基于数字图像处理的数显仪表数字识别

*
第
24 卷 第 6 期 广东石油化工学院学报 V o l 〃 24 N o 〃 6 2014 年 12 月 Journal of Guangdong University of Petrochemical Technology December 2014
基于数字图像处理的数显仪表数字识别
雷芳
( 广东石油化工学院 计算机与电子信息学院，广东 茂名 525000)
摘要: 基于数字图像处理技术研究了数显仪表中的数字识别，首先对图像进行预处理和二值化，然后对图像连通域进行快
速提取并标号，最后根据数字模板和区域结构特征对数字和小数点进行识别。

实验结果表明，数显仪表中的数字能得到有 效
的识别。

关键词: 数显仪表; 数字图像处理; 数字识别
中图分类号: TP391〃 41 文献标识码: A 文章编号: 2095 － 2562( 2014) 06 － 0031 － 03
目前，数显仪表在生产与生活的各个领域都得到了广泛的使用。

用数码管对数字进行显示具有读数 直观、
精度高以及可根据需要进行设置等优点。

数字图像处理技术则主要是利用计算机代替人类的脑力 劳动和体力
劳动达到对大量物理信息进行一个自动处理的过程。

因此，通过数字图像处理技术实现的数 显仪表的数字自
动识别可以有效降低人工成本，减轻工作强度，同时还对于实现民用和工企业的数字化、 智能化具有重要的
意义［1 － 3］。

众所周知，在电力、石油、化工和医疗等各个行业中经常都有大量的数据需要记录，如仪表检定、科学 实
验、测量控制等。

其次，在一些恶劣环境，如强辐射、有毒、高温和低温等不适合人工读数等环境下也需 要记
录各种数据。

因此，仪表的数字自动识别不但可以减少人为主观因素造成的读数误差，而且可以消除 人工现
场操作的危险性，这些都表明数显仪表的数字识别技术研究具有非常重要的实用价值［4 － 5］。

本文 基于数字
图像处理技术，对采集的原图像进行一系列操作，最后有效的实现了数显仪表的数字识别。

1 图像预处理和二值化
1〃 1 图像预处理
数显仪表的数字自动识别技术中首先需要对数字图像进行采集，通常在图像采集过程中由于光照不 均
匀和光子噪声的影响会使图像质量下降从而影响图像的后续处理。

由于本文图像是基于灰度图像进行 处理，所以对图像的增强和滤波操作均是基于灰度图像进行。

数显仪表数字识别中，首先利用工业 CCD 摄像头采集得到数字图像( 彩色图像在处理前要先转换为
灰度图像) ，然后统计图像中每个灰度值概率得出图像灰度分布特征，最后利用灰度直方图均衡化算法使 图
像在空间域得到增强，从而弥补光照不均造成的影响。

图像在经过增强后，由于目标和背景之间噪声的存在或是边缘不够清晰还需要对其滤波，使得目标物 和
背景有更加明显的区分。

滤波的好坏对后续图像的处理也至关重要，本文结合实际应用需要采用均值 滤波
算法对图像进行滤波，既可以满足实时性要求又能得到较好的滤波效果。

图像预处理过程如图 1 所示。

图 1 图像预处理过程
* 收稿日期: 2014 － 06 － 12; 修回日期: 2014 － 07 － 08
作者简介: 雷芳( 1986—) ，女，湖南衡阳人，硕士，讲师，研究方向为图像处理、模式识别。

32
广东石油化工学院学报 2014 年
1〃 2 图像二值化
图像二值化的实质是将图像中包含数字部分的区域分割出来，背景区域用
0 表示，目标区域用 1 表 示。

其中，二值化的关键是对图像阈值的选取。

固定阈值选取算法简单，但分割效果不佳，动态阈值算法 较复杂，分割效果也较好。

为了最大程度的将目标和背景进行很好的分割，本文选择一种自适应阈值分割 算法
Otsu 算法对图像进行二值化分割。

该算法也称为最大类间方差法，由日本的大津教授提出。

算法分 别计算背景区域像素和目标区域像素出现的概率，并求出目标区域和背景区域之间的最大类间方差函数， 当该函数取最大值时对应的灰度值则为图像分割的最佳阈值。

图像在经过 Otsu 算法二值化后，目标图像可以很好地从背景图像中分割出来，但是数字周围还会存 在一定的噪声，因此还需要进一步的处理。

Otsu 分割算法实现如下:
L
设图像
I 中包含 L 灰度级的所有像素个数为 N = ∑n i ，若图像中灰度值为 i 的像素数有 n i ，则其概率 i = 0 P 1 = n i / N 。

首先，图像被 m 为门限的灰度值划分为目标和背景两个区域，其中背景区域出现的概率为 P 1 m L － 1 m = ∑P i ，目标区域出现的概率为 P 2 = ∑ P i ; 其次，计算两区域像素的灰度值，背景区域像素值 h 1 = ∑iP i / i = 0 L － 1 i = m + 1 L － 1 i = 0 P 1 ，目标区域像素值 h 2 = ∑ i = m + 1 iP i / P 2 ，则图像总的灰度值为 h 3 = ∑ i P i = P 1 h 1 + P 2 h 2 ; 最后，求最大类间方差 i = 0 函数 σ2 = P ( h － h ) 2 + P ( h － h )
2 的最大值，该最大值对应的灰度值作为图像分割的最佳阈值。

在灰
1 1 3
2 2
3 度图像中，该灰度值取值范围是 0 ～ 255，编程中通常是把每一个灰度值对应的方差值计算出来，最后比较 这些方差值的大小，即可找出方差值最大所对应的灰度值。

图像
Otsu 二值化的结果如图 2 所示。

从图中 可以看到
Otsu 自适应阈值法能很好的实现将目标 数字从背景区域中分割出来。

图 2 图像二值化结果
2 图像形态学操作与字符连通域提取
2〃 1 图像形态学操作
图像二值化分割后，要将目标区域中的数字提取出来以便对数字识别。

由于 Otsu 二值化图像中数字 周围还包含一些不必要的噪声，本文利用形态学操作对二值化图像进行进一步的处理。

图像的形态学操 作主要有腐蚀和膨胀操作以及两种操作组合的开操作和闭操作。

对于分割的字符中，出现断裂的区域，可 以利用膨胀操作将断开的部分连接起来，而对于粘连字符或字符中包含不必要的噪声时则可以利用腐蚀 操作将其去掉。

2〃 2 字符连通域提取
连通域的提取是为了对二值图像中不同目标区域进行特征分析，从而识别目标。

常见的连通域提取 算法主要分为基于像素的连通成分标记以及基于游程的连通成分标记算法［6］。

本文采用一种基于像素 的快速连通域标记算法，可以实现对不同连通区域的正确标号。

算法首先对图像从上至下，从左至右全部 扫描一次，按照四邻域对目标像素进行标记，如果目标像素的左上点和上点均未标记，则用新的标号进行 标记，若有一点已标记或两点标记相同则复制该标号，若两点标号不同则选其中较小的进行复制，同时把 这两点登记在等价索引表中，最后对索引表进行标号扫描，最终确定图像中所有连通域的标号。

输出图像 也由二值图像变为一幅标记图像，为了更好地看到
连通域提取的结果，本文根据标号的不同将每一个 标记区域用不同的颜色显示，结果
如图 3 所示。

图 3 连通域提取标记图像
3 数字识别
3〃 1 数字模板
数字字符的识别有多种方法，用得最多的是模板匹配法、穿线识别法以及基于神经网络的方法等［7］。

第6 期雷芳: 基于数字图像处理的数显仪表数字识别33
基于神经网络的方法需要大量先验知识而对原始数
据进行训练，算法相对复杂。

模板匹配法编程容易
实现，主要是构建合适模板，然后将目标图像中待处
理区域与模板进行特征逐一比对，选取特征差异最
小的模板最为结果输出。

为了提高模板识别的准确
率，要选择合适的模板大小，一般情况下较小尺寸模
板导致的匹配误差影响较小，但也不是越小越好，本
文根据实际需要选取25 × 26 像素矩形区域作为数
字模板大小。

如图4 所示的数字模板分别是数字
0、数字9 和数字8 的有倾斜和无倾斜两种模板。

图4 数字0、9 和8 模板
3〃2数字识别
模板匹配算法具体实现是指将模板图像沿着待识别图像的感兴趣区域逐行移动，然后根据合适的相似
度量函数得到模板与目标图像之间的相似度。

SAD、SSD 相似度量是计算模板和目标差值的绝对值的总和、平方和，这两种相似度量的计算效率很高但是对光照变化非常敏感，只适应于光照强度不变的情况。

NCC
归一化互相关系数是计算模板与目标图像中每一个像素点的平均灰度值和方差，它不受线性光照变化的影响，归一化互相关系数越大则模板与图像越一致。

本文将每个数字模板与连通域提取出的每个字符区域进
行归一化互相关匹配，得到一组归一化互相关系数，找出NCC 系数最大值对应的模板即为识别的数字类别。

3〃2小数点识别
数显仪表一般精度都比较高，为此还要对小数点进行识别。

本文主要是根据小数点的几何特征以及位
置特征对其进行识别，最后加入到数字识别结果中。

首先考虑到小数点的外形是一个类圆图形，于是可以计
算它的外接矩形长宽比，长宽比越接近1 的就
可能是小数点; 另外，由于小数点所处的位置通常是
位于某一数字的右下方，则由此位置信息可以排除
上述可能的小数点位置中的大部分，最后结合这两
部分信息可得到小数点的正确位置，进而添加到已
经识别的数字结果中。

3〃3实验仿真
本文实验结果是在Matlab Ｒ2012b 平台上进行仿真得到的，从
图5数字识别的实验结果可以看到
数显仪表中数字均得到了有效的识别。

图 5 数显仪表数字识别结果
4 结束语
本文经过图像增强、滤波、二值化、形态学处理和连通域提取等图像处理技术完成了数显仪表图像的数
字识别，在数字清晰和完整的情况下可以实现很好的识别。

然而，针对数字不清晰或残缺时导致识别率下降
的情况，本文没有进行更深入的分析，这将是接下来的一项具有挑战性的工作。

［参考文献］
［1］吴忠，朱国龙，黄葛峰，等〃基于图像识别技术的手写数字识别方法［J］〃计算机技术与发展，2011，21( 12): 48 － 51〃
［2］张海波，段会川，张曙光，等〃一种数字仪表显示值快速识别方法［J］〃计算机工程与应用，2005，41( 4): 223 － 226〃
［3］张宁，秦德鑫，王秀芳〃基于M atlab 和C#的数显仪表数字识别系统［J］〃计算机技术与发展，2013，23( 9): 70 － 73〃
［4］郑小清〃数显仪表的自动识别检测技术应用实例［J］〃科技世界，2013( 21): 49 － 50〃
( 下转第38 页)
38 广东石油化工学院学报2014 年
［参考文献］
［1］柯文德，崔刚，洪炳，等〃基于运动相似性的仿人机器人双足步行研究［J］〃机器人，2010，32( 16): 766 － 772〃
［2］Carl o s A〃 Ac o sta Calder o n，Ｒajesh E〃Mo han，Lin gy un Hu，et al〃 Generatin g Human － Like So ccer Primiti v es Fr o m Human Data ［J］〃Ｒo b o tics and Aut o n o m o us Sy stems，2009( 57): 860 － 869〃
［3］柯文德，崔刚，洪炳，等，参数化优化的仿人机器人相似性前向倒地研究［J］〃自动化学报，2011( 8): 1006 － 1013〃
［4］H sin － Yu Liu，Wen － June Wan g，Ｒo n g－ J y ue Wan g，et al〃 Ima g e Ｒec og niti o n And F o rce M easurement Applicati o n In The Hu- man o id Ｒo b o t Imitati o n［J］〃 Instrumentati o n and M e asurement，2012，61( 1): 149 － 161〃
［5］田秀司〃仿人机器人［M］〃管贻生，译〃北京:清华大学出版社，2007〃
［6］钟秋波〃类人机器人运动规划关键技术研究［D］〃哈尔滨:哈尔滨工业大学，2011〃
［7］柯文德，彭志平，蔡则苏，等〃仿人机器人相似性阶梯行走约束与优化控制［J］〃机器人，2014，36( 2): 233 － 240〃
Study on Motion Planning System of Humanoid Ｒobot
Based on Human Movement Analysis
WU Chunying1 ，K E Wende2
( 1〃 Department of S p o rt，Guan g d o n g Uni v ersit y of Petr o ch emical Techn o l og y，M a o min g525000，Chin a;
2〃 C o lle g e of C o mputer and Electr o ni c In fo rmati o n，Guan g d o n g Uni v ersit y of Petr o chemical Techn o l og y，M a o min g525000，Chin a)
A b s t r a c t: The basic c o mp o nents of m o ti o n plannin g s y stem based o n l o c o m o ti o n similarit y are illustra ted〃Firstl y，the similarit y f ea- tures in the neter og en y state are de f ined〃S ec o ndl y，the capturin g s y stem is anal yz ed b y takin g the capturin g s y stems of Carne g ie －
M ell o n Uni v ersit y and Harbin Institute of Techn o l ogy as e x amples，respecti v e l y〃 Thirdl y，the Z M P c o nstraint of stabilit y is anal y z ed〃T he e x periment plat fo rm is sh ow n f inall y〃
Key words: Humanoid robot; Similarity; Motion planning
( 责任编辑: 骆磊)
( 上接第33 页)
［5］穆克，韩志刚〃有毒有害气体报警器数字检测系统的设计［J］〃辽宁石油化工大学学报，2012，32( 1): 75 － 83〃
［6］宋斌〃一种新的图像连通域快速标号算法［J］〃电子测量技术，2009，32( 9): 67 － 73〃
［7］刘文亮〃七段式数显仪表中数字识别的研究与实现［D］〃大连:大连理工大学，2013〃
Digital Ｒecognition of Numerical Instruments
Based on Digital Image Processing Technology
LEI Fang
( College of Computer and Electronic Information，Guangdong University of Petrochemi cal Technology，Maoming 525000，China)
A b s t r a c t: This paper presents di g ital rec og niti o n of numerical instruments ba sed o n di g ita l ima g e pr o cessin g te chn o l ogy〃The ima g e f irstl y is prepr o ce ssed and made int o binar y z ati o n，and then the ima g e’s c o nnected c o mp o nents are e x tracted and labeled f ast，the di g ital rec o g niti o n and decimal p o int are rea li z ed a t last acc o rdin g t o di g ital template s and re g i o n’s architectural f eatur e〃 E x perimen- tal results sh ow that the di g ita l of numerical in struments ha v e been rec o g ni z ed e ff ecti v e l y〃
Key words: Numer ical instrum ents; Dig ital image proce ssing; D igital recognition
( 责任编辑: 朱冠华)。