基于MATLAB的色环电阻识别算法

方维兵 ,曾霖欣 ,揭佳宜 ,周厚暄 

摘要：本文基于MATLAB图像处理工具，提出了一种色环电阻识别算法。首先，通过USB数字显微镜拍摄电阻图片，对图像进行预处理，将图片转化为二值图像;然后，采用Hough变换和图像形态学操作，识别出电阻上的色环位置和颜色信息;最后，通过颜色匹配算法，将色环颜色与标准色环进行匹配，从而确定电阻的阻值。实验结果表明，该算法具有较高的识别准确率和鲁棒性，可以实现对不同类型的色环电阻进行快速、准确识别。

关键词：MATLAB；色环电阻；识别算法

色环电阻在工业生产及科研领域的应用十分广泛，特别是在电子实验室中，是一种常见且不可或缺的电子元器件。但是，使用者在识别色环电阻阻值时，不仅需要记住每个色环所代表的数值，还需要通过一定的计算公式来计算其具体的阻值，这一过程不仅非常麻烦，而且很容易因为使用者的个人疏忽等问题对后续实验造成一定的影响，甚至导致实验结果的错误。应用数字图像处理技术能够更加便捷实现电阻阻值的识别，提高效率，减少重复性劳动。

一、项目分析

1.色环电阻读取规则

色环电阻是电子电路中最常用的电子元件，就是在普通的电阻封装上涂上不一样的颜色的色环，用来区分电阻的阻值。保证在安装电阻时不管从什么方向来安装，都可以清楚的读出它的阻值。色环电阻的基本单位有：欧姆（Ω）、千欧（KΩ）、兆欧（MΩ）。平常使用的色环电阻可以分为四环和五环，通常用四环。其中四环电阻前二环为数字，第三环表示阻值倍乘的数，最后一环为误差；五环电阻前三环为数字，第四环表示阻值倍乘的数，最后一环为误差。共黑、棕、红、橙、黄、绿、蓝、紫、灰、白、金、银12种颜色对应着不同参数（图1）。

图1  色环电阻的识别规则

2.RGB图转灰度图

RGB图是使用红，绿和蓝三种颜色的不同组合以及叠加来表示图像中的颜色信息一般看到的图像都是基于RGB模型。灰度图是只含亮度信息，不含色彩信息的图像。要表示灰度图，就需要把亮度值进行量化，通常将灰度划分为0~255 共256个级别，0最暗（全黑）， 255最亮（全白）。在MATLAB中可以通过rgb2gray函数将真彩色图转化为灰度图。

3.图像阈值分割

对于数字图像，我们往往会对他们中的某一部分感兴趣，这些部分我们称为前景或者目标， 其余部分称为背景。为了识别和分析图像中的目标，我们需要把他们从图像中提取出来，在此基础上对图像进行进一步的处理和应用，图像分割就是为了实现这个过程。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。在本项目中，色环电阻主体就是重点关注对象，需要将其从背景中提取出来。

4.图像形态学操作

对于阈值分割后的图像，还需要进行一系列形态学操作，图像形态学处理后可以简化图像数据，同时保存了它们基本的形状特性，去除了不相干的结构。腐蚀操作和膨胀操作搭配使用可以使图像处理的质量更高，在对色环电阻图像进行处理时，使用形态学的闭运算，先膨胀再腐蚀，使断裂区域连接起来再通过形态学开运算，即先腐蚀再膨胀，使黏连区域分离开来，消除细小物体，最终获得清晰的边界。

5.标准色对照

HSV模型由色调、饱和度、明度决定，色调H在[0°,360°]取值，它以红色起点，逆时针旋转；饱和度S表示与光谱色相似程度，S越高，越接近光谱色；明度V是对颜色亮度的表达，并且与光强度无关，颜色模型如图2所示。在进行图形处理时，RGB图像很容易受到外界因素的影响，在处理过程中会因为三个不同分量的变化程度不同而产生色差，而HSV模型可以使图像在不产生失真的情况下实现图像高质量的处理，并且HSV模型是一种比较直观的颜色模型，那么我们在进行色环电阻图像处理时，为了保证色环颜色无失真，可以将色环电阻图像从RGB模型变成HSV模型。

图2 HSV颜色模型

二、项目设计

首先，需要采集色环电阻的图像，对该图像进行预处理，这个过程主要包括RGB图像转化为灰度图、确定阈值分割电阻主体、处理电阻引脚减少干扰、读取坐标裁截电阻主体、阈值分割色块、形态学处理和分离色块等步骤，一系列操作后就能得到方便获取色块颜色的图像，接着将处理后的图像一一与标准色库的颜色阈值范围进行比对，识别色块的颜色，最后根据颜色在阻值计算算法中得到对应的阻值，系统框架如图3所示。

图3 项目框图

三、测试与结果

1.HSV阈值范围

图像在不同的光照环境下，HSV模型的标准范围会有小范围的差别，故编写了一段测试程序，得到针对该环境下HSV模型三个维度电阻色环颜色的阈值，整理数据如图4所示。

图4 HSV阈值范围

2.预处理过程

为得到电阻色块信息，对图像进行一系列预处理，处理的结果如图5所示。

图5 图像预处理结果

3.识别结果

在较好的光照条件下进行拍摄，得到高质量的图像进行测试，得到的结果如图6所示，拿万用表测量该电阻，得到对应电阻阻值如图7所示。可以看到，该系统能够准确识别出电阻阻值，测量所产生的误差在色环电阻的生产工艺允许误差范围内。

图6 识别结果

图7 测量结果

四、讨论与不足

在测试的过程中，样本的数据都是在手工位置矫正和较好的光照条件下进行采集的，对于任意姿态和阴暗条件下的图像很难进行有效的识别。此外，电阻的色环读取方式中，需要标定色环的方向，但是在生产过程中，没有确定的生产标准去衡量这一方向，虽然网络上流传着间距大小差异法来进行判断，但实际测试中却没有得到很好的效果。

五、结语

通过对色环电阻识别算法的研究，在一定的前提下可以获得较好的识别结果，在精度要求不高的条件下搭配其他测量工具的使用就能够满足大部分的使用需求，研究具有一定的现实意义。

参考文献：

[1]电阻阻值的图像识别系统设计与实现[D].西北大学,2019.

[2]刘衍琦,詹福宇.计算机视觉与深度学习实战：以MATLAB、Python为工具[M].电子工业出版社,2019.

[3]王禹朋.基于数字图像处理技术的色环电阻识别系统的开发[D].黑龙江大学,2011.

[4]Rafael C.Gonzalez,Richard E.Woods,Digital Image Process,Third Edition[M].Publishing House of Electronics Industry,2011.

【作者简介】方维兵（2001.10-），男，汉族，广东省揭阳市人，佛山科学技术学院本科在读学生，主要研究方向：嵌入式开发、图像处理。

【基金项目】2022年度佛山科学技术学院学生学术基金立项项目资助（xsjj202203kjb07）。