘图像进行图像分割，确定仪表盘图像中的仪表盘示数的示数分割结果；对示数分割结果进行识别，得到待显示仪表盘示数；向上位机发送连接请求，并将待显示仪表盘示数发送至上位机，用于指示上位机对待显示仪表盘示数进行展示。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的仪表盘示数展示方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种仪表盘示数展示方法，其特征在于，应用于边缘设备，包括：
获取待识别设备的仪表盘图像；所述仪表盘图像包括仪表盘示数；
对所述仪表盘图像进行图像分割，确定所述仪表盘图像中的所述仪表盘示数的示数分割结果；
对所述示数分割结果进行识别，得到待显示仪表盘示数；
向上位机发送连接请求，并将所述待显示仪表盘示数发送至所述上位机，用于指示所述上位机对所述待显示仪表盘示数进行展示。
2.根据权利要求1所述的方法，其特征在于，所述对所述仪表盘图像进行图像分割，确定所述仪表盘图像中的所述仪表盘示数的示数分割结果，包括：
对所述仪表盘图像进行二值化处理，得到仪表盘二值图像；
对所述仪表盘二值图像进行倾斜校正，得到目标二值图像；
对所述目标二值图像进行字符分割，得到所述仪表盘图像中的所述仪表盘示数的示数分割结果。
3.根据权利要求2所述的方法，其特征在于，所述对所述仪表盘图像进行二值化处理，得到仪表盘二值图像，包括：
对所述仪表盘图像进行高斯滤波，得到去噪仪表盘图像；
对所述去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像；
对所述仪表盘灰度图像进行二值化处理，得到仪表盘二值图像。
4.根据权利要求3所述的方法，其特征在于，所述对所述去噪仪表盘图像进行灰度化处理，得到仪表盘灰度图像，包括：
对所述去噪仪表盘图像中的像素点的三原色进行加权计算处理，得到所述仪表盘灰度图像。
5.根据权利要求2所述的方法，其特征在于，所述对所述仪表盘二值图像进行倾斜校正，得到目标二值图像，包括：
对所述仪表盘二值图像进行边缘检测，得到仪表盘边缘图像；
确定所述仪表盘边缘图像的倾斜角度；
若所述倾斜角度大于预设倾斜角度阈值，则对所述仪表盘边缘图像进行旋转得到所述目标二值图像。
6.根据权利要求2所述的方法，其特征在于，所述对所述目标二值图像进行字符分割，得到所述仪表盘图像中的所述仪表盘示数的示数分割结果，包括：
对所述目标二值图像进行开运算处理，并对开运算结果进行闭运算处理，得到粗分割仪表盘图像；
按照预设矩形对所述粗分割仪表盘图像进行轮廓检测，得到待定位仪表盘图像；
对所述待定位仪表盘图像进行字符定位分割，得到仪表盘字符分割结果；
对所述仪表盘字符分割结果进行归一化处理，得到所述仪表盘示数的示数分割结果。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述对所述示数分割结果进行识别，得到待显示仪表盘示数，包括：
对所述示数分割结果进行扭曲校正，得到校正示数分割结果；
对所述校正示数分割结果，进行特征提取，得到示数特征；
对所述示数特征进行线性变换，得到待识别示数特征；
根据所述待识别示数特征，确定所述待显示仪表盘示数。
8.一种仪表盘示数展示装置，其特征在于，配置于边缘设备，包括：
图像获取模块，用于获取待识别设备的仪表盘图像；所述仪表盘图像包括仪表盘示数；
图像分割模块，用于对所述仪表盘图像进行图像分割，确定所述仪表盘图像中的所述仪表盘示数的示数分割结果；
示数识别模块，用于对所述示数分割结果进行识别，得到待显示仪表盘示数；
连接请求发送模块，用于向上位机发送连接请求，并将所述待显示仪表盘示数发送至上位机，用于指示所述上位机对所述待显示仪表盘示数进行展示。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一所述的仪表盘示数展示方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种仪表盘示数展示方法。
CN202211078573.7A 2022-09-05 2022-09-05 仪表盘示数展示方法、装置、电子设备和存储介质 Pending CN115272664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211078573.7A CN115272664A (zh) 2022-09-05 2022-09-05 仪表盘示数展示方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211078573.7A CN115272664A (zh) 2022-09-05 2022-09-05 仪表盘示数展示方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115272664A true CN115272664A (zh) 2022-11-01

Family

ID=83754502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211078573.7A Pending CN115272664A (zh) 2022-09-05 2022-09-05 仪表盘示数展示方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115272664A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877993A (zh) * 2023-02-21 2023-03-31 北京和利时***工程有限公司 一种基于数字孪生的三维视图展示方法及装置
CN117079262A (zh) * 2023-10-16 2023-11-17 北京睿企信息科技有限公司 一种用于请求次数的仪表盘展示方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877993A (zh) * 2023-02-21 2023-03-31 北京和利时***工程有限公司 一种基于数字孪生的三维视图展示方法及装置
CN117079262A (zh) * 2023-10-16 2023-11-17 北京睿企信息科技有限公司 一种用于请求次数的仪表盘展示方法
CN117079262B (zh) * 2023-10-16 2023-12-26 北京睿企信息科技有限公司 一种用于请求次数的仪表盘展示方法

Similar Documents

Publication Publication Date Title
CN114972329B (zh) 基于图像处理的表面缺陷检测仪的图像增强方法及***
CN113450307B (zh) 一种产品边缘缺陷检测方法
CN103971126B (zh) 一种交通标志识别方法和装置
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN115272664A (zh) 仪表盘示数展示方法、装置、电子设备和存储介质
CN110781885A (zh) 基于图像处理的文本检测方法、装置、介质及电子设备
WO2018145470A1 (zh) 一种图像检测方法和装置
CN111612781A (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN107871137B (zh) 一种基于图像识别的物料匹配方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN111382658B (zh) 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法
CN111539980B (zh) 一种基于可见光的多目标追踪方法
CN111680690A (zh) 一种文字识别方法及装置
CN109522768A (zh) Qr码的识别方法及装置
CN113537037A (zh) 路面病害识别方法、***、电子设备及存储介质
CN114821274A (zh) 一种用于识别分合指示牌的状态的方法和设备
CN117496532A (zh) 基于0cr的智慧识别工具
JP2012048326A (ja) 画像処理装置及びプログラム
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及***
CN113744200B (zh) 一种摄像头脏污检测方法、装置及设备
CN112329572B (zh) 一种基于边框和闪光点的快速静态活体检测方法及装置
CN111626299A (zh) 一种基于轮廓的数字字符识别方法
CN114359147A (zh) 裂缝检测方法、装置、服务器及存储介质

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