随着计算机技术的飞速发展,机器视觉和图像处理也在不断发展与成熟。图像识别技术也应用到了生产生活的各个领域,利用人工智能和图像自动识别技术,可以利用机器代替人进行生产活动,将人从一些繁重、重复的工作中解放出来,大大提高了生产效率,给人们带来了极大的便利。比如已经投入使用的车牌自动识别、远程医疗和机械自动、半自动化等,这些无一不在方便人们的日常生活。利用机器视觉和图像处理,可以对图像进行增强,增强图像的视觉效果,可以发掘出人类视觉中无法捕捉到的特征信息,实现图像准确识别。数字仪表自动识别技术就是这方面的应用。利用仪表自动识别技术,自动获取仪表图像进行数字字符识别,得到准确的仪表读数,将人从单一重复的读表工作中解放出来,不仅解放了劳动力,也保证读数的准确率,这在仪表广泛存在的当今社会无疑是具有重要的意义。本文考虑到数字仪表自动识别系统通常是嵌入芯片的,会受到CPU处理能力的限制。所以本文旨在选择一种简单、快速并且识别率比较高的识别系统,针对这个情况,做了如下工作:(1)在图像采集阶段,考虑到了复杂环境对图像的影响,对数字仪表图像进行图像增强。对过亮或过暗的图像采用直方图均衡化的处理,得到比较好的效果。对仪表图像光照不均的情况,在阈值处理二值化时,选用了局部阈值处理局部阈值处理中采用Otsu算法,取得了良好的效果。(2)考虑了图像获取阶段中,拍摄角度的问题,针对仪表图像中倾斜的情况采用先Canny算子进行边缘检测,然后用Hough变换实现倾斜矫正。同时,利用投影和数学形态学理论等知识对数字仪表图像进行区域定位。(3)本文选取了垂直和水平投影的方法实现对仪表读数区域的数字字符分割,然后对数字字符实现归一化。(4)在数字字符识别过程中,选择了统计特征与结构特征结合,作为数字字符的特征量,并使用模板匹配、支持向量机和BP神经网络共同决策识别图像,识别效果良好。