少的减 少图像处理步骤，这样才能在消除图像杂点的同时，提升系统运算识别速度，保证识别系统 实时性。
[0133] 在一幅图像中，我们之所以能够辨认不同的目标事物是因为不同事物间存在边 界，利用均值滤波、高斯滤波或中值滤波后图像边界会变得模糊关键是边界点与噪声点存 在共性即灰度上的阶跃性，这样在不经过判定就对灰度阶跃进行平滑处理的过程必然导致 边缘模糊现象的出现。
[0134] 为了解决图像边缘模糊问题，边界保持类平滑滤波器应运而生。它的核心思想是 在平滑处理过程中尽量避开对属于不同区域的像素同时进行平滑计算，相对较为典型的边 界保持类滤波主要包括K近邻平滑滤波、对称近邻平滑滤波、最小方差滤波、Sigma滤波等。 其中K近邻平滑滤波应用最为普遍，主要是因为对称近邻滤波算法需要从提前设定好的模 版中寻找与待处理像素相同区域的对称点对，然后对所选出的点做均值运算，对滤波效果 并不明显，应用较少；最小方差平均滤波在变换过程中选取模版数过多，再从过多的模版中 挑选方差最小的那个模版的均值替代原像素即与原图像边缘像素位置分布最为接近的模 版，此种方法模版数过多，导致计算的重复次数多，所以本实施例采用KNN平滑滤波。
[0135] K近邻平滑滤波的根本原理是在进行处理之前确定像素是否为边界点。如图12所 示，以3*3模版为例，上述图像中点1处是非边界点，点2处是边界点，在图像自身所在的模 版中选出M个与模版中心像素灰度值最为接近的灰度值进行加和求出均值代替模版中心 像素，一般M的取值不固定，与所选模版大小也有关系，经验取值，
[0136] 在所述第三处理结果的基础上对所述表盘图像进行二值化处理，得到第四处理结 果，即：
[0137] 针对课题采集指针式水表图像进行滤波后，下一步即是进行二值，然后再基于 Hough变换识别图像子表盘，提取彩色子表盘区域，实现特征区域分割，再将LRCD色差变换 模型引入水表指针提取过程。
[0138] 首先，为了提取图像有意义的区域，需要进行阈值分割，由此二值化过程也被称为 阈值分割，它是将预处理后的灰度图像按照一定处理规则确定分割阈值，然后将所有像素 灰度值与阈值比较分成大于阈值和小于阈值两个集合，分别给两个集合赋值〇和1转化为 只有两个黑白两个灰度值以将背景与前景分开的过程。阈值分割算法表示如下：
[0139]
[0140] g(x，y)为处理后像素灰度值，f (x，y)为二值化之前像素灰度值，threshold即为 选定阈值。
[0141] 从整个二值化过程来看，确定阈值是二值化操作的核心内容，根据确定阈值方法 的不同可大致分为全局阈值法、局部阈值法两种类型。全局阈值法是对于阈值的选定是以 整幅图像为目标，所有位置像素点采用同一个阈值判断相应位置变换后的灰度值，典型的 方法如固定阈值法、Ostu法等。局部阈值法是基于选定的邻域计算模版确定模版阈值再将 中心位置像素灰度值与阈值进行对比，确定变换后灰度值大小，典型的方法如Bernsen法、 Niblack 法等。
[0142] 在所述第四处理结果的基础上对所述表盘图像进行特征区域提取，得到第五处理 结果；
[0143] 在完成了指针式水表图像一系列图像预处理及二值化后，紧接着就是需要对特征 区域进行提取。指针式水表表盘图像的表盘、子表盘均为圆形，而Hough变换在线、圆、椭圆 的识别上具有很大优势，所以本实施例结合Hough变换算法识别表盘，再识别子表盘，进而 基于子表盘特征区域引入LRCD算法提取红色指针。
[0144] Hough变换是一种基于点-线的对偶性使用了投票表决机制将图像复杂边缘特征 信息映射为所要检测的图像形状的参数估计技术，这种映射是根据所要检测的形状的参数 定义的函数，这种变换将所有符合参数方程的像素点映射为统计为参数空间中参数峰值特 征。Hough变化在直线、圆、椭圆等检测方面具有很大优势，能够不受几何形状中间断点影 响，鲁棒性较强，被广泛应用于图像处理领域。
[0145] Hough变换为对图像进行两种不同的坐标系数据变换，将X-y二维坐标系中数据 变换至以参数为基底的多维坐标系中，维数的数量就是由参数方程中自由参数的数量。其 总体变换过程是首先将检测到的连续的图形边缘变换到参数空间，然后将参数空间按照 提前设定的步长单位离散化，形成离散参数矩阵，将所有二值图像中的有效像素点带入参 数表达式，查看满足参数表达式的参数矩阵元素位置并进行累加，位置不同得到的累加值 不同，但峰值点所在的位置是原函数的参数具体值的概率最大，所以去峰值点为参数值。 Hough变换最早应用于直线检测，在指针式仪表识别时只要是针对线状指针如电流表、高精 度压力表等，因此在这方面的应用研究起初集中通过减少变换区域提高Hough变换直线检 定速度，但本实施例是用Hough变换检测圆形，所以下面以圆的检测过程为例进行详细介 绍。
[0146] 在图像处理中基于Hough变换对圆进行检测可以分为两种情况，一种是已知圆的 半径情况下对图像中的圆形的检测，另一种是未知圆的半径情况下对图像中的圆形的检 测，但一般图像中圆形的半径是未知量，因此在对圆形进行检测过程中需要以圆心位置和 半径范围为基底建立三维坐标系进行圆的识别。以（a，b)为圆心，以r为半径的圆的方程 为：
[0147] (x_a)2+(x_b)2 = r 2
[0148] 方程中的a，b，r即为映射空间的维数基底，将图像空间中的任意一点映射到此空 间为一个圆锥曲面，原图像中的圆心坐标即为所有在此圆上的像素映射的圆锥曲面的交 点，如图13所示。
[0149] 以上这种Hough变换检测适合于圆上像素点位置未知，需要以整幅图像的所有提 取轮廓为变换对象进行变换，但如果已知图像中某几个点共圆，则采用快速Hough更为合 理简便。快速Hough变换的本质思想即为共圆的点的连线即为此圆的弦，而弦的垂直平分 线必过圆心，已知A、B、C、D四点共圆，通过连接A、B和C、D得到两条圆周弦，再分别做圆周 弦的垂直平分线，交点就是共圆圆心位置，也就是E点。
[0150] 特征提取的实质是删除原始数据中的无用信息，选择最为有效最能反映事物本质 的特征，并数学的方式进行描述的过程。在进行识别过程中，针对对象不同，提取的图像的 特征不具有广泛性，所以需要具体问题具体分析，具体情况选择合适的方法进行特征提取。
[0151] 对于图像的特征区域提取主要是根据采集的指针式水表图像特征提取水表子表 盘区域部分。为了较为准确的提取，首先需要识别水表表盘，然后识别水表子表盘，提取子 表盘特征区域。
[0152] 在对图像进行采集的时，将表盘的轮廓尽量铺满所采集到的图像，然后对图像进 行Hough变换识别水表表盘，识别时将圆的半径R范围设置为[width/3, width/2](其中 width为图像的宽度），阈值设置小于100,其实在识别表盘过程中有了圆的半径的限制使 得阈值的设置只要不是太大均能检测出来。然后根据表盘的结构信息，每个表盘的的半径 大约为子表盘的4-6倍，根据识别表盘半径的识别子表盘，利用Hough算法对子表盘识别过 程中将子表盘圆的半径r范围设置为[R/4, R/6]，对图像表盘以及子表盘的识别分别如图 14至图15所示。
[0153] 在图14至图15中，黑色加粗部分代表红色。
[0154] 由于实施例对红色指针的提取是基于LRCD方法，需要用到颜色信息，所以为了下 一步的指针提取需要以原始彩色图像为基准，然后对识别的子表盘进行区域保留，在对子 表盘识别过程中已将子表盘的圆心位置、半径等信息分别存储于提前构建的数组当中，因 此在提取彩色特征区域时只需构建一幅背景图像，再将子表盘区域内像素保留即可。
[0155] 在图15中，从图15子表盘识别效果图可以看出子表盘的识别并不是十分精准， 如果在彩色特征区域提取时直接仅仅将圆内像素保留会很容易导致红色指针针尖提取不 全，出现平针、斜针的情况。但针尖的位置对于后续的指针方向的判读具有绝对性作用， 由此为了完全提取红色指针需要将提取区域的半径设置为比检测半径稍大，因而设置为 [(R+10)/4，（R+10)/6]，即将半径扩大十个像素左右就不会影响指针的提取。如图16、图 17分别为原始识别子表盘提取特征区域图和圆的半径扩大后的子表盘特征区域提取图，其 中黑色指针代表红色指针，因为附图不能有颜色。
[0156] 在所述第五处理结果的基础上对所述表盘图像进行指针提取，得到第六处理结 果；
[0157] 第五处理结果，即为上述对原始识别子表盘提取特征区域和圆的半径扩大后的子 表盘特征区域提取，在上述结果上，对表盘图像进行指针提取，具体方法如下：
[0158] LRCD是一种色差变换方法，目的是为了突出图像的红色成分。LRCD是一种用于成 熟草莓果实采摘的机器视觉系统颜色模型。我国中国农业大学在2012年的草莓大会上展 示的"采摘童一号"草莓采摘机器人对草莓的识别就是利用LRCD识别方法。首先求得其中 每个像素色差，在灰度图像上显示以色差值为灰度的图像，选取恰当阈值进行二值化处理， 完成图像分割，再提取图像几何特征。LRCD灰度变换的参数模型为：
[0159] g(x，y) = R-Y = 0· 701R-0. 587G-0. 114B
[0160] 式中g(x，y)为处理后灰度大小，R、G、B分别代表图像某位置的三通道灰度值大 小，Y为加权平均值法灰度化所得灰度值。但是在采用此变换之前需要将图像的三个RGB通 道分开，分裂成三幅图像再进行运算。具体参见图18,图19、图20、图21，从图21的处理效 果可以看出已经能够将红色指针提取出来，但LRCD模型中有乘法运算，对应每个像素点都 需要进行三次乘法再做加减，