基于数字图像处理的水表指针识别.doc

1、 摘 要 随着计算机技术的日新月异，为数字图像处理的发展提供了广阔的空间。该系统是基于Windows平台的图像处理系统，运用MFC的设计思想，通过VC+实现系统框架，实现了对图像的操作。 目前数字图像处理对象涉及到我们社会生活中许多领域，本文设计的是水表指针识别系统来实现识别水表指针的读数，从而可以通过计算机而不需通过人工的抄表来读取水表读数，大大减少了人的工作量，并提高了水表读数的准确度。通过将近两个月的查阅，设计和编程，我们利用VC+平台来对水表图像进行处理，并最终读取水表的读数。其中，我们用到了图像预处理的边缘检测（Prewitt算子）和阈值分割，并用Hough变换找到水表指针的回转中心

2、。本文就是围绕着上述方法展开系统的分析和实践。关键词：图像处理系统; MFC; 水表指针识别；图像预处理； 边缘检测； 阈值分割； Hough变换 16目 录摘要.2一、 绪论.41.1数字图像处理的历史及应用.41.2 本课题研究的意义.51.3本文工作研究的主要内容.7二、国内外研究现状.82.1图像的边缘检测.8 2.2图像的阈值分割.9三、系统具体实现和实验结果分析10 3.1 系统流程图.10 3.2 系统具体实现.11 3.2.1图像的预处理.11 3.2.1.1图像的边缘检测.11 3.2.1.2图像的阈值分割.12 3.2.2 快速Hough变换检测圆.12 3.2.3 图像指

3、针的检测.15 3.3 实验结果分析.16四、结论.16五、参考文献.16 一、绪论1.1数字图像处理的历史及应用数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘

4、制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称

5、为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，

6、这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷。尽管其发展历史不长。但却引起各方面人士的广泛关注。首先。视觉是人类最重要的感

7、知手段，图像又是视觉的基础，因此数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。1.2 课题研究的背景和意义 水表抄收的现状 随着人民生活水平的提高、住宅商品化的发展，居民住宅的质量和档次越来越高，住户对住宅环境、物业管理水平的要求也日益提高。对供水公司和用户来说，传统的抄表收费方式存在的弊病越来越突出，抄表收费难也成了供水公司经营管理上的问题，其原因主要有以下几点：1、入户难：由于居民生活水平的提高、家庭财产价值越来越高、越来越重视隐私权等原因，用户不希望被人打扰；同时入户抄表只能在早、晚居民休息

8、时间，抄表人员实际可利用抄表时间较短，因而使抄表率、收费率达到专业公司要求很难，水费漏抄、欠收、漏收严重，实际收费远低于统计值，费用流失严重。2、管理费用开资过高：如10万户自来水用户，抄表和管理人员有40-60人，年费用需要近100万元。特别是随着城市的发展，抄表收费问题更为突出，严重制约了供水公司的发展。3、抄表劳动强度加大：抄表收费人员工作条件差、效率低、劳动强度大；由于楼层越来越高、各住户逐步装修，所以入户难，且只能在早、晚入户抄表收费；各地收费人员遭抢或犯罪分子冒充收费人员入室作案时有发生，影响社会安定；现行抄表收费大多是人工抄表、人工收费、手工结算，效率低、误差大，已不适应企业管理

9、现代化的要求。4、问题多：用户、收费人员窃水、作弊、拒交费用时有发生，造成各类费用不能及时准确的收缴。水表自动抄收系统是利用现代信息技术与水表计量技术完满结合，集计量、数据采集、处理于一体，将城市居民用水信息加以综合处理的系统，使供水公司从根本上减少人工上门抄表的繁杂劳动强度。准确而便捷的收费系统，既可节省人工又可减少供水部门与客户之间的纠纷，它不但能提高管理部门的工作效率，也适应现代用户对用水缴费的新需求。 水表读数识别系统的组成结构水表读数自动识别系统的组成结构如图所示。系统由CCD电子抄表器和读数自动识别计算机系统组成。CCD电子抄表器由机械定位装置、CCD摄像头、高速A/D采样线路和数

10、据采集与压缩存储计算机组成，实现表盘的图像摄取，图像的采样量化和数字图像的压缩和存储。读数自动识别系统由图像识别软件和计算机硬件组成，实现数字图像的处理、分析和识别，提取用水量数据。 水表读数自动识别系统的组成结构 电子抄表器将用户的水表拍摄下来，然后通过通信接口输入到读数自动识别计算机软件系统中，识别表盘指针度数，自动将数据输入数据库存储起来，供作为收费部门的收费依据并方便其管理。也就是说，实际上，电子抄表器主要完成图像的采集、数字化和存储。自己开发的计算机应用软件完成读数识别和数据管理。 结合本课题研究的背景及意义，以及我们所学的课程，我们了解了水表 读数自动识别系统主要还是需要通过计算机

11、的软件功能来进行数字图像处 理从而得出水表的准确读数。1.3本文工作研究的主要内容水表读数自动识别系统是一个复杂的系统，需要通过各模块的功能相互衔接从而达到真正应用的目的。本文我们所做的工作就是对其中数字图像处理的模块进行研究和学习。我们的课题实验是图片中的水表读数通过数字图像处理检测出来。我们所用的图为课程所提供的图片。该图片信息为496*372的8比特BMP图。我们下面的实验都是围绕这张图展开，最终达到读取指针读数的目的。 课题实验所用的水表图通过对各种文献的不断学习和查阅，并进行分析讨论我们制定了实验总的思路和步骤。首先，根据所学的知识，我们将图片进行预处理。预处理中，我们用到了图像的边

12、缘检测和图像的阈值分割。对图像进行预处理是将图像进行分割，从而提取我们需要的图像信息，排除不必要的噪声，以便下一步用哈夫变换对大小圆进行检测。其中边缘检测我们通过比较分析，最后还是采用了prewitt算子进行检测。在圆检测方面，我们通过快速哈夫变换来确定圆心，利用这种方法，可以大大的提高检测的效率。最后根据指针的圆心角,对照标准图像模式,不难计算出指针相对于零基准线的转角，从而换算出指针的读数。 二、 国内外研究现状2.1图像的边缘检测 边缘是图象最基本的特征。边缘检测在计算机视觉、图象分析等应用中起着重要的作用，是图象分析与识别的重要环节,这是因为子图象的边缘包含了用于识别的有用信息。所以边

13、缘检测是图像分析和模式识别的主要特征提取手段。 所谓边缘是指其周围像素灰度后阶变化或屋顶状变化的那些像素的集合,它存在于目标与背景、目标与目标、区域与区域,基元与基元之间。 因此它是图象分割所依赖的重要的特征,也是纹理特征的重要信息源和形状特征的基础;而图象的纹理形状特征的提取又常常依赖于图象分割。图象的边缘提取也是图象匹配基础,因为它是位置的标志,对灰度的变化不敏感,它可作为匹配的特征点。 图象的其他特征都是由边缘和区域这些基本特征推导出来的。边缘具有方向和幅度两个特征。 沿边缘走向,像素值变化比较平缓;而垂直与边缘走向,则像素值变化比较剧烈。而这种剧烈可能呈现阶跃状,也可能呈现斜坡状. 边

14、缘上像素值的一阶导数较大；而阶导数在边缘处值为零，呈现零交叉。 经典的、最简单的边缘检测方法是对原始图象按像素的某邻域构造边缘算子. 由于原始图象往往含有噪声,而边缘和噪声在空间域表现为灰度有比较大的起落;在频域则反应为同是高频分量,这就给边缘检测带来困难。Marr和Hildret h提出的零交叉边缘检测是一种十分有效的方法,他们认为:其一,图象强度的突变将在一阶导数中产生一个峰或等价于二阶导数中产生一个零交叉(Zero - Crossing) ;其二,图象中的强度变化是以不同的尺度出现的,故应该用若干大小不同的算子才能取得良好的检测效果。边缘检测的常见方法 微分算子法 利用不同形式的微分算子

15、,计算各象素灰度的空间导数,给出微分锐化图象. 如梯度算子、Robert s、Laplacian、Kirsch、Sobel、Prewitt等算子。 Roberts 算子是22算子,对具有陡峭边缘的低噪声图象响应最好 其它的33算子,对灰度渐变和噪声较多的图象处理较好,但Laplacian算子没有平滑噪声的能力。 梯度算子:G(i , j) = xf (i , j)+yf (i , j)Roberts算子:G(i , j) =max f (i - 1, j - 1) - f (i +1, j +1) , f (i - 1, j +1) - f (i +1, j -1) Laplacian算子:G

16、(i , j) = xf (i , j) +yf (i , j)=f (i +1, j) +f (i - 1, j) +f (i , j +1) - f (i , j - 1) Sobel算子:不等权的平均梯度算子。 Kirsch算子:用不等权的8个33循环平均梯度算子分别与图象进行卷积,取最大值作为输出,可检测各个方向上的边缘。Lo G算子:先用二维Gauss函数卷积,再求零交叉点来检测边缘. 优点是过滤了噪声,缺点是可能将原有的边缘也给平滑了。结合我们的图片和我们的实验的要求，并且Prewitt 算子方法简单，处理速度快，我们采用了Prewitt算子来进行边缘检测。2.2图像的阈值分割阈值

17、分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的象素分为两类 这两类象素一般分属图像的两类区域，从而达到分割的目的从该方法中可以看出，确定一个最优阈值是分割的关键 现有的大部分算法都是集中在阈值确定的研究上阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法；也可分为基于象素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法 若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小

18、误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松驰法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法，将直方图量化后采用最大熵阈值处理算法，使计算量大大减小薛景浩、章毓晋 等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计象素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵 这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能，取得很好的通用性和有效性，该算法也容易实现二维推广，即采用二维统计量如

19、散射图或共生矩阵取代直方图，以提高分割的准确性俞勇等人提出的基于最小能量的图像分割方法，运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法 ，使分割阈值受噪声和边缘的影响减少到最小 程杰提出的一种基于直方图的分割方法 ，该方法对 准则的内在缺陷进行了改进，并运用对直方图的预处理及轮廓追踪，找出了最佳分割阈值 此方法对红外图像有很强的针对性。 付忠良提出的基于图像差距度量的阈值选取方法 ，多次导出 方法，得到了几种与类似的简单计算公式，使该方法特别适合需自动产生阈值的实时图像分析系统 华长发等人提出了一种基于二维熵阈值的图像分割快速算法 使传统二维阈值方法的复杂度

20、从 降至 赵雪松等人提出的综合全局二值化与边缘检测的图像方法，将全局二值化与边缘检测有效的结合起来，从而达到对信封图分割的理想效果。结合到我们所研究的图片由于图像背景比较单一，图像灰度直方图明显呈单峰分布，所以，我们采用全局阈值进行图像分割。这样可以更好地用哈夫圆检测圆。三、系统具体实现和实验结果分析3.1 系统流程图3.2 系统具体实现 3.2.1图像的预处理 3.2.1.1图像的边缘检测P rew it t 算子是一种一阶微分算子的边缘检测,利用像素点上下、左右邻点的灰度差, 在边缘处达到极值检测边缘, 去掉部分伪边缘, 对噪声具有平滑作用。其原理是在图像空间利用两个方向模板与图像进行邻域

21、卷积来完成的, 这两个方向模板一个检测水平边缘, 一个检测垂直边缘。如图 图 a_1_3对数字图像f (x , y ) , P rew it t 算子的定义如下:Gi = f ( i - 1, j - 1) + f ( i - 1, j ) +f ( i - 1, j + 1) - f ( i + 1, j - 1) +f ( i + 1, j ) + f ( i + 1, j + 1) Gj = f ( i - 1, j + 1) + f ( i, j + 1) +f ( i + 1, j + 1) - f ( i - 1, j - 1) +f ( i, j - 1) + f ( i + 1

22、, j + 1) 则P ( i, j ) = max (Gi, Gj )或P ( i, j ) = Gi + Gj 经典P rew it t 算子认为: 凡灰度新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值H Z , 若P ( i, j ) TH Z , 则( i, j ) 为边缘点, P ( i, j )为边缘图像。为了方便计算，我们令P ( i, j ) = Gi + Gj 对原图像进行边缘检测后的效果图为： 3.2.1.2图像的阈值分割由于图像背景比较单一，图像灰度直方图明显呈单峰分布，所以，我们采用全局阈值进行图像分割全我们从直方图之中大概估算出图像的阈值为60。图像的直方图：

23、阈值分割后的图像：3.2.2 快速Hough变换检测圆Hough变换的实质是将图象空间的具有一定关系的象元进行聚类，寻找能把这些象元用某一解析形式联系起来的参数空间累积对应点。在参数空间不超过两维的情况下，这种变换有着很理想的效果。然而，当参数空间超过两维时，这种变换的时间消耗和所需存储空间的急剧增大使得这种变换仅仅在理论分析上可行，而在实际应用中几乎是不可能实现的。这时往往要求从具体的应用情况中寻找特点，如利用被处理的图象象元的灰度的梯度变化值确定灰度的变化方向来降低参数空间维数。或利用一些对于被检测图象的先验知识来设法降低参数空间的维数以降低变换过程的时间和空间开销。 Hough变换的优点

24、主要在于：它对于图象中的噪声点不敏感，利用它得到的结果可有效地滤除噪声的影响以提高结果的置信度；这种变换便于并行计算，计算机视觉领域的一些问题相当复杂，需要很大的计算量，并行计算是提高计算速度的有效方法。我们组采用的是一种改进型的快速Hough算法：有如图2（a）的圆我们可以用A，B，C点的坐标值求出AB 和BC 两线段的中点坐标值，即：AB的斜率：AC的斜率：并可求出通过这两点的法线方程:L2：L1： 解此方程组可得出两直线的交点（a,b），在阵列中对与该交点对应的单元进行增值操作。在对各直线均完成此类操作后，统计累加阵列中各存储单元的累加值。最大者即为圆心坐标。 各点到圆心坐标距离的均值为

25、R。即： 上述算法有以下优点：(1) 由于进行HOU GH 变换之前先进行了边缘抽取及二值化，选择合适的阈值能使参与变换的象元数目大大降低。(2) 由于变换前先将图象轮廓象元实行了骨架化，若背景噪声并非太大，这非常有利于进行图象分割。(3) 在物体轮廓骨架中按一定的间隔来选择边缘点构成连接弦，这样可根据工程中的实际时间限制调整间隔以提高变换速度。这种变换算法依然保持着传统HOUGH 变换的许多优点，对图象中的背景噪声不敏感。另外， 以上分析都是假设被检测物体的边缘骨架曲线是闭合的。实际上，即使被检测物体边缘的图象残缺，只剩下一段弧或几段弧时，仍能得到很好的结果。在实际测试时，我们检测大圆时采用

26、三点相距为30的马氏距离来列方程，计算圆心。而在检测小圆时，由于小圆较小，我们把距离改为8。检测到得大圆圆心坐标： 大圆检测结果图： 检测到得小圆圆心坐标： 小圆检测结果图：3.2.3图像指针的检测指针由小圆以及三角形构成，所以，指针针头到达小圆圆心直线距离的像素累加值最小，由此，我们可以读出指针的偏转角度，并有水表指针的特殊性，计算出读数。指针检测结果图： 根据指针的圆心角,对照标准图像模式,不难计算出指针相对于零基准线的转角,且每个指针的读数N 可根据转角由下式计算:N = INT(/ 36)，最终我们得出的结果为： 3.3 实验结果分析 计算圆心时只取了列阵的累计最大值，没有考虑到第二第

27、三大累计值对它的影响，如果这三个值数值大小比较接近，对圆心位置计算产生较大的误差。指针在36，72，108，144，180，216，252 ，288，324周边附近时，由于两边水表数值相差较大，如果指针角度计算存在点误差，可能就会对整个读数产生较大的误差。四、结论经过两个月的努力，虽然我们小组只有两名成员，但是我们还是互相团结，互相帮助，合理分配任务。不管是从一开始的查找资料，还是到后面的总结方案和编写程序，我们小组成员间都是默契配合，积极讨论并总结经验。同时，我觉得能完成这项任务，也离不开老师和同学的帮助。期间我们遇到了很多问题，并不是所有的资料文献所能提供的，在他们的帮助下，我们才一步步的

28、走下去，解决一个个困难。当然我们这个实验还有不完善的地方，比如换一张其他的水表图像我们可能需要其他一些方法等。总之还需要一定的改进。五、参考文献1张志佳,李媛,周纯冰,苑玮琦.基于图像识别的多指针仪表自动读数方法J. 沈阳工业大学学报.2011年10月.第33卷第五期.2陶冰洁，韩佳乐，李恩第.一种实用的指针式仪表读数识别方法J .光电工程 .2011年4月.38卷第4期.3王强,胡建平,胡凯, 陆志敏, 胡维平. 一种用于圆检测的快速HOUGH算法J.小型微型计算机系统.2000年9月.第21卷第九期.4刘明艳，赵景秀，孙宁.用Prewitt算子细化边缘J.光电子技术.2006年12月.第26卷第四期.5戴亚文.数字图像处理技术在水表读数识别系统中的应用研究D.武汉.武汉理工大学.2003年3月.