(1)以ROI_BW任一刻度線為起始，其中心點為P_s，刻畫待搜索區(qū)域，該區(qū)域為傾斜矩形，長和寬分別是w_s和h_s。

　　(2)使用基于LoG算子邊緣檢測的二值化方法對搜索區(qū)域進行二值化，再由P_s出發(fā)，沿過該點且與刻度線垂直的直線方向搜索相鄰的刻度線。

　　(3)標記搜索到的相鄰刻度線，記錄中心坐標、刻度線長度、與水平軸夾角，更新起始點P_s，刻畫新的待搜索區(qū)域繼續(xù)搜索。

　　(4)若沿某方向搜索不到新的刻度線，說明該方向搜索完畢，返回起始刻度線，轉換搜索方向繼續(xù)搜索標記至結束。

　　逐步搜索標記刻度線的實例如圖5所示，矩形框為搜索區(qū)域，兩個箭頭表示搜索方向。

3.2 刻度線排序

　　標記完所有刻度線后設置參考點，并結合已知儀表指針的旋轉方向將刻度線排序。參考點設置方法為：設兩個方向搜索到的末端兩條刻度線中心點分別是p₁(x₁, y₁)和p₂(x₂, y₂)，參考點坐標可設為，h是原圖像的高度。

3.3 讀數

　　通過計算針尖位置和參考點連線的斜率，可以確定針尖位于哪兩條刻度線之間，記這兩條刻度線的序號為n₁和n₂(n₂>n₁)，同時計算針尖到這兩條刻度線所在直線的距離為d₁和d₂，則讀數V的計算方法為：

(10)

　　其中，S是儀表的量程，u是儀表的最小分度值，n'是搜索到的刻度線數目。

4 實驗及評價

　　為了驗證本文方法的準確性，測量了該公司214幅指針式儀表的圖像。定義誤差，其中V是本文算法的讀數，V'是肉眼讀數，將判讀結果列于表1。有5幅圖像由于光線太暗，導致無法正確標記刻度線;有85.05%的讀數誤差小于儀表最小分度值的5%，讀數誤差大于儀表最小分度值10%的僅4.20%，證明本文算法的準確率較高。

5 結論

　　(1)首先對圖像進行預處理增強，然后對圖像進行降采樣和二值化，之后進行旋轉投影提取出指針所在的區(qū)域。

　　(2)在指針兩端分割出兩塊區(qū)域，基于LoG算子邊緣檢測的二值化方法在子區(qū)域中篩選出針尖的區(qū)域，并對針尖定位。

　　(3)采用逐步搜索的方法標記刻度線，并對刻度線排序，從而實現示數讀數。

　　(4)判讀了214幅圖像的讀數，85.05%的讀數誤差小于儀表最小分度值的5%，讀數誤差大于儀表最小分度值10%的僅4.20%，證明本文算法的準確率很高。

參考文獻：

　　[1] Matas J, Galambos C, Kittler J. Robust detection of lines using progressive probabilistic hough transform[J]. Computer vision and image understanding, 2000,78(1):119-137

　　[2] 孫世杰，張凱，孫力，等.基于圖像處理的航空儀表自動判讀系統(tǒng)設計[J].科學技術與工程，2011,11(6):1260-1263+1284

　　[3] Alegria F C, Serra A C. Computer vision applied to the automatic calibration of measuring instruments[J]. Measurement, 2000,28(3):185-195

　　[4] Lee C C, Shih C Y, Lee S K, et al. Enhancement of blood vessels in retinal imaging using the nonsubsampled contourlet transform[J]. Multidimensional Systems and Signal Processing, 2012,23(4):423-436

　　[5] 羅松，王俊峰，唐鵬，等.面向條碼識讀的自適應二值化改進算法[J].計算機工程與設計,2013,34(4):1324-1330