摘要：本文针对某一特征的指针仪表进行识别，具体表现形式为：表盘背景固定，刻度均匀分布在指针四周；指针形状为等腰三角形，指针位置跟随飞机状态发生改变。对图像进行二值化、形态学处理，并应用连通域法提取到清晰的指针图像，再基于霍夫变换计算得到指针与起始刻度夹角，利用角度法实现仪表读数的自动判读。
关键词：单指针仪表；图像形态学处理；连通域；骨架提取；霍夫变换
引言
随着计算机视觉技术的广泛应用，仪表读数图像识别技术广泛应用于电气系统、汽车无人驾驶等领域，而对飞机驾驶舱中的仪表却少有涉及。利用图像识别技术对飞机仪表进行读数识别，大大精简了飞行员监视飞机飞行状态所需要的精力和时间。等利用最大灰度差构造无指针仪表图像模板，通过差影法将待测图像与模板图相减确定指针位置，但识别结果准确性受光照影响严重。利用霍夫变换法可提取指针中轴线，求得指针与零刻度线的夹角。该方法受光线干扰小，识别结果不易受图像中噪声点的影响，具有较强的鲁棒性。汽车仪表识别
1单指针仪表读数识别
以飞机迎角表为例，结合图形形态学处理、霍夫变换等图像处理方法，实现仪表读数的
关键词：单指针仪表；图像形态学处理；连通域；骨架提取；霍夫变换
引言
随着计算机视觉技术的广泛应用，仪表读数图像识别技术广泛应用于电气系统、汽车无人驾驶等领域，而对飞机驾驶舱中的仪表却少有涉及。利用图像识别技术对飞机仪表进行读数识别，大大精简了飞行员监视飞机飞行状态所需要的精力和时间。等利用最大灰度差构造无指针仪表图像模板，通过差影法将待测图像与模板图相减确定指针位置，但识别结果准确性受光照影响严重。利用霍夫变换法可提取指针中轴线，求得指针与零刻度线的夹角。该方法受光线干扰小，识别结果不易受图像中噪声点的影响，具有较强的鲁棒性。汽车仪表识别
1单指针仪表读数识别
以飞机迎角表为例，结合图形形态学处理、霍夫变换等图像处理方法，实现仪表读数的
智能识别。利用灰度处理和二值化对图像进行预处理，利用图像形态学处理去除指针周围黏连像素，采用连通域法实现指针提取，利用骨架细化和霍夫变换确定指针位置，最后利用仪表示数与角度的关系完成飞机单指针仪表图像识别。本文以识别指针读数为研究重点，先决条件是仪表水平放置，且指针式仪表与摄像头位置相对固定。在平行光下进行拍摄，拍摄过程中光照条件不发生剧烈改变。对指针式仪表进行读数识别分为3个部分——图像预处理、图像处理以及图像识别。通过上述步骤完成指针所在直线的提取，利用指针所在直线与指针式仪表刻度之间的对应关系，实现指针式仪表读数识别。
1.1图像预处理
1.1.1图像灰度处理
待识别图像为彩图像，为提高算法效率，需先将图像进行灰度化处理。利用灰度处理将彩图像转换成灰度图像，采用加权平均法进行灰度处理。RGB彩格式表明图像彩由红、蓝、绿3个基本颜构成，根据人眼对3种颜敏感程度的强弱顺序为绿＞蓝＞红，即绿通道权值为最大，红通道权值最小。经过灰度处理的图像最显著的变化是将原有24位真彩图像转换为8位灰度图，数据量减少为原来的1/3，同时并未减少与读数识别有关的关键信息。
1.1图像预处理
1.1.1图像灰度处理
待识别图像为彩图像，为提高算法效率，需先将图像进行灰度化处理。利用灰度处理将彩图像转换成灰度图像，采用加权平均法进行灰度处理。RGB彩格式表明图像彩由红、蓝、绿3个基本颜构成，根据人眼对3种颜敏感程度的强弱顺序为绿＞蓝＞红，即绿通道权值为最大，红通道权值最小。经过灰度处理的图像最显著的变化是将原有24位真彩图像转换为8位灰度图，数据量减少为原来的1/3，同时并未减少与读数识别有关的关键信息。
1.1.2图像二值化处理
图像二值化是在灰度图像的基础上，设置合理的阈值将图像分为前景和背景两部分。具体做法为遍历图像所有像素值，以阈值为判断条件。当图像点像素值大于该阈值时，该图像点赋值为0xFF；当图像点像素值小于阈值时，该图像点像素值赋值为0。图像表现为黑白效果。图像二值化可去除一些干扰因素，与识别相关的有用信息不会丢失。二值化处理可突出前景目标，将识别对象与背景分离。根据图像处理知识可知，红、黄、黑三在任何光线条件下灰度值均小于白。同时，在不同光线条件下对该仪表进行多次拍摄实验发现，受指针材质影响，指针的亮度略高于表盘的其他部分。在进行图像灰度处理后，指针的灰度值也会略高于表盘中其他区域的灰度值。
1.2图像处理
指针会与白刻度块和字符发生重叠。利用图像形态学处理进一步突出指针，在此基础上进行指针提取。
1.2.1指针区域分割
当指针顶部与白刻度区域重合时，指针一侧连接部位较狭窄；当字符与指针重叠时，指针周围会出现细小的黏连像素。采用图像形态学开运算与图像腐蚀处理实现指针图
图像二值化是在灰度图像的基础上，设置合理的阈值将图像分为前景和背景两部分。具体做法为遍历图像所有像素值，以阈值为判断条件。当图像点像素值大于该阈值时，该图像点赋值为0xFF；当图像点像素值小于阈值时，该图像点像素值赋值为0。图像表现为黑白效果。图像二值化可去除一些干扰因素，与识别相关的有用信息不会丢失。二值化处理可突出前景目标，将识别对象与背景分离。根据图像处理知识可知，红、黄、黑三在任何光线条件下灰度值均小于白。同时，在不同光线条件下对该仪表进行多次拍摄实验发现，受指针材质影响，指针的亮度略高于表盘的其他部分。在进行图像灰度处理后，指针的灰度值也会略高于表盘中其他区域的灰度值。
1.2图像处理
指针会与白刻度块和字符发生重叠。利用图像形态学处理进一步突出指针，在此基础上进行指针提取。
1.2.1指针区域分割
当指针顶部与白刻度区域重合时，指针一侧连接部位较狭窄；当字符与指针重叠时，指针周围会出现细小的黏连像素。采用图像形态学开运算与图像腐蚀处理实现指针图
像分离.图像形态学处理中，无论进行何种图像处理都需要设置结构元。结构元是图像处理的最小单元，图像与结构元进行卷积运算实现图像开运算，结构元与图像进行与运算来实现图像腐蚀操作。本文利用半径大小为1（像素）的圆形结构元（‘disk’）进行图像形态学处理。形态学开运算常用来做消噪处理，可选择性地保留目标图像中符合结构原几何性质的部分，过滤掉残损的部分。图像腐蚀是图像由外向内收缩的过程，同时若目标区域中含有细小连接部分，可通过腐蚀处理对区域进行分割。
1.2.2指针提取
首先利用连通域法提取图像指针，并标记为不同的颜。确定图像连通域后，利用特征进行指针提取。对图像中各个区域进行面积统计，确定指针区域面积值。经多次试验发现，指针区域面积分布在400～500（像素个数）之间，且指针外接矩形的长宽比变化较小。根据上述特征提取指针像素分布区域，经过连通域和特征提取处理，图像中干扰被去除，仅存在指针像素区域。
1.3指针读数识别
在提取到指针后，首先进行骨架提取，并利用Hough变换到指针所在直线。到直线与水平向右方向夹角与刻度的对应关系，实现仪表读数识别。
1.2.2指针提取
首先利用连通域法提取图像指针，并标记为不同的颜。确定图像连通域后，利用特征进行指针提取。对图像中各个区域进行面积统计，确定指针区域面积值。经多次试验发现，指针区域面积分布在400～500（像素个数）之间，且指针外接矩形的长宽比变化较小。根据上述特征提取指针像素分布区域，经过连通域和特征提取处理，图像中干扰被去除，仅存在指针像素区域。
1.3指针读数识别
在提取到指针后，首先进行骨架提取，并利用Hough变换到指针所在直线。到直线与水平向右方向夹角与刻度的对应关系，实现仪表读数识别。
1.3.1指针骨架提取
利用骨架提取算法进行指针骨架提取，从而确定指针所在直线。根据指针骨架图像确定指针所在直线的斜率，到斜率与读数间的对应关系，实现读数识别。根据指针的形状特征，指针具有灰度中线对称性，可应用基于迭代的拓扑细化算法实现指针中轴线的提取。本质是由外向内逐层腐蚀图像，直至图像中仅存单像素指针骨架。图像骨架提取要满足两个条件：（1）要保证图形的连续性；（2）应尽可能避免图像骨架提取过程中产生毛刺。
1.3.2指针直线提取
经过上述图像处理后，图像中仅剩余仪表的指针骨架，需先确定指针所在直线。指针骨架形状特征表现为连续直线，可采用直线识别算法实现指针提取。现有大量算法可进行直线检测，如链码算法、神经元DOG函数以及最小二乘法直线拟合等。但是，现阶段直线识别应用最广泛、算法最成熟的仍然是霍
夫（Hough）变换。所以，本文采用霍夫变换实现指针直线提取。霍夫变换是基于点与线的对偶性，将像素点在直角坐标系中的坐标转换至参数空间求极值点的过程。直线在直角
利用骨架提取算法进行指针骨架提取，从而确定指针所在直线。根据指针骨架图像确定指针所在直线的斜率，到斜率与读数间的对应关系，实现读数识别。根据指针的形状特征，指针具有灰度中线对称性，可应用基于迭代的拓扑细化算法实现指针中轴线的提取。本质是由外向内逐层腐蚀图像，直至图像中仅存单像素指针骨架。图像骨架提取要满足两个条件：（1）要保证图形的连续性；（2）应尽可能避免图像骨架提取过程中产生毛刺。
1.3.2指针直线提取
经过上述图像处理后，图像中仅剩余仪表的指针骨架，需先确定指针所在直线。指针骨架形状特征表现为连续直线，可采用直线识别算法实现指针提取。现有大量算法可进行直线检测，如链码算法、神经元DOG函数以及最小二乘法直线拟合等。但是，现阶段直线识别应用最广泛、算法最成熟的仍然是霍
夫（Hough）变换。所以，本文采用霍夫变换实现指针直线提取。霍夫变换是基于点与线的对偶性，将像素点在直角坐标系中的坐标转换至参数空间求极值点的过程。直线在直角
坐标系中可以用y=kx+b，其中k表示斜率，b表示截距。对于图像中任意点A(xn,yn)，都可以表示为b=-kxn+yn，表明图像中任意一点A’(xj,yj)都可以在参数空间中到一条对应直线。同样，直角坐标系中直线上的点均满足上述关系。根据对偶性原则，参数空间中的这些直线相交于一点，利用霍夫变换确定参数空间中的交点坐标便可实现直线检测。霍夫变换利用图像坐标空间与参数空间的对偶性,经过霍夫变换后，指针骨架边缘变得更为光滑，也去掉了指针骨架提取时残留的毛刺像素。
2结论
以飞机迎角表为例，对飞机上的单指针仪表进行以飞机迎角表为例对飞机上的单指针仪表进行读数识别，利用图像灰度值特点，突出前景目标。经过图像形态学开运算去除指针周围的像素黏连。利用连通域法结合指针像素特征进行指针提取，对指针式仪表盘进行区域划分，得出指针的方向；利用霍夫变换检测指针所在直线的对应角度，根据角度与仪表读数对应关系完成指针式仪表读数识别。通过实验表明，测试结果与指针式仪表实际读数误差较小，表明该方法在一定条件下有效、可行。但该算法还存在不足的地方，如没有考虑光线条件对仪表读数识别的影响、图像发生旋转时的图像校正、以及在识别之前需要预先确定仪表起始刻度位置对应的角度，因此对于上述几种情况还需进一步研究。
2结论
以飞机迎角表为例，对飞机上的单指针仪表进行以飞机迎角表为例对飞机上的单指针仪表进行读数识别，利用图像灰度值特点，突出前景目标。经过图像形态学开运算去除指针周围的像素黏连。利用连通域法结合指针像素特征进行指针提取，对指针式仪表盘进行区域划分，得出指针的方向；利用霍夫变换检测指针所在直线的对应角度，根据角度与仪表读数对应关系完成指针式仪表读数识别。通过实验表明，测试结果与指针式仪表实际读数误差较小，表明该方法在一定条件下有效、可行。但该算法还存在不足的地方，如没有考虑光线条件对仪表读数识别的影响、图像发生旋转时的图像校正、以及在识别之前需要预先确定仪表起始刻度位置对应的角度，因此对于上述几种情况还需进一步研究。
参考文献
[1]滕今朝，邱杰.利用Hough变换实现直线的快速精确检测[J].中国图象图形学报，2008，13（2）：234-237.
[2]徐张，郑相周，黄伟军.名优茶采摘机械手的DSP图像与控制集成设计[J].江西农业大学学报，2018，40（6）：1323-1330.
[3]丛波.基于MATLAB的数字图像处理技术及应用[J].中国科技信息，2011，（5）：85-86，89.
[4]吴金铭.航空虚拟仪表屏显数据的视觉检测关键技术研究[D].绵阳：西南科技大学，2019.
[1]滕今朝，邱杰.利用Hough变换实现直线的快速精确检测[J].中国图象图形学报，2008，13（2）：234-237.
[2]徐张，郑相周，黄伟军.名优茶采摘机械手的DSP图像与控制集成设计[J].江西农业大学学报，2018，40（6）：1323-1330.
[3]丛波.基于MATLAB的数字图像处理技术及应用[J].中国科技信息，2011，（5）：85-86，89.
[4]吴金铭.航空虚拟仪表屏显数据的视觉检测关键技术研究[D].绵阳：西南科技大学，2019.
发布评论