基于图像处理的内阻仪液晶数字识别系统设计

周砚文，庞悦，尹航，任斌

基于图像处理的内阻仪液晶数字识别系统设计

周砚文，庞悦，尹航，任斌

（陕西重型汽车有限公司，陕西 西安 710200）

为了实现对内阻仪表液晶数字的自动识别，使用摄像头和计算机搭建了图像采集的硬件系统。基于Python和OpenCV设计图像识别软件，采用的模板匹配的算法对图像中的液晶字符进行了识别。试验结果表明，该系统识别液晶数字能达到98%以上，满足设计要求。

图像处理；Python；OpenCV

引言

某试验中需要使用液晶数字内阻仪以一定的采样频率，连续24小时对样品的内阻进行测量并记录结果。由于该内阻仪无数采记录功能，因此只能采用人工读数和手工记录结果，如果在该条件下开展连续24小时不间断测量，其实施可行性较低。因此实现内阻仪数字的自动读取和记录是很有必要的。

1 液晶数字内阻仪采集与识别的解决方案

对该内阻仪的测量过程分析后，开发了图像数字采集和识别系统。使用摄像头和计算机搭建了图像数据采集的硬件系统，对内阻仪显示的测量结果进行图像采集；基于Python和OpenCV开发了图像采集控制和液晶数字识别软件，实现图像采集和数字识别。系统工作时，控制摄像头定时对内阻仪显示数字结果采集，再将图像中的液晶数字识别和记录，从而实现自动测量的效果。其系统流程图如图1所示。

图1 系统流程图

2 硬件设计

系统硬件部分示意图如图2所示。硬件系统主要由500万像素摄像头、计算机、支架和内阻仪组成。首先将摄像头安装于支架并将其固定在桌面上，随后将内阻仪放置在桌面上并使内阻仪面板始终处于摄像头视场范围内，接着调节摄像头位置和焦距，保证摄像头在采集过程中能完全采集到内阻仪面板的图像，最后计算机可通过软件控制摄像头实现定时图像采集以及开展后续相关图像处理工作。

图2 系统硬件部分示意图

图像采集过程中要注意以下几点：

（1）光照均匀，防止外部光线干扰后期图像处理；

（2）摄像头与内阻仪相对位置保持固定，每张图像中液晶数字字段出现的区域位置相同；

（3）对内阻仪自检时的液晶字符全点亮状态进行采集，将其存为模板图像，用于后期数字识别中的模板匹配。

3 软件设计

采用Python和OpenCV对所采集图像进行处理，实现数字识别和记录。程序通过模板图像裁剪、图像滤波和二值化、特征点确认、模板匹配、图像分析等步骤，实现数字识别的效果[1-2]。

3.1 采集模板图像

在内阻仪启动和自检过程中，其面板的液晶数字会被全部点亮，此时通过软件控制摄像头将面板当前图像进行采集，作为模板图像供后期处理，如图3所示。

图3 内阻仪启动自检图像及特征区域勾选

3.2 模板图像裁剪

模板图像采集完成后需进一步处理，将其特征点提取出来。通过Python编程打开模板图像后，使用OpenCV中鼠标选择功能，勾选将要识别数字的区域，如图3所示。区域选择确定后，程序将区域坐标保存并将当前区域裁剪出来，用于后期实际测量图像的裁剪处理[2]。

3.3 图像滤波和二值化

3.3.1中值滤波

选择数字识别区域后，使用OpenCV中相关命令对其进行图像滤波和二值化处理[2]。图像采集中的噪声一般由摄像头传感器引入，因此使用中值滤波效果较好[3]。其原始图像和处理后图像对比效果如图4所示。

图4 原图（下图左）和中值滤波（下图右）对比

3.3.2图像二值化

滤波后对其灰度图进行分析。由图5的灰度分析可见，图中有两个明显的峰值，适用于用大津法二值化处理[3]。二值化处理后的模板图像效果图6所示。

图5 灰度图

图6 二值化效果

3.4 特征点确认

模板图像二值化后，液晶点亮字段的灰度为0，未点亮字段灰度为255。使用OpenCV中的鼠标点击功能，将数字由高位到低位进行特征点点击，通过点击将各点坐标保存。每个数字内部的点击顺序按数码管字段定义格式顺序进行，即各段a、b、c、d、e、f、g和小数点位dp。点击位置一般选取字段中间特征明显处，如图7所示。

图7 数码管点击顺序示意图

3.5 模板匹配

数码管中各字段亮暗的状态组合后能表示实际显示的数字。比如数字0显示时，除了g和dp未点亮（灰度为255）外，其他字段均点亮（灰度为0），因此基于以上原理可将实际数字与字段亮暗状态对应关系列在表1中，即0表示该处灰度为0（该段已点亮），255表示该处灰度为255（该段未点亮），这样即可建立字段亮暗状态与实际显示数字的关联列表模板，用于后期查表编程。

表1 数码管字段表格

实际数字数码管字段状态 abcdefgdp 0000000255255 125500255255255255255 200255002550255 300002552550255 42550025525500255 502550025500255 6025500000255 7000255255255255255 80000000255 9000025500255 dp2552552552552552552550

3.6 实际内阻图像分析

在完成模板图像采样、裁剪及分析后，程序通过循环对后续采集的实际内阻图像进行识别。

（1）对内阻仪实际测量结果进行图像采集。采集后按模板图像中的选择区域坐标进行裁剪、中值滤波和二值化；

（2）对处理后的图像进行数字识别。以图6中板图像的液晶数字中各字段的位置坐标为基础，对裁剪后图像进行模板匹配。通过各液晶字段特征点坐标，对实际内阻图像中每一位数字的字段进行分析，其中灰度为0判定为该液晶字段为点亮状态，灰度为255判定该液晶字段未点亮。得到各字段的亮暗状态后根据表1进行查表匹配，完成一位数字及小数点的识别；

（3）图像中的数字识别完成后，使用Python中相关文件操作命令将结果保存于计算机[4]；

（4）重复（1），进行下一次内阻仪测量的图像采集；

（5）全部采集工作完成后，程序结束退出。

4 系统使用效果

按以上方法搭建图像处理系统并开展了内阻测量结果的图像采集识别。如下图所示，某次内阻仪测量完成后，其面板图像采集及裁剪效果如图8所示，中值滤波和二值化处理结果如图9所示。在图像完成处理后，通过模板匹配识别其数字为“604.1”后将结果保存。总体识别结果显示，内阻仪的数字及小数点位识别率能达到98%以上，图11展示了部分图像识别的结果。

图8 某次内阻仪测量结果

图9 中值滤波图像

图10 二值化处理图像

图11 部分图像的识别结果

5 结论

在硬件设计方面，该系统能够通过计算机控制摄像头以一定的采样频率对内阻仪测量结果开展连续图像采集；在软件设计方面，该系统能够通过模板匹配算法对采集图像进行数字识别，识别率在98%以上。试验结果表明，该系统使用效果良好且提高了工作效率，能够满足设计要求。

[1] Magnus Lie Hetland,司维,曾军崴. Python基础教程[M].北京:人民邮电出版社,2014.

[2] 布拉德斯基,克勒,于仕琪,等.学习OpenCV:中文版[M].北京:清华大学出版社,2009.

[3] RafaelC.Gonzalez, RichardE.Woods, StevenL.Eddins.数字图像处理(MATLAB版)[M].北京:电子工业出版社,2005.

[4] Ivan Idris. Python数据分析基础教程[M].北京:人民邮电出版社, 2014.

LCD Digits of Resistance Meter Recognition System Design Using Image Processing

ZHOU Yanwen, PANG Yue, YIN Hang, REN Bin

( Shaanxi Heavy Duty Automobile Co., Ltd., Shaanxi Xi'an 710200 )

In order to implement automatic recognition on LCD digits of resistance meter, image acquisition system was built with camera and computer. Recognition software is developed using Python and OpenCV and LCD digits are identified based on template match algorithm. Result shows that at least 98% of digits can be read by this system and design requirement is achieved.

Image processing;Python;OpenCV

A

1671-7988(2021)24-81-03

U462.1

A

1671-7988(2021)24-81-03

CLC NO.:U462.1

周砚文，就职于陕西重型汽车有限公司。

10.16638/j.cnki.1671-7988.2021.022.021