基于matlab的仪器表盘识别

  1. 实验背景

指针式机械表盘具有安装维护方便、结构简单、防电磁干扰等诸多优点, 目前广泛应用于工矿企业、能源及计量等部门。随着仪表数量的增加及精密仪表技术的发展,人工判读已经不能满足实际应用需求。随着计算机技术和图像处理技术的不断发展,指针式机械表自动读表技术应运而生。该技术提高了表盘识别的自动化程度及实时性,将代替传统工业仪表的读取方式得到广泛应用。
2. 实验目的
(1)了解机械式表盘自动读表技术的基本原理。
(2)了解仪器表盘识别技术的基本方法和相关算法。
(3)学会利用MATLAB实现对图像的边缘检测、图像边缘锐化、二值化处理、Hough变换等图像处理技术。
3. 实验原理

根据机械式表盘的图像特征,采用图像边缘点法线方向计数累加的圆心定位方法及过定点的直线检测算法,达到表盘识别的目标。仪表刻度检测流程如下: 摄像头采集表盘图像,送入计算机进行预处理及边缘检测操作;计算机检测出表盘回转中心及半径,并定位出表盘的有效显示区域;在此区域内,利用过定点( 回转中心)的Hough 直线变换,基于特征点对应角度的峰值搜索算法识别出指针中心线,从而输出检测结果。
4 实验要求
(1)自选一副仪表图片。读入图像,对图像进行预处理及边缘检测操作。
(2)采用平滑滤波法对图像进行处理,滤波的同时锐化图像的边缘。
(3)通过对读入的仪表图像进行处理,能清楚的识别表盘指针指数,且具有较准确的识别精度。

5运行结果

  1. 实验程序
    RGB=imread('14.jpg');
    figure,imshow(RGB); title('RGB')
    GRAY=rgb2gray(RGB);
    figure,imshow(GRAY); title('GRAY')
    threshold=graythresh(GRAY);
    BW=im2bw(GRAY,threshold);
    figure,imshow(BW); title('BW')
    BW=~BW;
    figure,imshow(BW); title('~BW')
    BW=bwmorph(BW,'thin',Inf);
    figure,imshow(BW); title('BWMORPH')
    M,N=size(BW);
    H,T,R = hough(BW);
    figure;
    imshow(H,\[\],'XData',T,'YData',R,'InitialMagnification','fit');
    xlabel('\theta'), ylabel('\rho');
    axis on, axis normal, hold on;
    P = houghpeaks(H,1,'threshold',ceil(0.3*max(H(:))));
    x = T(P(:,2));
    y = R(P(:,1));
    plot(x,y,'s','color','white');
    %%%%%%%%%%%%%%%%%%%% Find lines and plot them%%%%%%%%%%%%%%
    for k = 1:length(lines)
    xy = lines(k).point1; lines(k).point2;
    plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
    %%%%%%%%%% plot beginnings and ends of lines%%%%%%%%%%%%%%%%%%
    plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow'); plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
    %%%% determine the endpoints of the longest line segment %%%%
    len = norm(lines(k).point1 - lines(k).point2);
    if ( len > max_len)
    max_len = len;
    xy_long = xy;
    end
    end
    %%%%%%%%%%%%% highlight the longest line segment%%%%%%%%%%%%%%
    plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');
    k=(xy(2,2)-xy(1,2))/(xy(2,1)-xy(1,1));
    theta=pi/2+atan(k);
    if((xy(1,1)+xy(2,1))/2<=N/2)
    q=(theta+pi)*180/3.14;
    else
    q=theta*180/3.14;
    end
    shishu=q*6/2700-0.2;
    disp (theta);
    disp (q);
    disp (shishu);
相关推荐
Evand J1 天前
【MATLAB例程】基于IMM-CKF的AOA+测距融合的二维移动目标跟踪定位
开发语言·matlab·目标跟踪
硅谷秋水2 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
机器学习之心2 天前
物理信息神经网络与扩展物理信息神经网络(PINN/XPINN)求解功能梯度材料稳态—瞬态热传导,MATLAB代码
matlab·物理信息神经网络
jay神2 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
楚山之石4 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
Martina_03214 天前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
Rattenking4 天前
OpenCV 轨迹栏操作和键盘响应操作
人工智能·opencv·计算机外设
jay神5 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2175 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水5 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人