李漢峰 谷志偉

（廣西電網(wǎng)公司欽州供電局，廣西 欽州535000）

0 引言

避雷器是變電站中一種比較常見的儀表，人工讀表易受人的主觀因素影響，勞動(dòng)強(qiáng)度大，讀表效率低，可靠性無法保證。避雷器儀表是一種指針式儀表，表盤中的主要對(duì)象是一條直線指針和表盤刻度。表盤刻度是均勻分布的，且表盤中只有一條指針。只要檢測出指針位置，確定指針的偏轉(zhuǎn)角度，就可以判斷避雷器的讀數(shù)。因此，利用圖像識(shí)別算法進(jìn)行智能讀數(shù)是一種可行的處理方式。

現(xiàn)有的許多指針檢測算法，如減影法［1］、中心投影法［2］、模板特征法［3］等，都要求圖像的拍攝要在同一個(gè)平面上，并且對(duì)光照有嚴(yán)格要求。而變電站巡檢機(jī)器人采集避雷器儀表圖像是在遠(yuǎn)距離多角度的情況下進(jìn)行的，況且在戶外條件下不可避免地會(huì)受到光照及其他各種環(huán)境因素的影響，圖像中包含大量的干擾信息，因此這些方法并不適合機(jī)器人巡檢數(shù)據(jù)中避雷器儀表的指針檢測。本文以巡檢機(jī)器人現(xiàn)場拍攝圖像為出發(fā)點(diǎn)，由于現(xiàn)場強(qiáng)烈的光線使得避雷器指針與背景表盤的區(qū)分度不明顯，因此在圖像預(yù)處理的過程中使用底帽變換，以減少背景光照的影響。使用概率霍夫變換（Probabilistic Hough Transform，PHT）檢測表針位置，并根據(jù)避雷器指針指向特點(diǎn)去除雜線的干擾，確定避雷器表針的位置。通過大量現(xiàn)場采集的圖像測試證實(shí)，本文所提出的方法對(duì)避雷器指針的檢測效果較好，完全滿足巡檢機(jī)器人戶外應(yīng)用的要求。

1 儀表圖像的預(yù)處理

大部分情況下變電站戶外的光線較為強(qiáng)烈，易導(dǎo)致背景泛白，使得避雷器指針特征不明顯。為避免這種情況，我們采用圖像形態(tài)學(xué)中的底帽變換對(duì)圖像進(jìn)行預(yù)處理，以減少光照對(duì)圖像處理的影響。

底帽變換是圖像形態(tài)學(xué)中的一種組合操作，其定義為圖像f的閉操作減去原圖像f：

閉操作的定義為先對(duì)圖像進(jìn)行膨脹操作，再進(jìn)行腐蝕操作：

其中，膨脹和腐蝕操作分別定義如下：

這里通過對(duì)圖像處理效果進(jìn)行比較，選擇b為41×41的正方形結(jié)構(gòu)元。

預(yù)處理的結(jié)果如圖1所示，可以看到在底帽變換后指針更加清晰，表盤中的背景更加干凈，減輕了光照對(duì)指針的影響。

圖1 對(duì)表盤進(jìn)行底帽變換

2 二值化

對(duì)圖像進(jìn)行二值化處理就是要確定一個(gè)閾值z，然后將圖像中各像素點(diǎn)的像素值與閾值z進(jìn)行比較，如果像素點(diǎn)的像素值大于z則置像素點(diǎn)為1，否則置為0，由此可以得到一幅由白色的前景點(diǎn)和黑色的背景點(diǎn)組成的二值圖像。

由上面的介紹可知，對(duì)圖像進(jìn)行二值化處理的關(guān)鍵是選取合適的閾值z，它直接影響到表針檢測的結(jié)果。本文采用基于類間最大方差的大津閾值法（Otsu）［3］。大津閾值法的大體思想如下：一幅圖像有m個(gè)灰度級(jí)，在灰度級(jí)k將灰度級(jí)分成［1，k］和［k＋1，m］兩部分。分別計(jì)算兩組的概率w0、w1和組內(nèi)均值μ0、μ1，以及整個(gè)圖像的灰度均值μ。兩組間的方差δ2用式（5）表示。

式（5）等價(jià)于式（6），即：

式中，δ2（k）為最大值時(shí)，灰度級(jí)k對(duì)應(yīng)的灰度值k＊，即所求的灰度閾值。

按照式（7）對(duì)圖像進(jìn)行閾值分割。

其中I（x，y）是閾值化以后的像素值，二值化得到的結(jié)果如圖2所示。

圖2 二值化結(jié)果

從二值化結(jié)果圖中可以看到，二值化消除了部分背景噪聲，但除儀表指針外，表盤中還有字母以及其他一些不規(guī)則形狀的干擾項(xiàng)，這些無關(guān)的內(nèi)容現(xiàn)階段還無法去掉，但通過后續(xù)處理我們可以逐步將干擾項(xiàng)排除。

3 圖像的邊緣檢測

圖像的邊緣檢測實(shí)質(zhì)上是用某種算法來提取出圖像中的對(duì)象與背景間的交界線［4］。為了讓圖像中的邊緣更加清晰，我們?cè)诙祱D像的基礎(chǔ)上進(jìn)行邊緣檢測。邊緣檢測算法有很多［5－6］，如基于灰度直方圖的邊緣檢測、基于梯度的邊緣檢測、Laplacan邊緣檢測和Canny邊緣檢測。圖3是4種常用的邊緣檢測算法的檢測結(jié)果。

圖3 4種邊緣檢測方法的結(jié)果

通過實(shí)驗(yàn)比對(duì)，本文采用的是Canny邊緣檢測算法。Canny邊緣檢測算法被認(rèn)為是目前為止最為成功的邊緣檢測算法之一，應(yīng)用十分廣泛。Canny邊緣檢測算法首先是用高斯濾波器對(duì)圖像進(jìn)行濾波，抑制圖像中的噪聲。接著使用一階微分算子計(jì)算圖像的梯度幅值和方向，并且對(duì)最大幅值進(jìn)行非極大抑制，而后通過雙閾值的方法提取邊緣。

4 圖像的直線檢測

Hough變換［7］是一種對(duì)二值圖像進(jìn)行直線檢測的有效方法。具體到指針檢測領(lǐng)域，它可以在指針邊界存在噪聲干擾或指針圖像發(fā)生間斷的情況下，仍具有一定的容錯(cuò)性和魯棒性，是儀表指針檢測的一種理想工具。其基本原理是通過變換將圖像從圖像空間變換到極坐標(biāo)空間，圖像空間中的一條直線在極坐標(biāo)空間中表示為：

圖像空間中的在同一條直線上的點(diǎn)在極坐標(biāo)空間中就轉(zhuǎn)換成了一組相交于某點(diǎn)的曲線。若能在參數(shù)空間中檢測出該交點(diǎn)并確定其參數(shù)，就能在圖像空間中找出共線點(diǎn)的直線方程，從而實(shí)現(xiàn)直線檢測。

圖4是Hough變換以后得到的結(jié)果，有很多不同的直線，但是避雷器指針應(yīng)當(dāng)滿足以下幾個(gè)條件：（1）避雷器指針直線必須在一個(gè)最小角度min和最大角度max的范圍內(nèi)；（2）以圖像的中心線（此中心線根據(jù)模板圖像的標(biāo)定確定）為界，指針必須完全在左半?yún)^(qū)域或完全在右半?yún)^(qū)域；（3）若指針在左半?yún)^(qū)域其直線角度必須滿足［min，90）的范圍，若指針在右半?yún)^(qū)域其直線角度應(yīng)當(dāng)滿足（90，max］的范圍；（4）若指針的角度是90°，則指針一定在圖像豎直中心線附近的一個(gè)范圍內(nèi)。根據(jù)以上幾個(gè)條件可以過濾掉大部分直線，然后我們?cè)谑Ｓ嗟闹本€中選取最長直線作為指針直線，如圖5所示。圖6表示了擬合得到的指針直線在避雷器灰度圖上畫出的效果。

圖4 Hough變換得到的直線

圖5 直線過濾得到指針

圖6 結(jié)果顯示

5 結(jié)語

通過對(duì)巡檢機(jī)器人在戶外條件下采集的巡檢圖像進(jìn)行大量測試，證實(shí)了本文所提算法的魯棒性。通過底帽變換對(duì)圖像進(jìn)行預(yù)處理可以有效地適應(yīng)各種不同的光照條件。根據(jù)PHT和直線過濾條件可以快速檢測到指針對(duì)應(yīng)的直線，進(jìn)而讀出儀表讀數(shù)，算法簡單，易于實(shí)現(xiàn)，滿足了巡檢機(jī)器人檢測實(shí)時(shí)性的要求。而且，大量巡檢機(jī)器人的巡檢圖片驗(yàn)證，在此圖像處理算法下，對(duì)避雷器儀表正確讀數(shù)的概率在96．5%以上，完全滿足巡檢機(jī)器人對(duì)避雷器指針檢測的精度要求。

［1］何智杰，張彬，金連文．高精度指針儀表自動(dòng)讀數(shù)識(shí)別方法［J］．計(jì)算機(jī)輔助工程，2006，15（3）：9～12

［2］陳彬，金連文．一種儀表指針位置檢測的中心投影法［J］．計(jì)算機(jī)應(yīng)用研究，2005（1）：246～248

［3］HULL R，ZHOU G．A frame work for supporting data integration usin g the materialized and virtual approaches［A］．Proc of ACM SIGMOD International Conference on Management of Data［C］，1996

［4］汪海洋，潘德爐，夏德深．二維Otsu自適應(yīng)閾值選取算法的快速實(shí)現(xiàn)［J］．自動(dòng)化學(xué)報(bào)，2007，33（9）：968～971

［5］段瑞玲，李慶祥，李玉和．圖像邊緣檢測方法研究綜述［J］．光學(xué)技術(shù)，2005，33（3）：415～419

［6］Marr D C，Hildreth E．Theory of Edge Detection［M］．London：Proc．Roy．Soc，1980

［7］孫豐榮，劉積仁．快速霍夫變換算法［J］．計(jì)算機(jī)學(xué)報(bào)，2001，24（10）：1 102～1 109