一种数字水准仪的条码标尺图像定位和识别检测方法

摘要

本发明公开了一种数字水准仪的条码标尺图像定位和识别检测方法，采集二维灰度图像，利用高斯函数对采集的二维灰度图像做卷积处理，抑制噪声，利用单方向的Sobel算子对抑制噪声后的图像进行水平边缘的锐化增强处理，从中间一列分别向左右两侧做列扫描，分别得到左侧像素列的灰度分布曲线和右侧像素列的灰度分布曲线，统计左侧和右侧分划线纹边缘点的个数，定位分划线纹图像的左、右边界，明确水准标尺条码部分在背景中的上边界或下边界，完成水准标尺条码图像区域的分割对水准标尺图像进行识别检测。本发明解决了现有二维水准测量标尺识别方法速度慢及精度低的问题。

说明书

技术领域

本发明属于测绘技术领域，具体涉及一种数字水准仪的条码标尺图像定位和识别检测方法。

背景技术

数字水准测量系统由条码尺、主机及数据处理软件三部分组成。其中条码尺主要通过不同宽度的条码组合来表征标尺上的不同高度，经光学系统成像在图像传感器上，由微型计算机读取电信号并通过数字图像处理实现标尺编码信息的解码工作，快速实现高程的精确测量。

现有条码尺的编解码原理主要有相关法、相位法和几何法，其对应的条码均为一维条码，相应的主机均采用线阵CCD传感器，用一列条码像素进行数据处理。这样仅利用一维信息的方法，易受遮挡、倾斜、光照不均匀等多方面因素的干扰，解码算法复杂并且计算时间较长，测量速度慢并且目前的识别方法主要基于图像灰度的阈值化分割，边缘检测精度低。

发明内容

本发明的目的是提供一种数字水准仪的条码标尺图像定位和识别检测方法，解决现有二维水准测量标尺识别方法速度慢及精度低的问题。

本发明所采用的技术方案是，一种数字水准仪的条码标尺图像定位和识别检测方法，具体按照以下步骤实施：

步骤1，采集二维灰度图像；

步骤2，利用高斯函数对步骤1采集的二维灰度图像做卷积处理，抑制噪声；

步骤3，利用单方向的Sobel算子对步骤2中抑制噪声后的图像进行水平边缘的锐化增强处理；

步骤4，对步骤3中锐化增强处理后的图像从中间一列分别向左右两侧做列扫描，分别得到左侧一列像素的灰度分布曲线和右侧一列像素的灰度分布曲线；

左侧一列像素灰度分布曲线的波峰、波谷对应步骤1中二维灰度图像上左侧分划线纹边缘点，右侧一列像素灰度分布曲线的波峰、波谷对应步骤1中二维灰度图像上右侧分划线纹边缘点，并对左侧一列像素灰度分布曲线和右侧一列像素灰度分布曲线进行处理获取左侧分划线纹边缘和右侧分划线纹边缘；

步骤5，分别统计步骤4中左侧分划线纹边缘点和右侧分划线纹边缘点的个数，定位分划线纹图像的左边界和右边界；

步骤6，根据步骤5中左侧分划线纹边缘点的位置明确水准标尺条码部分在背景中的上边界或下边界，完成水准标尺条码图像区域的分割；

步骤7，根据步骤6分割的水准标尺条码图像区域对水准标尺图像进行识别检测。

本发明的特点还在于，

步骤1中采集二维灰度图像采用面阵CCD传感器且成像视场宽度方向的中心瞄准竖直放置的水准标尺中心。

步骤4中对左侧一列像素灰度分布曲线和右侧一列像素灰度分布曲线处理的过程具体为：

步骤4.1，设定灰度阈值T1，将左侧一列像素灰度与灰度阈值T1进行比较，确定左侧一列灰度分布曲线的波峰，左侧一列像素灰度分布曲线上大于灰度阈值T1的波峰所对应的坐标位置为左侧分划线纹由亮到暗变化的边缘点；

设定灰度阈值T3，将右侧一列像素灰度与灰度阈值T3进行比较，确定右侧一列灰度分布曲线的波峰，右侧一列像素灰度分布曲线上大于灰度阈值T3的波峰所对应的坐标位置为右侧分划线纹由亮到暗变化的边缘点；

步骤4.2，设定灰度阈值T2，将左侧一列像素灰度与灰度阈值T2进行比较，确定左侧一列灰度分布曲线的波谷，左侧一列像素灰度分布曲线上小于灰度阈值T2的波谷所对应的坐标位置为左侧分划线纹由暗到亮变化的边缘点；

设定灰度阈值T4，将右侧一列像素灰度与灰度阈值T4进行比较，确定右侧一列灰度分布曲线的波谷，右侧一列像素灰度分布曲线上小于灰度阈值T4的波谷所对应的坐标位置为右侧分划线纹由暗到亮变化的边缘点；

步骤4.3，将步骤4.1中的左侧分划线纹由亮到暗变化的边缘点的纵坐标值与步骤4.2中的左侧分划线纹由暗到亮变化的边缘点的纵坐标值按照从小到大的顺序进行排序，得到二维灰度图像自上而下左侧分划线纹的所有边缘点位置；

将步骤4.1中的右侧分划线纹由亮到暗变化的边缘点的纵坐标值与步骤4.2中的右侧分划线纹由暗到亮变化的边缘点的纵坐标值按照从小到大的顺序进行排序，得到二维灰度图像自上而下右侧分划线纹的所有边缘点位置。

灰度阈值T1＝(左侧一列像素灰度分布曲线上的灰度最大值-灰度最小值)*13/20；

所述灰度阈值T3＝(右侧一列像素灰度分布曲线上的灰度最大值-灰度最小值)*13/20；

所述灰度阈值T2＝(左侧一列像素灰度分布曲线上的灰度最大值-灰度最小值)*7/20；

所述灰度阈值T4＝(右侧一列像素灰度分布曲线上的灰度最大值-灰度最小值)*7/20。

步骤5的具体过程为：

步骤5.1，统计左侧一列像素灰度分布曲线上左侧分划线纹由亮到暗变化的边缘点与左侧分划线纹由暗到亮变化的边缘点的个数，若个数相同，则该列像素属于水准标尺条码图像区域，个数不同为左边界；

步骤5.2，统计右侧一列像素灰度分布曲线上右侧分划线纹由亮到暗变化的边缘点与右侧分划线纹由暗到亮变化的边缘点的个数，若个数相同，则该列像素属于水准标尺条码图像区域，个数不同为右边界。

步骤6的具体过程为：根据步骤5中的左侧每个分划线纹的边缘点位置计算左侧每个分划线纹边缘的平均位置，根据左侧分划线纹相邻边缘位置做差得到左侧各分划线纹宽度，再将相邻分划线纹宽度做差得到左侧相邻分划线纹宽度差值；

若相邻分划线纹宽度差值均小于有限值A，则各分划线纹判断为相等宽度的分划线纹，并且贯穿视场，则水准标尺条码区域的上边界为0，下边界为二维灰度图像的最下方一行，再结合步骤5中定位的左边界和右边界，则完成水准标尺条码图像区域的分割；

若相邻分划线纹宽度差大于有限值A，则为水准标尺中条码部分在背景中的上边界或下边界，再结合步骤5中定位的左边界和右边界，则完成水准标尺条码图像区域的分割。

有限值A＝3像素。

步骤7的具体过程为：

步骤7.1，根据步骤5中的右侧每个分划线纹的边缘点位置计算右侧每个分划线纹边缘的平均位置，根据右侧相邻分划线纹边缘位置做差得到右侧各分划线纹宽度；

步骤7.2，根据左侧各分划线纹宽度计算左侧分划线纹宽度平均值；

步骤7.3，依次将步骤7.1中右侧各分划线纹宽度与左侧分划线纹宽度的平均值做差，若差值小于有限值B，则返回该分划线纹的上、下边缘位置；

将该分划线纹的上、下边缘位置与左侧分划线纹边缘位置做差，若差值小于有限值C，则返回该分划线纹上、下边缘位置，若该分划线纹的上边缘为从亮到暗变化的边缘，则该分划线纹为水准标尺上的参考分划线纹，为暗条纹；

步骤7.4，按顺序获取位于右侧分划线纹中的两个参考分划线纹之间的各分划线纹宽度，分别计算两个参考分划线纹之间的各分划线纹宽度与左侧分划线纹平均宽度的整数比，根据整数比计算最简整数比，则右侧分划线纹中各分划线纹对应项的最简整数即为条纹的编码宽度；

步骤7.5，将步骤7.4中两个参考分划线纹之间的各分划线纹对应的整数转化为二进制数，最简整数比之和为二进制数的个数之和，其中明条纹对应0，暗条纹对应1；

步骤7.6，将步骤7.5获取的二进制数按从下至上依次每取四位转化为十进制数，将三个十进制数依次作为百位、十位、个位形成一个整数，此整数即为下方参考分划线纹的上边缘在水准标尺上的高度；

步骤7.7，视线位置为视场中心，求取视线位置分别距下方和上方参考分划线纹上边缘的像素个数l

步骤7.8，将步骤7.7得到的视线到下方参考分划线纹上边缘的距离与步骤7.6中参考分划线纹上边缘在水准标尺上的高度相加，得到视线高度，即水准测量的结果。

有限值B＝2像素。

有限值C＝2像素。

步骤7.7中，视线位置距下方参考分划线纹上边缘的像素个数l

视线位置距上方参考分划线纹上边缘的像素个数l

视线位置到下方参考分划线纹上边缘的距离＝l

本发明的有益效果在于：

(1)本发明一种数字水准仪的条码标尺图像定位和识别检测方法，采用面阵CCD传感器获取的条码标尺二维灰度图像快速检测出水准标尺条码区域，并从背景中将水准标尺条码区域分割出来，为确定二维水准标尺二维灰度图像中的感兴趣区域提供了解决方法；

(2)本发明一种数字水准仪的条码标尺图像定位和识别检测方法，利用二维图像数据多的优点，通过取边缘位置平均值降低标尺倾斜的影响，通过直接提取分划线纹边缘而提高边缘检测精度，根据分划线纹宽度和明暗特征实现识别，该方法具有识别准确、测量精度高的优点。

附图说明

图1是本发明一种数字水准仪的条码标尺图像定位和识别检测方法中条码标尺的原始灰度图像；

图2是本发明一种数字水准仪的条码标尺图像定位和识别检测方法中条码标尺的边缘增强图像；

图3是本发明一种数字水准仪的条码标尺图像定位和识别检测方法中左侧一列像素灰度曲线图；

图4是本发明一种数字水准仪的条码标尺图像定位和识别检测方法中右侧一列像素灰度曲线图；

图5是本发明一种数字水准仪的条码标尺图像定位和识别检测方法中分割出的标尺条码图像。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种数字水准仪的条码标尺图像定位和识别检测方法，针对由一列等宽度和一列不等宽度明暗交替条纹组成的二维水准标尺，具体按照以下步骤实施：

步骤1，采用面阵CCD传感器采集二维灰度图像且成像视场宽度方向的中心瞄准竖直放置的水准标尺中心，图像大小为1370*1080，如图1所示；

步骤2，利用高斯函数对步骤1采集的二维灰度图像做卷积处理，抑制噪声；

步骤3，利用单方向的Sobel算子对步骤2中抑制噪声后的图像进行水平边缘的锐化增强处理，如图2所示；

步骤4，对步骤3中锐化增强处理后的图像从中间一列分别向左右两侧做列扫描，分别得到如图3所示的左侧一列像素的(如图2中A1所示)灰度分布曲线和如图4所示的右侧一列像素的(如图2中A2所示)灰度分布曲线；

A1列像素灰度分布曲线的波峰、波谷对应步骤1中二维灰度图像上左侧分划线纹边缘，A2列像素灰度分布曲线的波峰、波谷对应步骤1中二维灰度图像上右侧分划线纹边缘，并对A1列像素灰度分布曲线和A2列像素灰度分布曲线进行处理获取左侧分划线纹边缘和右侧分划线纹边缘；

其中，处理的过程为：

步骤4.1，如图3所示，设定灰度阈值T1，灰度阈值T1＝(A1列像素灰度分布曲线上的灰度最大值max1-灰度最小值min1)*13/20；将A1列像素灰度与灰度阈值T1进行比较，确定A1列像素灰度分布曲线的波峰，A1列像素灰度分布曲线上大于灰度阈值T1的波峰所对应的坐标位置为左侧分划线纹由亮到暗变化的边缘点(13,281,547,814)；

如图4所示，设定灰度阈值T3，灰度阈值T3＝(A2列像素灰度分布曲线上的灰度最大值max2-灰度最小值min2)*13/20；将A2列像素灰度与灰度阈值T3进行比较，确定A2列像素灰度分布曲线的波峰，A2列像素灰度分布曲线上大于灰度阈值T3的波峰所对应的坐标位置为右侧分划线纹由亮到暗变化的边缘点(48,148,281,448,548,681,814,981)；

步骤4.2，如图3所示，设定灰度阈值T2，灰度阈值T2＝(A1列像素灰度分布曲线上的灰度最大值max1-灰度最小值min1)*7/20；将A1列像素灰度与灰度阈值T2进行比较，确定A1列像素灰度分布曲线的波谷，A1列像素灰度分布曲线上小于灰度阈值T2的波谷所对应的坐标位置为左侧分划线纹由暗到亮变化的边缘点(147，414，681，947)；

如图4所示，设定灰度阈值T4，灰度阈值T4＝(A2列像素灰度分布曲线上的灰度最大值max2-灰度最小值min2)*7/20；将A2列像素灰度与灰度阈值T4进行比较，确定A2列像素灰度分布曲线的波谷，A2列像素灰度分布曲线上小于灰度阈值T4的波谷所对应的坐标位置为右侧分划线纹由暗到亮变化的边缘点(82，182，414，515，582，715，947，1014)；

步骤4.3，将步骤4.1中的左侧分划线纹由亮到暗变化的边缘点的纵坐标值与步骤4.2中的左侧分划线纹由暗到亮变化的边缘点的纵坐标值按照从小到大的顺序进行排序，得到二维灰度图像自上而下左侧分划线纹的所有边缘点位置(13，147，281，414，547，681，814，947)，共计8个边缘点；

将步骤4.1中的右侧分划线纹由亮到暗变化的边缘点的纵坐标值与步骤4.2中的右侧分划线纹由暗到亮变化的边缘点的纵坐标值按照从小到大的顺序进行排序，得到二维灰度图像自上而下右侧分划线纹的所有边缘点位置(48，82，148，182，281，414，448，515，548，582，681，715，814，947，981，1014)，共计16个边缘点；

步骤5，分别统计步骤4中左侧分划线纹边缘点和右侧分划线纹边缘点的个数，定位分划线纹图像的左边界和右边界；

步骤5.1，统计左侧一列像素灰度分布曲线上分划线纹由亮到暗变化的边缘点与分划线纹由暗到亮变化的边缘点的个数，若个数相同，则该列像素属于水准标尺条码图像区域，个数不同为左边界；

步骤5.2，统计右侧一列像素灰度分布曲线上分划线纹由亮到暗变化的边缘点与分划线纹由暗到亮变化的边缘点的个数，若个数相同，则该列像素属于水准标尺条码图像区域，个数不同为右边界；

则左边界和右边界位置为538和825，如图2中A3、A4所示，具体确定过程为：如图2中所示A1列位于左侧水准标尺条码图像区域，A1列逐像素列向左移动，均有8个由亮到暗、由暗到亮边缘点，直到A1移动到A3位置时，由亮到暗、由暗到亮的边缘点个数为0个或少于8个，则A3对应的像素列为感兴趣区域的左边界，对于图1所示的条码，A3对应的像素列为第538列；如图2中所示A2列向右逐像素列移动，从16个由亮到暗、由暗到亮边界变化为0个或少于16个时，位置为A4，对应的像素列为第825列；

步骤6，根据步骤5中的左侧每个分划线纹的边缘点位置计算左侧每个分划线纹边缘的平均位置(13.43，147.26，281.71，414.37，547.49，681.61，814.63，947.78)，根据左侧分划线纹相邻边缘位置做差得到左侧各分划线纹宽度(133.83，134.45，132.66，133.12，134.12，133.02，133.15)，再将相邻分划线纹宽度做差得到左侧相邻分划线纹宽度差值(0.62，-1.79，0.46，1.00，-1.10，0.13)；

相邻分划线纹宽度差值均小于有限值A＝3像素，则各分划线纹判断为相等宽度的分划线纹，并且贯穿视场，则条码部分与背景的上边界位置为0，下边界位置为1079，即所采用的面阵CCD传感器为1370×1080个像素，则二维灰度图像从起始行(第0行)到最下一行(第1079行)，共1080行，如图1所示水准标尺贯穿了整个图像视场，则水准标尺条码区域的上边界为0、下边界为1079；

若相邻分划线纹宽度差大于有限值A＝3像素，认为超出了水准标尺条码区域，则为水准标尺中条码部分在背景中的上边界或下边界；

再结合步骤5中定位的左边界和右边界，则条码部分在二维灰度图像中的左上角及右下角坐标为[538,0]，[825,1079]，则完成水准标尺条码图像区域的分割；

步骤7，根据步骤6分割的水准标尺条码图像区域对水准标尺图像进行识别检测；

步骤7.1，根据步骤5中的右侧每个分划线纹的边缘点位置计算右侧每个分划线纹边缘的平均位置(48.01，82.29，148.84，182.69，281.47，414.92，448.53，515.77，548.85，582.45，681.27，715.41，814.20，947.87，981.93，1014.62)，根据右侧相邻分划线纹边缘位置做差得到右侧各分划线纹宽度(34.28，66.55，33.85，98.78，133.45，33.61，67.24，33.08，33.60，98.82，34.14，98.79，133.67，34.06，32.69)；

步骤7.2，根据左侧各分划线纹宽度计算左侧分划线纹宽度平均值(133.48)；

步骤7.3，依次将步骤7.1中右侧各分划线纹宽度与左侧分划线纹宽度平均值做差，若差值小于有限值B＝2像素，则返回该分划线纹的上、下边缘位置(281.47，414.92，814.20，947.87)；

将该分划线纹的上、下边缘位置与左侧分划线纹边缘位置做差，若差值小于有限值C＝2像素，则返回该分划线纹上、下边缘位置(281.47，414.92，814.20，947.87)，若该分划线纹的上边缘为从亮到暗变化的边缘，则该分划线纹为水准标尺上的参考分划线纹，为暗条纹；

步骤7.4，按顺序获取右侧两个参考分划线纹之间的各分划线纹宽度(33.61，67.24，33.08，33.60，98.82，34.14，98.79，)，分别计算各分划线纹宽度对左侧分划线纹宽度平均值四分之一的倍数，并四舍五入(1,2,1,1,3,1,3)，得到两参考分划线纹间的各分划线纹宽度的最简整数比(1:2:1:1:3:1:3)，则各分划线纹对应项的最简整数即为条纹的编码宽度；

步骤7.5，如图5所示的分割出的水准标尺条码图像，分析分划线纹的明暗分布，根据分划线纹明暗间隔分布的特征，将步骤7.4中两个参考分划线纹之间的各分划线纹对应的整数转化为二进制数，最简整数比之和为12，则二进制数的个数和为12，其中明条纹对应0，暗条纹对应1，则各分划线纹对应的二进制数为011010001000；

步骤7.6，将步骤7.5获取的二进制数按从下至上依次每取四位转化为十进制数，分别为1，1，6，将三个十进制数依次作为百位、十位、个位形成一个整数，为116，此整数即为下方参考分划线纹的上边缘在水准标尺上的高度，为1160mm；

步骤7.7，视线位置为视场中心(1080/2＝540)，求取视线位置分别距两个参考分划线纹上边缘的像素个数l

步骤7.8，将步骤7.7得到的视线到下方参考分划线纹上边缘的距离与步骤7.6中参考分划线纹上边缘在水准标尺上的高度相加，得到视线高度为1180.613mm，即水准测量的结果。