基于MATLAB刻度线表盘识别系统

  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
格林威4 小时前
机器视觉检测的光源基础知识及光源选型
人工智能·深度学习·数码相机·yolo·计算机视觉·视觉检测
lingchen19065 小时前
MATLAB的数值计算(三)曲线拟合与插值
开发语言·matlab
研梦非凡7 小时前
CVPR 2025|基于视觉语言模型的零样本3D视觉定位
人工智能·深度学习·计算机视觉·3d·ai·语言模型·自然语言处理
Monkey的自我迭代7 小时前
多目标轮廓匹配
人工智能·opencv·计算机视觉
索迪迈科技8 小时前
安防芯片 ISP 的白平衡统计数据对图像质量有哪些影响?
人工智能·计算机视觉·白平衡
星马梦缘9 小时前
Matlab机器人工具箱使用5 轨迹规划
matlab·机器人·轨迹规划·空间插值
ViperL19 小时前
[优化算法]神经网络结构搜索(一)
深度学习·神经网络·计算机视觉
张子夜 iiii10 小时前
实战项目-----在图片 hua.png 中,用红色画出花的外部轮廓,用绿色画出其简化轮廓(ε=周长×0.005),并在同一窗口显示
人工智能·pytorch·python·opencv·计算机视觉
nenchoumi311913 小时前
全网首发!Realsense 全新 D555 相机开箱记录与 D435i、L515、D456 横向测评!
数码相机·计算机视觉·机器人·ros·realsense
机器学习之心13 小时前
MATLAB基于GM(灰色模型)与LSTM(长短期记忆网络)的组合预测方法
matlab·lstm