具体实施方式

以下结合附图1-8对本申请作进一步详细说明。

本申请实施例公开了一种基于模板旋转匹配的指针仪表读数的方法。

参照图1，该方法包括：

101，获取包含指针仪表图形的采集图像。

其中，预先在电厂或变电站内的每个指针仪表点位布置采集设备，通过采集设备实时获取包含指针仪表图形的采集图像。

102，基于模板旋转匹配法定位并截取所述采集图像中的所述指针仪表图形。

其中，将获取的采集图像和预先采集的指针仪表图像模板进行旋转匹配分析，排除采集图像中其他元素的干扰，只截取指针仪表图形进行数据读取。

103，对所述指针仪表图形进行处理，得到所述指针仪表图形的二值图像。

其中，二值图像中每一个像素点只有两种可能的取值或灰度等级状态，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色，由于指针仪表的仪表盘底色为浅色，指针仪表的刻度、指针和基准类圆均为深色，因此将指针仪表图形转换为二值图像，可以突出指针仪表的刻度、指针和基准类圆的特征，从而更有利于后续对仪表数据的读取。

104，根据所述二值图像，识别获取指针旋转中心点和指针长度。

其中，由于指针仪表在出厂时，指针仪表上基准类圆的圆心和指针旋转中心点存在垂直方向上的固定距离，指针仪表上基准类圆的半径与指针长度存在固定的比例关系，因此从二值图像中识别出基准类圆即可获取指针旋转中心点和指针长度。

105，基于所述指针旋转中心点和所述指针长度获取指针位置、仪表起始刻度和仪表终止刻度。

其中，基于指针旋转中心点为圆点建立极坐标系，再以指针长度作为极距，按照一定的极角步长对极坐标系进行遍历搜索，从而获取指针位置、仪表起始刻度和仪表终止刻度。

106，基于所述指针仪表图形中的刻度分布，根据所述指针位置、所述仪表起始刻度和所述仪表终止刻度计算仪表读数。

其中，由于已知指针位置、仪表起始终止刻度和刻度分布，因此采用角度法可以获取仪表读数。

本实施例的实施原理为：

获取包含待读数的指针仪表的指针仪表图形的采集图像，通过模板旋转匹配法将指针仪表图形定位截取出来，去除采集图像中其他无用的元素，再将截取处的指针仪表图形做特殊处理，最终得到可以突出指针仪表图形中的指针和表盘特征的二值图像，从而识别获取到指针旋转中心点和指针长度，再根据指针旋转中心点和指针长度获取到准确的指针位置和仪表起始终止刻度，最后通过角度法计算得到指针仪表图形中的指针仪表的最终读数。

在图1所示实施例的步骤102中，为了避免采集图像中其他无用的元素对后续的仪表读数造成影响，因此需要将指针仪表图形单独截取出来，具体通过图2所示实施例进行详细说明。

参照图2，定位并截取采集图像中的指针仪表图形，包括如下步骤：

201，采集多种类型指针仪表的指针仪表图像并建立仪表模板库。

其中，采集电厂或变电站中常用指针仪表的指针仪表图像，且保证采集到的指针仪表图像没有角度偏移，将采集到的所有指针仪表图像存储于建立好的仪表模板库中作为模板。

202，基于所述采集图像从所述仪表模板库中选取对应的指针仪表图像作为标准图像。

其中，由于不同种类的指针仪表的表盘特征不同，因此获取到采集图像后，先初步识别采集图像中指针仪表图形的大体特征，从而识别出指针仪表的种类，再从仪表模板库中调取相应种类的指针仪表图像作为标准图像。

203，基于所述采集图像的像素信息和所述标准图像的像素信息，利用归一化互相关匹配法计算多个定位参数。

其中，定位参数包括相关系数和旋转角度，采用归一化互相关匹配法（NormalizedCross Correlation，NCC）可以比较两幅图的相似程度，通过NCC算法可以将图像的相似性归结为2个向量的相似性，加入采集图像的向量为a，标准图像的向量为b，若a与b相似，则它们的方向基本相同，其夹角近似为0，即cosθ≈1，因此可以根据cosθ的值判断2个向量的相似性；还可以计算采集图像和标准图像之间的多个相关系数，并将相关系数定义为匹配得分，匹配得分越高，所对应的两个图像越相似，从而可以将多个相关系数对应的匹配得分从高至低排序，并选取匹配得分高的相关系数进行筛选，同时还可以计算出采集图像与标准图像之间的偏移角度，从而得到采集图像需要旋转的旋转角度。

204，筛选多个所述定位参数以获得最优定位参数，根据所述最优定位参数定位并截取所述采集图像中的所述指针仪表图形。

其中，通过步骤203获取到的多个定位参数需要进行筛选，最终筛选出一个最优定位参数，并根据最优定位参数识别出指针仪表图形在采集图像中的感兴趣区域，从而将指针仪表图形从采集图像中进行定位截取。

本实施例的实施原理为：

先采集各种类型指针仪表的指针仪表图像，并建立仪表模板库存储这些指针仪表图像，对采集图像中的指针仪表图形进行初步特征识别，根据识别的特征从仪表模板库中选取出相同种类的指针仪表图像作为标准图像，再通过NCC算法计算标准图像和采集图像之间多个较高匹配得分对应的相关系数，由于指针仪表在实际环境中的安装方向不同，因此还需要计算采集图像中的指针仪表图形的旋转角度，最终对相关系数和旋转角度进行筛选，根据筛选出的最优值对采集图像中的指针仪表图形进行旋转和定位，从而截取到采集图像中的指针仪表图形。

在图2所示实施例的步骤204中，由于多个定位参数会获得指针仪表图形的多个感兴趣区域，因此需要对多个定位参数进行筛选，筛选出最优的定位参数，具体通过图3所示实施例进行详细说明。

参照图3，筛选多个定位参数以获得最优定位参数，包括如下步骤：

301，利用非极大值抑制法初步筛选多个所述定位参数，得到初步筛选结果。

其中，非极大值抑制法（Non-Maximum Suppression，NMS）可以搜素局部最大值，抑制极大值。由于多个定位参数会对应多个感兴趣区域，且各个感兴趣区域之间可能会有重叠，因此通过NMS算法可以找到较为准确的感兴趣区域，并消除冗余的感兴趣区域。

302，对所述初步筛选结果在所述采集图像中所对应的区域进行四邻域搜索分析，得到最优梯度搜索方向。

其中，对筛选后的感兴趣区域以四邻域的搜索方式，分析记录各方向的匹配得分情况，找到四个方向中匹配得分最高的方向作为梯度搜索方向，再利用局部梯度法搜索新的最高匹配得分以及旋转角度。

303，基于所述最优梯度搜索方向，利用局部梯度法对所述初步筛选结果进行进一步筛选，得到二次筛选结果。

其中，朝最优梯度搜索方向利用局部梯度法进行进一步筛选，得到包含多个定位参数的二次筛选结果。

304，对所述二次筛选结果进行二次曲线拟合，得到最优定位参数。

其中，由于降采样导致指针仪表图形在采集图像中的位置失真，因此通过二次曲线拟合计算得到最优定位参数，再通过最优定位参数可以获取采集图像中指针仪表图形的感兴趣区域。

本实施例的实施原理为：

多个定位参数将会形成多个指针仪表的感兴趣区域，因此通过非极大值抑制法进行初步筛选，筛选掉冗余的感兴趣区域所对应的定位参数，再对初步筛选出的定位参数对应的感兴趣区域进行四邻域搜索分析，找到匹配得分最高的一个方向，将该方向定为最优梯度搜索方向，再以该方向为基准用局部梯度法对初步筛选出的感兴趣区域进行进一步筛选，最后将筛选出的多个结果进行二次曲线拟合，得到最优定位参数，并获取采集图像中指针仪表图形的感兴趣区域。

在图1所示实施例的步骤103中，通过定位截取获得的指针仪表图形具有多种灰度值，导致指针仪表图形中的指针、刻度等特征不明显，因此需要指针仪表图形进行二值化处理，得到指针仪表图形的二值图像，以突出指针、刻度等特征，具体通过图4所示实施例进行详细说明。

参照图4，处理指针仪表图形得到二值图像，包括如下步骤：

401，对所述指针仪表图形进行去噪处理，得到去噪图形。

其中，采用均值漂移分割法对指针仪表图形进行去噪处理，首先对彩色图进行像素级分割，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域，最终得到去噪图形，通过均值漂移分割法，可以在不影响边缘信息的前提下，有效地去除孤立的噪声点，改善了指针仪表图形的图像质量，从而提高了后续仪表中各特征信息提取的可靠性。

402，将所述去噪图形灰度化处理，得到灰度化图形。

其中，在采用阈值分割法进行二值化处理时，需要将具有相似性灰度值和结构等特征的各区域进行分割，因此在二值化处理之前，还需要将去噪图形进行灰度化处理，得到灰度化图形，以使灰度区域更加明显。

403，采用阈值分隔法将所述灰度化图形转换为二值图像。

其中，阈值分割法的基本原理是通过设定不同的特征阈值，将具有相似性灰度值和结构等特征的各区域进行分割，使灰度化图形分为前景和背景两部分，再将背景部分剔除，从而更加精准的对目标进行识别与检测，阈值分割算法具体有迭代选择法、双峰法、最大类间方差法等方法，由于最大类间方差法错分概率最小，所以本实施例采用最大类间方差法将灰度化图形转换成二值图像。

本实施例的实施原理为：

由于指针仪表图形的采集过程中会附着各种各样的噪点，因此需要先对指针仪表图形进行去噪处理，获得去噪图形，再将去噪图形进行灰度化处理，得到灰度化图形，以使灰度区域更加明显，从而便于将图形转换为二值图像，最后采用阈值分隔法中的最大类间方差法将灰度化图形转换为二值图像，从而强化了仪表盘和指针的特征，以便于后续的读取处理。

在图1所示实施例的步骤104中，由于二值图像中仪表盘和指针的特征较为明显，且指针仪表上还具有特征明显的基准类圆，因此可以识别获取指针旋转中心点和指针长度，具体通过图5所示实施例进行详细说明。

参照图5，根据二值图像识别获取指针旋转中心点和指针长度，包括如下步骤：

501，基于所述二值图像，利用边缘提取算法获取边缘二值图。

其中，利用罗伯茨算子并采用边缘提取算法提取二值图像中的边缘，罗伯茨算子是一种利用局部差分算子寻找边缘的算子，其采用对角线方向相邻两象素之差近似梯度幅值检测边缘，对具有陡峭的低噪声的图像处理效果较好，提取边缘后的图像则为边缘二值图，边缘二值图中的黑白边界更为显眼。

502，利用Hough变换检测识别所述边缘二值图中的基准类圆，根据所述基准类圆的圆心获取指针旋转中心点。

其中，指针仪表上的基准类圆为不完整的圆，但是边缘具有一定厚度且特征明显，因此可以采用Hough变换检测识别基准类圆，由于指针旋转中心点位于基准类圆内，且基准类圆的圆心与指针旋转中心点之间有固定的垂直距离，因此经过Hough变换识别到基准类圆后找到基准类圆的圆心，再加上固定的垂直距离即可找到指针旋转中心点。

503，基于所述基准类圆的半径与预设的比例参数计算指针长度。

其中，基准类圆的半径与指针长度之间是固定的比例关系，因此可以在识别到基准类圆后获取基准类圆的半径，再通过比例参数计算出指针长度。举例来说，基准类圆的半径为50mm，基准类圆的半径与指针长度之间的比例参数为1.846，则指针长度为92.3mm。

本实施例的实施原理为：

通过对二值图像的边缘提取得到边缘二值图，从而突出图像的边缘特征，由于指针仪表的表盘内以指针旋转中心为圆心会设置有一个不完整的圆作为基准类圆，因此通过Hough变换可以检测识别出边缘二值图中的基准类圆，再通过基准类圆的圆心找到指针旋转中心点，又由于指针仪表出厂时，基准类圆与指针长度之间具有一个固定的比例关系，因此可以根据比例参数计算出指针长度。

在图1所示实施例的步骤105中，由于指针和刻度在边缘二值图中为白色区域，因此可以基于指针旋转中心点和指针长度遍历边缘二值图，从而获取指针位置和仪表起始终止刻度，具体通过图6所示实施例进行详细说明。

参照图6，获取指针位置、仪表起始刻度和仪表终止刻度，包括如下步骤：

601，基于所述指针旋转中心点建立极坐标，所述指针旋转中心点为所述极坐标的原点。

其中，以指针旋转中心点为原点建立极坐标，从而可以将极坐标作为基准对边缘二值图进行遍历搜索。

602，根据所述指针长度、预设的极角步长和角度范围对所述极坐标进行遍历搜索，获取所述极坐标内的像素坐标点。

其中，角度范围取(0,2π]，由于是需要获取指针位置，因此只需要以指针长度作为极径，极角步长可以根据不同种类的指针仪表进行设定，任意选取一个极角，再根据指针长度和极角步长围绕极坐标原点进行遍历搜索，获取极坐标内每一个遍历到的极角上的所有像素坐标点。

603，分别判断每个所述像素坐标点的白色得分值，若所述像素坐标点位于白色区域，则对应的白色得分值为1；若所述像素坐标点未处于白色区域，则对应的白色得分值为0，所述白色区域包括所述基准类圆的覆盖区域、刻度覆盖区域和指针投影区域。

其中，二值化后的图像仅包括两种灰度值，其中灰度值为255的为白色区域，灰度值为0的为黑色区域，因此当像素坐标点位于白色区域时，其灰度值为255，标记其白色得分值为1；而当像素坐标点位于黑色区域时，其灰度值为0，标记其白色得分值为0。

604，根据所述极角步长和所述角度范围，分别统计各个极角时的白色得分总值。

其中，极角步长将角度范围划分为多个极角，分别统计任意极角时，以指针长度为极径的像素坐标点的白色得分值，获得各个极角时的白色得分总值。

605，选取最大白色得分总值对应的极角为指针极角，根据所述指针极角计算获取所述指针位置。

其中，由于指针在边缘二值图中为白色区域，因此指针所在位置所覆盖的白色区域最多，因此白色得分总值最大的极角为指针极角，再通过计算可以确定指针位置。

606，基于各个极角时的白色得分总值，分析获取所述仪表起始刻度和所述仪表终止刻度。

其中，由于刻度在边缘二值图中为白色区域，且刻度在指针仪表中是不完整的圆，因此仪表起始刻度和仪表终止刻度均处于白色区域和黑色区域的边界处，因此可以通过各个极角时的白色得分总值分析判断仪表起始刻度和仪表终止刻度对应的极角。

本实施例的实施原理为：

基于基准类圆的圆心建立极坐标，以指针长度为极径对极坐标内的像素坐标点按照一定的极角变化进行遍历搜索，获取所有遍历搜索到的像素坐标点，再根据像素坐标点所在区域判断所有像素坐标点的白色得分值，选取白色得分总值最高的极角为指针极角，从而可以获取指针位置，再通过各个极角时的白色得分总值，可以分析判断仪表起始刻度和仪表终止刻度对应的极角。

在图6所示实施例的步骤606中，由于仪表起始刻度和仪表终止刻度均处于白色区域和黑色区域的边界处，因此仪表起始刻度和仪表终止刻度是一个白色得分值由零跳变到有值的角度区域，以此可以获取仪表起始刻度和仪表终止刻度的位置，具体通过图7所示实施例进行详细说明。

参照图7，分析获取仪表起始刻度和仪表终止刻度，包括如下步骤：

701，分别计算各个极角时的第一平均值和第二平均值，所述第一平均值为前N个极角所对应的白色得分总值的加权平均值，所述第二平均值为后N个极角所对应的白色得分总值的加权平均值，其中N≥2。

其中，分别获取各个极角前N个极角所对应的白色得分总值和后N个极角所对应的白色得分总值，再分别计算前N个极角所对应的白色得分总值的加权平均值和后N个极角所对应的白色得分总值的加权平均值。举例来说，假设N取值为2，极角步长取0.1，则极角为10°时，分别获取极角为9.9°、9.8°、10.1°和10.2°时的白色得分总值，再计算极角为9.9°和9.8°时的白色得分总值的加权平均值，极角为10.1°和10.2°时的白色得分总值的加权平均值。

702，计算所述第一平均值和所述第二平均值的绝对差值。

其中，由于后续需要将第一平均值和第二平均值的差值和预设的阈值进行大小比较，因此需要计算第一平均值和第二平均值的绝对差值。

703，判断所述绝对差值是否大于预设的阈值，若不大于，则执行步骤704；若大于，则执行步骤705。

其中，由于仪表起始刻度和仪表终止刻度两侧的白色得分总值差距比较大，因此可以提高阈值设置的初始值，以排除干扰，通过将所有极角对应的绝对差值和阈值进行比对，可以获得两个极角。

704，不判断对应极角是否大于270°。

705，判断对应极角是否大于270°，若大于，则执行步骤706；若不大于，则执行步骤707。

其中，以边缘二值图中的极坐标原点为标准，指针仪表的仪表起始刻度位于极坐标原点的左下方，指针仪表的仪表终止刻度位于极坐标原点的右下方，而极坐标原点正下方所对应的极角为270°，因此通过判断对应极角是否大于270°，可以确定步骤703中获得的两个极角与仪表终止刻度和仪表终止刻度的对应关系。

706，对应的极角为所述仪表终止刻度对应的角度。

707，对应的极角为所述仪表起始刻度对应的角度。

本实施例的实施原理为：

由于指针仪表中的起始终止刻度前后经过了一段刻度空白区域，而空白区域的白色得分值为零，可以得知起始终止刻度是一个白色得分总值由零跳变到有值的角度区域，因此通过分别计算某一极角前后N个极角对应的白色得分总值的加权平均值，再计算两个加权平均值的绝对差值，若该极角处于起始终止刻度处，则绝对差值相对来说较大，可以通过设置阈值对绝对差值进行筛选，最后可以筛选出两个超出阈值的绝对差值所对应的极角，又由于指针仪表的仪表起始刻度位于仪表盘的左下方，仪表终止刻度位于仪表盘的右下方，因此可以通过判断筛选出的两个极角是否大于270°得知两个极角分别为仪表终止刻度或仪表起始刻度对应的极角。

在图1所示实施例的步骤106中，获取到指针位置、仪表起始刻度的位置和仪表终止刻度具的位置后，即可对指针仪表进行读数，体通过图8所示实施例进行详细说明。

参照图8，根据指针位置、仪表起始刻度和仪表终止刻度计算仪表读数，包括如下步骤：

801，基于所述指针位置对应的角度和所述仪表起始刻度对应的角度，计算获取第一角度差值。

其中，第一角度差值为指针仪表的读数在刻度上所划过的角度。

802，基于所述仪表起始刻度对应的角度和所述仪表终止刻度对应的角度，计算获取第二角度差值。

其中，第二角度差值为指针仪表的刻度阈值所划过的角度。

803，基于所述刻度分布、所述第一角度差值和所述第二角度差值计算所述仪表读数。

其中，通过刻度分布可以计算出指针每移动一个极角步长所增加的刻度读数，再计算第一角度差值和第二角度差值的比值，即可获取指针仪表的仪表读数。

本实施例的实施原理为：

通过计算指针位置对应的角度和仪表起始刻度对应的角度的差值可以获取第一角度差值，通过计算仪表起始刻度对应的角度和仪表终止刻度对应的角度的差值可以获取第二角度差值，再计算第一角度差值再第二角度差值的比值，再根据刻度分布可以获取到仪表读数。

本申请实施例还公开了一种基于模板旋转匹配的指针仪表读数的系统，包括：

采集模块，包括摄像机，用于获取所述采集图像和所述指针仪表图片；

存储模块，包括存储器，建立有所述仪表模板库以用于存储若干所述指针仪表图片；

分析处理模块，包括处理芯片，可以用于处理所述采集图像并计算获取所述仪表读数。

本实施例的实施原理为：

基于采集模块、存储模块和分析处理模块构建硬件环境，再应用图1-图8所示实施例中的基于模板旋转匹配的指针仪表读数的方法，对指针仪表进行识别并自动读数。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。