關(guān)鍵詞：自動(dòng)化；預(yù)處理；霍夫變換；圓形檢測(cè)

中圖分類號(hào)：TP391.41；TM933.4 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著科技水平的不斷提高，工業(yè)生產(chǎn)過(guò)程中的儀表種類也逐漸增多，而儀表示數(shù)的讀取是安全生產(chǎn)的前提，因此儀表示數(shù)的智能讀取也逐漸引起人們的重視。然而，大多數(shù)的工廠及各種基地的儀表均需要依靠工作人員進(jìn)行識(shí)別。這種方式效率較低，需要工作人員長(zhǎng)期重復(fù)執(zhí)行，并且由于工作人員本身有主觀臆斷性，不能保證讀取數(shù)據(jù)的準(zhǔn)確性[1]。因此，研究?jī)x表的自動(dòng)識(shí)別具有重要意義[2-3]。

現(xiàn)有的表盤識(shí)別技術(shù)都是基于現(xiàn)場(chǎng)拍攝的照片，但是由于戶外檢測(cè)現(xiàn)場(chǎng)的復(fù)雜性，工作人員無(wú)法近距離靠近表盤進(jìn)行拍攝，因此獲得的圖片都是距離較遠(yuǎn)的寬視野圖像，如何從寬視野圖像中精準(zhǔn)獲取表盤的位置是目前亟待解決的問(wèn)題。

針對(duì)此問(wèn)題，已有一些學(xué)者進(jìn)行了研究。賀瑤等[4] 通過(guò)調(diào)節(jié)支架，使攝像機(jī)光軸線與表盤中心處于同一高度，表盤盡量充滿整個(gè)采集畫面。但是，這種方法存在不確定性，不能保證每次拍攝都能準(zhǔn)確獲取表盤區(qū)域。張汝祥等[5] 提出了基于圓對(duì)稱性和隨機(jī)選點(diǎn)改進(jìn)霍夫變換圓形檢測(cè)算法，但該算法并未對(duì)圖像中存在多個(gè)圓的情況進(jìn)行處理。因此，現(xiàn)有的圓形檢測(cè)算法無(wú)法針對(duì)特定的工業(yè)現(xiàn)場(chǎng)問(wèn)題提供較為詳細(xì)的解決方案。

基于上述問(wèn)題，本文提出基于霍夫變換的復(fù)雜檢測(cè)現(xiàn)場(chǎng)的圓形檢測(cè)算法，以獲得圓盤的精確位置。本文主要研究?jī)?nèi)容包括：①特定的預(yù)處理算法。復(fù)雜的檢測(cè)現(xiàn)場(chǎng)會(huì)出現(xiàn)各種不同的光線干擾，如霧霾、強(qiáng)光、夜視、沙塵等。在多變的工作環(huán)境中，本文提出了一系列預(yù)處理算法，最大化去除圖像中的噪聲干擾，還原現(xiàn)場(chǎng)情況，這有利于從低倍率圖片中搜索儀表。②圓形檢測(cè)算法。本文采用霍夫變換識(shí)別圓形[6] 的算法對(duì)圓形儀表進(jìn)行識(shí)別，該算法已經(jīng)廣泛應(yīng)用于工業(yè)領(lǐng)域中，其實(shí)用性強(qiáng)，但通常精度不高?；诂F(xiàn)場(chǎng)情況，本文預(yù)先設(shè)定了圓形表盤的半徑范圍，從而排除部分干擾項(xiàng)，提高識(shí)別精度。此外，對(duì)于圖像中存在的多表盤區(qū)域，本文也設(shè)定了一系列限定條件，以保證設(shè)計(jì)的算法能夠識(shí)別所有的圓盤。

1 圖像預(yù)處理

針對(duì)陰天、霧天、雨天、戶外光照不佳或者采光不勻等情況，圖片整體亮度和對(duì)比度低，儀表不明顯，檢測(cè)難度較大。因此，需要對(duì)圖片進(jìn)行預(yù)處理，以提升圖片亮度和對(duì)比度。圖片預(yù)處理流程如圖1 所示。

儀表識(shí)別是基于圖片的灰度化圖像進(jìn)行檢測(cè)，這可以減少算法的復(fù)雜度，因此對(duì)圖像進(jìn)行灰度化處理是第一步。其次，現(xiàn)場(chǎng)圖片存在各式各樣的噪聲，因此采取雙邊濾波算法去除噪聲可以提升檢測(cè)效果。當(dāng)遇到陰天、霧霾或夜視下等儀表不明顯的情況時(shí)，提升亮度和對(duì)比度可以使得儀表在圖片上更加明顯，更加有利于檢測(cè)到儀表示數(shù)。

2 基于霍夫變換的圓形檢測(cè)

圖像預(yù)處理是數(shù)字分割中較為關(guān)鍵的一步，預(yù)處理效果好壞與后續(xù)數(shù)字分割有直接關(guān)系。然而，現(xiàn)場(chǎng)圖片因受到光照、溫度和霧霾等的影響，采集照片的清晰度并不能得到有效保障，因此，需要經(jīng)過(guò)一系列的預(yù)處理。

霍夫變換進(jìn)行圓形檢測(cè)的本質(zhì)是二維空間到三維空間轉(zhuǎn)換的過(guò)程。二維空間中的圓由于圓心、半徑等參數(shù)的限定，可以轉(zhuǎn)化為三維空間中的一個(gè)點(diǎn)，即在二維空間的圓，經(jīng)過(guò)霍夫變換以后，都變成了三維空間中的一個(gè)點(diǎn)。

圖3展示了使用霍夫變換進(jìn)行圓表檢測(cè)的結(jié)果，根據(jù)圖像可以確定，使用本文提出的算法檢測(cè)出的圓形，可以無(wú)限接近圓形表盤的真實(shí)邊緣，效果較好。

圖像中可能會(huì)存在多個(gè)圓表的情況，需要保證多個(gè)圓表都被檢測(cè)到，因此采取逐漸降低閾值循環(huán)檢測(cè)的方案，即設(shè)定初始閾值和循環(huán)次數(shù)，通過(guò)多次循環(huán)逐漸降低閾值，直到檢測(cè)圓的個(gè)數(shù)滿足設(shè)定值。此外，霍夫圓半徑范圍是根據(jù)所有圖中最大觀測(cè)圓表和最小觀測(cè)圓表的半徑來(lái)設(shè)置。其他參數(shù)取常規(guī)值。

本文設(shè)定了目標(biāo)表的個(gè)數(shù)，該值只要大于所有圖像上最多的圓表個(gè)數(shù)即可?；舴驁A檢測(cè)過(guò)程中，為達(dá)到檢測(cè)個(gè)數(shù)的要求，閾值逐漸下降，直到滿足要求個(gè)數(shù)或閾值降至40。

3 實(shí)驗(yàn)結(jié)果分析

基于上述圖像預(yù)處理操作以及霍夫變換的圓形檢測(cè)，本文對(duì)復(fù)雜工業(yè)現(xiàn)場(chǎng)拍攝的圖像進(jìn)行檢測(cè)，單個(gè)圓表情況下拍攝圖檢測(cè)結(jié)果如圖4 所示，多個(gè)圓表情況的拍攝圖檢測(cè)結(jié)果如圖5 所示。

由圖4 和圖5 可知，在戶外環(huán)境較為復(fù)雜的情況下，本文提出的算法不僅可以有效提取圖像中的單個(gè)圓形區(qū)域，也可以提取出圖像中的多個(gè)圓形區(qū)域，且提取區(qū)域均為有效區(qū)域，準(zhǔn)確率較高。

4 結(jié)論

針對(duì)工業(yè)現(xiàn)場(chǎng)固定位置讀取圖像存在距離遠(yuǎn)、位置低，導(dǎo)致拍攝的圖像無(wú)法提取到準(zhǔn)確位置等問(wèn)題，本文提出了一種基于霍夫變換的圓形檢測(cè)算法。首先，對(duì)復(fù)雜戶外環(huán)境下拍攝的模糊圖片進(jìn)行了一系列的預(yù)處理操作；其次，執(zhí)行了霍夫變換圓形檢測(cè)。此外，針對(duì)多圓表的情況，本文設(shè)定了檢測(cè)條件，保證能夠讀取到多個(gè)圓表。實(shí)驗(yàn)結(jié)果證明，本文提出的算法可以獲取準(zhǔn)確的圓形區(qū)域，為后續(xù)指針的數(shù)值識(shí)別奠定了良好的基礎(chǔ)。