当前位置: 首页 > article >正文

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

5.    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);


http://www.kler.cn/a/391225.html

相关文章:

  • 十三、注解配置SpringMVC
  • 万字长文解读深度学习——ViT、ViLT、DiT
  • Lucene 和 Elasticsearch 中更好的二进制量化 (BBQ)
  • 机器学习day3-KNN算法、模型调优与选择
  • unity基础,点乘叉乘。
  • FFmpeg 4.3 音视频-多路H265监控录放C++开发十三:将AVFrame转换成AVPacket。视频编码原理.编码相关api
  • 微擎框架php7.4使用phpexcel导出数据报错修复
  • 计算机毕业设计Python+大模型斗鱼直播可视化 直播预测 直播爬虫 直播数据分析 直播大数据 大数据毕业设计 机器学习 深度学习
  • 第3关-L0G3000
  • 【计算机网络】网卡NIC的工作内容包括哪些呢?
  • Unet++改进10:添加CPCA||通道先验卷积注意力机制
  • 喜报|超维机器人荣获昇腾AI创新大赛铜奖
  • C# 复制文件到指定文件夹
  • Redis 数据类型
  • 【python基础算法编程】
  • 软件设计师-法律法规与标准化
  • MFC图形函数学习07——画扇形函数
  • Redis五种数据类型剖析
  • Chrome 浏览器开启打印模式
  • 羲和数据集收集器1.3
  • python在word中插入图片
  • 马斯克万卡集群AI数据中心引发的科技涟漪:智算数据中心挑战与机遇的全景洞察
  • 文章管理系统微信小程序ssm+论文源码调试讲解
  • 医疗影像分割 | 使用yolo v11训练自己的数据集
  • MATLAB实现狼群算法优化柔性车间调度(GWO-fjsp)
  • FRTC8563实时时钟芯片的作用