仪表刻度识别本文算法的总体框架如所示：用图像重构技术清除图像边界及与边界相连接的结构，即仪表盘边框和指针，然后利用形态学算法来分割仪表盘的各个区域。最后用纹理分析方法识别出刻度区域。

用图像重构技术清除仪表盘边框和指针通过对方形指针式模拟表图像的观察分析，我们发现该类仪表的指针长度大多是从仪表的下边框开始，指向圆弧读数区域的刻度线上。因此可以用图像重构技术清除图像边界及与边界相连接的结构，即仪表盘边框和指针。

重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记是变换的开始点。另一幅图像是掩模，用来约束变换过程。结构元素用于定义连接性。这里使用8连接。若g是掩模， f为标记，则从f重构g可以记为R g（f ），它由下面的迭代过程定义：1）将h 1初始化为标记图像f；2）创建结构元素： B = ones（ 3）；3）重复h k+ 1 = （h k？ B ） g ，直至h k + 1 = h k，标记f必须是g的一个子集，即f g.

形态学重构的应用范围很广，每种应用都取决于标记和掩模图像的选择。这里我们将仪表原图像用作掩模，且标记图像f m定义为：f m（x， y） = f （x， y）若（ x， y）在f的边界上0其他重构R f（f m）就只包含边界和与边界接触的对象，即得到了只有仪表盘边框和指针的图像。然后从原图中减去该图像，就可得到包含表盘刻度区域和其它参数区域的图像。

形态学区域分割由可见，图像中只包括表盘刻度区域和其它参数区域，而且各个区域间距离分开较远，刻度区域刻度线排列也很密集。可以利用形态学运算来把各个区域分割出来。形态学处理是指对图像进行变换，以突出所需要的信息，其采用的方法是：以某一小的具有所需几何形态的具有探针作用的结构元与分析对象进行集合运算，采用不同的运算将产生不同的分析结果，其中最基本的两个变换是腐蚀和膨胀。

设为二维欧几里德空间，图像是欧氏空间的一个子集，结构元素B也是欧氏空间的一个子集， b是欧氏空间的一个点，定义两个基本运算中z表示为被z平移后的结果。二值膨胀和腐蚀是最基本的形态学运算，它们互为对偶运算。腐蚀具有收缩图像的作用，膨胀具有扩大图像的作用。在定义膨胀和腐蚀运算的基础上，可以定义数学形态学的另外两个常用函数根据开运算和闭运算的特点，通常可以利用开运算删除图像中的小分支，利用闭运算填补图像中的空穴。二者组合起来使用可以非常有效地去除噪声。

本文利用3 3结构元素进行开闭运算清除部分噪声后，再运用合适的结构元素进行膨胀运算，形成大的连通区域，然后标注出各个连通区域并画出其面积直方图，如所示。由可见，大的连通区域非常明显。因为刻度区域是比较大的区域，因而可以将较大的几个区域分割出来，最后将分割出的各个区域与（ b）进行逻辑与运算和水平垂直投影定位，得到各区域的实际图像。如所示。

纹理分析识别刻度区域用以下两种方法来计算纹理亮度随机性的度量。这里对的5个连通区域，利用上述的纹理描绘子进行纹理统计分析，结果如所示。实验结果由上述的纹理分析方法，可以得到（ a）连通区域1和图4（ b）连通区域2的统计数据，如所示。连通区域1和连通区域2的纹理统计分析结果连通区域平均亮度平均对比度平滑度第3阶矩一致性熵1 10. 59 50. 87 0. 03 9. 30 0. 92 0. 24 2 4. 98 35. 29 0. 01 4. 69 0. 96 0. 13从的数据可以判断出这两个区域是表盘刻度区域。再根据上面的频谱分析方法，由（ a）和（ b）的S （ r）、S （ ）曲线和频谱，可以进一步确定（ a）连通区域1和（ b）连通区域2一定是表盘刻度区域，而其它区域一定不是刻度区域。然后用文献< 9>的仪表指针检测方法定位出指针位置，二者综合起来就可以得到只包括指针和刻度的读数区域。实验结果如所示。由可见，定位效果非常好。因此以后就可以只对指针和刻度进行处理，排除其它干扰，准确识别指针读数。

指针和刻度的读数区域定位3结论本文提出的基于形态学和纹理分析的仪表读数区域定位方法充分利用了方形指针式仪表指针与边框相连接和刻度线排列有一定的周期性的特点，定位准确，而且可以排除仪表盘上刻度区域以外的大量仪表参数字符、指针、镜面弧形反射区等的影响，具有较强的鲁棒性。为以后读数自动识别打下了坚实的基础。

不过该算法是针对方形指针式仪表来设计的，对圆形仪表需要重新设计算法。因此我们将继续完善仪表刻度识别的方法。http://www.grainyq.com