1、一种基于改进 ZS 细化算法的指针仪表检测 陈树 杨天 江南大学物联网工程学院 摘 要： 针对 ZS 细化算法存在二像素畸变、细化不彻底等问题, 提出一种改进的细化算法。对二值图像采用 ZS 细化算法进行初步细化, 将初步细化后的结果进行全细化识别, 依据识别结果对未完全细化的图像采用 4 连通细化模板实现彻底细化。同时对细化过程可能出现的断点问题, 采用构造保留模版的方法加以解决, 进而实现目标图像的有效细化。以油量表为例, 结合改进细化算法实现仪表读数识别。仿真结果表明, 改进细化算法在保持原有 ZS 细化算法快速性的基础上可有效地解决二像素畸变、像素冗余的问题, 并实现准确的指针读数识别
2、。关键词： 指针仪表; 颜色特征提取; 最小灰度保留法; 指针细化; 霍夫变换; 4 连通细化模板; 作者简介：陈树 (1969) , 男, 副教授, 主研方向为图像处理、无线传感器网络、现场总线及控制技术;作者简介：杨天, 硕士研究生。收稿日期：2016-12-12基金：江苏省六大人才高峰基金 (2012-WLW-006) A Pointer Meter Detection Based on Improved ZS Refinement AlgorithmCHEN Shu YANG Tian College of Internet of Things, Jiangnan University
3、; Abstract： Aiming at the problem of two-pixel distortion and incomplete refinement in ZS refinement algorithm, an improved refinement algorithm is proposed. The ZS refinement algorithm is used to refine the binary image, and the result is refined. And the 4-connected refinement template is used to
4、refine the incomplete image. Based on the recognition result, at the same time, the breakpoint problem in the refinement process is solved by constructing the reserved template, so as to achieve the effective refinement of the target image. This paper uses the oil scale as an example, it combines wi
5、th improved refinement algorithm to achieve instrument readings. Simulation results show that the improved refinement algorithm effectively solves the problem of two-pixel distortion and pixel redundancy, and completes the identification of pointer readings accurately, while keeping the original ZS
6、refinement algorithm fast.Keyword： pointer meter; color feature extraction; minimum gray retention method; pointer refinement; Hough transform; 4-connected refinement template; Received： 2016-12-120 概述汽车仪表盘是驾驶员与汽车进行信息交流的通道, 是驾驶员信息系统核心组成部分, 因此, 对仪表进行严格的质量检测是十分必要的。早期的仪表检测主要采用人工辨别的方式进行, 这种检测方法易受到视觉疲劳、观
7、测角度等因素影响而导致效率低下且精度不高, 故用机器视觉替代人眼检测具有重要的实用价值1-2。目前, 一些学者对于仪表指针的识别与处理进行了研究。对于指针的识别, 文献3采用最小灰度相减法从同一场景下的两张不同时刻的图像中提取指针图像;文献4-5提出将 RGB 模型下的表盘图像转到 HSI 模型下消除阴影的影响, 并利用色调和饱和度分量作为特征参数进行图像分割;除此之外, 还有通过提取图像轮廓信息, 并通过设定轮廓阈值的方法来提取指针。针对指针的处理, 一般会对提取到的指针进行细化操作, 图像细化是形态学处理方式中最常见的一种, 它是在保持自身良好骨架和基本信息的前提下剔除冗余信息, 为后续的
8、图像处理带来了方便。由于细化过程是不断扫描的过程, 图像细化是很耗时的, 因此如何快速6地提取高质量的图像骨架是十分有意义的。目前, 研究人员对细化进行研究, 提出了很多细化7-9方法, 文献10在经典的 ZS 算法基础上提出一种改进的细化算法, 首先采用数学中常用的逻辑运算对目标图像进行初步细化, 然后结合构造的保留和消除 2 个模板实现对目标图像的彻底细化, 并得到了 8连通的单像素图像;文献11对快速细化算法12和改进 OPTA 细化算法13的细化效果进行分析, 通过对比快速细化算法中出现的毛刺现象提出预处理模板, 在细化质量上比上述 2 种算法有明显提高, 但在细化速度方面有略微下降。
9、总之, 针对不同的应用场景, 要有相适应的细化算法。在指针式仪表自动读数过程中, 指针细化的精度对读数结果具有关键作用。对汽车仪表盘指针的处理主要分为指针提取和指针细化两步进行。对于指针的提取采用 2 种方法:一种是通过传统的颜色特征提取指针;另一种是在基于最小灰度相减法的基础上提出在二值图像上进行最小灰度保留法得到背景指针。本文针对指针细化, 通过对比传统的索引表法和 ZS (Zhang and Suen) 并行细化算法中存在的像素冗余、畸变、毛刺等问题, 提出一种改进的细化算法。首先对目标图像进行形态学处理, 消除边缘波动对细化带来的不良影响。然后结合ZS 细化算法对预处理后的图像进行初细
10、化。因在不同位置 ZS 算法细化程度不同, 在直线、T 型线细化彻底而在斜线处有像素冗余。为了提高运行速度, 对初细化后的结果进行 4 领域的条件判断, 若满足条件则定为细化完全, 结束算法;否则采用 4 连通细化模板和保留模版实现彻底细化。1 图像预处理对目标图像进行必要的预处理是指针准确、高校识别的保证。主要步骤如图 1所示。为了提高运行速度, 首先对采集到的灰度图像确定感兴趣区域, 本文感兴趣区域的选取采用人机交互的方式进行, 这种方式能够有效地降低计算量。图像预处理主要包括图像分割、图像滤波、指针提取、膨胀腐蚀。图 1 图像预处理过程 下载原图1.1 图像分割图像信息的有效提取不仅减少
11、处理时间, 还可以提高精度, 给图像处理带来很大便利。矩形分割、圆形分割、椭圆形分割是 ROI 分割的三大分割形式。本文根据油量表表盘的特性选取矩形分割。1.2 图像滤波图像滤波旨在尽量保留图像细节特征的前提下对目标图像的噪音进行抑制, 是图像预处理中必不可少的操作。双边滤波是一种非线性滤波方法, 它与高斯滤波、维纳滤波相比能很好地保留边缘信息, 具有简单、非迭代的特点。在双边滤波器中, 输出像素的值依赖于领域像素值的加权值组合, 公式如下:1.3 指针提取仪表盘指针的准确提取对汽车安全系统来说是至关重要的, 本文采用 2 种方法提取指针, 都得到了较好的效果。1) 颜色特征提取指针RGB 以
12、蓝、绿、红三原色为 3 个基本颜色通道, 根据三原色所占比例不同构成不同颜色的区分。通过对比指针与背景的颜色差异, 采用三通道不同分量的提取来去除背景留下目标指针。目标颜色的提取是采用判别准则对不同色域进行分离从而实现颜色的分离。本文采用的判别准则如下:(1) 红色范围判别准则:(2) 青色范围判别准则: 是可调节的值, 范围为 0255。根据实际情况调整 的大小来得到最佳效果。本文 的取值为 8。由于荧光指针对背景颜色有一定干扰, 对得到的指针图像采用腐蚀膨胀的操作, 得到了如图 2 所示的目标指针。图 2 RGB 颜色特征提取指针 下载原图2) 最小灰度保留法提取指针本文是在光照条件下进行
13、的仪表检测, 考虑到实际环境中光照不均及其他情况给仪表检测带来的不良影响, 采用灰度级影响较小的二值化图像做处理。对两张不同位置的二值化目标图像通过同或运算或者交运算, 得到灰度变化最小的背景图像。通过减影法得到目标指针。具体算法如下:1) 在同一情况下, 采集多张不同方位的目标图像, 取出其中两张, 分别为 A (x, y) 、B (x, y) 。3) 运用剪影法将得到的背景图与每一帧图片 D (x, y) 进行相减, 可以得到指针图片 E (x, y) , 即 E (x, y) =D (x, y) -C (x, y) 。效果图如图 3 所示。图 3 最小灰度保留法提取的指针 下载原图最小灰
14、度保留法能够很好地得到目标指针, 但唯一不足在于背景和目标颜色相同且过多时, 指针与背景重叠的部分会被当做背景进行删除导致指针失真, 故本文对油量表的指针提取采用第一种方法效果更佳。2 图像细化图像细化是对图像中有效信息的提取。细化后的图像能够快速地反映图像的基本特征, 为后续的图像处理带来了方便。尤其对指针式仪表, 指针的细化程度决定读数识别的精度, 高效的细化算法对图像的准确识别有着重要的意义。目前仪表指针的读数检测中大都使用 ZS 快速并行细化算法。2.1 ZS 快速并行细化算法的局限分析ZS 快速细化算法14-15通过采用 2 种子迭代作为一个整体的方式进行数次迭代来完成目标图像的细化
15、。细化过程快、细化后的图像保持较好的中心线和收敛性是该算法的优点。其 8 领域示意图如图 4 所示。图 4 8 领域示意图 下载原图该算法通过遍历图像中所有像素点, 对每个像素点的 8 领域进行条件判断, 符合条件的即为待删除点。具体细化过程如下:1) 子迭代 A:遍历图像, 对每一个像素点进行以下条件的判断, 如满足以下所有条件则判为目标点并将其进行标记。2) 子迭代 B:与子迭代 A 的前 2 个判决条件相同情况下, 若满足下面 2 个条件的判为目标点并将其进行标记。子迭代 A 与子迭代 B 构成一次迭代, 用构成的迭代对整幅图进行循环迭代处理, 当不在有满足上述条件的像素点存在时就终止迭
16、代, 所剩的像素点就是目标区域的中心骨架, 且骨架信息保存完整。其中 N (P1) =P2+P3+P9, S (P1) 为顺时针转动时目标点由 0 转变为 1 的次数。ZS 细化算法的局限在于对图像中直线、T 型交叉和拐角细化处精确而在斜线位置有像素冗余, 并且对二像素图像细化会发生畸变。具体细化效果如图 5 所示。图 5 ZS 算法细化效果 下载原图2.2 改进的细化算法改进细化算法过程如下:1) 算法思想ZS 细化算法对采集到的图像直接进行细化, 没有考虑到外围轮廓的微小变化会在不同程度上影响细化的精度, 甚至带来较大的毛刺。所以, 对即将细化的图像进行滤波是必要的。针对 ZS 细化算法对
17、不同位置细化效果的不同的问题, 从算法复杂度和实验过程的优化角度考虑, 对 ZS 初次细化的图像结果进行 4 领域的条件判断, 若满足条件则细化完全, 结束算法;否则使用 4 连通细化模板删除不需要的像素点 (如图6 所示) , 并实现彻底细化。以下是 4 连通细化模板实现完全细化的具体步骤。(1) 遍历图像, 找到所有目标点。(2) 对于值为 1 的任意像素 P, 其 4 领域点满足以下条件:在满足式 (8) 的条件下, 满足式 (9) 和式 (10) 任意一个都将其进行删除, 其中 N (P) 4=P2+P3+P4+P5。图 6 4 连通细化模板 下载原图图像经过 2 次细化后, 得到了单
18、像素图像。但由于约束条件过强导致在 2 次细化后出现了断点, 破坏了图像原有的连通性。针对上述问题, 本文提出保留模版, 如图 7 所示。该保留模版较好地解决了二次细化的断点问题。图 7 保留模版 下载原图针对二像素图像细化后出现的畸变问题, 本文采用 LW 细化算法, 通过改变 ZS细化算法的判决条件, 对所有像素点满足像素点进行保留。对放宽后条件的冗余像素用 4 领域的拓扑实现彻底细化。算法流程框图如图 8 所示。图 8 算法流程 下载原图2) 算法分析本文改进算法对图像细化过程主要分为 3 个步骤:1) 对细化前的图像进行形态学处理, 采用高斯滤波来剔除图像边缘短期波动。2) 对滤波后的
19、图像进行细化, 通过 ZS 并行细化的 4 个判决条件对扫描到的所有像素点进行判断, 将满足条件的进行标记, 等标记完所有点之后将其删除。3) 对 ZS 细化的结果进行条件判断。若满足条件则定为细化完全, 结束算法;否则进行 4 连通细化模板和保留模板的二次细化。由于在第 1 次细化完成后, 图像基本是在 3 个像素以内, 因此再次细化时, 迭代次数很少, 甚至一二次迭代就可以完成彻底细化, 保持了原有 ZS 细化算法的快速性。对二像素畸变问题, 本文采用单独处理方式进行, 因二像素图像对一般图像来说, 是属于较为特别的图像, 若把二像素图像当做一般图像处理, 对每张图像都通过保留模板或者放宽
20、判决条件来处理的话, 无疑在对一般像素处理上消耗了更多时间。若对实时性较高的场合显然是不太合理的。图 9 为保留模版对二次细化出现断点的处理效果图以及二像素图像细化效果图。通过对比图 9 (a) 、图 9 (b) 和图 9 (c) 、图 9 (d) 可以看出, 二像素畸变和断点现象都得到了良好的效果。图 9 处理效果 下载原图3 仪表指针角度读取与校验仪表指针的角度读取通过找到拟合圆和起点、终点位置, 利用数学线性关系计算出指针角度;对于角度的校验, 通过指针所指向的主要刻度相对于零刻度线偏转角与标准偏转角度进行对比校验。3.1 角度计算指针所在圆的精准定位是指针准确读数的保证。本文通过找到外
21、轮廓不共线的3 点, 通过这 3 点确定指针所在圆的圆心和半径;对于开始点和结束点的位置确定, 本文通过以外轮廓所在圆的圆心为中点, 取半径范围为0.9Rr0.95R, 遍历所有的像素点, 使不满足条件的像素点都设置为0。通过查找轮廓并遍历所有轮廓, 计算所有轮廓的质心, 对所求的质心通过 2次 for 循环找到最左边的质心点和最右边的质心点, 即起点和终点。角度计算公式如下:其中, (x c, yc) 表示质心的横、纵坐标, (x i, yi) 表示像素点的横、纵坐标, n 是所有像素点的个数。最后采用 Hough 变换16检测指针所在直线, 结果如图 10 所示。图 1 0 角度计算结果示
22、意图 下载原图通过拟合圆和指针所在直线的交点, 计算出交点与圆心所在直线的斜率, 并通过斜率计算出相应的角度进行读数识别17-18, 本文以图像的底段为指针的起始角度, 并以顺时针为正方向, 具体公式如下。1) 斜率:2) 倾斜角:3) 指针实时角度:其中, A、B 为拟合圆圆心, x 0、y 0为指针与拟合圆所在交点。3.2 角度校验仪表校验是系统实验和装置上的产品质量和运行安全的保证, 本文采用角度校验5, 在系统中分别建立指针指向 0、15、30、45、60 等主要刻度线中心以及指针相对于零刻度线偏转角标准值的数据库。在实验过程中针对主要刻度的偏转角度计算出与零刻度的差值, 并与标准值进
23、行比对, 当相对误差小于等于 时, 认为校验成功, 反之则提示错误信号, 要求工作人员对仪表进行重新校验。其中 是根据仪表自身所要求的精度进行设定的。4 实验结果与分析为了验证改进细化算法的优越性, 在测试条件为 Win7 32 位操作系统、VS2010开发环境、CPU 为 3.6 GHz、内存为 2 GB 的条件下用索引表算法、ZS 并行快速算法和改进细化算法分别对指针进行处理, 实验结果如图 11 所示。图 1 1 3 种细化算法比较结果 下载原图实验结果表明, 索引表算法和 ZS 并行快速算法在不同程度上都存在细化不彻底的现象。如图 12 所示, 将 3 种算法的效果图进行依次放大:索引
24、表算法细化在斜线上呈现出像素冗余而且毛刺较多, 结果不理想;ZS 并行快速算法消除了毛刺且斜线上的冗余像素也得到了较好的处理, 但仍然细化不彻底;而改进的细化算法得到了单像素图像并保留了原图像的骨架特征。图 1 2 3 种算法局部放大图 下载原图如图 13 所示, 改进细化算法对于文字的骨架提取有着同样显著的效果。通过对比图 13 可以看出, 对于文字细化, 索引表算法和 ZS 并行快速算法细化均有细化不彻底的现象, 而改进的细化算法在保证图像完全细化的同时保留了文字的特征信息。在相同环境下对随机采集的 20 张指针图像, 采用索引表算法、ZS 并行细化算法以及本文算法进行细化, 其中以 1
25、张实验结果为例进行分析。实验结果如表1 所示。实验结果表明:索引表算法细化时间最短, 但显然在提高速度的前提下没有保证图像质量, 得到的细化结果不仅不是单像素, 而且有毛刺;ZS 细化算法在时间上稍微长点, 但细化结果和前者相比得到很大改善;本文细化算法在时间上和ZS 细化算法接近, 但是效果显然要比 ZS 细化算法显著。表 2 给出了改进细化算法对仪表读数检测数据, 可见, 在保证时间快速的前提下检测精度较高。通过表 2 可以看出, 测量值与实际值的平均相对误差为 0.35%。图 1 3 汉字细化实例示例 下载原图表 1 3 种细化算法结果比较 下载原表 表 2 改进细化算法在不同角度下的检
26、测结果 下载原表 5 结束语本文以 Open CV 作为图像处理的核心软件, 根据油量表的图像特征, 首先采用RGB 颜色特征来提取油量表指针, 然后对提取到的指针采用改进的细化算法进行细化, 最终得到无毛刺的单像素图像, 为后续仪表的准确检测提供了保障。通过实验结果发现, 改进的细化算法对文字的细化也有较好的效果。下一步将继续完善改进算法, 以更好地提高仪表检测的精度。参考文献1王博, 秦岭松.基于计算机视觉的指针式仪表自动检测系统J.计算机工程, 2005, 31 (11) :19-21. 2张文杰, 熊庆宇, 张家齐, 等.基于视觉显著性的指针式仪表读数识别算法J.计算机辅助设计与图形学学报, 2015, 27 (12) :2282-2295.
