一种基于机器视觉的表具自动识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107967471A(43)申请公布日2018.04.27(21)申请号201710851527.9(22)申请日2017.09.20(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人雷飞付伟方之愉龙凯(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人张慧(51)Int.Cl.G06K9/20(2006.01)G06K9/34(2006.01)G06K9/46(2006.01)G06T7/13(2017.01)G06T7/66(2017.01)权利要求书3页说明书5页附图1页(54)发明名称一种基于机器视觉的表具自动识别方法(57)摘要本发明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。CN107967471ACN107967471A权利要求书1/3页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2CN107967471A权利要求书2/3页的关系，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)，-1sk＝T(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