matlab表针角度识别样例.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：6.15M 资料格式：pdf 举报版权申诉

qurenjun1234-3880944-4744300845170615819.pdf-第1页.png

第1页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第2页.png

第2页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第3页.png

第3页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第4页.png

第4页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第5页.png

第5页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第6页.png

第6页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第7页.png

第7页 / 共15页

qurenjun1234-3880944-4744300845170615819.pdf-第8页.png

第8页 / 共15页

文本预览

表针角度识别测试样例曲仁军 renjunqu@gmail.com 2011 年 12 月 2 日一前言本文是对已经完成了的，在上周三(2011 年 11 月 30 日)的周报中提到的，拥有表针角度提取的 matlab 测试样例的展示报告。本文的整体内容框架是： (1) 处理过程展示此部分会详细展示从图片中提取直线角度的每一步过程，提取过程中使用的算法都源自 digital image processing 2nd edition [Gonzales 2002]中，由于本人能力有限，故不会对算法进行详细介绍，想要对算法细致了解的同学请参考[Gonzales 2002]。如果哪位同学下载不到电子版的教材可以和我联系。 (2) 效果展示为了能够详细的测试此脚本的效果，我一共使用脚本提取了 19 张图片的角度(这 19 张图片中的指针分别指向不同的角度)，在本部分会对各个图片的角度提取结果进行展示。使用的其中一个图片是在上周三周报中展示的那个透明秒表的图片，其他图片是对原图片进行了 PS 处理之后的图片(使用 PS 将原图中的指针角度进行了改变)。 (3) 错误记录在进行 matlab 测试脚本的过程中，我犯了一些和算法不相关的错误，犯这些错误的主要原因是对一些 matlab 函数的运行机制的理解不透彻。在这一章我会对我犯的这类错误进行介绍。已经搞清并解决了的问题会说明错误原因和解决方法，还没搞清的错误仅仅描述错误现象。 (4) MatlabMatlabMatlabMatlab 实现这部分展示测试样例的 matlab 脚本代码。二处理过程展示虽然现在已经有了许多成熟的计算机图像识别算法，但是在进行计算机图像识别的时候，必须先进行很多的图像预处理过程才能应用这些已经成型了的识别算法，否则识别成功的概率会大大降低。而对于不同的图像，应该选择不同的预处理过程，才能大大增加后面识别算法的成功概率。由于本测试样例的目标是提取一副时间图像的表针角度，表针可以当做一个直线，所以使用的识别算法是提取直线角度最著名的 hough line transform(霍夫直线变换)，并根据图像的特点(表针为黑色，并且比较其他黑色图形要粗)设计了图 2-1 所示的提取过程。让我们一起看一下对图 2-2 上述过程的每一步之后的变化。图 2-1 图片处理过程

(1)(1)(1)(1)灰度值提取图 2-2 展示图片 1 图 2-2 是彩色图片，表针本身只有黑色，所以其实进行表针角度提取颜色信息是无用的，我首先是将图 2-2 通过灰度值提取转化为了图 2-3。图 2-3 图 2-2 经过灰度值提取

(2)(2)(2)(2)图像二值化图 2-3 已经是只有灰度信息的黑白图片了，但是除了表针之外的无用信息太多，利用表针是黑色的特点(灰度值比较低)，我使用图 2-3 值灰度最大值的 20%作为门限，对图 2-2 进行了二值化处理，得到了图 2-4。 (3)(3)(3)(3)图像二值化图 2-4 图 2-3 经过二值化处理图 2-4 中已经去掉了很多的无用信息，经过二值化之后，图 2-4 中黑色部分的灰度值是 0，白色部分的灰度值是 1。为了能够利用上[Gonzalez 2002]中提到的形态学算法，所以需要表针部分的灰度值变为 1，所以需要对图 2-4 进行灰度值反转，得到图 2-5。图 2-5 图 2-4 经过灰度值反转

(4)(4)(4)(4)形态学膨胀算法得到了图 2-5 之后，发现图 2-5 中的表针部分有很多不连续的点，这会对后面的识别造成影响，对图 2-5 使用"膨胀算法(image dilation)"可以减少这种状况，如图 2-6 所示： (5)(5)(5)(5)形态学腐蚀算法图 2-6 图 2-5 经过膨胀算法图 2-6 中的表针部分已经足够连续了，这时图像中还有很多无用的杂点，就是这些数字，通过观察发现利用表针的一大特性(表针有比数字要粗的部分)，形态学腐蚀(image ersion)算法可能会帮到我们，如图 2-7 所示：图 2-7 图 2-6 经过腐蚀算法

(6)(6)(6)(6)形态学骨架提取算法经过腐蚀算法之后，除了表针的一部分，其他的杂点都已经被滤除了，虽然人眼看觉得剩下的"有用像素点"很少，但是原图片是 600 * 592 的图片，对于计算机识别来说，这些点还太多，换句话说，现在保留的指针部分太"厚"了,[Gonzalez 2002]中提到的形态学骨架提取算法会帮助我们在保留有用信息的同时，将有用像素点的数量减少到最少，如图 2-8 所示。 (7)(7)(7)(7)霍夫直线变换图 2-8 图 2-7 经过骨架提取算法虽然图 2-8 中剩下的有用像素点很少，但是其方向信息完全的保留了下来，只要使用 hough 变换的时候取的精度合适，就可以比较精确的得到指针的角度。如图 2-9 所示。图 2-9 直线角度提取结果(蓝色所示) 图 2-9 中的蓝色粗线是根据霍夫变换得到的直线参数绘制的，可见虽然有少量误差，提取的结果还是可以的。经过测试发现，最后得到的直线的角度完全取决于提取的骨架的方向，骨架提取的成功与否又取决于膨胀算法和腐蚀算法的处理结果，为了达到最优结果，必须根据图片改变这 2 个算法的参数。我在测试的时候，对 19 张图片使用了相同的算法参数，所以各个图片的角度提取精度不尽相同。

三效果展示本章会展示对 19 张图片进行上一章所述过程的结果。本章叙述的指针读数均为图片中读数而不是数学中的角度。 (1)(1)(1)(1) 0000 度指针 ((((2222)))) 55555555 度指针图 3-1 0 度指针识别展示 ((((3333)))) 50505050 度指针图 3-2 55 度指针识别展示图 3-3 50 度指针识别展示

((((4444)))) 45454545 度指针 ((((5555)))) 40404040 度指针图 3-4 45 度指针识别展示 (6)(6)(6)(6) -35-35-35-35 度指针图 3-5 40 度指针识别展示图 3-6 -35 度指针识别展示

(7)(7)(7)(7) 35353535 度指针 (8)(8)(8)(8) -30-30-30-30 度指针图 3-7 35 度指针识别展示 (9)(9)(9)(9) 30303030 度指针图 3-8 -30 度指针识别展示图 3-9 30 度指针识别展示

分享到：

赞收藏

资料库

matlab表针角度识别样例.pdf

相关推荐

开发技术

热门标签

最新资料