陳振勇 薛劍波

摘要：針對電氣控制柜開關(guān)狀態(tài)識別的智能化發(fā)展趨勢，通過對開關(guān)特征、定位技術(shù)和狀態(tài)特征的探索，提出了基于數(shù)字圖像處理技術(shù)的開關(guān)識別算法。算法對圖像預(yù)處理采用陰影去除、顏色模型二值化，又進(jìn)行開關(guān)定位、開關(guān)狀態(tài)識別對比。由實驗結(jié)果可知，算法能準(zhǔn)確實現(xiàn)開關(guān)的定位、校正、分割和識別，具有良好的性能。

關(guān)鍵詞：開關(guān)狀態(tài)；數(shù)字圖像處理；定位；識別

1、引言

1.1本課題研究背景及意義

隨著現(xiàn)代電力系統(tǒng)的發(fā)展，變電站的復(fù)雜度越來越高，因此一個變電站中需要有越來越多的開關(guān)控制柜來控制各個線路，而且需要隨時掌握開關(guān)的狀態(tài)，目前人工識別速度慢而且耗費人力物力，因此用軟件識別開關(guān)狀態(tài)并進(jìn)行狀態(tài)對比就顯得越來越重要，也更符合現(xiàn)代工業(yè)發(fā)展智能化的潮流趨勢。

本文研究了開關(guān)柜中較常用的一種開關(guān)，并對通過數(shù)碼相機(jī)采集到的開關(guān)柜方形圖默認(rèn)有統(tǒng)一照度。通過對大量的開關(guān)柜圖片的研究，本文應(yīng)用圖像處理技術(shù)、開關(guān)定位技術(shù)、開關(guān)識別技術(shù)、Hough變換、開關(guān)狀態(tài)矩陣生成及對比，最后設(shè)計程序?qū)崿F(xiàn)對一張方形圖里的開關(guān)的狀態(tài)進(jìn)行了簡單判定。

2、傾斜方形圖開關(guān)圖像的矯正

2.1 引言

在獲取數(shù)字圖像的過程中，由于攝像鏡頭的非線性，往往會導(dǎo)致獲取的圖像存在嚴(yán)重的幾何畸變。因此，在對圖像做進(jìn)一步的處理之前，需要對發(fā)生畸變的圖像進(jìn)行幾何矯正。

2.2 圖像校正的算法實現(xiàn)

本文使用的算法的核心思想就是把傾斜圖像的目標(biāo)區(qū)域切分成n個小塊，然后把這些小塊里的數(shù)據(jù)一一對應(yīng)地賦值給另一個同樣分成n個小塊的矩形圖像。校正后的圖像便是端正的矩形的目標(biāo)區(qū)域。具體流程如下：

①定位并獲取目標(biāo)區(qū)域的四個角點的坐標(biāo)值pt1、pt2、pt3和pt4。

②設(shè)置校正圖像的長和寬（本文設(shè)置為3000×3000），也就是說，會把目標(biāo)區(qū)域切分成長和寬的乘積的數(shù)量（即9×106個）。

③根據(jù)四個角點坐標(biāo)求出第一個小塊的坐標(biāo)，并取整然后賦值給P，再由P得出這一小塊在矩形圖像所對應(yīng)的位置，這樣便可把對應(yīng)的數(shù)據(jù)賦值到矩形圖像中。

④利用雙重循環(huán)結(jié)構(gòu)使P能一一取遍所有的小塊的坐標(biāo)，最后得到校正后的圖像。

3、電氣開關(guān)柜方形圖像的預(yù)處理

3.1 引言

圖像預(yù)處理，是將每一個文字圖像分檢出來交給識別模塊識別，這一過程稱為圖像預(yù)處理。在圖像分析中，對輸入圖像進(jìn)行特征抽取、分割和匹配前所進(jìn)行的處理。

圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實信息，增強(qiáng)有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識別的可靠性。

預(yù)處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。

3.2圖像裁剪

由于一幅電氣開關(guān)柜方形圖圖像的開關(guān)太多，每個開關(guān)灰度都有區(qū)別，進(jìn)行多開關(guān)同時識別會產(chǎn)生困難，這就需要我們把每個開關(guān)單獨拆開來檢測，以提高檢測精確度，并且簡化了檢測工作。

3.3圖像灰度化

進(jìn)入計算機(jī)內(nèi)存的色彩是非常豐富的，要想重現(xiàn)它并據(jù)此進(jìn)行分析和處理是一件不容易的事情。然而，通過光度學(xué)的研究結(jié)果表明，任何色彩都可以由紅、綠、藍(lán)這三種顏色按一定的比例混合而成。

三基色RGB與亮度的關(guān)系從理論上來講，等量的三基色R、G、B相加可以得到白色。但是，由于人的視覺對顏色敏感程度的差異，等量的三基色混合并不能得到白色，其混合的比例需要調(diào)整。

可將24位的彩色圖片利用亮度公式：

首先對獲得的彩色圖像進(jìn)行灰度轉(zhuǎn)換，得到開關(guān)的灰度圖像。

Gray=0.299×R+0.587×G+0.114×B

其中，Gray代表像素點的灰度值，R、G、B分別代表其Red、Green和 Blue的分量值。進(jìn)行灰化處理，把圖像中像素的灰度級進(jìn)行歸一化。在256個灰度級別中，“0”代表黑色，“255”代表白色。這樣，將24位的圖像數(shù)據(jù)轉(zhuǎn)換成為了8位的圖像數(shù)據(jù)，大大減少了數(shù)據(jù)量，縮短了圖像處理的時間，使分析處理大為簡化。

3.4直方圖均衡化

灰度直方圖反映一幅圖像的總體灰度分布情況，是灰度級的函數(shù)，用于描述圖像中每一灰度級及出現(xiàn)該灰度級的像素點的個數(shù)。直方圖的橫坐標(biāo)表示灰度級，縱坐標(biāo)表示該灰度出現(xiàn)的次數(shù)?；叶燃墳閇0，L-1]范圍的數(shù)字圖像處理的直方圖是離散數(shù)h（rk）=nk，其中rk是第k級灰度，nk是圖像中灰度級為rk的像素的個數(shù)。經(jīng)常以圖像中像素的總數(shù)來除它的每個值，以得到歸一化的直方圖。因此，一個歸一化的直方圖有下式成立：

P（rk）=nk/n k=0，1，...，L-1

直方圖技術(shù)是多種空間域處理技術(shù)的基礎(chǔ)，能有效的用于圖像增強(qiáng)。若一幅圖像的像素占有全部可能的灰度級并且分布均勻，則這樣的圖像有很高的對比度和多變的灰度色調(diào)。

3.5濾波器

濾波的目的一般有兩個：一是抽出對象的特征作為圖像識別的特征模式；另一個是為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時所混入的噪聲。

對濾波處理的要求有兩條：一是不能損壞圖像的輪廓及邊緣等重要信息；二是使圖像清晰視覺效果好。

對一副圖像上的某個點進(jìn)行中值濾波處理，先將掩模內(nèi)欲求的像素及其鄰域的像素值排序，確定出中值，然后將這個中值賦值給該像素。

3.6二值化處理

開關(guān)的灰度值和區(qū)域背景的灰度圖差距明顯，需要對圖像進(jìn)行閾值分割處理，其中關(guān)鍵的是閾值的選擇。圖像二值化是數(shù)字圖像處理中的基本技術(shù)，將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能突顯出感興趣的目標(biāo)的輪廓。其次，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。

二值化的基本方法有基于全局閾值的二值化方法和基于局部閾值的二值化方法。其基本思想是對圖像上的每一個像素點（x，y），和閾值T進(jìn)行比較，若該點像素值大于T，則為目標(biāo)點，否則為背景，如下式：

本文采用的是局部閾值二值化法。

4、圖像的邊緣檢測

邊緣提取

邊緣提取用于圖像處理的兩種基本運算是腐蝕和膨脹，它們的不同組合形成開和閉。

圖像經(jīng)歷邊緣檢測算子作用后，在階躍邊緣處形成凸脊，在屋頂邊緣處形成凹谷，再與原圖像作差分得到邊緣。利用形態(tài)學(xué)邊緣檢測，選擇合適的結(jié)構(gòu)元素是非常重要的，如果選得好，在濾除噪聲的同時也能很好的保存圖像細(xì)節(jié)。

5、結(jié)束語

數(shù)字圖像識別技術(shù)是現(xiàn)代IT技術(shù)中的一類重要技術(shù)領(lǐng)域，它是信息系統(tǒng)學(xué)科中的一個研究熱點。

相比于現(xiàn)有的人工檢測，圖像技術(shù)可以為更迅速準(zhǔn)確的判斷出當(dāng)前開關(guān)狀態(tài)，并且與預(yù)存狀態(tài)相較，得出哪些開關(guān)狀態(tài)錯誤，使得電氣控制柜開關(guān)狀態(tài)檢測變得更加的敏捷和準(zhǔn)確，能對各種電力設(shè)備進(jìn)行監(jiān)控，在出現(xiàn)故障時能在第一時間快速定位故障設(shè)備。并且該檢測系統(tǒng)不僅能不受外部因素影響、長時間穩(wěn)定工作，而且還有較高的可靠性。

參考文獻(xiàn)：

[1]岡薩雷斯.數(shù)字圖象處理（matlab版）（第二版）[M].北京：電子工業(yè)出版社，2014，1.

[2]丁四海.數(shù)字圖像識別用于開關(guān)柜開關(guān)檢測的研究[D].上海交通大學(xué)，2012年.