女人被爽到高潮视频免cn费95,久久99精品久久久久久久不卡,内射人妻骚骚骚,久久精品一区二区三区四区啪啪 ,美女视频黄频a美女大全

  • 正文
  • 相關推薦
申請入駐 產業(yè)圖譜

一文了解數碼管的識別方式

2020/01/19
134
加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

由于七段數碼管顯示數字和字符比較直觀、清晰、響應速度快,所以它被廣泛應用在現場儀器儀表中。通過攝像頭獲取數碼管數字圖片,也可以根據數碼管編碼方式比較容易識別出其中的數字。

?

計數器、頻率計上的數碼管顯示動態(tài)變化的數字

根據不同的顯示原理,七段數碼管可以使用 LED、LCD、OLED、場致發(fā)光管等制作,顏色也有很多種類。其中紅色 LED 的數碼管比較常見。

?

紅色七段數碼管 0~9 顯示的圖片

數碼管的七個筆畫根據不同的點亮組合,可以形成不同的數字、字母以及字符。理論上可以總共有 127(2^7-1)個不同的編碼組合。下面的表示是常見的字符、數字編碼方式。在不同的場合,下面的編碼會有略微調整。

七段數碼管顯示不同數字和字符

識別數碼管的數字、字母,只要根據圖片的灰度信息即可。根據每個筆畫段的亮度,判斷對應的 LED 段是否點亮,進而可以確定所對應的數字或者字母。

有的時候數碼管的右下角還有一個小數點位,用于顯示數字的小數點的位置。它也可以配合字符、數字來表達其他的含義。

?

七段數碼管灰度圖像

相比于漢字、英文字符的印刷體,七段數碼管的字體并沒有太多的變化。它會在尺寸、比例、筆畫的粗細、字體的傾角方面有差異。

如果已知數碼管的字體,可以比較方便在歸一化之后的圖像中確定下每個筆畫段所占具的圖像位置。

下圖顯示了常見到的七段數碼段各個筆畫對應的序列位置,以及 0~9 數字對應的七段點亮編碼。

?

七段數碼管 0~9 數字編碼

根據數碼管灰度圖像的亮度統計直方圖,可以確定下背景和點亮字段所對應的亮度值。根據這兩個是數字可以確定下一個閾值,用于確定筆畫是否被點亮。

下圖顯示了 0~9 個數字對應的圖像灰度圖的直方圖統計,他們大體呈現相似的分布。

0~9 數字圖片亮度值的直方圖

通過灰度圖上每個筆畫段的平均亮度,求出數碼管的筆畫編碼,在通過查表可以確定圖片中數碼管所對應的數字。

通過每個筆畫段亮度來確定數碼管的編碼

對于靜態(tài)圖像,利用先驗知識來講數字進行定位、分割,形成歸一化之后的灰度數字圖像。通過上面的方法可以簡便快速確定下每個數碼管所對應的數字,進而可以獲得儀表所顯示的數值。

這種方法所需要的計算量比較小。當圖像比較清晰的時候,識別的準確性非常高。

?

計數器對脈沖計數,動態(tài)顯示技術結果

在有些場景下,數碼管顯示內容是動態(tài)變化的,由于設備更新數字與攝像頭沒有同步,所以拍攝到的圖像中可能包含有數碼管在前后兩個數字變化的過度圖像,即前后兩個數字的疊加狀態(tài)。此時,就會對上面識別方法造成干擾。

使用一臺計數器,對于不同頻率的脈沖進行計數。數碼管動態(tài)變化,使用攝像頭獲得序列圖像之后,利用上面的方法所識別的數字序列如下圖所示:

?

六組不同頻率脈沖信號計數結果曲線

由于是對不同頻率的脈沖信號進行計數,所得的序列原則上應該是一個直線。直線的斜率與脈沖的頻率成正比。

但是上面所顯示的六組不同頻率的脈沖技術結果中,可以看到存在著一些數據的跳動值。這說明前面算法對于出現疊加狀態(tài)的數字識別存在錯誤。

下面是另外一組時間,計數器對蓋革管輸出的放射性檢測脈沖計數。結果應該是一個單調遞增的曲線。其中仍然存在著數據的抖動。

計數器對蓋革管脈沖計數,圖像識別后的數據曲線

對于前面實驗結果中,識別錯誤的圖像進行分析,可以看到這些錯誤都是由于攝像頭所拍攝到的數碼管在前后過渡過程所形成的錯誤圖像引起的。

下圖顯示了一些識別錯誤時,所采集到數碼管圖像序列連續(xù)三幀所對應的數字最后一位數字圖像。圖片下面數字對應的圖像識別的結果。

識別錯誤時,連續(xù)三幀圖片對應的數碼管的圖像

由于數碼管本身發(fā)光的亮度與驅動電流之間不是線性關系,所以過渡過程的圖片并不是兩個數字簡單的線性疊加,因此獲得過渡過程的數碼管的識別具有一定的難度。

解決圖片中數碼管圖像識別錯誤的問題,可以通過以下三個方面來解決:

(1)盡可能縮小攝像頭的曝光時間,這樣可以大大減少所獲得圖片中存在前后兩個數字疊加的情形。但這樣會造成圖像亮度減低,從而增加所獲得圖像的噪聲;

?

計數器在記錄蓋革管輸出的脈沖信號

(2)對所獲得數據進行濾波,比如使用中值濾波這種非線性濾波方法,可以有效將數據序列中的抖動噪聲消除。也可以利用所測量數據的本身特性,來對錯誤數據進行提出,比如脈沖計數應該是對應遞增的序列;

(3)利用所獲得圖像前后相鄰的序列信息,直接訓練一個動態(tài)神經網絡,來識別過渡圖像中的數字信息。這對于在一個曝光時間內,數碼管僅僅跳動一次的情況是有效果的。如果在攝像頭一個曝光時間內,數碼管的是誰出跳動兩次以上,則大大增加了過渡圖片空間的復雜性,對于機器學習所需要的網絡模型和訓練數據都提出了更高的要求。

由于攝像頭對于數碼管是離散時間圖片采樣,并存在一個采樣時間,因此上存在著一個最高變化速率。當數碼管的跳動高于這個速率的時候,是無法從圖片中準確獲得數碼管數字信息的。

相關推薦

登錄即可解鎖
  • 海量技術文章
  • 設計資源下載
  • 產業(yè)鏈客戶資源
  • 寫文章/發(fā)需求
立即登錄

公眾號TsinghuaJoking主筆。清華大學自動化系教師,研究興趣范圍包括自動控制、智能信息處理、嵌入式電子系統等。全國大學生智能汽車競賽秘書處主任,技術組組長,網稱“卓大大”。