一种基于机器视觉的仪表旋钮定位与检测方法与流程

本发明涉及仪表识别定位领域，具体涉及一种基于机器视觉的仪表旋钮定位与检测方法

背景技术：

工业仪器仪表中的旋钮开关往往需要实时检测，以及时排除隐患，避免故障的发生，减少运行风险，而目前对于旋钮的检测多数还停留在人工检测上，这样既造成人力成本的浪费，又不能确保准确。所以，研制出一种可以自动检测旋钮开关状态的方法，既可以解决人力成本问题，又可以顺应国家制造业升级，生产效率升级。

技术实现要素：

本发明的目的在于提供一种基于机器视觉的仪表旋钮定位与检测方法，以实现仪器旋钮位置的非接触式检测和识别。

一种基于机器视觉的仪表旋钮定位与检测方法，所述方法包括如下步骤：

步骤(1)获取仪表柜图像；

步骤(2)对获取的仪表柜图像进行预处理；

步骤(3)对仪表柜图像进行轮廓提取处理，得出旋钮图像；

步骤(4)对获取的旋钮图像进行预处理；

步骤(5)计算旋钮的倾斜角度；

步骤(6)判断当前的旋钮状态。

进一步地，步骤(2)中预处理过程包括：线性变换、rgb模型与hsl模型转换、高斯滤波、倾斜校正。

步骤(2)具体如下：

a.线性变换

对图像进行线性变换处理；

b.rgb模型与hsl模型转换

对仪表柜图像进行rgb到hsl的转换。

c.高斯滤波

为了减少噪声带来的误差对后面处理带来的不利影响，需要进行去噪声的处理。这里采用的高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯滤波即对整幅图像进行加权平均的，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

d.倾斜校正

采用hough变换实现图像倾斜校正。一条直线在直角坐标系中表示为：y＝kx+b，使用参数方程:λ＝xcosθ+ysinθ可将直线从直角坐标系转化到极坐标系中，即(λ，θ)。极坐标系中的一个点即直角坐标系中的一条直线。遍历图像中的所有边缘点，找到穿过该点的每一条直线，并将其转换至极坐标系中，则每一个边缘点在极坐标系中都对应了一条曲线，表示所有穿过其的直线。如果交于一点的曲线的数量超过了阈值,那么可以认为这个交点所代表的参数对在原图像中为一条直线并定义为基准线。

进一步地，步骤(3)中具体措施如下：

a.对图像进行局部自适应阈值二值化处理

局部自适应阈值根据各像素点邻域块的像素值分布来确定该像素位置上的二值化阈值。亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小，不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。

b.轮廓提取

寻找所有的连通域，找到后计算连通域的面积大小，通过连通域面积的筛选，得到旋钮所在区域。找到旋钮的所在的连通域后，直接取该连通域的最小外接矩形，该矩形覆盖的区域即为旋钮检测区域。

进一步地，步骤(4)中对旋钮图像的预处理过程依次为线性变换、灰度化、otsu阈值二值化，从而得到特征、轮廓清晰的图像。

进一步地，步骤(5)具体方法如下：提取出旋钮的轮廓以后进行分析，可以发现旋钮的转轴就在其最小倾斜外接矩形的对角线上。利用二值图像中手柄的黑色像素点多这一特性，分别累计矩形四个顶点到中心的线段上黑色像素点的个数，累加和最大的那一条线段即为手柄所在的区域，该顶点到矩形中心的方向角即为旋钮的旋转角。

进一步地，步骤(6)中，根据旋钮角度判断当前旋钮处于何处状态。

本发明的优点在于：可以准确定位旋钮在仪表图像中的位置并识别出旋钮当前状态，与现有技术相比，本发明可以实现实时、无人化、智能化的检测及监控，而且具有定位准确，抗噪性能好，图像处理高效快捷，误差小等优点。

附图说明

图1为本发明的流程示意图。

图2为本发明中图像预处理的流程示意图。

图3为本发明中仪表柜的的结构示意图。

图4为本发明中旋钮图像示意图。

图5为本发明中otsu阈值二值化效果图。

图6为本发明中最终结果图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1至图6所示，一种基于机器视觉的仪表旋钮定位与检测方法，所述方法包括如下步骤：

(1)获取仪表柜图像，图3为所用仪表柜；

(2)对获取的仪表柜图像进行预处理，预处理过程包括线性变换、rgb模型与hsl模型转换、高斯滤波、倾斜校正。

具体实施方式如下：

a.线性变换

输入图像f(x,y)和输出图像g(x,y)的关系表达式为：

g(x，y)＝a*f(x，y)+b；

当|a|>0时，图像的对比度增强，当b>0时，图像的亮度增强。

b.rgb模型与hsl模型转换

对仪表柜图像进行rgb到hsl的转换。计算转化公式为：

c.高斯滤波

为了减少噪声带来的误差对后面处理带来的不利影响，需要进行去噪声的处理。这里采用的高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯滤波即对整幅图像进行加权平均的，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

d.倾斜校正

采用hough变换实现图像倾斜校正。一条直线在直角坐标系中表示为：y＝kx+b，使用参数方程：λ＝xcosθ+ysinθ可将直线从直角坐标系转化到极坐标系中，即(λ，θ)。极坐标系中的一个点即直角坐标系中的一条直线。遍历图像中的所有边缘点，找到穿过该点的每一条直线，并将其转换至极坐标系中，则每一个边缘点在极坐标系中都对应了一条曲线，表示所有穿过其的直线。如果交于一点的曲线的数量超过了阈值,那么可以认为这个交点所代表的参数对在原图像中为一条直线并定义为基准线。

(3)对仪表柜图像进行轮廓提取处理，得出旋钮图像

a.对图像进行局部自适应阈值二值化处理

局部自适应阈值根据各像素点邻域块的像素值分布来确定该像素位置上的二值化阈值。亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小，不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。

b.轮廓提取

寻找所有的连通域，找到后计算连通域的面积大小，通过连通域面积的筛选，得到旋钮所在区域。找到旋钮的所在的连通域后，直接取该连通域的最小外接矩形，该矩形覆盖的区域即为旋钮检测区域。如图4为所得旋钮图像；

(4)对获取的旋钮图像进行预处理

预处理过程依次为线性变换、灰度化、otsu阈值二值化，从而得到特征、轮廓清晰的图像。

otsu阈值二值化算法基于图像的统计特征，实现了自动阈值选择的目标，是全局二值化的有效算法。其基本思想是，同一图像的灰度值被划分为两种类型(假定某一灰度值)，当两个类之间的方差最大时，此时的灰度值是图像的二值化之后的最佳阈值。

其算法大致为：假设某一分割阈值为t，在图像中存在比例为w0的前景像素点数，设其平均灰度值为u0；图像中同时存在比例为w1的背景像素点数，并设其平局灰度值为u1。所以我们可以得到图像总的平均灰度值为u＝w0*u0+w1*u1,此时将阈值t在灰度值的最大值与最小值之间进行遍历操作，若满足g＝w0*(u0-u1)²+w1*(u1-u)²得到最大值，此时的阈值t即为最佳分割阈值。由于其计算公式由方差的定义得来，所以大津法二值化也被称为最大类间方差法二值化。由于方差体现的是图像灰度分布的均匀性，方差越大，图像的前景与背景之间的差异也就越大。反而言之，当图片的背景与非背景区域被识别错误时，两部分的方差会相应的变小，所以我们说大津法二值化错误分割图像的概率是最小的。如图5为otsu阈值二值化效果图。

(5)计算旋钮的倾斜角度

提取出旋钮的轮廓以后进行分析，可以发现旋钮的转轴就在其最小倾斜外接矩形的对角线上。利用二值图像中手柄的黑色像素点多这一特性，分别累计矩形四个顶点到中心的线段上黑色像素点的个数，累加和最大的那一条线段即为手柄所在的区域，该顶点到矩形中心的方向角即为旋钮的旋转角。计算方法为：

如图6为实验结果图；

(6)判断当前的旋钮状态。

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。