基于数字图像处理的指针式仪表读数技术研究.doc

1、摘 要随着生产、生活需求的提高,目前，自动识别指针式仪表的读数成为人们的一个研究热点。基于数字图像处理技术的指针式仪表读数识别是指针式仪表自动检定的关键技术。Hough变换是一种用于区域边界形状描述的方法，经典Hough变换常常被用于直线段、圆和椭圆的检测等等。 本文利用Hough变换检测直线的基本思想和算法，研究并基本实现了基于数字图像处理的指针式仪表的读数自动识别。在获取指针式仪表的数字图像后，首先对图像进行预处理，然后通过Hough变换准确、快速地识别出指针所在直线的位置，最后利用指针位置和指示表读数的对应关系得到指示表的读数。实验结果表明，该算法实现了指针式仪表的读数，有较高的精度。克

2、服了人眼读数不固定，易疲劳的的缺点，提高了效率。关键字：数字图像处理 Hough变换 读数识别 指针式仪表Title Research of pointer instrument reading recognition based on digital image processing AbstractWith the increasing of production and life demands,at present, the automatic recognition of the pointer instrument become a hot topic in the researc

3、h area. pointer meter reading recognition based on digital image processing technology is the key technology of the automatic verification of the pointer instrument . Hough transform is a method which used to describe the shape of a domain boundary. The classical Hough transform is most commonly use

4、d for the detection of regular curves such as lines, circles, ellipses, etc.This paper describes the basic principle and algorithm of the Linear Hough transform,Research and basically achieved the automatic identification of pointer type instrument readings , which is based on digital image processi

5、ng .After obtaining the pointer image , the computer first preprocess it, then recognizes the position of the pointer accurately and quickly by Hough transform, finally gets the reading according to the relation between the reading and the position of pointer. The experiment result proves that the o

6、perator has higher precision,the algorithm to realize the pointer type meter reading , the operator overcome eye reading is fixed improve efficiency. Keywords Digital Image Processing Recognition of Reading Hough transform Pointer type instrument目 次摘 要IAbstractII1 绪论1 1.1 图像识别技术1 1.2 MATLAB的简介42 图像预

7、处理72.1 图像灰度72.2 图像平滑92.3 图像二值化122.4 边缘检测133 Hough变换173.1 Hough变换简介173.2 Hough变换的控制原理和算法173.3 基于Hough变换的指针式仪表识别算法193.4 Hough变换检测直线的优缺点214 总体实现和读数识别234.1 总体实现234.2 读数识别27总 结28致 谢29主要参考文献3031 1 绪论1.1 图像识别技术50年代末，图像识别技术开始出现,然后进入发展时期,计算机技术和微电子技术的蓬勃发展和20年的研究发展,图像识别的多个学科的得到关注并已经在研究和生产的很多领域得到广泛应用。图像识别主要是通过计

8、算机图像识别的物理信息的数量，从而取代人的脑力劳动来解决问题，同时也帮助了人类处理了一些所不能解决的问题。伴随着计算机技术和人工智能技术的突飞猛进没图像识别技术涉及越来越广泛和深入。而现在图像识别技术早已体现在数学技术和机器智能上等范围了。模式识别的一个重要分支就是图像识别。模式识别出现在1920年代,随着计算机在1940年代的高速发展在这个模式识别很快发展成一个重要的学科。计算机模式识别是我们经常讨论的模式识别能力。我们把一个具体的个人事情的观察得出的时空分布信息称为模式,模式识别的任务是分类输入模式下,图像作为模型,分类是一种特定的模式识别。图像识别不要求得到的输出是一个完整的画面,但上述

9、治疗后的图像的分割和描述中提取有效特征特定算法的句子分类。也就是说,图像识别就是综合运用计算机视觉、模式识别、图像理解和其他学科的知识,这些学科的发展带动着图像识别的发展。图像识别的一个重要研究领域的计算机视觉,指针仪器简单、可靠、维护简单,便宜,而且现在也大规模使用,例如各种各样的压力表。检测的准确性这种仪器在生产和使用的研究领域的工业自动化、航空航天、深海勘探和国防建设,因此受到的关注来自不同国家的科学家们已经被更广泛的研究,取得了一系列的进步。结构简单,使用方便是指针仪表的优势,所以凭借此优点，它被电力、石油、化工、自动化产业和其他产业广泛应用。但在生产过程中,使用指针仪表显示经常阅读测

10、试所有操作依赖手工观察。视觉技术的耗时和数字结合图像处理技术来处理仪器显示图像,确定仪表的磁盘信息,降低成本和减少消费以实现仪器图像识别测试自动化。发展的数字图像处理的模式识别、计算机技术与人工智能理论、视觉技术已经取得了很大的进步并已被广泛地应用在许多领域。视觉技术主要用于计算机模拟人类视觉功能、提取信息从客观事物,处理和理解,并最终达到检测,测量和控制。与持续发展的电子技术和数字图像处理技术、数字阅读指针的仪器已成为一个热点的人们的应用程序。1.1.1 数字图像处理技术发展简介数字图像处理起源1920年代，当时最早的是从伦敦到纽约采用数字压缩技术通过海底电缆传输了第一张数字照片。从那以后，

11、从遥感等领域的应用，使数字图像处理技术不断的受到重视并且得到了快速的发展。尤其是在第三代计算机问世后，数字图像处理开始迅速发展并得到广泛的普遍应用。从那开始，人们开始学习计算机进而学习图像处理和图像信息，早在1960年，数字图像处理作为一门学科正式形成。早期的图像处理的目的是为了提高图像的质量，人类自己受试，然后以提高人的视觉效果。但是输入的图像处理的图像质量比较低的，输出是提高图像的质量，图像复原、增强、编码、压缩等是常用的数字图像处理方法。1972年EMI公司工程师发明了X射线计算机断层扫描仪装置，它的作用是用于头颅诊断，也就是我们常见的的CT（Computer Tomograph）。CT

12、的基本方法是，重新建立一些截面图像，主要依据头部的投影，通过计算机处理，称为图像重建。1975年EMI公司成功研制出全身用的CT装置，这这项技术的发明可以获得了全身的部位，一种无侵入性的诊断技术最终获得了诺贝尔奖，贡献之大，不言而喻。它是人类划时代的发明。与此同时，图像处理技术在很多应用领域广受关注并且取得了重大的开拓性成就，比如航空航天、生物工程、医学工程、工业检测、等，让图像处理成为一门吸引眼球、前途无限的新型学科。随着图像处理技术的逐渐发展，数字图像处理在1970年代中期，随着计算机技术和人工智能的研究和思考。数字图像处理开始向向更高、更深的方向迅速发展。解释图像的计算机系统是人们开始研

13、究的内容，有类似于人类认识外面的世界，这称为图像理解或计算机视觉。使得图像处理技术取得了不少重要的研究成果是很多的物力和人力投入到这项研究中的结果。其中最具代表性的成果是70年代末视觉计算理论的提出，这一理论已成为计算机视觉领域在多年以后的主导思想。图像的理解方法的研究图像中的理论已经提高了不少，但众所周知这是一个比较难的领域，有很多的困难，人们自己本身也理解视觉过程，所以计算机视觉是进一步拓展新领域。数字图像处理在很多领域达到应用如1.1表所示：学科应用内容物理，化学结晶分析、谱分析生物，医学细胞分析、染色体分析、血球分类、X射线照片分析、C环境保护水质及大气污染调查地质资源勘探、地图绘制、

14、GIS农林植被分布调查、农作物估产海洋鱼群探查、海洋污染检测水利河流分布、水利及水害调查气象云图分析等通信传真、电视、多媒体通信工业，交通工业探伤、铁路选线、机器人、产品质量检测经济电子商务、身份认证、防伪军事军事侦察、导弹制导、电子沙盘、军事训练等法律指纹识别等图1.1图像处理的应用领域1.1.2 图像识别的国内外发展状况图像处理领域研究最多的课题之一就是图像的分割和识别，此二者依然是重心，图像识别也经历了自己的三大阶段：字符识别，数字图像处理和识别，识别物体。字符识别研究始于1950年，是一些字母，数字和符号，主要是从印刷文字识别到手写汉字识别，应用也十分广泛。1965年开始对数字图像处理

15、和识别的研究，方便可压缩，具有储存传输处理和不容易失真是其与模拟图像存储相比方便的优势。以最后广泛应用于各种工业的探测机器人上。模式空间到类别空间的映射是图像识别问题的数学本质内容，1.统计模式识别，2.结构模式识别，3.模糊模式识别,是目前目图像识别方法主要有三种类型。图像分割依然成为了图像处理中的关键技术，从研究至今，其发展一直受到高度重视，而且研究依然在不断地积极进行着。图像分割的方法现有：边缘检测，阈值分割，区域提取等。从图像类型来分有：灰度图像处理分割，彩色图像分割和纹理图像分割等，在1965年就有人提出了检测产生不少的经典算法。图像分割方法结合一定的特定理论，方法和工具比如基于数学

16、形态的图像分割，基于小波变换的分割，基于遗传的算法分割等。1965年往后，计算机技术的突飞猛进和人工智能理论的逐年成熟数字图像处理模式识别也日趋成熟，视觉技术取得了明显的进步，很多领域广泛的应用到了图像识别技术。用计算机代替人的视觉功能，从客观事物的处理，提取信息和理解，并最终实现检测，测量和控制是视觉技术就是主要内容。指针式表凭借其简单的结构，方便使用的优势，很快在科学实验和核工业领域得到广泛的应用。指示表分为两种指针式和数字式，通过一定的转换关系，来显示被测量得大小。一直以来这项工作都是人工完成，但是长时间的读数不可避免引起读数的误差，并且效率也不敢恭维。尤其在指示表精度检定，需要不断地读

17、取各个点的值，所以误差在所难免。所以数字图像处理的发展，读数识别技术的诞生和不断发展，让这项工作变得简单。1.2 MATLAB的简介1.2.1 MATLAB的发展矩阵实验室（Matrix Laboratory）就是MATLAB的含义，它是目前应用最为广泛的由Math Works公司开发的数学软件。MATLAB是以数值计算闻名。MATLAB进行数值计算的基本单位是阵列，从而让MATLAB高度“向量化”。因为它不要求定义数组的维，矩阵函数、特殊矩阵专门的库函数，在处理信号、建模、系统辨识、优化等问题性能非常高效，简单和方便，是其他语言所达不到的。在国外很多大学里，MATLAB已成为线性代数、教学自

18、动控制、数字信号处理、时间序列分析和动态系统仿真等课程的一个不可少的工具，在很多研究院和工业等部门，它也被广泛用于科学研究和解决各种具体问题。1.2.2 MATLAB的组成MATLAB系统五大部分组成有MATLAB语言、开发环境、数学库函数、图形处理系统和MATLAB应用程序接口。（1） MATLAB开发环境由工作空间、文件编辑调试器、数组编辑器、MATLAB命令窗口和在线帮组文档等组成。（2） MATLAB语言是基于数组的语言，程序流程控制、数据结构、函数、输入/输出等是MATLAB的特点。（3） MATLAB的数学函数库由矩阵运算、基本函数和复杂算法等组成，很多的计算算法都可以在MATLA

19、B中找到。（4） 图像处理、表达式作图和动画显示等功能都可以在MATLAB的图形处理系统中实现，并且这些都能在二维和三维的图形表示出来。（5） MATLAB语言与C语言等一些其他的编程语言进行交换。1.2.3 MATLAB语言的特点 MATLAB语言之所以能成为一种比较实用的语言，其主要特点有：(1)操作简便，便于学习：MATLAB不仅仅是一个开发软件，而且也是一门编程语言。其语法规则与结构化高级C语言等没有多大的不同，并且使用更为简便，如果具有一般语言基础的很快就可以掌握甚至熟练。用MATLAB编写程序就像在作业纸上运算一样特别简便，所以又被称为演算纸式科学计算语言。(2)计算功能非常强大：

20、拥有超强大的数学函数、统计函数及工程函数的MATLAB可以实现很多计算功能。另外具备数十个工具箱的MATLAB能够解决常见应用的大多数数学、工程问题。(3)领先的可视化工具：强大的功能、交叉式的二维和三维绘图功能更有力的表现图像。(4)可扩展性和开放性教强：M文件是可见的MATLAB程序，用户可以直接查看源代码。系统设计能很快的让用户检查算法的正确与否，修改已存在的函数，或者加入自己的新部件。(5)特殊应用工具箱：对工程及科学中某些特殊应用的支持，MATLAB的工具箱有所作为。完全用户化和可扩展性强是工具箱也和MATLAB一样的。1.2.4 MATLAB图像处理工具箱介绍Image Proce

21、ssing Toolbox（图像处理工具箱）提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。可进行图像增强、图像去模糊、特征检测、降噪、图像分割、空间转换和图像配准。该工具箱中的许多功能支持多线程，可发挥多核和多处理器计算机的性能。图像处理工具箱支持多种多样的图像类型，包括高动态范围、千兆像素分辨率、ICC 兼容色彩和断层扫描图像。图形工具可用于探索图像、检查像素区域、调节对比度、创建轮廓或柱状图以及操作感兴趣区域 (ROI)。工具箱算法可用于还原退化的图像、检查和测量特征、分析形状和纹理并调节图像的色彩平衡。图像处理工具箱的主要特性是：图像增强、滤波和去模糊

22、，图像分析，其中包括分割、形态、特征提取和测量。空间转换和图像配准；图像变换，其中包括FFT、DCT、Radon和扇束投影。用于处理、显示和浏览任意大图像的工作流程。模块化交互式工具，其中包括ROI选择、柱状图和距离测量；ICC色彩管理 ；多维图像处理；图像序列和视频显示；DICOM导入和导出。图像读取图像灰度图像平滑图像二值化边缘检测Hough变换读数识别总结分析 图1.1 整体流程 2 图像预处理2.1 图像灰度首先是对图像的读取和显示，使用函数将图像读入matlab环境中，将图像放到指定的文件夹内，并且记住命名，通过调用imread函数显示图像： f=imread(E:/MATLAB/a

23、a.jpg); %图像读入 imshow(f) %图像显示 J=rgb2gray(f) %灰度 图像 imshow(J) %图像显示上述程序是对图像的读入和显示 和灰度显示的函数。 图2.1 原始图像的显示图2.2灰度显示图像这里对图2.2做直方图具体方法为：对上面的灰度图像设置h=imhist(b);h1=h(1:10:256);horz=(1:10:256);bar(horz,h1)；stem(horz,h1)plot(h)大致结果如图2.3：图2.3 灰度直方图图像预处理作为Hough变换目标检测过程中重要的前期工作。其大致流程图如图2.4:图像平滑图像二值化边缘检测图像灰度图像读取图2

24、.4图像预处理流程图2.2 图像平滑图像在低频部件，利用于一个宽敞的图像的面积区域，主要部分或抑制图像噪声和干扰高频成分，可以让图像亮度柔和渐变，减小突变梯度，以提高图像质量的图像处理方法是图像平滑。常见的图像平滑方法有空域低通滤波和频域低通滤波，本文主要讲述均值滤波法。采用均的波器对某图像进行线性滤波是一种很好的去除图像中的某些类型的噪声，去除通过扫描得到的图像中的颗粒噪声就是一个很好的用武之地。邻域平均法是一种平滑技术。原始图像在图像空间为个像素的,就是运用一个像素和它周围的几个点的像素来求平均值。上述就是均值滤波法的主要内容，过平滑处理后得到图像, 其表达式如下：式中： x,y=0,1,

25、2,，N-1；s为点在域中的点的集合，除点；集合内坐标点的总数是M。领域平均法很好的抑制噪声干扰，但是如果领域越大，图像被干扰更严重也会加大模糊的程度。为了尽可能地减少模糊失真，也可采用阈值法减少由于领域平均而产生的模糊效应。其公式如下：式中：T为规定的非负阈值。本实验中在通过输入设备得到指针式仪表的数字图像后，将图像数据放到计算机硬盘。使用领域平均的方法即均值滤波法，对图像进行平滑，这样做是为了有效地抑制图像采集时随机噪声的干扰，从而提高了识别的稳定性。为了让平滑后图像不会太模糊，就是利用这个点和其周围的点的灰度值相加，周围的点为八个，这几个点的平均值作为图像中这个点的灰度值。图2.5 加入

26、椒盐噪声图2.6 SOBEL滤波图 2.7 均值滤波图2.8 高通高斯滤波图像图2.9 中值滤波图像 2.3 图像二值化二值图像在MATLAB中具有非常重要的意义，主要有0和1的逻辑数组，图像二值化的概念是是将图像上的像素点的灰度值设置为0或255，让整个图像呈现出黑白效果。然后设定适当的阈值选取这些亮度等级的灰度图像，可以得到能反映图像特征的二值化图像。在数字图像处理中，二值图像是非常重要的一步，第一，图像的二值化对图像的进一步处理更有利，它可以让图像简单，数据变小。仍能清晰的得到想要的轮廓。第二，如果二值图像需要进行处理与分析，首先要灰度，再得到二值化图像。灰度值用255和0表示图像中的物

27、体，而前者表示灰度大于阈值或者等于阈值的属于特定物体，后者表示其他的表示背景或者这些像素点被排除在物体区域以外。本实验中为了得到和提取我们感兴趣的部分，首先对图像进行分割，即把背景和我们感兴趣的物体分割开来。常用的就是把图像灰度成不同等级，将图像二值化，得到想要的图像区域。对图中的区域我们即得到最简单的指针，所以这个背景显得又大又多，可以设置一个合理的阈值将图像二值化，灰度值小于该阈值的为黑色，反之自然是白色。其大致的算法就是先确定阈值当然,分别求出灰度小于T的像素平均值和灰度小于T的灰度平均值，最后求出二者的平均值，即如果假设小于灰度平均值为，大于灰度值的为，可以确定终止条件，然后判两者之差

28、的绝对值是否小于e。如果不满足，则让进行下一轮运算，满足就跳出循环，最后就是最后总的阈值。图2.10 二值化的图像2.4 边缘检测2.4.1 边缘检测确定图像中的物体边界的另一种方法是检测每个像素和其直接邻域的状态，以决定该像素是否确实处于一个物体的边界上。具有所需样收的像素被标为边缘点。当图像中各个像素的灰度级用来反映各像素符合边缘像素要求的程度时，这种图像被称为边缘图像或边缘图。它也可以用仅表示了边缘点的位置而没有强弱程度的二值图像来表示对边缘方向而不是（或附加于）幅度进行编码的图像叫做含方向边缘图。一幅边缘图通常用边缘点勾画出各个物体的轮廓，但很少能形成图像分割所需要的闭合且连通的边界。

29、因此需要另一个步骤才能完成物体的检测过程。边缘点连接就是一个将邻近的边缘点连接起来从而产生一条闭合的连通边界的过程。这个过程填补因为噪声和阴影的影响所产生的间隙。2.4.2 边缘检测的方法如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。边缘检测算子主要有Roberts外边缘算子、Sobel边缘算子、Prewitt边缘算子、Kirsch边缘算子；它们是检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积的方法。下

30、面介绍一下两种边缘检测的方法： Roberts外边缘算子，边缘，是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。 边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量，f指出灰度变化最快的方向和变化量。因此最简单的边缘检测算子是用图像的垂直和水平差分来逼近梯度算子： 因此当我们寻找边缘的时候，最简单的方法是对每一个像素计算出向量,然后求出它的绝对值。利用这种思想就得到了Roberts算子： 其中f(x,y)是具有整数像素坐标的输入图像。ca

31、nny边缘检测原理：图像边缘检测必须满足两个条件：能有效地抑制噪声；还要尽量精确确定边缘的位置。根据对信噪比与定位乘积进行测度，得到最优逼近算子。就是canny边缘算子。canny边缘算子算法：用高斯滤波器平滑图像，用一阶偏导的有限差分来计算梯度的幅值和方向，对幅度幅值进行非极大值抑制，双阈值算法检测和连接边缘得到边缘检测图像。图像边缘检测的基本步骤：（1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。（2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。（3）检测。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘

32、检测是梯度幅值阈值判定。（4）定位。精确确定边缘的位置。由于噪声的存在，用各种算子得到的边缘像素不连续，但是由于边缘像素之间有一定的连续性，我们就可以根据边缘像素在梯度幅度或梯度方向上的连续性把他们连接起来。具体说来，如果像素(s,t)在像素(x,y)的领域且它们的梯度幅度与梯度方向在给定的阈值下满足：T是幅度阈值；A是角度阈值； 那么，如果对所有的边缘像素都进行上述的判断和连接就可以得到一个闭合的边界。边缘检测在图像分割、模式识别、机器视觉等中都有重要作用，人们已研究出很多种边缘检测算法，而Hough变换和canny边缘算子等是最经典的算法。本文通过设置合适的参数，对二值化的图像进行边缘检测

33、，得到的边缘检测图像如图2.11，具体程序：g_canny_best=edge(bw,canny,0.04 0.10,1.5); imshow(g_canny_best); figure,imshow(g_canny_best);图2.11 边缘检测后的图像3 Hough变换3.1 Hough变换简介Hough变换英文翻译是Hough Transform， Hough变换是一种线描述方法，由Paul Hough在1962年首次提出。提出了检测图像直线的Hough变换是根据双数学对偶性原则，刚开始作为电子设备的专利，用于观测区域检测高速粒子运动轨迹的气泡室；后来，罗森菲尔德领导的图像处理协会对H

34、ough变换很注意，通过不断地研究和发展。杜达和哈特霍夫成功的变换到极坐标，从而使霍夫变换在直线中更有效的运用。1981年Hough变换能够在任何范围和方向分析任何形状识别是归功于道亨达拉德提出任何形状的r的检测表示方法，这种方法称为广义Hough变换法Hough Transform。由于Hough变换的随机噪声和覆盖现象不敏感，适合并行处理，所以在线性检测和全面检测的计算机图像处理和计算机视觉领域得到广泛应用，很快受到越来越多的人们的关注。成为了边缘检测的常用的方法。概率统计的方法就是Hough变换的主要思想，这种算法很简单，也不复杂，并且可靠性也很高。而事实上目标提取的常用方法也用到Hou

35、gh变换，尤其是在噪声干扰很强的场合再恶劣的环境下，Hough变换都能正常工作。从古至今，实践是最好的证明， Hough变换之所以能够得到如此迅速的发展是理论与实践的结合的结果。实践在各个领域应用上的广泛需求是最大的原因；这样通过实践和出现的问题，然后得到解决，如此循环正好为Hough变换的发展提供了更好的铺垫和推进。3.2 Hough变换的控制原理和算法Hough变换的基本原理在于利用点与线的对偶性，用参数空间的一个点表示原始图像空间的给定曲线转换的形式。然后就是峰值得问性转化为检测局部特性。Hough变换就是利用上述原理把图像空间中的问题转换到参数空间来解决。利用简单的累加统计，然后再参数

36、空间里通过找出峰值来检测直线，最后用曲线完整描述要检测的直线。图3.1x，y平面和参数空间Hough变换将坐标空间的点变换为极坐标空间的曲线，即上的一点对应的域上的一条正弦曲线。上图说明了和的关系，以假设域上有n个点，一直到n-1，并且这n个点都落在上。根据Hough变换，这n个点对应的n条正弦曲线：即简单的介绍就是对于水平线来说，为0正好为正X轴的截距，为90正好为正Y轴的截距，依此类推，Hough变换的优势在于把参数空间细分为了所谓的累加器单元，如下图所示主要说明了和的参数值的期望范围，最初的单元被设为零，对于图像平面上的每一个非背景点都要令等于轴上允许的值，并通过公式计算出相应的值。图3

37、.2平面上的正弦曲线，交于图3.3平面划分累加器单元使用Hough变换做峰值检测。因为数字图像的空间中的量化、Hough变换的参数空间中的量化以及典型图像的边缘都不是很直这个事实，Hough变换的峰值一般都位于多个Hough变换单元中。为了克服这个问题，采用如下的方法。 首先，找到包含有最大值的Hough变换单元并记下它的位置；把第一步中找到的最大值点的邻域中的Hough变换单元设为零；重复该步骤，直到找到需要的峰值数时为止，或者达到一个指定的阈值时为止 一旦在Hough变换中识别出了一组侯选的峰值，则它们还要留待确定是否存在与这些峰值相关的线段以及它们的起始和结束位置。对每一个峰值来说，第一

38、步是找到图像中影响到峰值的每一个非零值点的位置。将上边所找到的位置相关的像素组合成线段。首先，将像素位置旋转90-度，以使它们大概位于一条垂直线上；按旋转的x值来对这些像素位置分排序；使用函数diff找到裂口。忽视掉小裂口，这将合并被小空白分离的相邻线段；返回比最小阈值长的线段的信息。然后再使用函数在原始的二值图像中叠加这些线段。即检测出图像中的直线。3.3 基于Hough变换的指针式仪表识别算法Hough变换对域上的每个点即5中的每个黑像素点,都在域上通过公式画出一条曲线,点和曲线一一对应.图像中的所有黑点变换完后,再在找出这样的一个点,该点满足:在上通过该点的曲线是最多的,设这个坐标为,那

39、么此点就对应我们要寻找的直线即指针所在直线的位置图3.4在x,y平面上的线参数化具体的编程实现算法如下:1.对一个变换域空间上的数组初始化,对角线的方向像素是方向上的量化数目, 1800为方向上的数目,角度范围从0-180,每个代表0.1度。2.所有黑点依次搜索图像,每个黑点用量化值代入,再通过公式算出每个值,而某个小格是经过量化的落在空间所在，让对应的小格计数器加1.3.图像中的每个黑点变换完,检验变换域中的空间数组,对应找出峰值对应的而此时对应的指针所在的直线的位置.图3.5 表盘坐标系4通过指针所在的直线的位置确定指示表的读数，以压力表为例，以表盘中心作为坐标原点建立直角坐标系，如图3.

40、5，压力表的量程为0-10kpa，指针与x轴的夹角为，可以设要求的读数为A，则有，从这个公式中可以得到，这样就可以计算出读数。此方法可以用于指针式仪表的读数。3.4 Hough变换检测直线的优缺点当然，上述讨论的都是理想情况。在实际检测中，对象图像的性质往往不是这么的完美和符合心意。比如，直线上有断裂，或是存在弯曲现象，又或者存在噪声干扰，等等。不过这些都不要紧，因为Hough变换是一种基于统计的方法，它并不要求参数空间严格交于一点，它只需要取最大的一点，就把它认为是原曲线的参数点。因为即使存在种种误差，使参数空间上的曲线投影走样，甚至错误，但基于统计意义上的参数曲线点还是符合的。换句话来说，

41、即使有少部分点投影失误，但是Hough变换总能保证大部分的点正确，并能从中总结出原曲线的参数组。总之，Hough变换是一种基于概率统计的方法。其算法思想简单，实现容易，并且有着优良的鲁棒性和可靠性。而事实上Hough变换也是目标提取的常用方法，特别适用于噪声特别强烈的场合。当别的方法都失效的时候，我们会发现Hough变换仍能正常工作。但是，Hough变换也有其不足的地方。传统的Hough变换至少存在以下几点较大的缺陷：(1) 其最大的缺点就是运算量很大。我们可以从Hough变换的原理中看出，它是把过每个点的所有曲线都映射到参数空间上，把每个边缘点映射成参数空间的一条曲线，是一到多的映射，而每次

42、的映射都意味着一次投影运算。一般来说，这其中就包含有大量的浮点运算。Hough变换的运算量基本集中于此。直线Hough变换还好，只不过是把一个点映射成二维参数空间的一条曲线，是一对二的映射；圆Hough变换就复杂了，它要把边缘点映射到一个三维的空间中，这样的运算量，耗时巨大，是任何一个实时场合都不能容忍的。所以一般实用的Hough变换都是经过改良的算法。(2)参数平面一个参数点的得票数不一定全由其所对应的直线上的点所决定，它也可能是由偶然排列在一起的不同直线上的特征点投票构成。由Hough变换的原理中可以看出，参数空间的投票过程是由所有参数点参与，而不管这些点本来的几何位置。想象在待测平面中偶

43、然排列在一条直线上的几个毫无意义的离散点，也会在参数空间中投票得出局部峰值。这就有可能干扰正常峰值的产生，甚至产生虚假线条。(3)表决完成后，决定参数平面中的哪些点有意义是很困难的。单纯的闭值化或局部最大值检测都有可能造成直线漏检或虚假直线。特别是干扰或噪声严重的场合。从上面的分析可以看出，从参数空间的众多峰值中判断哪些是真的直线，哪些是虚假直线是一件不容易也不可靠的工作。4 总体实现和读数识别4.1 总体实现1.对图像读取，显示图像，显示后的图像经过灰度，转变成灰度图像，使用OTSU方法计算图像的全局阈值，通过阈值处理将图像转换为二值图像。图4.1二值化的图像2.对上述的二值化图像进行边缘检

44、测，设置参数后的边缘检测:图4.2 经过边缘检测的图像3.利用Hough函数把图像中的点映射到Hough变换的参数空间，既对图像中的直线进行Hough变换得到一组相交的正弦曲线。方法是用一个比较默认值精细的角度间隔来计算hough变换。图4.3带有标度的Hough变换4.使用Hough变换做峰值检测，利用7个比较明显的Hough变换峰值作直线检测：过程是利用Hough peaks函数找到7个看起来很明显的Hough变换峰值。图4.4hough检测出直线4.2 读数识别在图像的所有黑点变换完后,再在找出这样的一个点,该点满足:在上通过该点的曲线是最多的,那么此点就对应我们要寻找的直线即指针所在直

45、线的位置，通过对应的值来确定指针的读数也就是通过指针所在的直线的位置确定指示表的读数。通过分析确定图4.3第一张图中最亮点的可以确定为为135度，可以参照上述压力表读数计算公式，实验所用仪表量程是-20到150，可以记做170，然后代入公式,求的A为56.9，而此表是从-20开始计算，所以再减去20得到的最终读数为36.9，而原图中指针读数为36.8，误差达到0.002。可见此算法确实可行。总 结经过为期一学期的学习和努力，翻阅大量文献和经过老师悉心指导，我在毕业设计中查找了有关数字图像处理中的Hough变换的资料。本次设计顺利完成，具体结论如下：1、首先本论文重点介绍了数字图像处理的背景与研

46、究意义，以及数字图像处理的预处理知识，各个部分的软件算法，在MATLAB上运行实现，最后通过Hough变换检测，来达到指针式仪表读数识别。2.其次就是在进行图像分割本文中用到Hough变换前，要对图像进行预处理，包括图像灰度化，图像平滑，图像二值化，边缘检测等处理。其原因是在识别的算法中，图像中的黑点需要量化值进行计算，并且计算量很大。图像预处理所且作用的就是尽量减少噪声点额干扰，这样就可以减少计算量，提高识别速度3. 实验的结果说明，基于数字图像处理的系统识别系统误差为0.002，这是人眼没法达到的，并且这种识别技术不会像人眼出现疲劳而造成误差。所以这种新型的识别技术值得推广和应用。致 谢本次设计在王锋老师的精心指导下完成的。从刚开始选题到论文的研究阶段，王老师时刻关注，并且悉心指导，为本设计的完成倾注了大量的心血。首次见到王老师就感觉特别平易近人。王锋老师为人和善，学识渊博，认真负责，时刻督促着我。特别感谢王老师在中期检查时对我的关心和指导，