基于霍夫变换的复杂检测现场的圆形检测

关键词：自动化；预处理；霍夫变换；圆形检测

中图分类号：TP391.41；TM933.4 文献标识码：A

0 引言

随着科技水平的不断提高，工业生产过程中的仪表种类也逐渐增多，而仪表示数的读取是安全生产的前提，因此仪表示数的智能读取也逐渐引起人们的重视。然而，大多数的工厂及各种基地的仪表均需要依靠工作人员进行识别。这种方式效率较低，需要工作人员长期重复执行，并且由于工作人员本身有主观臆断性，不能保证读取数据的准确性[1]。因此，研究仪表的自动识别具有重要意义[2-3]。

现有的表盘识别技术都是基于现场拍摄的照片，但是由于户外检测现场的复杂性，工作人员无法近距离靠近表盘进行拍摄，因此获得的图片都是距离较远的宽视野图像，如何从宽视野图像中精准获取表盘的位置是目前亟待解决的问题。

针对此问题，已有一些学者进行了研究。贺瑶等[4] 通过调节支架，使摄像机光轴线与表盘中心处于同一高度，表盘尽量充满整个采集画面。但是，这种方法存在不确定性，不能保证每次拍摄都能准确获取表盘区域。张汝祥等[5] 提出了基于圆对称性和随机选点改进霍夫变换圆形检测算法，但该算法并未对图像中存在多个圆的情况进行处理。因此，现有的圆形检测算法无法针对特定的工业现场问题提供较为详细的解决方案。

基于上述问题，本文提出基于霍夫变换的复杂检测现场的圆形检测算法，以获得圆盘的精确位置。本文主要研究内容包括：①特定的预处理算法。复杂的检测现场会出现各种不同的光线干扰，如雾霾、强光、夜视、沙尘等。在多变的工作环境中，本文提出了一系列预处理算法，最大化去除图像中的噪声干扰，还原现场情况，这有利于从低倍率图片中搜索仪表。②圆形检测算法。本文采用霍夫变换识别圆形[6] 的算法对圆形仪表进行识别，该算法已经广泛应用于工业领域中，其实用性强，但通常精度不高。基于现场情况，本文预先设定了圆形表盘的半径范围，从而排除部分干扰项，提高识别精度。此外，对于图像中存在的多表盘区域，本文也设定了一系列限定条件，以保证设计的算法能够识别所有的圆盘。

1 图像预处理

针对阴天、雾天、雨天、户外光照不佳或者采光不匀等情况，图片整体亮度和对比度低，仪表不明显，检测难度较大。因此，需要对图片进行预处理，以提升图片亮度和对比度。图片预处理流程如图1 所示。

仪表识别是基于图片的灰度化图像进行检测，这可以减少算法的复杂度，因此对图像进行灰度化处理是第一步。其次，现场图片存在各式各样的噪声，因此采取双边滤波算法去除噪声可以提升检测效果。当遇到阴天、雾霾或夜视下等仪表不明显的情况时，提升亮度和对比度可以使得仪表在图片上更加明显，更加有利于检测到仪表示数。

2 基于霍夫变换的圆形检测

图像预处理是数字分割中较为关键的一步，预处理效果好坏与后续数字分割有直接关系。然而，现场图片因受到光照、温度和雾霾等的影响，采集照片的清晰度并不能得到有效保障，因此，需要经过一系列的预处理。

霍夫变换进行圆形检测的本质是二维空间到三维空间转换的过程。二维空间中的圆由于圆心、半径等参数的限定，可以转化为三维空间中的一个点，即在二维空间的圆，经过霍夫变换以后，都变成了三维空间中的一个点。

图3展示了使用霍夫变换进行圆表检测的结果，根据图像可以确定，使用本文提出的算法检测出的圆形，可以无限接近圆形表盘的真实边缘，效果较好。

图像中可能会存在多个圆表的情况，需要保证多个圆表都被检测到，因此采取逐渐降低阈值循环检测的方案，即设定初始阈值和循环次数，通过多次循环逐渐降低阈值，直到检测圆的个数满足设定值。此外，霍夫圆半径范围是根据所有图中最大观测圆表和最小观测圆表的半径来设置。其他参数取常规值。

本文设定了目标表的个数，该值只要大于所有图像上最多的圆表个数即可。霍夫圆检测过程中，为达到检测个数的要求，阈值逐渐下降，直到满足要求个数或阈值降至40。

3 实验结果分析

基于上述图像预处理操作以及霍夫变换的圆形检测，本文对复杂工业现场拍摄的图像进行检测，单个圆表情况下拍摄图检测结果如图4 所示，多个圆表情况的拍摄图检测结果如图5 所示。

由图4 和图5 可知，在户外环境较为复杂的情况下，本文提出的算法不仅可以有效提取图像中的单个圆形区域，也可以提取出图像中的多个圆形区域，且提取区域均为有效区域，准确率较高。

4 结论

针对工业现场固定位置读取图像存在距离远、位置低，导致拍摄的图像无法提取到准确位置等问题，本文提出了一种基于霍夫变换的圆形检测算法。首先，对复杂户外环境下拍摄的模糊图片进行了一系列的预处理操作；其次，执行了霍夫变换圆形检测。此外，针对多圆表的情况，本文设定了检测条件，保证能够读取到多个圆表。实验结果证明，本文提出的算法可以获取准确的圆形区域，为后续指针的数值识别奠定了良好的基础。