结合HSV与局部Hough变换的指针式仪表识别算法

王延华，李 腾，张 沛，张印宝

（1.北京交通大学 电气工程学院，北京100044；2.北京南瑞埃森哲信息技术中心有限公司 北京100094；3.北京市电力公司 北京100031）

结合HSV与局部Hough变换的指针式仪表识别算法

王延华1，李 腾1，张 沛2，张印宝3

（1.北京交通大学 电气工程学院，北京100044；2.北京南瑞埃森哲信息技术中心有限公司 北京100094；3.北京市电力公司 北京100031）

随着电力系统行业对自动化程度的要求不断提高，关于指针式仪表识别技术有待进一步改进。传统检测常常忽视阴影的影响，速度及准确性也常常不能满足要求，文章提出一种实用性强的识别算法。首先通过HSV空间变换操作消除阴影对指针识别的影响，结合减影法得到指针图像，然后利用Canny算法实现指针边缘的检测，再通过消除指针两端复杂图像以实现局部区域的Hough变换，最终利用指针夹角判别指针读数。实验结果表明，本算法的阴影消除效果明显，识别结果的准确性、实时性得到了较大提高。

指针式仪表；HSV空间变换；减影法；边缘检测；Hough变换

指针式仪表由于其成本低、读数直观等优点，在我国电力系统行业有着广泛的应用。但目前变电站记录数据还是以人工判读为主，效率低下，检修人员工作负担较重。模式识别技术、计算机技术等智能视频监控技术在仪表判别方面发展迅速，但是图像处理技术都不是很完善。

在指针式仪表识别中，基于Hough变换的角度法和基于邻近刻度线的距离法是两种主要方法[1-2]。王瑞[2]等人提出了一种改进角度法，通过比较待测指针与相邻刻度的弧度代替垂直距离来提高精度；孙凤杰[3]等人提出指针位置识别算法，通过指定圆心和半径，利用同心圆环搜索法确定指针位置，进而计算角度，方法简单，实时性好，但是指针预处理效果对结果影响较大；刘薇[4]等人提出基于彩色区域识别的快速指针识别算法，该算法效率高，但是事先需要采集空表盘，非常不方便；周泓[5]等人提出通过色彩空间变换进行图像分割，可有效消除背影等其他因素干扰，但是对非彩色指针进行指针提取效果不明显。

文中为了提高预处理效果，在HSV色彩空间变换后采用减影法以消除阴影，并通过限定扇形区域的Hough变换以提高运算速度，实现了识别精确稳定的目的。

1 HSV颜色空间及指针提取

1.1 HSV空间变换

摄像头采集的图像一般是24位真彩图，红绿蓝（RGB）分别占据8位，此时若直接灰度化，会将有用的色彩信息去除，阴影等会使图像模糊，对后续的指针识别产生影响。而HSV空间（也称HSB空间）是包含色调H、饱和度S、明度V属性的一种颜色空间，其中亮度（明度）主要反应阴影的变化[5-6]。基于建立阴影统计模型可以判断图像内像素点是否为阴影区域，但建立模型复杂且耗时。人的视觉系统经常采用HSV色彩空间，它比RGB色彩空间更符合人的视觉特性，并且图像处理和计算机视觉中的大量算法都可以在HSV色彩空间中使用，从而大大简化图像分析和处理的工作量。基于特征的阴影消除方法正是利用图像的属性进行阴影消除，也就是阴影覆盖前后色度、饱和度属性变化不大或者变化轻微，因此，本文选择将RGB颜色空间转换成基于视觉原理的HSV颜色空间，通过对其中的色度饱和度操作进行图像处理来消除阴影的影响。

HSV空间的3个分量采用人们比较亲近的方式来描述颜色：色调描述纯色的属性，饱和度可以度量纯色被白光稀释的程度，明度表示颜色的明亮程度（阴影包含在明度分量中），其中RGB空间到HSV空间的转换关系如下公式。

给定一副代表性的监控仪表图像如图1（a），将其转换到HSV空间后色调图、饱和度图和明度图如下，可以看出指针及表框等的阴影主要包含在明度图里。

图1 RGB转HSV颜色空间结果

1.2 指针提取

在变电站电磁测量环境中，电工仪表的位置通常都是固定的，这为自动化程度的提高和智能化管理提供了一个重要平台，通过安装固定的监控器来实现长期的监控。由于视频监控设备相对于指针式仪表位置一般是相对静止的，仪表处做旋转运动的主要是待识别的指针，这有两方面的好处，第一，仪表盘区域可以根据编程中常用ROI函数来提取，表盘指针旋转圆心图像坐标也可根据几何位置用鼠标选定（编程设置）记下，方便后续图像处理；第二，通过拍摄的帧图片使用减影法[1-4]可以很好的提取出指针，主要是指将带有指针的仪表和无指针的仪表的二值化图像相减，得到只含有指针的图像，但是由于很难获取无指针的图像，所以常常通过采集两幅不同位置的指针仪表二值图像进行按位逻辑运算来获得。

通常在做逻辑运算时 （假定二值化后指针像素位为1），将两幅指针在不同位置的指针仪表进行逻辑与运算可以获得无指针的仪表图，进行或运算可以获得包含两个指针的仪表图，进行异或运算可以只获得两条指针，但是对于较宽指针或者呈长三角形状的指针，当待测指针与基准指针角度相差较小时，进行异或运算或减运算会获得边缘斜指针，会对之后的边缘检测直线角度造成影响，如图2（a）所示黑白两条为模拟出的不同角度指针，指针相对角度较小，在直接做减运算后会形成图2（b）所示边缘倾斜指针，在指针宽度很大情况下影响也会更大。所以本改进方案增加一条基准指针，如图2（c）所示竖直指针，通过使用这条较大角度基准线做减法来形成良好边缘指针，结果如图2（d）所示。

图2 减影法提取指针

文中进行的指针识别是要消除部分阴影的，所以减法运算是在HSV空间进行，指针提取步骤如下：

1）将RGB颜色空间转换到HSV颜色空间，选择特征明显的H分量和S分量指针图分别做减法运算，两减法的结果再做相加运算，以突出指针特征；

2）对于做减影法运算后得到的指针图，通过计算外接矩形框[7]的斜率大小来判断选择的基准指针是否角度合适，否则选择另一条指针作为基准再次做减影运算；

3）在对图像进行减运算后，图像上会出现椒盐等噪声，使用中值滤波[3-4，8]这一典型的非线性滤波技术对图像进行滤波，定义如下：一组数x1，x2，x3…xn按照值的大小排列：

其中，y称为x1，x2，x3…xn的中值，中值滤波器为含有奇数个像素的滑动窗口，窗口中心的像素值用窗口内其他像素的中值替代。中值滤波可以克服常见滤波器均值滤波、方框滤波器等带来的图像细节模糊，而对滤除脉冲干扰及扫描噪声非常有效，在平滑噪声的同时不会使边缘模糊。最后得到指针提取效果如图3所示。可以看出，待识别指针保留完整且表盘区域杂点少，有利于后续指针边缘提取。

图3 提取指针图

4）对图像进行Canny边缘检测，保留图像的主要信息。Canny边缘算子[7]是一个具有滤波、增强、检测的多阶段的优化算子，其边缘检测功能相对于其他几种边缘检测算子都要好[9]，其优点是去噪能力比较强，提取的边缘质量高，而且具有单像素宽，减少了后续Hough变换的计算量，提高了算法的效率。

2 局部Hough变换

为了从边缘检测图像中计算出指针的读数，采用Hough变换求得指针角度，由指针的角度和刻度的线性关系得出示数。Hough变换[2-10]的原理是将图像空间的任意一点（x0，y0）变换到极坐标空间中的一条正弦曲线（θ，ρ），转变关系如下：

其中，ρ为原点到直线的距离，θ为直线的角度，通过扫描所有像素点（x0，y0），并且遍历所有的θ值，ρ和θ对应相等的点即为共线；记录所有共线的ρ和θ以及相应的共线点数；最后对共线点数设定适当的阀值提取目标直线。其最大的优点是对噪声不敏感、抗干扰性强、鲁棒性较好。

然而，图像空间的像素点数越多，Hough变换的计算量越大[10]，考虑到边缘检测后的指针两端通常不规则，并会对Hough变换造成一定的影响，比如检测到多条直线，在计算平均斜率时增加误差。因此本文在通过边缘检测[11]减少像素点的基础上，通过遍历所有边缘像素点，保留到指针旋转中心像素点的距离满足一定范围的像素点，如图4（a），从而消除无用像素点。无用像素消除结果如图4（b），只有扇形内的数据被保留。图4（c）中的黑色线段为进行Hough变换后检测到的指针边缘线段，其展示在白色背景下的效果图。

图4 指针提取过程图

3 实验及实验分析

为了验证本文的算法有效性，对从变电站低压室的电压表进行指针识别读数实验，电脑配置为CPU酷睿i5 1.60 GHz，内存4 G。软件配置平台为操作系统Windows 8.1专业版，编程软件Visual Studio 2013[12]，使用Visual C++配置OpenCV2.4.8库函数[13-15]，通过编程实现了指针式仪表的图像预处理和读数，图表1为对采集到的6个不同时刻的指针读数结果统计。

表1 识别电压表的实验结果

由表1可见，算法对每一张图像都能正确读出示数，可靠性比较高，仪表读数的相对误差在0.3%以内，测量精度提高，图像预处理对提高精度的效果明显，并且图像识别和读数时间在0.35 s之内，与完整图像进行Hough变换识别相比，速度得到极大提高，符合实时性的检测要求。

4 结束语

文中就实时场景中指针式仪表阴影光照等干扰问题展开研究，在图像预处理阶段，采用了HSV颜色空间变换、减影法、边缘检测相结合的算法，以消除阴影等无关干扰；在识别阶段，采用了局部Hough变换识别示数的算法。实验表明，本算法在消除光照和阴影的前提下能更加准确的提取出指针的边缘图像，然后快速准确的识别出指针读数。本算法研究对于指针式仪表的快速、精确识别具有一定的参考研究价值。

[1]张文杰，熊庆宇，张家齐，等.基于视觉显著性的指针式仪表读数识别算法[J].计算机辅助设计与图形学学报，2015，27（12）:2282-2295.

[2]王瑞，李琦，方彦军.一种基于改进角度法的指针式仪表图像自动读数方法[J].电测与仪表，2013，50（11）:115-118.

[3]孙凤杰，郭凤顺，范杰清，等.基于图像处理技术的表盘指针角度识别研究[J].中国电机工程学报，2005，25（16）:73-78.

[4]刘薇，苏俊源，尚秋峰.基于彩色区域识别快速报警指针识别算法[J].电测与仪表，2014，51（20）: 25-30.

[5]周泓，徐海儿，耿晨歌.基于HSI模型和Hough变换的指针式汽车仪表自动校验[J].浙江大学学报:工学版，2010，44（6）:1108-1112.

[6]高东旭，曹江涛，李平.基于HSV空间阴影去除方法研究与应用[J].电子设计工程，2014，22（13）:65-68.

[7]唐路路，张启灿，胡松.一种自适应阈值的Canny边缘检测算法[J].光电工程，2011，38（5）:127-132.

[8]胡义坦，曹杰，刘伟.无人机视觉着陆中的图像去噪算法[J].计算机应用研究，2016，33（2）:629-631.

[9]李栋，杨志家.基于机器视觉的指针仪表识读方法[J].仪表技术与传感器，2012，21（10）:31-33.

[10]段汝娇，赵伟，黄松岭，等.一种基于改进Hough变换的直线快速检测算法 [J].仪器仪表学报，2010，31（12）:2774-2780.

[11]王晓利.小型仪表信息识别研究及VHDL实现[J].电子设计工程，2011，19（20）:54-57.

[12]Lippman S B，Lajoie J，Moo B E.C++Primer中文版[M].5版.王刚，杨巨峰，译.北京:电子工业出版社，2013.

[13]Baggio D L.Mastering OpenCV with practical computer vision projects[M].1st ed.Birmingham: Packt Publishing Ltd，2012.

[14]Bradski G， Kaehler A.Learning OpenCV: Computer vision with the OpenCV library[M].1st ed.California:O'Reilly Media.2008.

[15]Laganiere R.OpenCV2计算机视觉编程手册[M]. 1版.张静，译.北京:科学出版社，2013.

Pointer recognition algorithm based on HSV and partial Hough transformations

WANG Yan-hua1，LI Teng1，ZHANG Pei2，ZHANG Yin-bao3
（1.School of Electrical Engineering，Beijing Jiaotong University，Beijing 100044，China；2.NARI Accenture Information Technolgy Center，Beijing 100094，China；3.Beijing Electric Power Company，Beijing 100031，China）

For the increasing demands of automation in power system industry，the identification technology about pointer instrument should be improved further.Interference effects such as the shadow are often ignored in traditional detection methods.Here a more practical，accurate and quick recognition algorithm is proposed.First of all，through transforming all data into HSV space，influence of the shadow could be eliminated；and then，the pointer could be obtained by using subtraction method. Secondly，an edge image of the pointer could be obtained through canny edge detection method.Finally，by eliminating the impact of complex images at both ends of the pointer，and then applying the Hough transform，the reading of the pointer could be identified correctly.Experimental results show that it is efficient to eliminate the shadow impact with this algorithm，and the identification accuracy and speed have been improved greatly.

pointer instrument；HSV space transformation；subtraction method；edge detection；Hough transform

TN98

：A

：1674-6236（2017）02-0110-04

2016-04-16稿件编号：201604169

国家自然科学基金青年基金（61307123）

王延华（1990—），男，山东邹城人，硕士研究生。研究方向：模式识别、智能检测。