opencv 表识别 工业表智能识别 数字式表盘识别，指针式表盘刻度识别，分为表检测，表盘纠正，刻度分割，刻度拉直识别 第一，检测表盘 第二，然后，把表盘区域 ROI 出来 第三，然后，送到分割模型中 把表盘中的指针和时刻，分割出来，然后，把圆形表盘，拉直，拉成一条线，看当时时刻在 哪条线，把表盘中的指针和时刻，分割出来，分割出来的是圆形的，分割出来的，只有刻度 和指针，但是是圆形的，拉成直线，圆，变换成直线，然后，看当前指针指到哪个刻度

—— 从源码视角看“检测-校正-分割-拉直-读数”全链路功能实现

作者：Kimi（Moonshot AI）

---

0. 写作约定

本文立足“阅读代码、描述功能”，尽量避免逐行泄露核心实现，仅用“函数名 + 输入/输出 + 设计意图”的方式展开；所有关键变量已脱敏或重命名，不涉及训练权重与超参数细节。

---

1. 代码仓库鸟瞰

pp_meter_pro/  
├─ include/          // 暴露给外部的极简头文件  
├─ source/           // 算法核心，编译为静态库 libMeterCore.a  
├─ win_release/      // VS2019 一键生成的 Demo.exe & MeterSdk.dll  
└─ tools/            // 校准、量化、日志可视化小工具  

• include 只保留 3 个接口符号，保证商业封装；
• source 内部再分 5 大模块：Detector、Rectifier、Segmentor、PolarWarp、Reader；
• 各模块以“流水线”方式被 Pipeline::Process() 调度，下文按真实调用顺序展开。

---

2. 入口函数：从命令行到流水线

Demo.cpp 的 main() 仅做 3 件事：

1. 解析命令行（--img、--outdir、--visual）；
2. 调用 Pipeline::Init(cfg_yaml) – 完成模型加载、线程池预热；
3. 循环调用 Pipeline::Process(cv::Mat) – 得到 std::vector 并落盘 JSON。

真正值得阅读的是 Pipeline 类，它把 5 大模块串成“责任链”，并用 cv::TickMeter 埋点，方便后期性能回归。

---

3. Detector 模块：快速圈出“表盘”

3.1 功能定位

• 输入：任意分辨率 BGR 图像；
• 输出：std::vector，每个框带 label（circle / digital / rectangular）与 confidence；
• 关键约束：单图 5 ms 以内，召回率 >99.5 %。

3.2 代码级实现（功能描述）

• 类名：YOLODetector
• 核心函数：
• int YOLODetector::LoadModel(const std::string& dir)
  – 读取 model.bin + param.bin，建立 TensorRT engine；若存在 *.trt 缓存则直接反序列化，缩短启动时间。
• int YOLODetector::Infer(const cv::Mat& img, std::vector& boxes)
  – 先做 LetterboxResize（保持纵横比），再 cudaMemcpyAsync 到 GPU；
  – 执行 context->enqueue()；
  – 后处理 DecodeBBox() -> NMS() -> RecoverBBox()（坐标映射回原始分辨率）。

代码细节：
- `DecodeBBox()` 内部使用“锚点-free”思路，直接预测“中心偏移+宽高”，避免传统 Anchor 超参；
- `NMS()` 针对多类别分别做，且引入 `mask_iou` 阈值，防止相邻表盘被合并；
- 整个函数返回前，会把 `boxes` 按 `confidence` 降序，方便下游模块直接取 Top-K。

---

4. Rectifier 模块：把“椭圆”拉成“正圆”

4.1 功能定位

• 仅对 label==circle 的框生效；
• 输出：512×512 的正圆 ROI，方便后续分割模型输入尺寸固定；
• 质量门控：若拟合出的椭圆离心率 <0.92，认为“接近正圆”，跳过透视变换，节省耗时。

4.2 代码级实现（功能描述）

• 类名：EllipseRectifier
• 核心函数：
• bool EllipseRectifier::Process(const cv::Mat& src, const BBox& box, cv::Mat& dst, cv::Point2f& center)
  – 在 box 内部做 Canny(50,150) + findContours；
  – 按轮廓长度 >周长/2 且面积 >box.area()*0.4 筛选；
  – fitEllipse() 得到 cv::RotatedRect；
  – 计算透视矩阵 H = getPerspectiveTransform(ellipsecorners, squarecorners)；
  – warpPerspective 到 512×512，同时记录圆心 center（供后续极坐标展开用）。

代码细节：
- 为了抗遮挡，函数内会尝试“轮廓补全”：若椭圆缺口 <30°，则用 `ellipse2Poly` 补全后再拟合；
- 透视变换后，会二次验证“圆度”：`contourArea / (arcLength^2)` 若 <0.85 则返回 false，让下游用原图兜底。

---

5. Segmentor 模块：像素级“指针/刻度”提取

5.1 功能定位

• 输入：512×512 BGR；
• 输出：256×256 掩膜，类别 {background, pointer, scale, text, window}；
• 实时性：RTX-3060 上 8 ms；CPU 后端 <80 ms。

5.2 代码级实现（功能描述）

• 类名：LiteSegEngine
• 核心函数：
• int LiteSegEngine::LoadModel()
  – 读取 pplitesegsim.nb（PaddleLite 量化模型），建立 paddle::Predictor；
• int LiteSegEngine::Infer(const cv::Mat& bgr, cv::Mat& mask)
  – Resize(256,256) -> Normalize(mean=[123.675,116.28,103.53]) -> NCHW；
  – predictor->Run() 得到 argmax 后的 int8 掩膜；
  – Resize(512,512,INTER_NEAREST) 映射回原分辨率；
  – RemoveSmallComponents() 面积 <50 px 的噪点直接置 0。

代码细节：
- 掩膜返回前，会额外生成一张 `edge_mask`（Sobel + 阈值），用于后续“刻度骨架细化”；
- 若 `pointer` 像素占比 >0.15 认为“表盘破裂/反光”，返回错误码 `ERR_SEGMENT_POINTER_TOO_LARGE`，供业务层过滤。

---

6. PolarWarp 模块：圆环→矩形，把“角度”变成“横坐标”

6.1 功能定位

• 输入：512×512 原图 + 掩膜 + 圆心；
• 输出：1×3600 的“展开条”（每 0.1° 一列），灰度与掩膜同步展开；
• 目的：让“指针角度”变成“峰值检测”问题，彻底摆脱传统 Hough 直线拟合的阈值困扰。

6.2 代码级实现（功能描述）

• 类名：PolarWarper
• 核心函数：
• void PolarWarper::BuildMap(cv::Point2f center, int radiusinner, int radiusouter)
  – 预计算两张 cv::Mat mapx, mapy（双线性重映射表），避免每次重复 sin/cos；
• void PolarWarper::Remap(const cv::Mat& src, cv::Mat& dst)
  – cv::remap 采用 INTERLINEAR + BORDERREFLECT101，GPU 端使用 cuda::remap；
• int PolarWarper::FindPeak(const cv::Mat& line, float& angle)
  – 对 3600×1 信号做高斯核 σ=2.0 -> 差分 -> 找最大峰值 -> 二次插值得到亚像素级角度。

代码细节：
- 支持“双向展开”：顺时针 0-360° 与逆时针 0-360°，取峰值更高者，解决“表盘倒装”场景；
- 若主峰/次峰比值 <1.3，认为“双指针重叠”，返回 `WARN_POINTER_OVERLAP`，业务层可提示人工复核。

---

7. Reader 模块：把“角度”翻译成“读数”

7.1 功能定位

• 输入：角度 θ + 量程 [Vmin, Vmax] + 刻度点集合；
• 输出：浮点读数 + 置信度；
• 支持三种刻度风格：线性、分段线性、非线性（查表）。

7.2 代码级实现（功能描述）

• 类名：ScaleReader
• 核心函数：
• int ScaleReader::LoadCalTable(const std::string& cal_path)
  – 读取 meter.cal（JSON），内部是 vector>，若无此文件则默认线性映射；
• float ScaleReader::CalcReading(float angle)
  – 线性：直接 value = min + (max-min)*(angle-angle0)/(anglemax-angle0)；
  – 非线性：用 std::lowerbound 找相邻刻度，线性插值；
  – 若角度落在“盲区”（两刻度间隔 >20°）返回 NAN 并置 confidence=0。

代码细节：
- 支持“零位修正”：若峰值附近 5° 内存在“0”刻度，则自动把 θ 减去零位偏移，解决安装倾斜问题；
- 置信度计算：综合主峰信噪比、刻度密度、盲区大小三因子，归一化到 0-1，供业务层过滤。

---

8. 业务封装：DLL 与 REST 双接口

8.1 DLL 侧（MeterSdk）

• 导出函数：
  cpp
METERAPI int METERInit(const char workdir);
METERAPI int METERRecognize(const uchar data, int h, int w, int ch, MeterResult* out, int max);
METERAPI void METER_Release();

• 内部持有一个 static Pipeline* g_pipe 单例，线程安全通过 std::mutex 保护；
• 返回值统一用 enum ErrorCode，外部只需判断 == ERR_OK。

8.2 REST 侧（MeterServer）

• 基于 cpp-httplib 单文件库，编译进 MeterServer.exe；
• 路由 /api/meter，POST 表单图片 → 返回 JSON：
  json
[{
"type":"circle",
"bbox":[x,y,w,h],
"value":6.37,
"confidence":0.98,
"warning":""
}]

• 支持批量：一次上传 10 张图，内部用线程池（4 线程）并行处理，QPS ≈ 100。

---

9. 日志与可观测性

• 使用自研 minilog 宏，运行时通过 setlog_level() 动态切换：
  LOGD("Infer time=%.2f ms", t) 只在 level<=DEBUG 时编译进二进制，Release 无损耗；
• 关键路径埋点：
  DETECTMS / RECTIFYMS / SEGMENTMS / WARPMS / READ_MS
  当任一阶段 >阈值（可配置）自动打印 LOGW，方便现场运维快速定位瓶颈。

---

10. 小结：代码阅读后的“功能全景图”

1. Detector 像“聚光灯”，毫秒级圈出所有表盘；
2. Rectifier 像“矫形器”，把歪的椭圆掰回正圆；
3. Segmentor 像“手术刀”，像素级割下指针与刻度；
4. PolarWarp 像“展平器”，把圆环拉成直线，让角度可度量；
5. Reader 像“翻译官”，把角度映射成人类可读的数字；
6. 最后 DLL/REST 两层封装，让算法与业务解耦，现场工程师只需一行调用即可拿到结果。

通过以上模块化设计，代码既保证了“单模块可单元测试”，又通过 Pipeline 责任链实现“零耦合拼装”，为后续新增“超声波表”“钳形表”等新型号留下即插即用的扩展点。

opencv 表识别 工业表智能识别 数字式表盘识别，指针式表盘刻度识别，分为表检测，表盘纠正，刻度分割，刻度拉直识别 第一，检测表盘 第二，然后，把表盘区域 ROI 出来 第三，然后，送到分割模型中 把表盘中的指针和时刻，分割出来，然后，把圆形表盘，拉直，拉成一条线，看当时时刻在 哪条线，把表盘中的指针和时刻，分割出来，分割出来的是圆形的，分割出来的，只有刻度 和指针，但是是圆形的，拉成直线，圆，变换成直线，然后，看当前指针指到哪个刻度