指针式仪表自动读数与识别(二)：仪表图像预处理

一、仪表图像预处理

1.预处理操作

在做任何图像处理相关操作之前都要先进行预处理。预处理操作包括：

(1) 缩放和变换

缩放操作的主要目的是减小图像大小，减少计算量，缩放操作不是必须的，但是如果系统对输入图像的大小有要求，比如需要归一化处理，那么就需要进行缩放，常见的缩放方式有等比缩放和强制缩放。

等比缩放是指按原始图像的长宽比例进行缩放，缩放后的图像大小不变；强制缩放是指按照设定的长宽进行缩放，缩放后可能导致图像变形。

其实缩放属于图像变换中的仿射变换中的一种，相对应的还有透视变换等，这两个变换都是图像处理中最基本的两种变换。

仿射变换和透视变换更直观的叫法可以叫做“平面变换”和“空间变换”或者“二维坐标变换”和“三维坐标变换”。

仿射变换：

简单说来,就是允许图形任意倾斜,而且允许图形在两个方向上任意伸缩的变换。仿射变换,可以保持原来的线共点、点共线的关系不变,保持原来相互平行的线仍然平行,保持原来的中点仍然是中点,保持原来在一直线上几段线段之间的比例关系不变，但是,仿射变换不能保持原来的线段长度不变,也不能保持原来的夹角角度不变。

仿射变换可以通过一系列的原子变换的复合来实现，包括：平移（Translation）、缩放（Scale）、翻转（Flip）、旋转（Rotation）和剪切（Shear）。

透视变换：

是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面（透视面）绕迹线（透视轴）旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。

透视变换常用于，例如在移动机器人视觉导航研究中，由于摄像机与地面之间有一倾斜角，而不是直接垂直朝下（正投影），有时希望将图象校正成正投影的形式，就需要利用透视变换。

说白了就是将2D矩阵图像变换成3D的空间显示效果。

(2) 灰度化

灰度化的目的之一是将原有的三通道的RGB彩色图像转化为单通道的灰度图像。当R=G=B时的值就称为灰度值，因此灰度值的取值范围是0-255。

RGB转灰度计算公式为：

Gray = (R×30 + G×59 + B×11 + 50) / 100

（转换公式有多个，根据场景不同，有的要求效率，有的要求精度，所以最终结果可能会有一点偏差，这里给出的是一种计算效率较高的转换公式）

对于颜色空间，在图像处理中，常用的就是RGB和YCrCb,YCrCb常用于肤色检测。具体详细的颜色空间的介绍，请参考大牛写的文章：图像处理中常用的彩色模型

图像灰度化的重要目的之一是减少处理的数据量，加快计算速度，因为灰度图只有一个通道，只需要计算一个值即可。

(3)去噪和平滑

去噪和平滑是预处理中最重要的步骤之一，去噪的效果完全可以影响最终的处理效果。这里所说的噪声不仅仅包括设备拍摄时所产生的斑点、较验噪声等，还包括我们所不感兴趣的部分，比如多余的点，多余的线条等等。那么对于斑点和椒盐噪声，可以使用中值滤波来进行消除，对于其他的我们不想要，不感兴趣的部分，则可以通过一系列其他操作来过滤，比如模糊处理，图像加减法等进行过滤和消除。

各种滤波操作我就不重复造轮子了，因为自己重写的不一定比别人写的好，这里分享两个链接：

图像去噪算法简介

图像的预处理过程简介

(4)膨胀和腐蚀

膨胀就是求局部最大值的操作，而腐蚀则是求局部最小值的操作。简单来说，膨胀就是增加白色（像素值高的）区域，而减小黑色（像素值低的）的区域，腐蚀则相反。

在仪表识别中通过腐蚀/膨胀操作来加强或者消除刻度区域以及指针等等。也就是说膨胀和腐蚀操作可以增强我们感兴趣的区域，也可以减少噪声，可以看作是一种滤波操作（事实上，它就是形态学滤波操作）。

关于膨胀和腐蚀的一篇好文章：形态学图像处理（一）：膨胀和腐蚀

2. 仪表图像预处理

仪表图像预处理的目的是去除噪声和强化表盘和指针特征。

基本步骤以及对应的Emgucv里的函数如下：

(a)缩放：Image Resize(double scale, Inter interpolationType);

(b)灰度化： Image Convert()

©中值滤波： Image SmoothMedian(int size)

(d)高斯/双边滤波：Image SmoothGaussian(int size)；Image SmoothBilatral(int kernelSize, int colorSigma, int spaceSigma)

(e)开/闭运算：Image Dilate(int iterations)；Image Erode(int iterations)

以上步骤不是必须的，要根据具体环境和图像进行处理。若图像有畸变，则还需要进行畸变矫正。

原始图像	中值滤波+高斯滤波