本發(fā)明涉及一種基于st-mser(specifictemplatemaximallystableextremalregions，特定模板的最大穩(wěn)定極值區(qū)域)的能源計(jì)量表具的數(shù)字定位分割方法。屬于工業(yè)級(jí)圖像處理應(yīng)用領(lǐng)域。
背景技術(shù)：
：：能源計(jì)量表具(水、氣、電表)在日常生活中是不可或缺的，而對(duì)能源計(jì)量表具數(shù)據(jù)的抄寫(xiě)技術(shù)革新是家居智能化過(guò)程中的一個(gè)重要環(huán)節(jié)。在智慧生活發(fā)展進(jìn)程中，時(shí)間成本是研發(fā)人員所要解決的一大問(wèn)題，近年來(lái)，相關(guān)機(jī)構(gòu)、企業(yè)等對(duì)能源計(jì)量表具數(shù)據(jù)的智能化抄寫(xiě)技術(shù)做了大量的工作及研究。傳統(tǒng)的人工入室抄表不僅擾民，還會(huì)給居民用戶(hù)帶來(lái)不安全因素；同時(shí)，對(duì)于各職能公司來(lái)說(shuō)，派人上門(mén)抄表不僅耗時(shí)、費(fèi)力，多而雜的抄表任務(wù)還會(huì)造成抄表員的誤抄、錯(cuò)抄以及居民用戶(hù)拒付費(fèi)等現(xiàn)象，給國(guó)家企業(yè)經(jīng)營(yíng)的形象和效益帶來(lái)影響，無(wú)形中制約了行業(yè)的發(fā)展。目前，國(guó)內(nèi)的能源計(jì)量表具從數(shù)據(jù)的獲取方式上大致分為流量計(jì)類(lèi)表具和外置式圖像采集類(lèi)表具。對(duì)于外置式圖像采集類(lèi)表具而言，由于表具內(nèi)部沒(méi)有相應(yīng)的數(shù)據(jù)計(jì)量模塊及數(shù)據(jù)遠(yuǎn)程傳輸模塊，故對(duì)該類(lèi)表具的數(shù)據(jù)獲取由早期的人工抄表方式實(shí)現(xiàn)，隨著圖像識(shí)別技術(shù)和無(wú)線(xiàn)遠(yuǎn)程傳輸技術(shù)的發(fā)展，研究人員將圖像采集識(shí)別模組和無(wú)線(xiàn)數(shù)據(jù)遠(yuǎn)程傳輸模組整合并外置于表具表盤(pán)數(shù)字前方，將表具表盤(pán)數(shù)據(jù)圖像采集并識(shí)別，通過(guò)無(wú)線(xiàn)數(shù)據(jù)遠(yuǎn)程傳輸模組將數(shù)據(jù)傳送至云端服務(wù)器。對(duì)于外置式圖像采集類(lèi)表具的表盤(pán)數(shù)字識(shí)別過(guò)程不僅受制于硬件成本，還要求快速的圖像處理過(guò)程和低功耗的外置式模組。外置式圖像采集類(lèi)表具的表盤(pán)圖像的處理一般分為圖像數(shù)字定位分割、數(shù)字識(shí)別以及數(shù)據(jù)處理遠(yuǎn)傳三大步驟。由matas等人于2002年提出的mser(maximallystableextremalregions，最大穩(wěn)定極值區(qū)域)可以用于圖像的斑點(diǎn)區(qū)域檢測(cè)及圖像字符識(shí)別。mser由于其文字區(qū)域提取的準(zhǔn)確性成為了自然場(chǎng)景下文字檢測(cè)的主流方法，mser提取的基本原理是：對(duì)一幅灰度圖像(灰度值為0～255)取不斷變化的閾值(閾值從0到255依次遞增)進(jìn)行二值化處理，在閾值的遞增過(guò)程中所得到的所有二值圖像中，圖像中的某些連通區(qū)域變化很小甚至沒(méi)有變化，得到的這些區(qū)域就被稱(chēng)為最大穩(wěn)定極值區(qū)域。其數(shù)學(xué)定義為：q(i)＝|qi+δ-qi-δ|/|qi|，其中，qi表示閾值為i時(shí)的某一連通區(qū)域，δ為灰度閾值的微小變化量，q(i)為閾值是i時(shí)的區(qū)域qi的變化率。當(dāng)q(i)為局部極小值時(shí)，則qi為最大穩(wěn)定極值區(qū)域mser。綜上，本發(fā)明結(jié)合相關(guān)應(yīng)用場(chǎng)景，對(duì)mser算法進(jìn)行改進(jìn)，得到適用于外置式圖像采集類(lèi)表具的圖像數(shù)字定位分割方法?？s短圖像處理時(shí)間，降低外置模組功耗，延長(zhǎng)外置模組壽命，節(jié)約能源。技術(shù)實(shí)現(xiàn)要素：本發(fā)明基于現(xiàn)有能源計(jì)量表具數(shù)據(jù)的抄寫(xiě)技術(shù)的發(fā)展情況，并針對(duì)外置式圖像采集類(lèi)表具抄寫(xiě)技術(shù)中所存在的不足(如：圖像處理算法復(fù)雜度高、耗電量大等)，提供一種基于st-mser的能源計(jì)量表具的數(shù)字定位分割方法。該方法基于最大極值穩(wěn)定區(qū)域mser檢測(cè)方法，在最大穩(wěn)定極值區(qū)域mser的提取過(guò)程中，將表具圖像讀數(shù)區(qū)域的特定模板作為目標(biāo)區(qū)域提取的限制參數(shù)，將普通mser(gray)提取方法擴(kuò)展為二維的st-mser(gray，shape)提取方法，降低最大穩(wěn)定極值區(qū)域mser提取過(guò)程中背景噪聲區(qū)域的影響，從而快速獲取到有效區(qū)域，通過(guò)縮短數(shù)字定位分割時(shí)間降低算法復(fù)雜度，達(dá)到快速的圖像處理的目的。為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：一種基于st-mser的能源計(jì)量表具的數(shù)字定位分割方法，包括感興趣區(qū)域roi(regionofinterest)定位及str(specifictemplateregion)提取，st-mser提取兩個(gè)過(guò)程，具體步驟如下：1)roi定位及str提?。簊1-1初始化：首先對(duì)待處理圖像進(jìn)行灰度化處理，得到含背景噪聲的灰度圖片gin(grayimagewithnoise)，gin將用作數(shù)字區(qū)域切割；s1-2用特定參數(shù)(尺寸及傾斜程度)的模板窗st(specifictemplate，通常為長(zhǎng)方形狀)，對(duì)灰度圖像gin從圖像中心按照特定鄰域以順時(shí)針?lè)较蜷_(kāi)始掃描(通常，roi的幾何中心位于圖像采集設(shè)備采集到的圖像幾何中心周?chē)?；s1-3掃描的同時(shí)記錄模板與當(dāng)前區(qū)域的匹配程度m，直至整幅圖像掃描結(jié)束；s1-4取出并記錄匹配度最高的準(zhǔn)感興趣區(qū)域iroi；s1-5調(diào)整模板窗參數(shù)，重復(fù)s1-2至s1-4步驟n次，其中n值由特定場(chǎng)景下的硬件資源及場(chǎng)景特征決定；s1-6比較n輪匹配結(jié)果，求出最佳匹配區(qū)域roi；s1-7將該區(qū)域截取并保存為目標(biāo)灰度圖gi(goalimage)；2)st-mser提取：s2-1對(duì)str得到的灰度圖gi取變化閾值進(jìn)行二值化處理，閾值從0～255逐漸遞增；s2-2對(duì)于每個(gè)閾值得到的二值圖像bi(i)(binaryimage)，其中i表示閾值索引，關(guān)注并分析相應(yīng)的黑色區(qū)域與白色區(qū)域；s2-3根據(jù)變化率公式q(i)＝|qi+δ-qi-δ|/|qi|，求出q(i)的局部極小值；其中，qi表示閾值為i時(shí)bi的某一連通區(qū)域，δ為灰度閾值的微小變化量，q(i)為閾值是i時(shí)的區(qū)域qi的變化率；s2-4在比較寬的灰度閾值范圍內(nèi)保持形狀穩(wěn)定的區(qū)域就是最大穩(wěn)定極值區(qū)域mser；s2-5對(duì)mser進(jìn)行切割，得到各表盤(pán)讀數(shù)區(qū)塊。本方法適用于外置式圖像采集類(lèi)能源計(jì)量表具，其對(duì)已有的mser提取過(guò)程根據(jù)場(chǎng)景需求做出了特殊的提取限制，即在mser提取參數(shù)的基礎(chǔ)上，將置于能源計(jì)量表具表盤(pán)前方的圖像采集設(shè)備所采集到的圖像感興趣區(qū)域roi作為mser方法的另一個(gè)參數(shù)，該過(guò)程將會(huì)過(guò)濾掉圖像中的背景噪聲區(qū)域，使得接下來(lái)的數(shù)字定位分割會(huì)在相對(duì)確定的區(qū)域進(jìn)行。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的優(yōu)點(diǎn)：傳統(tǒng)的mser提取方法會(huì)將整幅圖像作為字符提取源，并會(huì)根據(jù)算法流程將符合計(jì)算條件的所有區(qū)域均提取出來(lái)并作為目標(biāo)進(jìn)行處理。而就本發(fā)明所針對(duì)的應(yīng)用場(chǎng)景而言，由于環(huán)境因素及硬件設(shè)施所限，有效圖像區(qū)塊(或roi)一般只占據(jù)所采集圖像面積的二分之一或更少，于是，先通過(guò)有效區(qū)域模板匹配方法將有效區(qū)域固定，再對(duì)有效區(qū)域進(jìn)行mser提取，通過(guò)鎖定目標(biāo)圖像區(qū)塊縮短圖像處理時(shí)間，從而達(dá)到快速、準(zhǔn)確的表盤(pán)讀數(shù)定位與分割。附圖說(shuō)明圖1是本發(fā)明的實(shí)現(xiàn)過(guò)程框圖。圖2是本發(fā)明roi定位與str提取的流程圖。圖3是本發(fā)明st-mser提取的流程圖。具體實(shí)施方式下面結(jié)合附圖，對(duì)本發(fā)明的具體實(shí)施做進(jìn)一步的說(shuō)明。如圖1所示：圖像采集模塊對(duì)表具的表盤(pán)讀數(shù)圖像進(jìn)行獲取，得到的圖像一般為含有背景噪聲的rgb圖像；rgb圖經(jīng)過(guò)灰度化處理后得到含有灰度背景噪聲的相同尺寸的灰度圖，先通過(guò)模板匹配將既定目標(biāo)區(qū)域模板st(長(zhǎng)方形狀)對(duì)有效讀數(shù)區(qū)域roi進(jìn)行匹配定位，再對(duì)roi進(jìn)行str提取，最終對(duì)str進(jìn)行二維st-mser(gray，shape)提取。如圖2所示：本發(fā)明中的目標(biāo)區(qū)域模板st針對(duì)特定場(chǎng)景，設(shè)計(jì)為1行5列的等分表格形式，每列代表表盤(pán)讀數(shù)的一位數(shù)字，每個(gè)數(shù)字區(qū)域設(shè)計(jì)為正方形狀。根據(jù)特定場(chǎng)景下的硬件處理限制及相關(guān)計(jì)算經(jīng)驗(yàn)，單個(gè)數(shù)字區(qū)域邊長(zhǎng)由15px到60px之間變化，并定義該區(qū)域傾斜度為模板與水平方向的夾角(的取值根據(jù)經(jīng)驗(yàn)取-30°到30°之間的值)。匹配過(guò)程為：1)先將st幾何中心與含背景噪聲的灰度圖gin的幾何中心對(duì)準(zhǔn)，初始設(shè)定單個(gè)數(shù)字區(qū)域邊長(zhǎng)為15px，值為0°；2)以gin幾何中心為圓心，變化r為半徑(r從1px到80px之間逐步遞增)，從距圓心水平向右r處開(kāi)始以順時(shí)針?lè)较虬?r鄰域路徑進(jìn)行掃描匹配，每個(gè)r循環(huán)完一周記錄固定邊長(zhǎng)及值情況下的最佳匹配因子mrini并保存最佳匹配時(shí)對(duì)應(yīng)的模板strini；3)按照1px的步長(zhǎng)逐漸增加單個(gè)數(shù)字區(qū)域邊長(zhǎng)至60px，重復(fù)步驟1)和步驟2)，選出變化邊長(zhǎng)情況下最佳匹配因子mr并保存最佳匹配時(shí)對(duì)應(yīng)的模板str；4)按照絕對(duì)值為1°的步長(zhǎng)逐漸增加模板的傾斜度，重復(fù)步驟1)、步驟2)和步驟3)，選出變化模板傾斜度情況下最佳匹配因子m并保存最佳匹配時(shí)對(duì)應(yīng)的模板st。如圖3所示，st-mser提?。?)對(duì)提取出的st取初始值為1、步進(jìn)為1、終值為254的閾值th進(jìn)行二值化；2)分析每一幅二值圖像bi的黑色區(qū)域與白色區(qū)域的變化情況，根據(jù)變化率q(i)＝|qi+δ-qi-δ|/|qi|求出局部極小值qmin；3)在比較寬的灰度閾值范圍內(nèi)保持形狀穩(wěn)定的區(qū)域就是最大穩(wěn)定極值區(qū)域mser；4)對(duì)mser進(jìn)行切割，得到各表盤(pán)讀數(shù)區(qū)塊。當(dāng)前第1頁(yè)12當(dāng)前第1頁(yè)12