仪表显示的图像识别算法研究
指针式仪表自动检定系统图像识别技术
指针式仪表自动检定系统图像识别技术孙琳;王永东【摘要】将机器视觉技术应用到指针式仪表的检定系统中,可以改变传统的靠人工读数进行检定的方法,提高了指针式仪表检定的效率与精度.指针式仪表的识别与检定,关键就是通过指针示值的动态识别,来实现仪器仪表的读数和自动检定.针对指针式仪表示值的自动判读,提出了一种新的图像识别方法.该方法适合实际应用,检定精度高,准确性好.经实验数据证明,该识别方法简单、稳定且识别误差小.%The technology of machine vision is applied to the verification system of index meter, which can change the traditional manual reading verification method and improve the efficiency and precision of index meter. The recognition and verification of index meter are mainly to achieve reading and automatic verification through the dynamic recognition of the value. A new kind of image recognition method is proposed , which is suitable for practical applications, and has high accuracy and good verification. The experimental results show that the recognition method is simple, stable and has small recognition errors.【期刊名称】《现代电子技术》【年(卷),期】2011(034)008【总页数】4页(P101-104)【关键词】指针式仪表;图像传感器;图像识别;坐标变换;直线扫描【作者】孙琳;王永东【作者单位】辽宁信息职业技术学院,辽宁,辽阳,111000;辽宁信息职业技术学院,辽宁,辽阳,111000【正文语种】中文【中图分类】TN919-34;TP2160 引言指针式仪表结构简单、使用方便、价格便宜，目前仍大量应用于工农业生产和科学试验中。
图像识别算法的研究与应用
图像识别算法的研究与应用第一章：引言图像识别算法是一种通过计算机视觉技术对图像进行分类和识别的过程。
近年来，图像识别算法在许多领域得到了广泛应用，如安防监控、医疗诊断、自动驾驶等。
本文将探讨图像识别算法的研究和应用。
第二章：图像识别算法的分类2.1 传统图像识别算法传统图像识别算法主要包括人工特征提取和机器学习两个部分。
在人工特征提取过程中，需要先对图像进行预处理，如灰度化、滤波等，然后从图像中提取特征向量。
对于特征向量的提取，常用的方法包括SIFT、SURF和HOG等。
在机器学习部分，需要先选取训练数据集，并选用分类器对图像进行分类，如SVM、kNN和决策树等。
2.2 基于深度学习的图像识别算法基于深度学习的图像识别算法主要是利用深度神经网络对图像进行特征提取和分类。
常用的深度神经网络包括卷积神经网络（CNN）、循环神经网络（RNN）和深度置信网络（DBN）等。
与传统算法相比，基于深度学习的算法具有更高的准确率和更好的抗噪性。
第三章：图像识别算法的应用3.1 安防监控领域在安防监控领域，图像识别算法主要用于人脸识别、目标检测和行为分析等方面。
通过安装摄像头和利用图像识别算法，可以实现对特定区域进行监测和预警，减少潜在安全风险。
3.2 医疗诊断领域医疗诊断领域是图像识别算法的重要应用场景之一。
通过对医学图像进行分析和识别，可以帮助医生更快地诊断疾病和制定治疗计划，提高医疗效率和准确性。
3.3 自动驾驶领域自动驾驶领域是图像识别算法的新兴应用场景之一。
利用前置摄像头和图像识别算法，可以实现对道路标志和路况的识别，确保车辆行驶的安全和稳定。
第四章：图像识别算法的未来发展趋势随着人工智能和计算机视觉技术的不断发展，图像识别算法具有广阔的应用前景和发展空间。
未来图像识别算法的研究重点将在以下几个方面：4.1 深度学习算法的优化在深度学习算法中，模型优化与超参数调整是提高模型分类准确率的重要手段。
未来需要研究更加高效的优化算法和技术。
图像识别算法的研究与应用
图像识别算法的研究与应用图像识别技术是一项复杂的计算机科学领域，它可以将数字图像转化为可以被计算机程序处理和理解的数据。
在未来的社会和经济中，越来越多的自动化技术将需要图像识别技术的支持。
因此，如何研究和应用图像识别算法成了一个重要的问题。
一、图像识别算法的研究1. 计算机视觉的发展随着计算机技术的进步，计算机视觉的发展越来越成熟。
计算机视觉是一种能够模拟和重现人类视觉系统功能的技术。
计算机视觉领域有许多相关的学科，如图像处理、计算机图形学、机器学习、人工智能等。
在这些学科的帮助下，计算机视觉已经实现了很多基本的功能，如图像去噪、图像增强、目标检测等。
2. 图像识别的重要性随着计算机视觉技术的发展，自动化技术的需求不断增加。
对于自动驾驶车辆、机器人、无人机等新兴技术而言，图像识别技术是非常重要的一环。
使用图像识别技术可以提高自动化技术的可靠性，同时也能够提高人类生产和工作的效率。
3. 图像识别算法的研究图像识别算法根据不同的分类器可以分为模板匹配、神经网络、支持向量机、决策树等。
其中，卷积神经网络（CNN）是应用范围最广、效果最好的一种算法。
随着深度学习的发展，CNN凭借强大的学习能力和丰富的特征表达能力成为图像识别技术的主流算法。
二、图像识别算法的应用1. 智能监控系统智能监控系统利用计算机视觉技术和图像识别技术，可以实现对监控场景中的目标进行自动化识别、跟踪和报警。
该系统可以广泛应用于交通监管、公共安全、工业生产等领域。
2. 人脸识别技术人脸识别技术是基于图像识别算法的一种应用。
该技术有很多应用，如门禁系统、支付系统、寻人系统等。
同时，人脸识别技术还可以应用于医学、安防、教育等领域中。
3. 图像搜索技术图像搜索技术是一种利用图像识别算法从海量的图片数据库中快速定位目标图片的技术。
这种技术可以应用于电商、社交网络、文化传播等领域。
通过图像搜索技术，用户可以方便地找到和自己相关的图片。
三、图像识别技术的未来1. 深度学习和强化学习的发展随着深度学习和强化学习算法的发展，图像识别技术将会变得更加强大和智能化。
数字表盘 ai识别原理
数字表盘 ai识别原理数字表盘AI识别原理数字表盘AI识别是指人工智能技术应用于识别数字表盘上的数字，实现自动化、高效率的数字识别。
这项技术利用计算机视觉和深度学习等领域的算法，通过对数字表盘图像的分析和处理，实现对数字的准确识别。
数字表盘AI识别原理主要包括以下几个步骤：1. 图像采集：通过摄像头或其他图像采集设备获取数字表盘的图像。
采集的图像可以是静态的，也可以是动态的，根据实际需求选择合适的采集方式。
2. 图像预处理：对采集到的图像进行预处理，包括图像去噪、图像增强等。
预处理的目的是提高图像的质量，减少后续处理的干扰，从而提高数字识别的准确性。
3. 特征提取：通过特征提取算法，从预处理后的图像中提取数字的特征。
特征可以是数字的形状、轮廓、纹理等。
特征提取的目的是将数字与其他图像中的干扰物进行区分，提高数字识别的可靠性。
4. 数字识别：利用深度学习算法，通过训练模型来实现数字的识别。
训练模型可以是卷积神经网络（CNN）等，通过大量的数字图像数据进行训练，使其具备识别数字的能力。
5. 结果输出：将识别结果输出到显示屏或其他设备上，供用户查看。
同时，可以将识别结果保存到数据库或云端，以备后续分析和应用。
数字表盘AI识别原理的应用非常广泛。
例如，在工业生产中，可以用于识别设备上的数字指示器，实现自动化监控和控制；在智能家居中，可以用于识别智能手表、智能电视等设备上的数字表盘，方便用户操作；在交通管理中，可以用于识别汽车仪表盘上的数字显示，提醒驾驶员注意车辆状态等。
数字表盘AI识别原理通过图像采集、预处理、特征提取、数字识别和结果输出等步骤，实现对数字表盘上数字的准确识别。
这项技术的应用将会带来许多便利和效益，提高工作效率和生活质量。
AI图形算法的应用之一：仪表识别
AI图形算法的应⽤之⼀：仪表识别
⽬前AI智能算法如⽕如荼，各⼤型⼚商对此趋之若鹜般加⼤开发⼒度，⽐如⼤华、海康这些视频处理类，以及百度、腾讯这些IT软件⼚商，因为业务开展需要，我也把研发⽅向转向于此，⼩有成绩，在此展⽰⼀下。
最近研究的⽅向主要是仪表的识别，主要可应⽤于电⼒系统、油⽥系统，化⼯系统以及科研系统，可以实现指针型仪表根据图形算法匹配找到⽬标仪表，然后再对图形进⾏⼆次阈值化处理得到指针，最后根据指针的⾓度计算出实际的刻度。
1、原图
2、⽬标定位之后
3、识别结果展⽰
经过⼤量数据测试，识别每张图⽚⼤概是0.4秒，识别准确率是99%（如果说100%怕太骄傲，哈哈），欢迎朋友们咨询。
PS：另外补充⼀下，技术参数，采⽤⽬前稳定流⾏的opencv图形开发库，以及功能强劲的⽽且灵活的开发语⾔python，以及⼀些C++基础。
仪表识别算法
仪表识别算法引言仪表识别算法是一种基于计算机视觉的技术，用于自动识别和分析仪器仪表上的各种指示和参数。
它通过对仪表图像进行分析和处理，提取出关键信息，并对其进行解读和理解。
仪表识别算法在工业自动化、能源管理、环境监测等领域有着广泛的应用。
仪表识别算法的基本原理仪表识别算法是基于计算机视觉和模式识别的技术。
其基本原理如下：1.图像采集：使用摄像头或其他图像采集设备获取仪表的图像。
2.图像预处理：对采集的图像进行预处理，包括去噪、增强、去除背景等操作，以提高图像质量。
3.特征提取：从预处理后的图像中提取出与仪表指示和参数相关的特征，例如线条、形状、颜色等。
4.特征匹配：将提取的特征与数据库中的标准特征进行匹配，以确定仪表的种类和状态。
5.参数解读：根据匹配结果，解读出仪表上的各种指示和参数，例如温度、压力、流量等。
6.结果输出：将解读出的参数输出到显示屏、数据库或其他设备，以供用户查看和使用。
仪表识别算法的关键技术要实现准确和高效的仪表识别，需要借助以下关键技术：特征提取特征提取是仪表识别算法的核心步骤。
常用的特征提取方法包括：1.边缘检测：通过检测图像中的边缘特征，提取出仪表指针和刻度线等线状结构。
2.颜色分析：利用颜色信息来识别仪表盘上的数字、文字和指示灯等。
3.形状分析：根据仪表的形状特征，提取出仪表盘和指针的位置和大小。
4.纹理分析：利用仪表盘表面的纹理信息，提取出仪表刻度线和数字的特征。
模式识别模式识别是仪表识别算法的重要组成部分。
常用的模式识别方法包括：1.模板匹配：将仪表图像与预先定义的模板进行比较，找出最佳匹配的模板。
2.统计分类：根据大量的训练样本，通过统计学方法建立分类模型，从而对新的仪表图像进行分类。
3.神经网络：利用人工神经网络模拟人脑的学习和分类能力，对仪表图像进行分类和识别。
视觉定位视觉定位是仪表识别算法中的重要环节。
通过视觉定位，可以确定仪表图像中的仪表盘和指针的位置和角度，从而准确提取仪表的信息。
图像处理中的图像识别算法研究与比较分析
图像处理中的图像识别算法研究与比较分析摘要：图像识别是图像处理领域中的重要任务之一，它在各个领域都有广泛应用。
本文将深入研究和比较几种常用的图像识别算法，包括传统的人工设计算法和基于深度学习的算法。
通过比较它们的性能和适用性，为读者提供选择合适算法的参考依据。
一、引言图像识别是图像处理中一个重要的研究方向，它致力于将图像中的内容转化为可供计算机理解和处理的信息。
图像识别的应用范围非常广泛，包括人脸识别、物体检测、场景理解等。
本文将对图像处理中的图像识别算法进行研究与比较分析，以帮助读者了解各个算法的原理、性能和适用领域。
二、传统的图像识别算法1. 特征提取算法传统的图像识别算法通常基于手工设计的特征提取方法，其目标是将图像中的特定信息提取出来。
常见的特征提取算法包括灰度共生矩阵(GLCM)、Gabor滤波器、SIFT、HOG等。
这些算法通过提取图像的纹理、形状、边缘等特征信息，来描述图像的内容。
然后通过采用各种分类器或者回归模型来实现图像识别。
2. 模板匹配算法模板匹配算法是一种常用的基于相似度度量的图像识别算法。
该算法通过将输入图像与事先准备好的模板进行比较，来判断输入图像中是否存在模板目标。
模板匹配算法一般包括灰度化、归一化、匹配度量等步骤。
常见的模板匹配算法有均方差匹配法、相交匹配算法、相关匹配法等。
三、基于深度学习的图像识别算法近年来，随着深度学习的快速发展，基于深度学习的图像识别算法在图像处理领域中取得了突破性的进展。
该类算法通常利用深度神经网络进行特征提取和模式识别。
1. 卷积神经网络(CNN)卷积神经网络是一种用于图像识别的深度学习模型。
该模型通过多层卷积和池化操作来提取图像中的特征。
然后将提取到的特征输入全连接层进行分类或回归。
CNN具有参数共享和局部连接等特点，能够有效地处理图像的空间结构信息。
它在图像识别任务中表现出色，特别是对于大规模数据集和复杂问题的处理能力优秀。
2. 循环神经网络(RNN)循环神经网络是一种用于时序数据处理的深度学习模型，也可用于图像识别任务。
数字仪表识别算法研究
数字仪表识别算法研究
数字仪表识别算法是一种图像处理和计算机视觉领域的技术，主要用于识别、读取和解析数字仪表盘上的数字信息。
该算法通常涉及图像预处理、边缘检测、阈值处理和模板匹配等步骤。
以下是数字仪表识别算法的基本流程：
1. 图像预处理：由于拍摄角度、光线等因素影响，获取的数字仪表图像可能会存在噪声、失真等问题，需要进行去噪、增强等预处理操作，以便更好地提取数字信息。
2. 边缘检测：数字仪表盘上的数字信息通常是由多个边缘组成的，因此可以使用边缘检测算法来提取这些边缘。
常用的边缘检测算法包括Canny算法、Sobel算法等。
3. 阈值处理：为了将数字信息与背景区分开来，可以采用阈值处理算法。
根据不同的应用场景和需求，可以采用自适应阈值处理或手动设置阈值的方法。
4. 模板匹配：为了识别特定的数字仪表盘上的数字信息，可以使用模板匹配算法。
该算法将预处理后的图像与已知的数字模板进行比对，找到最匹配的模板，从而确定数字信息。
5. 结果输出：最后，将识别的数字信息输出到控制台、显示器或保存到文件中，以便后续处理和应用。
在实际应用中，可能需要根据具体的数字仪表盘和拍摄条件进行参数调整和优化，以获得最佳的识别效果。
此外，数字仪表识别算法还需要具备一定的抗干扰能力，以应对不同的光照条件、角度变化和噪声干扰等问题。
仪表识别算法
仪表识别算法仪表识别算法是一种通过计算机视觉技术对仪表进行自动识别和测量的方法。
该算法可以用于自动化控制和监控系统中，实时获取仪表的数据，并对数据进行分析和处理。
仪表识别算法的核心是图像处理技术和模式识别技术。
通过对仪表的图像进行处理和分析，提取出仪表的特征，然后使用模式识别算法对这些特征进行分类和识别。
最终，可以得到仪表的读数或其他相关信息。
仪表识别算法的应用非常广泛。
在工业自动化领域中，仪表识别算法可以用于监测生产过程中的温度、湿度、压力等参数，并对这些参数进行实时的控制和调整。
在智能家居领域中，仪表识别算法可以用于智能电表的读数和控制，实现对家庭能源的管理和控制。
此外，仪表识别算法还可以用于医疗领域中的医学仪器识别和测量。
仪表识别算法的实现需要考虑以下几个方面：1. 图像采集和处理。
仪表的图像采集需要保证图像的清晰度和精度，同时要注意光照和背景等因素对图像的影响。
图像处理需要对图像进行滤波、分割、特征提取等处理，以便于后续的模式识别。
2. 特征提取和选择。
仪表的特征通常包括读数、指针位置、刻度线位置等信息。
通过对特征的提取和选择，可以提高仪表识别的准确度和鲁棒性。
3. 模式识别算法的选择和优化。
常用的模式识别算法包括神经网络、支持向量机、决策树等。
选择合适的算法并对其进行优化，可以提高仪表识别的精度和效率。
4. 实时性和稳定性。
仪表识别算法需要保证实时性和稳定性，以便于及时获取仪表的数据并进行处理和控制。
仪表识别算法是一种非常重要的技术，在工业自动化、智能家居、医疗等领域都有广泛的应用前景。
通过不断的优化和改进，仪表识别算法可以更好地满足实际应用的需求。
基于OPENCV 的仪表图像识别技术的研究
的仪表图像识别技术的研究与应用图1 PYTHON+OPENCV软件环境在主控计算机采用语言环境进行开发，用于接收树莓派发送的网络数据，进行数据运算，生成证书。
2 仪表数字识别技术研究2.1 图像的色彩空间转换采用USB摄像头直接采集的为RGB图像，即每个像素都拆分为红绿蓝三种颜色的比重混合而成，称为RGB 色彩空间。
RGB色彩比重受光线照度影响较大，为了最大限度地消除光线对仪表图像的影响，将RGB图像转换为HSV图像，即色相、饱和度、透明度模型，由于我们待检定仪表颜色为青色，因此，表体青色区域进行掩膜识别。
其对表体外部识别效果，如图2所示。
2.2 表盘定位我们要识别的干式水表表体为圆形，因此，可以对表体区域进行圆形识别。
采用霍夫圆函数检测表盘区域范围的圆，记录圆心坐标及半径，并与图像中进行绘制识别结果。
在实验中发现，由于受到光线、仪表摆放影响，每次的表盘圆心定位结果是有一定偏差的，为后续的字符图像分割、识别造成一定干扰，因此，不可通过一次 Canny检测 直线检测 图像旋转图3 表盘旋转校正首先，将仪表图像进行Canny边缘检测，得到仪表轮廓图像矩阵，与表盘内部区域进行与操作，除了表盘外部区域图像点，然后，对仪表图像内部液晶显示屏区域进行Hough直线检测，得到一组线段，找出最长的线段，即为液晶屏区域的轮廓线，再根据检测到的直线两个端点的坐标值，进行反正切运算，得到直线倾斜角度，然后，别对应后，才给出最终结果，如果有没识别出对应位置上的数字，说明本次识别结果不准，重新进行表盘定位图4 干式水表检定间现场应用结语本文采用树莓派、USB工业摄像头搭建了仪表视频识别硬件系统，采用PYTHON和OPENCV库进行仪表视频识别的软件环境。
通过一系列试验探索，对干式水表数字进行识别，实现干式水表视频数据的实时采集、图像处理及结果输出。
得到以下结论：（1）树莓派具有体积小、集成度高、安装方便、开发简单的特点，可以以树莓派为视频识别硬件，在油田工业环境下进行视频识别；（2）本文研究的仪表视频识别技术可减少劳动强度，为自动化检定、智能检定打下基础；（3）本文研究的仪表视频识别模型图像识别步骤具有实用价值，可以进一步完善推广在指针式仪表、数码显示仪表中应用。
仪表显示的图像识别算法研究
仪表显示的图像识别算法研究摘要：随着社会的逐渐发展，人类的生活越来越趋于智能化。
本文根据当今社会对于图像识别研究的发展现状，针对目前人们生活中人工读表的弊端，提出了通过采集仪表显示的图像并进行图像识别算法处理来达到智能自动读表的方法。
为了能快速获得采集数据，减少人们生活中繁复的人工作业。
本文通过多样的图像处理来代替人眼识别图像。
只需要得到采集到的图像，就可以利用计算机来进行计算和识别，得出最后的数字。
本文采用了一系列的图像处理方法，包括图像的去噪，二值化分割，边缘检测和基于数学形态学的膨胀腐蚀操作等。
同时通过多种尝试和比较各种方法的优缺点得到了一套简易而又完善，快速的图像识别算法。
在进行多次测试试验后，本文采用数码相机来进行图像的采集，同时经过图像预处理、图像分割、图像识别等一系列流程得出了较为完善的图像采集和识别系统，为未来信息传递智能化提供了基础，对于促进工业发展或是改善生活水平都有重要的意义。
关键词：图像预处理、二值化、边缘检测、形态学、去噪、图像分割、图像匹配The research of image recognition displayed by the instrumentAbstract: With the continuous development of society, people's lives become more and more intelligent. Based on the current development in today's society for the study of image recognition, according to the present disadvantages of manual meter reading in peop le’s lives, this page proposed the way by collecting the instruments display image and then deals it with image recognizing algorithms to achieve intelligent automatic meter.In order to quickly gather data, reducing manual work in people’s lives complicated. The page uses a series of image processing to replace human eye image recognition. Just need the collected images, we can use a computer to calculate and identify, then we will arrive at a final figure. We used a variety of image processing methods, including image denoising, thresholding segmentation, expansion of edge-detection based on mathematical morphology and corrosion and so on. Andthough many try and compare the disadvantages and advantages of each methods, we get a simple, improved and fast image recognition algorithms.After a series of testing, we decide to use digital cameras for image capture, and then combined with image processing, image segmentation, image recognition, and other processes to conclude a more perfect image acquisition and recognition system. This system can provide the basis for future information delivery intelligence, for both the promotion of industrial development and improved living standards has important significance.Keywords: Image preprocessing, binaryzation, edge detection, morphology, de-noising, image segmentation, image matching第一章绪论(一) 研究背景及意义1. 图像识别技术描述图像识别技术是目前社会中的一门新兴技术，也是一门热门技术，它是用来对我们获取到的图像进行分类，然后做出有意义的判断的技术。
仪表图像识别方法及装置
(19 )中华人民共和国国彖知识产权局
(12 )发明专利申请
(10)申请公布号
CN109145699A
(43)申请公布日2019.01.04
(21)申请号CN201810565523.9
(22 )申请日2018.06.04
(71)申请人浙江立石机器人技术有限公司
地址310000浙江省杭州市余杭区余杭街道文一西路1818-2号8幢802室
(72 )发明人金杭;刘伯定;张利刚
(74)专利代理机构广州市越秀区哲力专利商标事务所(普通合伙)
代理人胡拥军
(51) Inta
权利要求说明书说明书幅图(54 )发明名称
仪表图像识别方法及装置
(57 )摘要
本发明公开了仪农图像识别方法及装置, 该方法包括标定阶段和识别阶段，标定阶段设定仪衣模板并对仪衣模板进行标定，识别阶段对仪衣进行检测、获取特征匹配点、计算透视变换矩阵、进行透视变换、最后进行仪衣识别。
本发明采取以仪农模板为主的匹配检测方法，提高了算法的通用性，方便并减轻了现场部署时的标定工作；利用特征匹配的方法来注册检测图像，有效避免机器人定位谋差造成的标定刻度在待检测衣。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
仪表显示的图像识别算法研究
摘要：随着社会的逐渐发展，人类的生活越来越趋于智能化。
本文根据当今社会对于图像识别研究的发展现状，针对目前人们生活中人工读表的弊端，提出了通过采集仪表显示的图像并进行图像识别算法处理来达到智能自动读表的方法。
为了能快速获得采集数据，减少人们生活中繁复的人工作业。
本文通过多样的图像处理来代替人眼识别图像。
只需要得到采集到的图像，就可以利用计算机来进行计算和识别，得出最后的数字。
本文采用了一系列的图像处理方法，包括图像的去噪，二值化分割，边缘检测和基于数学形态学的膨胀腐蚀操作等。
同时通过多种尝试和比较各种方法的优缺点得到了一套简易而又完善，快速的图像识别算法。
在进行多次测试试验后，本文采用数码相机来进行图像的采集，同时经过图像预处理、图像分割、图像识别等一系列流程得出了较为完善的图像采集和识别系统，为未来信息传递智能化提供了基础，对于促进工业发展或是改善生活水平都有重要的意义。
关键词：图像预处理、二值化、边缘检测、形态学、去噪、图像分割、图像匹配
The research of image recognition displayed by the instrument
Abstract: With the continuous development of society, people's lives become more and more intelligent. Based on the current development in today's society for the study of image recognition, according to the present disadvantages of manual meter reading in peop le’s lives, this page proposed the way by collecting the instruments display image and then deals it with image recognizing algorithms to achieve intelligent automatic meter.
In order to quickly gather data, reducing manual work in people’s lives complicated. The page uses a series of image processing to replace human eye image recognition. Just need the collected images, we can use a computer to calculate and identify, then we will arrive at a final figure. We used a variety of image processing methods, including image denoising, thresholding segmentation, expansion of edge-detection based on mathematical morphology and corrosion and so on. And
though many try and compare the disadvantages and advantages of each methods, we get a simple, improved and fast image recognition algorithms.
After a series of testing, we decide to use digital cameras for image capture, and then combined with image processing, image segmentation, image recognition, and other processes to conclude a more perfect image acquisition and recognition system. This system can provide the basis for future information delivery intelligence, for both the promotion of industrial development and improved living standards has important significance.
Keywords: Image preprocessing, binaryzation, edge detection, morphology, de-noising, image segmentation, image matching
第一章绪论
(一) 研究背景及意义
1. 图像识别技术描述
图像识别技术是目前社会中的一门新兴技术，也是一门热门技术，它是用来对我们获取到的图像进行分类，然后做出有意义的判断的技术。
它是人们利用现代计算机技术去模拟正常人类认识、理解事物过程的方式。
一般图像识别系统由图像分割，图像特征提取和图像识别组成。
图像分割就是将一幅图像按照特定的标准或者理区分出若干份，然后再通过对每个区域的特征进行判定并通过特征提取来进行相应的分类。
图像分割和图像识别在有些时候并没有特定的界限，一般要依靠所处理的对象来决定。
图像识别技术在工业、航空航天、医学、通信等方面均有广泛的应用，是目前社会的热门研究项目，对生活各项发展都有着重要的意义。
2. 国内外研究现状
有关图像处理和识别的研究从20世纪50年代就已经开始发展，这是一门跨多学科的前沿技术，现在被广泛应用于军事、医学、交通等系统中。
图像识别技术是图像处理过程中的重要研究课题，同时它也是目前社会关于图像处理的研究中最多最热门的课题之一。
图像识别可以被分为文字、数字、物体三种识别方式。
文字识别一般是识别数字，字母，或者是符号，它开始于1950年，目前不管是印刷还是手写都已经有很多专用的识别设备，在生活中也被经常。