一種指針式油位計讀數識別算法

徐 鵬，曾衛明，石玉虎，張雅倩

(上海海事大學 信息工程學院，上海 201306)

0 引 言

指針式油位計作為一種油位測量儀器，由于其具有價格便宜、結構簡單、可靠性高以及能夠準確顯示油位的讀數等優點，在油艙、油庫等領域應用廣泛[1]。目前指針式油位計讀數的識別主要依靠人眼觀測來完成，但人工判讀的方法存在一定缺陷，如對于處在表盤兩個刻度線之間的指針，只能靠主觀估計來判斷讀數，導致讀數并不精確[2]。因此，提出一種油位計讀數自動識別方法就顯得十分必要。

油位計的自動識別關鍵在于尋找油位計軸心位置和識別指針位置。在尋找軸心位置方面，Alegria等提出了剪影法[3]，該方法需要準備兩幅油位計的圖像，一幅正常圖像，一幅缺失指針的圖像，通過兩幅圖像之差就可以得到指針，再進行一些處理就可以得到軸心。這種方法針對不同的油位計需要準備不同的圖像，實時性較差。還有一些學者采用Hough圓變換法[4-6]，該方法需要先進行邊緣計算，再對邊緣上的每個點進行計算，求出油位計的圓及圓心。這種方法計算量大，且依賴于參數設置，可能會檢測出許多不存在的圓。而在指針位置識別方面，大量學者采用Hough變換進行表盤指針的提取[7-8]。該方法需要對全局像素點進行搜索，具有存儲空間大、計算時間長等缺陷[9]，且直線檢測的效果依賴于參數的設定，魯棒性不強。Han等提出一種基于改進Hough變換的方法[10],該算法首先使用自適應的中值濾波、圖像二值化等操作，然后使用Hough變換提取指針直線，但該算法對于光照強弱不具有魯棒性。

針對上述問題，在尋找油位計軸心位置方面，根據油位計軸心顏色與指針的黑色存在較大的差異，文中提出一種遍歷指針像素的方法來準確地求出油位計軸心位置。同時，在識別指針位置方面，提出一種改進的霍夫變換法來檢測指針位置。最后通過實驗對算法進行驗證。

1 算法總體框架

所提算法的總體框架如圖1所示。

圖1 油位計自動讀數系統框架

為了對油位計進行自動讀數，首先需要對采集獲得的油位計圖像進行必要的預處理，主要包括圖像濾波處理、圖像增強處理以及邊緣提取等步驟；其次采用遍歷指針像素的方法識別出油位計的軸心位置，再利用改進的霍夫變換識別出指針的位置，然后根據油位計起點和終點處為紅色進行顏色分割，得到起點和終點的坐標；最后運用角度法計算出油位計讀數并判斷油位狀態。

1.1 圖像預處理

經攝像頭采集的油位計圖像易受光照的影響，且在拍攝、傳輸過程中會攜帶大量的噪聲[11]。為了后續油位計的準確讀數，需要對圖像進行預處理，包括同態濾波、中值濾波、二值化、形態學處理等操作。

1.1.1 同態濾波處理

針對采集的油位計圖像易受光照影響，采用同態濾波器對弱光照下的油位計圖像進行增強。同態濾波器是一種依據圖像照度反射成像模型原理的頻域濾波算法，該濾波器可以改變圖像灰度范圍和增強圖像的對比度[12]。文中采用高斯型同態濾波器H(μ,ν)對油位計圖像進行濾波處理，增強了弱光照油位計圖像的亮度，提高了圖像的對比度。其中高通濾波器H(μ,ν)的計算公式如下：

(1)

(2)

使用高斯型同態濾波器處理結果如圖2(b)所示，對于攝像頭采集過程中偏暗的油位計圖像能起到增亮的效果，同時也增強了油位計圖像指針區域與非指針區域的對比度。

1.1.2 二值化與圖像形態學處理

因為油位計圖像的指針大多是黑色的，而油位計的其他區域大都呈現灰色或者白色，所以可以采用閾值法將指針和其他區域區分開。使用閾值法處理后的二值化圖像f(x,y)表示為：

(3)

二值化后的結果圖如圖2(c)所示；在二值化后的圖片中，發現圖像中仍然存在著一些細小的干擾點，文中利用形態學中的腐蝕操作進行有效去除，結果如圖2(d)所示。

1.2 油位計軸心確定

對于油位計軸心的識別，文中采用遍歷指針像素的方法來識別油位計的軸心。可以發現指針軸心的顏色和黑色指針還是存在很大的差異。二值化后的圖像中可以發現指針被軸心間斷成了兩段，根據這一特點，先對形態學操作后的圖像進行輪廓提取操作，可以用兩個最小外接矩形框框出被間斷的兩段指針，再分別求取這兩個矩形的質心，并求得兩個質點的坐標(x1,y1),(x2,y2)。將這兩個點進行連線可以在指針上得到一條直線，根據這兩個點可以求得這條直線的斜率k以及截距b，從而可得直線方程:

y=k*x+b

(4)

對這一條直線上的像素進行遍歷，可以根據RGB來進行判斷，找出直線上第一個非黑色的點(X1,Y1)和最后一個非黑色的點(X2,Y2)，并記錄下來。最后對這兩個點的坐標進行求中間點操作，即可得到軸心的坐標(X,Y)，如圖2(e)所示。

圖2 油位計圖像指針處理圖

X=(X1+X2)/2

(5)

Y=(Y1+Y2)/2

(6)

1.3 指針位置識別

指針的位置識別，大量學者采用了全局的霍夫變換[8,13]。該方法首先把坐標轉換到極坐標系下，極坐標系下一條直線可以表示為：

ρ=xcosθ+ysinθ

(7)

其中，ρ表示原點到直線的距離；θ表示直線垂線的傾斜角度。

然后把圖像邊緣上的每個點帶入式7進行計算，并將結果計入累加器A(ρ,θ)。因為同一條直線上的點具有相同的ρ和θ，所以每計算出一對(ρ,θ)，則A(ρ,θ)=A(ρ,θ)+1，最后取累加器中最大的值即可得出直線檢測結果。該方法需要對所有的邊緣點進行計算，計算量大，且容易檢測很多不存在的直線，對后續的指針位置確定以及油位計讀數的準確性產生較大的影響。

文中采用一種改進的霍夫變換，首先根據檢測指針軸心的先序工作，判斷指針大致所在的位置，并用最小矩形框框出指針所在的ROI；再在這個小范圍內進行霍夫變換以檢測指針直線，就可以極大地減少計算量。其次根據指針是最長的這一特點，對檢測結果進行判斷，僅輸出顯示最長的那條直線，即檢測到的指針，如圖2(f)所示。在檢測到指針后，可以得到直線的兩個端點的坐標，然后根據指針頭部到軸心的距離Lh要大于指針尾部到軸心的距離Le的條件(Lh>Le)，得到指針頭部的坐標為(P1,P2)。

與傳統霍夫變換相比，該方法通過對參數空間的限定來減小變換的搜索范圍，大大減少了存儲空間和計算量，從而提高了計算速度。

1.4 油位計起始及終止位置確定

運用角度法進行油位計的讀數[14]，油位計的起點、終點位置的確定相當重要。通過觀察發現，儀表刻度環上起點、終點處大都有紅色的矩形框，因此通過顏色分割[15-16]、輪廓面積的方法來得到起點終點的位置，具體步驟如下：

(1)將圖片由RGB轉換到HSV顏色空間；之所以選擇把圖片轉換到HSV顏色空間，是因為HSV顏色空間更容易表示一種顏色，H值代表的色調基本上就可以確定某種顏色。

(2)根據紅色的H值，制作紅色的mask，并用mask與原圖像進行betwise_and運算得到感興趣區域圖像，如圖3(a)所示。

(3)得到的感興趣區域圖像中存在一些細小的干擾點，需要進行腐蝕操作，去除非感興趣的干擾點，再進行膨脹操作擴大紅色區域的邊緣，結果如圖3(b)所示。

(4)運用輪廓法把起點、終點的矩形標記出來，并求得矩形的質心，則兩個質心的坐標對應于起點、終點的位置坐標(K1,D1),(K2,D2)，結果在原圖上顯示，如圖3(c)所示。

圖3 油位計起始及終止位置確定過程

1.5 油位計讀數

采用角度法[14]對指針式油位計進行讀數，根據前文求出的軸心坐標(X,Y)，指針位置(P1,P2)，起點、終點坐標為(K1,D1),(K2,D2)。通過向量夾角的方法可以求得刻度0和10之間的角度α，則帶刻度的表盤角度為360-α，油位計的每一刻度之間的夾角為γ：

γ=(360-α)/10

(8)

再根據計算得到的指針頭部坐標(P1,P2)和起點、終點的位置(K1,D1),(K2,D2)，計算出指針和0刻度線之間的夾角β，則油位計的讀數θ可以按照如下公式計算:

(9)

2 實驗結果分析

2.1 不同光照下儀表讀數算法準確性的驗證與分析

為了驗證文中算法在不同光照條件下讀數的有效性，實驗選取了不同光照下的儀表圖像(弱光照、強光照以及正常光照)來進行實驗。儀表圖像如圖4(a)所示，表1為不同光照條件下的讀數相較于人工讀數的誤差。

表1 不同光照條件下油位計讀數誤差分析

2.2 儀表讀數算法驗證與分析

為了說明文中讀數方法的有效性，實驗選取了不同廠家生產的十張油位計圖像，它們的指針都指向不同的位置，計算儀表讀數與人工讀數之間的相對誤差以及讀數所需運行時間；同時比較了文中讀數方法與采用全局霍夫變換方法[5-6]的性能。不同儀表識別結果如圖4(b)～(e)所示，程序讀數運行時間和相對誤差分析見表2。

圖4 不同油位計的讀數識別結果

序號人工讀數文獻[5] 文獻[6]文中算法測量讀數相對誤差/%運行時間/ms測量讀數相對誤差/%運行時間/ms測量讀數相對誤差/%運行時間/msa5.65.83.61505.752.71605.590.2070b0.010.041310800.0.38280850.0430060c3.63.570.831003.551.41203.580.5670d9.69.82.12109.761.72109.6050.0580

從表中數據分析可得，文獻[6]算法通過直方圖計算最佳閾值來進行二值化預處理，然后使用霍夫變換檢測軸心，因為在二值化預處理時未考慮到光照條件對油位計讀數的影響，所以對采集時光照較暗的油位計進行讀數誤差較大。文獻[5-6]均采用全局霍夫變換檢測軸心的方法，該方法依賴于參數的設定，檢測出的圓心位置可能不準確，從而導致最終的讀數出現誤差較大。而利用文中算法進行油位計的讀數，在讀數相對誤差和讀數所需時間上都要優于文獻[5-6]中的算法。主要是因為文中算法在圖像預處理階段使用了同態濾波器等，可消除采集時光照強弱對于油位計圖像的影響，提高讀數的準確性；提出的遍歷指針像素的方法可以很好地記錄下指針上的突變顏色，從而可以較準確地檢測出指針軸心的位置，減少了計算搜索量；并且使用改進的霍夫變換可以大大減少搜索指針位置的時間，提高程序讀數效率。

3 結束語

提出了一種改進的指針式油位計讀數識別算法。該算法首先對油位計圖像進行同態濾波、中值濾波等必要的圖像預處理操作以消除圖像采集過程中受到的光照以及噪聲影響，提高算法對不同光照的適應性；然后對二值化和形態學操作處理后的油位計圖像進行指針輪廓的查找，創新性地遍歷指針的顏色，記錄下非黑色區域的坐標，從而準確得到油位計的軸心；根據軸心位置，可以大致確定包含油位計指針的感興趣區域，并在這個區域內進行霍夫變換來檢測指針，避免了對全局的邊緣點進行搜索，大大減少了計算量和程序運行的時間，提高了查找的準確率；將油位計圖像轉換到HSV顏色空間下，因為油位計起點、終點處為紅色，所以根據紅色的H值進行起點、終點的分割，從而得出油位計的起點、終點的坐標位置；最后根據角度法可以讀出油位計的讀數。實驗結果表明，該算法具有較高的準確率，程序運行時間較短，且能夠適應多種光照條件，有較高的魯棒性。

未來將進一步研究從多種角度拍攝的油位計圖像，對它們進行位置的矯正、特征的提取，實現多角度油位計圖像的自動讀數識別。