静态图像分割——水表指针提取（二）

说明

此文为静态图像分割——水表指针提取（一）的续，主要解决指针分割后的图像指针角度问题。

图像摆正

核心代码

I=imread('img4.jpg');  
BW=rgb2gray(I);    
thresh=[0.01,0.10];    
sigma=2; 
f = edge(double(BW),'canny',thresh,sigma);     
title('canny 边缘检测');   
[H, theta, rho]= hough(f,'theta',-89.9:1:89.9); 
peak=houghpeaks(H,5);   
hold on    
lines=houghlines(f,theta,rho,peak,'FillGap',5,'MinLength',20);    
figure(1),imshow(f,[]),hold on    
for k=1:length(lines)                     %画出直线
    xy=[lines(k).point1;lines(k).point2];    
    plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');   
end
x=lines(1).point1(1)-lines(1).point2(1);
y=lines(1).point1(2)-lines(1).point2(2);
mm=x*x+y*y;
angle=0;
for i=1:k                                 %寻找最长直线的角度
    x=lines(i).point1(1)-lines(i).point2(1);
    y=lines(i).point1(2)-lines(i).point2(2);
    m=x*x+y*y;
    if(m>=mm)
        mm=m;
        angle=lines(i).theta;
    end
end
i=imread('a4.bmp');
if(angle<0)
    A = imrotate(i,90+angle,'bilinear','crop');
else
    A = imrotate(i,angle-90,'bilinear','crop');
end
figure(2), imshow(A);saveas(2,'44-rotate.jpg');
saveas(1,'44-canny-line.jpg');

实验结果

指针角度

思路：先将指针的轮廓标出，然后找到轮廓的质心，再求出轮廓与质心距离，找到距离质心最远的点，最后求出质心与最远点连线的线段角度，根据线段角度计算读数（例如，以0°为0，180°为5）。

轮廓标记代码

filename = sprintf('1.jpg'); 
I = imread(filename);
BW = im2bw(I, graythresh(I));
BW=~BW;
[L,num]=bwlabel(BW,8);
STATS = regionprops(BW,'basic');      %获取轮廓信息，Area、Centroid、BoundingBox
[B,L] = bwboundaries(BW,'noholes');   %寻找边缘  
imshow(label2rgb(L, @jet, [.5 .5 .5])),hold on
 for k = 1:length(B)
     boundary = B{k};
     plot(boundary(:,2), boundary(:,1), 'w', 'LineWidth', 2)  %框轮廓
     for i=1:num
         if((STATS(i).Area>600)&&(STATS(i).Area<2500))
             rectangle('Position',STATS(i).BoundingBox,'Curvature',[0,0],'LineWidth',2,'EdgeColor','r');
             %text命令
             text(STATS(i).Centroid(1),STATS(i).Centroid(2),'pointer','Color','black');
             plot(STATS(i).Centroid(1),STATS(i).Centroid(2), '*');
         end
     end
 end

标记效果

从上图标记效果来看，由于初始的指针分割效果不佳，所以无法将每张图的指针区域标记出来，这对想通过上述思路解决问题造成了阻碍。遗憾最后也未能找到无需人工读数的方法，对于拍摄环境复杂的照片，建议人工读数。