為了提高儀表人為讀數(shù)的速度和精確度，提出首先對儀表圖像進行二值化、濾波等基本處理；然后通過圖像分割得到感興趣的表盤區(qū)域，經(jīng)過坐標平移翻轉(zhuǎn)和極坐標變換的歸一化算法，將圓形表盤轉(zhuǎn)化成矩形指針表盤；再利用圖像拼接算法得到無指針的表盤刻度矩形圖像，并且通過直線掃描出每個刻度線；接著通過模板匹配，將待檢測圖像與無指針模板對比，從而檢測出圖像指針位置信息，得出指針讀數(shù)。實驗結(jié)果表明，采用這種圖像處理技術(shù)使得識別速度更快，精確度也更高。

指針式儀表由于其特殊結(jié)構(gòu)具有制造成本低、精確度高、穩(wěn)定性強，因而在諸多場合得以運用。目前，對于這種儀表自動讀數(shù)的技術(shù)，有的研究人員提出通過角度轉(zhuǎn)換求出指針位置，再用Hu不變矩陣作為圖像特征來實現(xiàn)指針讀數(shù)自動識別，但是這種算法比較復(fù)雜，識別速度不是很快；有的研究提出利用快速霍夫變換，通過限制搜索范圍來降低霍夫的搜索量，但是這種方法比較復(fù)雜，而且識別準確率不是很高，文獻提出通過最大灰度的相減來識別指針的位置，這種算法看似簡單，但是識別準確率也不是很高，而且對光照強度非常敏感，其通用性不是很高。本文檢測的對象是石油化工中常用的耐振壓力表，先通過對采集到的壓力表圖像進行簡單預(yù)處理，然后創(chuàng)新地運用極坐標變換算法將圓弧形指針圖像矩形化，接著通過圖像拼接制作出無指針的刻度模板，再通過模板匹配進行讀數(shù)自動識別。

1.儀表指針識別系統(tǒng)組成

本實驗由于對檢測的結(jié)果要求較高，在圖像系統(tǒng)中加入碗狀光源，采用GIGE工業(yè)相機來獲得高清晰圖像，采集到的圖像通過千兆網(wǎng)口實時傳給計算機系統(tǒng)，經(jīng)過各種算法處理，將最終檢測到的壓力表的讀數(shù)顯示出來，通過校對機構(gòu)鑒定系統(tǒng)的誤差大小來適當調(diào)整識別系統(tǒng)。整個系統(tǒng)（圖1)主要分為以下3各部分。

被測壓力表和校對壓力表固定部分。通過前期調(diào)整壓力表的方向和位置，使得其和相機處于合適的位置，并將其固定，防止后續(xù)拍攝的圖像發(fā)生偏移而導(dǎo)致檢測誤差。檢測后的結(jié)果通過校對壓力表進行校對，然后進行算法的改進。

圖像采集系統(tǒng)部分。系統(tǒng)采用深圳彩視能科技有限公司的GIGE工業(yè)相機，并加入了碗狀光源，防止外界自然光的變化對檢測結(jié)果產(chǎn)生干擾。

計算機處理系統(tǒng)部分。工控機與相機通過千兆以太網(wǎng)通信協(xié)議進行通信，圖像系統(tǒng)采集到的高清晰圖像可以準確實時傳送給工控機，工控機通過VS調(diào)用相機自帶的SDK軟件包來控制相機，然后計算機通過各種圖像處理算法得到被測壓力表的讀數(shù)，通過MFC界面顯示出來。

2.圖像處理與指針自動識別系統(tǒng)

指針識別系統(tǒng)主要由5個算法處理模塊組成，其流程如圖2所示。由于人工安裝時的誤差，被測壓力表和工業(yè)相機不可能處于絕對的平行位置，所以在進行圖像預(yù)處理前需要通過適當?shù)男Ｕ�。�?jīng)過灰度化和濾波預(yù)處理，然后圖像分割得到表盤ROI圖像。再通過簡單的直角坐標系運算坐標平移和翻轉(zhuǎn)，將表盤指針回轉(zhuǎn)中心和直角坐標原點重合。此時，壓力表的圓形圖像再經(jīng)過極坐標轉(zhuǎn)換算法可以轉(zhuǎn)換成一個矩形圖像，再由兩副不同位置的指針圖像經(jīng)過圖像拼接算法得到指針刻度的模板，最后利用直線掃描法，自上至下掃描出刻度線，即可將不同位置指針矩形圖像與該模板進行匹配，進而得到指針的讀數(shù)。

2.1前期處理

在將被測壓力表固定到檢測臺上的時候，由于是人為操作，只能大致保證表盤與相機鏡頭處于平行的位置，因此，采集到的表盤不會是垂直或者水平的，必然一側(cè)會向鏡頭有所偏移，若表盤發(fā)生偏移，通過圖像分割處理時就有可能會將表盤刻度去掉了，而保留了一些無關(guān)的背景圖像。

因此，在對圖像進行預(yù)處理之前先要進行圖像傾斜校正，可以通過拍攝一幅傾斜的圖像經(jīng)過霍夫圓檢測，根據(jù)檢測到的圓和實際表盤上圓盤位置的區(qū)別將鏡頭調(diào)整到完全與表盤平行，這樣，在后面的圖像分割時就能完整保留表盤刻度�；舴驁A檢測就是將表盤上的圓形映射到另一個坐標空間里的一個點形成一個峰值，由此將檢測圓形表盤轉(zhuǎn)換為統(tǒng)計峰值。這種變換計算量較小，也可以迅速檢測到表盤圓的偏移，從而進行相應(yīng)的校正。

本研究使用的相機采集到的是24位彩色圖像，而這里只需要得到指針對于表盤刻度的相對位置。為了減少計算量，提高圖像處理速度，可以首先對圖像灰度化，將相機采集到的24位圖像轉(zhuǎn)換成8位的灰度圖。選用平均值法，計算出相鄰3個像素分量的平均值，然后使每個分量值均等于這3個值的平均值，即：R=G=B=(R+G+B')/3由于本研究選擇的是儀表指針圖像，其細節(jié)不是特別多，經(jīng)過預(yù)處理后只要能提取出完整的目標圖像即可，因此采用最常用的中值濾波算法。本文先選用3X3的模板，然后再選用5X5，發(fā)現(xiàn)3X3的模板就能得到很好的濾波效果。即通過9個像素點的像素值相加求平均值得到3X3模板的正中間的像素值，并替換掉原來的像素值。其公式表示如下：

Np(“i)={pa~i>j—1)+(—i?y)+p(，j—1)+p(aj)+p(>j+i)+p(a+1>j)+p

((+1,j—1)+p(i+1j')+p(i+1,j+1)}/9

2.2圖像分割

表盤圖像分割是指針自動識別至關(guān)重要的預(yù)處理，沒有正確的分割，指針識別讀數(shù)就會有較大的誤差。圖像分割就是從背景圖像中分割出指針和刻度線等重要儀表信息，以便后面的指針自動識別。圖像分割方法有基于邊緣的分割方法和基于閾值的分割方法。

由于感興趣的部分指針和刻度線均是直線，因此，首先嘗試基于邊緣的分割方法——霍夫直線變換算法。通過霍夫直線檢測能很容易檢測到指針和刻度線，但是由于耐震壓力表的刻度線很密集，在采用霍夫直線變換時計算量較大，導(dǎo)致處理速度過慢，而且在此檢測裝置中，要求能實時拍照檢測，并自動識別指針讀數(shù)，這種方法就不是很適合。由于采集到的表盤圖像中指針和刻度線的灰度值很接近而且都比較小，故采用基于閾值的分割方法。

在此指針識別系統(tǒng)中，由于壓力表的量程有很多種，而且每種表盤的材質(zhì)和顏色各有不同，再加上環(huán)境光照的影響，如果采用固定閾值分割，針對每種量程的壓力表可能就要專門設(shè)置一個閾值，沒有很好的通用性。因此，采用一種自適應(yīng)的閾值分割方法——最大類間方差法，通過目標與背景的最大方差求得自適應(yīng)閾值。這種方法的步驟如下：

2.3表盤圖像歸一化

經(jīng)過上面的圖像處理后得到了指針和刻度線的表盤圖像，根據(jù)指針和刻度線的扇形分布，在實際中使用圓掃描時會出現(xiàn)較大的誤差。首先，由于采用200萬高清相機，采集到的圖像分辨率會大于指針和刻度線的寬度，導(dǎo)致指針和每個刻度線與掃描圓的交點不止一個，這就會產(chǎn)生識別誤差。其次，由于被測的是石油工業(yè)的耐震壓力表，在表盤里面有一些油液的填充物保證其測量精度，在圓掃描時，由于油液遮擋了垂直向上方向的刻度線的一部分，可能導(dǎo)致某些刻度線掃描不出來。然而圖像歸一化算法就很容易解決圓掃描所引起的識別誤差，因此，圖像歸一化算法是指針識別系統(tǒng)中至關(guān)重要的一部分。

圖像采集系統(tǒng)傳遞給計算機系統(tǒng)的圖像一般都是矩陣形式的，假設(shè)此矩陣在直角坐標系中表示為J(:r，；y)，圓形表盤指針的旋轉(zhuǎn)中心坐標為（X，Y)。首先通過坐標平移，將表盤圖像IU，y)平移至使旋轉(zhuǎn)中心坐標和直角坐標系原點重合；然后是坐標翻轉(zhuǎn)，假設(shè)經(jīng)過平移后得到的圖像表示為Hy)，其翻轉(zhuǎn)后的圖像為廣(，：y)最后經(jīng)過極坐標轉(zhuǎn)換，最終圖像表示為rpe、。

通過表盤圖像歸一化處理后，圓形的指針和刻度線圖像轉(zhuǎn)變成了矩形圖像。為了能夠得到刻度線模板，利用圖像拼接算法，即在不變的環(huán)境條件下，采集處于零刻度時的表盤圖像，立刻通過施壓裝置給壓力表施加一定的壓力，此時，指針偏轉(zhuǎn)一定的角度，采集此時表盤圖像，然后利用圖像拼接算法，拼接零刻度圖像的后半部分和指針偏轉(zhuǎn)圖像的前半部分，即可得到無指針只有刻度線的模板。

由于此時的刻度線模板是矩形的，所有的刻度線均是垂直分布的，利用直線掃描算法從上至下掃描所有的刻度線即可得到刻度線的位置信息。對于任意指針位置的圖像，便可以與無指針的刻度線模板進行匹配，得到指針的位置信息，通過與刻度線位置進行對比分析，即可進行讀數(shù)自動識別。圖3是兩張檢測結(jié)果圖像。

3.實驗結(jié)果

本文提出的指針讀數(shù)自動識別算法，是在vs2010+opencv2.4環(huán)境下以石油工業(yè)中所用的耐震壓力表為例，測試了指針讀數(shù)自動識別系統(tǒng)的效果。整個系統(tǒng)響應(yīng)速度快，識別誤差率低，能滿足工業(yè)中實時檢測識別的要求。整個實驗結(jié)果見表1。

4.結(jié)論

在指針式儀表自動識別的研究中，本文從機器視覺的研究出發(fā)，利用圖像分割算法、圖像歸一化算法、圖像拼接算法和模板匹配算法等，實現(xiàn)指針式儀表讀數(shù)的自動識別。與校對表的測試比對表明，該方案識別速度快，而且準確率高。這種指針式儀表自動識別系統(tǒng)在石油化工生產(chǎn)、電力運行等不允許使用數(shù)顯表的領(lǐng)域中有廣泛的應(yīng)用。