徐 馳，孫長庫*，王 鵬，賈偉廣

(1.天津大學(xué)精密測試技術(shù)及儀器國家重點(diǎn)實(shí)驗(yàn)室，天津 300072;2.國家海洋標(biāo)準(zhǔn)計(jì)量中心，天津 300112)

在實(shí)際應(yīng)用中，液位測量是一個普遍的測量任務(wù)，比如用于模仿海浪形態(tài)檢定浮子的驗(yàn)潮儀，城市給排水系統(tǒng)水塔的水位監(jiān)視等。傳統(tǒng)的液位測量方法有微波式［1］、電容式、超聲波式、差壓式和電導(dǎo)式［2］等。電容式［3］方法受到測量范圍的限制，同時要求被測液體具有導(dǎo)電性;超聲波［4］式方法在測量過程中容易受到環(huán)境因素的影響而降低回波的信噪比，降低測量精度;差壓式［5］方法要求被測液體密度相對穩(wěn)定，負(fù)向?qū)汗軆?nèi)靜壓力要基本恒定，正負(fù)導(dǎo)壓管內(nèi)不能有任何結(jié)晶堵塞，嚴(yán)格限制了該方法的應(yīng)用范圍。

近幾年隨著計(jì)算機(jī)視覺理論的不斷發(fā)展和成熟，視覺測量方法［6］被廣泛應(yīng)用到高精度、非接觸式、測量中，其中的模式識別方法發(fā)展速度尤為明顯。模板匹配［7－8］方法以其速度快、適應(yīng)性強(qiáng)的優(yōu)點(diǎn)成為較為理想的模式識別方法。模板匹配［9］就是在一幅目標(biāo)圖像中根據(jù)已知模板搜索相匹配的子圖像的過程，主要包括兩個過程:計(jì)算目標(biāo)圖像中子圖與模板的相似度以及根據(jù)各點(diǎn)的匹配相似度搜索出最佳匹配位置，國內(nèi)外學(xué)者相應(yīng)地提出了很多計(jì)算相似度的方法以及搜索最佳匹配點(diǎn)的方法［10－11］。

本文利用NCC模板匹配方法識別鋼尺的刻度值，結(jié)合鋼尺圖像的灰度特征和鋼尺的結(jié)構(gòu)特征確定鋼尺的刻線位置，利用水管圖像的灰度特征識別液位的位置，根據(jù)測得的液位位置反饋控制電機(jī)，使電機(jī)帶動CCD相機(jī)實(shí)時跟隨液位進(jìn)行測量。

1 液位測量原理

系統(tǒng)整體方案如圖1所示，封閉的水罐和塑制測量管組成連通器，通過檢測測量管管內(nèi)的水位即可測得水罐內(nèi)的水位;控制系統(tǒng)根據(jù)實(shí)測的水位位置控制電機(jī)，實(shí)現(xiàn)自動跟蹤測量，整體過程為:首先電機(jī)帶動CCD相機(jī)沿導(dǎo)軌運(yùn)動到初始測量位置獲取水管和鋼尺圖像，然后對圖像進(jìn)行區(qū)域分割，確定出鋼尺區(qū)域，接下來進(jìn)行二值化預(yù)處理，識別鋼尺上的數(shù)字刻度值，然后識別出鋼尺上的刻線位置并確定每一條刻線對應(yīng)的高度值，最后確定出測量管內(nèi)水位的位置，控制系統(tǒng)根據(jù)水位的位置調(diào)整電機(jī)位置，使水位的像素位置保持在屏幕的固定區(qū)域，最終完成一次測量。同時為了能夠在光照條件較差環(huán)境下完成測量任務(wù)，該系統(tǒng)在鏡頭前方安裝了環(huán)形LED光源，可以比較明顯的改善弱光照環(huán)境。

圖1 系統(tǒng)整體方案

相機(jī)采集的圖像如圖2所示，測量原理如圖3所示，ν0是水位的像素位置，ν1、ν2是距離 ν最近的刻線的像素位置，n1、n2是刻線 ν1、ν2對應(yīng)的高度值，通過ν1和ν2將兩條刻線間的空白區(qū)域依據(jù)像素進(jìn)行細(xì)分，然后根據(jù)式(1)計(jì)算出水位高度h。

圖2 水管和鋼尺圖像

圖3 測量原理圖

2 鋼尺刻度識別

2.1 確定鋼尺區(qū)域

為了提高刻度識別速度，模板匹配過程只在鋼尺區(qū)域中搜索子圖，因此需要確定出鋼尺區(qū)域。從圖2中可以看出鋼尺區(qū)域的灰度水平處在整幅圖像低灰度區(qū)域，因此在鋼尺區(qū)域的邊緣處會有明顯的灰度跳變，利用這個特征可以識別出鋼尺區(qū)域。

假定鋼尺寬度為d，圖像灰度用f(i，j)表示，圖像大小為M×N，選定圖像的任一行按照式(2)得到Gm，找出Gm的最小值所對應(yīng)的m便是鋼尺的左邊緣L，從而確定了鋼尺區(qū)域。

2.2 圖像二值化

在計(jì)算相關(guān)因子過程中有大量的乘法計(jì)算，因?yàn)橛?jì)算機(jī)對零的乘法運(yùn)算所需時間很少［12］，因此在匹配前對鋼尺區(qū)域做二值化處理，然后利用二值化后的圖像制作模板，完成后續(xù)識別，可以大幅度的提高算法的運(yùn)算速度。

圖4是鋼尺刻度區(qū)域的灰度直方圖，此灰度直方圖呈雙峰形狀［13］，因此鋼尺的刻度和背景在灰度級上有著明顯的區(qū)別，利用全局閾值法確定二值化閾值。

圖4 刻度值附近灰度直方圖

2.3 模板匹配

2.3.1 選擇相關(guān)因子

目前模板匹配中常用的相關(guān)因子有SSD(Sum of Squared Difference)因子、SAD(Sum of Absolute Difference)因子、ZSAD(zero mean SAD)因子和NCC(Normalized Cross Correlation)因子［14－15］。假定在圖像f(i，j)中依據(jù)大小為Mt×Nt的模板t(i，j)進(jìn)行匹配，利用式(3)計(jì)算NCC相關(guān)因子。

NCC因子在實(shí)際應(yīng)用過程中有著更好的魯棒性，本文選擇了NCC因子作為模板匹配相關(guān)因子，圖5 是刻度“155”分別與模板“0”“1”“5”匹配后的相關(guān)因子曲線，NCC因子值越大，表示匹配程度越好。

圖5 刻度“155”的NCC相關(guān)因子曲線

2.3.2 搜索最佳匹配位置

以識別刻度“155”中的“5”為例，由于存在兩個待識別位置，圖5(c)，因此如果僅以搜索相關(guān)因子的最大值為依據(jù)確定最佳匹配點(diǎn)位置并不能完成識別任務(wù)。為此本文提出如下鋼尺刻度識別算法:

(1)根據(jù)NCC相關(guān)因子判斷是否有匹配點(diǎn):找出NCC相關(guān)因子的最大值 NCCmax，如果 NCCmax＞Rmax(在實(shí)驗(yàn)中Rmax取值為0.65)，確定候選匹配點(diǎn)的相關(guān)因子范圍［NCCmax－δ，NCCmax］(δ在實(shí)驗(yàn)中取0.1)，否則進(jìn)行下一個數(shù)字的識別。

(2)確定候選匹配點(diǎn)集P{pt［xya］}(α 是(x，y)點(diǎn)處的相關(guān)因子值):對所有的匹配點(diǎn)進(jìn)行遍歷搜索，選擇 α∈［NCCmax－δ，NCCmax］的點(diǎn)為候選匹配點(diǎn)。

(3)確定最佳匹配點(diǎn)。將候選匹配點(diǎn)集P按照α值從大到小進(jìn)行排序，剔除與P1的y值相差小于σ的匹配點(diǎn)(σ是刻度值每兩個數(shù)字間的像素距離，實(shí)驗(yàn)中取為30)，同時選擇P1為最佳匹配點(diǎn)集Q{pt［xy］}中的元素，然后對除P1以外的新的候選匹配點(diǎn)集P重復(fù)(3)尋找下一個最佳匹配點(diǎn)。

(4)根據(jù)最佳匹配點(diǎn)集Q{pt［xy］}得出刻度值。將Q{pt［xy］}按照y值從大到小進(jìn)行排序，y值從大到小依次對應(yīng)刻度值的百位、十位和個位，完成刻度識別。

3 鋼尺刻線識別

3.1 短刻線識別

鋼尺上的刻線和背景有著明顯的灰度差異，在刻線處，灰度由高到低，再由低到高連續(xù)跳變兩次，通過確定灰度突變的位置確定鋼尺的刻線。具體算法如下:

首先依據(jù)式(4)對§3.1中確定出的鋼尺區(qū)域做求和運(yùn)算，假定D為求和區(qū)域?qū)挾龋琇為鋼尺左邊緣，如圖6所示。

圖6 求和區(qū)域示意圖

然后對MI進(jìn)行差分運(yùn)算得到DI(圖7)，找出所有大于DI均值的DI;

最后依據(jù)各個DI之間I＞10的原則剔除不滿足條件的DI，得到刻線點(diǎn)集K{pt［xy］}，其中y取DI中的I值，x取鋼尺左邊緣L。

圖7 DI曲線和DI均值

3.2 與刻度值對應(yīng)刻線的識別

首先確定按照y值從大到小排好序的最佳匹配點(diǎn)集Q{pt［xy］}的中間點(diǎn)Qm:

其中Q1和QN是Q{pt［xy］}中的第一點(diǎn)和最后一點(diǎn);

然后在點(diǎn)集K{pt［xy］}找到距離Qm的最近刻線點(diǎn)，便確定出了與刻度值對應(yīng)的長刻線。

4 水位識別

4.1 確定水管區(qū)域

為了提高算法的運(yùn)算速度，首先在確定出鋼尺的區(qū)域基礎(chǔ)上識別出水管區(qū)域:

(1)對區(qū)域 φ={(x，y)|0＜x＜L，0＜y＜N}(L是鋼尺左邊緣，N是整幅圖像的高度)按照式(5)進(jìn)行列掃描;

(2)對XI做差分運(yùn)算，找到XI的梯度位置，對應(yīng)的I便是水管的左邊緣J。

4.2 水位提取

為了提高水位識別精度，減少誤識別的情況，實(shí)驗(yàn)過程中在水管中加入了一個浮子(如圖2所示)，用來增強(qiáng)水位和背景的灰度區(qū)分度。由于像素灰度值在浮子區(qū)域處急劇跳變，因此通過確定出此跳變位置便可以確定出浮子位置。

首先依據(jù)式(6)在水管區(qū)域中進(jìn)行灰度求和運(yùn)算，假定水管區(qū)域?qū)挾葹閣，浮子大小為m×w。

其中I=0，1，2，…，N－m+1

J是水管的左邊緣

然后對LevelI做差分運(yùn)算，找到LevelI的梯度位置I，便確定了水位位置。

5 實(shí)驗(yàn)結(jié)果分析

本文在Visual C++平臺上實(shí)現(xiàn)了算法并對系統(tǒng)進(jìn)行了測試，實(shí)驗(yàn)中的水罐高10 m，電機(jī)可以帶動相機(jī)沿導(dǎo)軌運(yùn)動，完成0 m～10 m的測量任務(wù)，同時為了防止由于時間長，鋼尺生銹等原因，引起鋼尺刻度、刻線模糊，導(dǎo)致測量精度下降，在實(shí)際應(yīng)用中，對鋼尺進(jìn)行了鍍膜處理，并且采取定期清洗措施。圖8是刻度“155”處的實(shí)驗(yàn)結(jié)果，圖8(a)中綠線內(nèi)部是算法確定出的鋼尺區(qū)域，圖8(b)是鋼尺區(qū)域二值化后的結(jié)果，圖8(c)中的紅線框內(nèi)是刻度識別后結(jié)果，圖8(d)顯示了鋼尺的刻線識別結(jié)果，紅線對應(yīng)的短刻線，藍(lán)線對應(yīng)的是長刻線，圖8(e)是測量管內(nèi)液位的識別結(jié)果，紅線顯示出了測量管內(nèi)每一行的灰度梯度情況，梯度最大的位置對應(yīng)了液位。圖9是在固定水位處連續(xù)測量24次的數(shù)據(jù)結(jié)果，水位顯示值的平均值為1 531.67 mm，標(biāo)準(zhǔn)差為0.06 mm。

圖8 “155”刻度處測量效果圖

圖9 1 531.6 mm處測量結(jié)果

6 結(jié)論

本文設(shè)計(jì)了一套以CCD攝像頭采集得到的液位和鋼尺圖像為基礎(chǔ)，以視覺檢測方法為測量手段的高精度、大范圍的實(shí)時跟蹤快速液位測量系統(tǒng)，該測量系統(tǒng)具有非接觸測量、抗干擾能力強(qiáng)的特點(diǎn)，可以被廣泛應(yīng)用在工業(yè)環(huán)境中的液位測量需要中。

［1］齊國清，賈欣樂.高精度液位測量系統(tǒng)［J］.電子測量與儀器學(xué)報，1999，6:56－60.

［2］衛(wèi)開夏，李斌，朱信誠.導(dǎo)電性液體新型液位測量方法研究及應(yīng)用［J］.電子測量與儀器學(xué)報，2010，10:964－968.

［3］鐘偉，葛召炎，秦康，等.基于電容柵編碼傳感器的液位測量系統(tǒng)［J］.儀表技術(shù)與傳感器，2010，8:9－11.

［4］王超，潘瑋華，劉蘇儀，等.一種超聲波液位測量儀的設(shè)計(jì)方案［J］.南京師范大學(xué)學(xué)報，2010，3:44－46.

［5］于香波，張小葉，馬俊紅.差壓式液位計(jì)在易揮發(fā)介質(zhì)中的液位測量［J］.化工文摘，2005，4:55－56.

［6］韓賀磊，李劍中，馮剛.基于計(jì)算機(jī)視覺的玻璃制品在線分類識別［J］.儀器儀表學(xué)報，2006，6:777－778.

［7］安博文，李丹，龐然.基于邊界模板匹配算法的集裝箱箱號識別［J］.科學(xué)技術(shù)與工程，2010，10(16):4043－4048.

［8］邱立可，王曉年，朱勁，等.基于模板匹配和Tesseract的票據(jù)歸類和索引［J］.計(jì)算機(jī)與現(xiàn)代化，2010，7:132－135.

［9］關(guān)宇東，楊琳，吳萍萍，等.基于圖像處理的變造幣識別技術(shù)［J］.儀器儀表學(xué)報，2007，10:1852－1856.

［10］Li Hao，Duan Hai-Bin，Zhang Xiang-Yin.A Novel Image Template Matching Based on Particle Filtering Optimization［J］.Pattern Recogniton Letters，2010(31):1825－1832.

［11］唐琎，李青.一種快速的模板匹配算法［J］.計(jì)算機(jī)應(yīng)用，2010，6(6):1559－1564.

［12］孫曉玲，侯德文，儲凡靜.基于灰度積分投影和模板方法的人眼定位［J］.信息技術(shù)與信息化，2007，32(4):74－76.

［13］高潮，常永鑫，郭永彩.機(jī)械工件數(shù)字識別的二值化算法研究［J］.光電工程，2010，6(6):1－5.

［14］Lewis J P.Fast Template Matching［C］//Vision Interface，1995:120－123.

［15］Zhao Feng，HuangQing-ming，GaoWen.ImageMatchingby Normalized Cross-Correlation［C］//IEEE International Conference on Acoustics Speed and Signal Processing Proceedings，2006:729－732.