王身麗，黃　力，侯金華，方　權(quán)，翁永春，胡　海，王志高，付　裕，覃　喬

(1.國(guó)網(wǎng)湖北省電力有限公司檢修公司，湖北 武漢 430050；2. 三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002)

0　引　言

復(fù)合絕緣子具有支撐導(dǎo)地線的作用，同時(shí)具有電氣絕緣的功能，但投運(yùn)時(shí)間過(guò)久后，容易受到周圍環(huán)境的污染，當(dāng)在陰雨天時(shí)極易導(dǎo)致發(fā)生污閃，很容易引發(fā)線路跳閘。新投運(yùn)的復(fù)合絕緣子有很好的憎水性，它能使其表面的灰塵難以被水浸潤(rùn)形成水膜，進(jìn)而形成污閃通道，從而降低了污閃發(fā)生幾率[1-3]。因此，應(yīng)當(dāng)重視檢測(cè)復(fù)合絕緣子憎水性的。

目前，有文獻(xiàn)利用形態(tài)學(xué)算法具有直觀上的簡(jiǎn)單性，在濾除噪聲的同時(shí)又能保留圖像中原有信息，針對(duì)憎水性圖像處理，如何根據(jù)水珠邊緣體征自適應(yīng)的選擇結(jié)構(gòu)元素已成為憎水性圖像處理的一個(gè)熱點(diǎn)。模糊算法也是憎水性圖像處理中常用的一個(gè)工具，針對(duì)圖像中水珠邊緣缺失和水珠陰影等問(wèn)題，模糊算法能夠較為準(zhǔn)確地還原缺失的邊緣，并能將陰影準(zhǔn)確劃分到背景中去，還能有效濾除噪聲，因此模糊算法在很多地方都能得到應(yīng)用。基于梯度的邊緣微分檢測(cè)是圖像邊緣檢測(cè)的常用方法。這種方法操作簡(jiǎn)單，運(yùn)算量小，但是對(duì)噪聲敏感，在圖像邊緣產(chǎn)生的響應(yīng)較寬，即檢測(cè)到的圖像邊緣區(qū)域可能包含不止一個(gè)像素，因此檢測(cè)精度不高。小波變換是圖像邊緣提取的另一種常用方法。由于小波變換具有多尺度特性，圖像的每個(gè)小波變換都提供了一定的邊緣信息。當(dāng)尺度較小時(shí)，邊緣信息豐富，但定位精度不高；當(dāng)尺度較大時(shí)，定位精度較高，但抗噪性差。因此合理控制尺度在小波變換邊緣提取方面顯得尤為重要。本文對(duì)復(fù)合絕緣子噴水霧到形成穩(wěn)定的水珠后進(jìn)行圖像采集。由于整片絕緣子圖片可以看作是許多小圖片拼接而成，因而可以把復(fù)合絕緣子噴水后的圖片劃分為小圖片進(jìn)行研究。

1　相關(guān)算法原理

水珠與絕緣子的灰度差較小，水珠對(duì)光的反射原理，導(dǎo)致向光的一側(cè)的邊界極為模糊難辨，致使對(duì)圖像中水珠識(shí)別非常困難，要達(dá)到好的識(shí)別效果，必須先對(duì)圖像進(jìn)行預(yù)處理[6-7]，然后進(jìn)行基于最大熵梯度閾值分割。

1.1　色彩模型轉(zhuǎn)換

常用的顏色空間類型有RGB、HSV等。RGB顏色空間模型由紅(R)綠(G)藍(lán)(B)3個(gè)純基色分量組成，而HSV顏色空間模型則由色度(H)、飽和度(S)、亮度(V)3個(gè)分量組成[8-9]，人類對(duì)色調(diào)和飽和度的視覺(jué)敏感度高。

若 (R，G，B)代表紅、綠、藍(lán)某一顏色下的坐標(biāo)，其取值范圍為0到1之間的實(shí)數(shù)。要找到在HSV空間中的(H，S，V)的值，這里的H∈[0，360)，它是角度的色相角，而S，V∈[0，1]分別是圖像的飽和度和亮度，具體的轉(zhuǎn)換公式如下：

Ymax=max(R,G,B)

(1)

Ymin=min(R,G,B)

(2)

當(dāng)R=Ymax時(shí)，

H=(G-B)/(Ymax-Ymin)

(3)

當(dāng)G=Ymax時(shí)，

H=2+(B-R)/(Ymax-Ymin)

(4)

當(dāng)B=Ymax時(shí)，

H=4+(R-G)/(Ymax-Ymin)

(5)

得到H值后，然后對(duì)H進(jìn)行判斷，若H=H×60后，H<0則H=H+360。

V=max(R,G,B)

(6)

S=(Ymax-Ymin)/Ymax

(7)

1.2　基于最大熵法求閾值

本文應(yīng)用了最大熵法[10]，設(shè)圖像分割閾值為t，其算法原理如下：

(8)

令T是{0，1，2，…t}的灰度分布值，B是{t+1，t+2，…L-1}的灰度分布值，則其概率分布為：

(9)

(10)

式中：

(11)

則這兩個(gè)概率密度相關(guān)熵為：

(12)

(13)

定義函數(shù)φ(t)為H(T)和H(B)的和，則有φ(t)=H(T)+H(B)。求出φ(t)最大時(shí)的灰度級(jí)t即為所求的最佳分割閾值。

1.3　數(shù)學(xué)形態(tài)學(xué)修正

數(shù)學(xué)形態(tài)學(xué)應(yīng)用在二值圖像中的基本運(yùn)算有：膨脹、腐蝕、開啟和閉合。膨脹運(yùn)算是指將一定圖像的像素添加到圖像中對(duì)象的邊緣處，是可以填補(bǔ)目標(biāo)對(duì)象中的空洞。而腐蝕是刪減目標(biāo)對(duì)象的邊緣輪廓，它又可以用來(lái)消滅圖像中小的噪聲干擾。對(duì)二值圖像先腐蝕后膨脹叫開啟運(yùn)算，順序相反為閉合運(yùn)算。

在數(shù)學(xué)中，膨脹的運(yùn)算符為⊕，用B對(duì)A進(jìn)行膨脹可以記為A⊕B，其定義為：

(14)

設(shè)A表示一個(gè)包含子集的集合，其子集的元素都是區(qū)域的8連同邊界點(diǎn)。區(qū)域填充的目的是開始于邊界內(nèi)的某點(diǎn)，把二值圖像中的1值擴(kuò)散到整個(gè)圖像區(qū)域，通常來(lái)說(shuō)，所有二值圖像中背景部分的點(diǎn)可以令它的值為0，那么可將1賦給p開始運(yùn)算。式(15)描述將1值填充到整個(gè)區(qū)域中。

Xk=(Xk-1⊕B)∩Ac，k=1，2，3，…

(15)

其中，X0=p。如果Xk=Xk-1，則該算法在迭代的第k步立即結(jié)束。所以Xk∪A的結(jié)果就是被填充的集合和目標(biāo)圖像的邊界區(qū)域。在數(shù)學(xué)中，定義腐蝕的運(yùn)算符為Θ，用B對(duì)A進(jìn)行腐蝕可以記為AΘB，其定義為：

AΘB={x|(B)x?A}

(16)

表明用B集合腐蝕的過(guò)程就是對(duì)B集合進(jìn)行平移運(yùn)算x，結(jié)果是所有x的集合，即B集合平移x后仍在A集合中。

2　算法及算例

為了成功提取出復(fù)合絕緣子憎水性水珠圖像，本文算法具體步驟如下：

(1)將圖片由RGB轉(zhuǎn)換到HSV，并提取出亮度(V)分量；

(2)對(duì)亮度(V)分量圖像調(diào)整對(duì)比度；

(3)對(duì)亮度(V)分量圖像進(jìn)行基于sobel算子的線性空間濾波的梯度運(yùn)算，得到梯度圖像；

(4)對(duì)梯度圖像進(jìn)行自適應(yīng)直方圖均衡化，得到新的梯度圖像；

(5)用最大熵法計(jì)算出新的梯度圖像的分割閾值t；

(6)然后對(duì)新的梯度圖像采用canny算子在閾值范圍為[(t/256)/2，t/256)]時(shí)進(jìn)行邊緣識(shí)別，并用修正算法刪掉小水珠邊緣、偽邊緣以及非水珠處產(chǎn)生的噪聲邊緣；

(7)對(duì)得到較大水珠的邊緣圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算。先用菱形結(jié)構(gòu)元素對(duì)檢測(cè)出的圖像進(jìn)行膨脹操作(菱形結(jié)構(gòu)元素的長(zhǎng)度大小設(shè)為2)，然后對(duì)二值圖像進(jìn)行區(qū)域填洞操作，最后用十字形結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕操作(十字形結(jié)構(gòu)元素的長(zhǎng)度大小設(shè)為2)。

原圖如圖1所示，直方圖均衡化后的梯度圖像如圖2所示，梯度圖像的邊緣圖像如圖3所示，最終結(jié)果如圖4所示。其中(a)和(b)分別代表兩幅不同的憎水性水珠圖片。

圖1　原圖

圖2　梯度圖

圖3　邊緣圖

圖4　結(jié)果圖

3　總　結(jié)

后續(xù)復(fù)合絕緣子憎水性等級(jí)判定的關(guān)鍵在于水珠形狀提取。本文先對(duì)RGB圖像轉(zhuǎn)化為HSV圖像，提取出圖像的亮度(V)分量，然后對(duì)亮度(V)分量圖像進(jìn)行梯度運(yùn)算，并對(duì)梯度圖自適應(yīng)直方圖均衡化增強(qiáng)邊緣效果，進(jìn)而基于最大熵方法對(duì)梯度圖進(jìn)行自動(dòng)閾值分割，得到初始水珠邊緣圖像，并刪除初始邊緣圖像中的細(xì)小處，最后運(yùn)用膨脹、填洞、腐蝕的方法處理水珠邊緣圖像，最終提取出水珠圖像。這種做法比較適合圖片較小的絕緣子圖像，對(duì)于整片圖片可以劃分為小圖片后，再進(jìn)行絕緣子憎水性圖像水珠提取，最后拼接在一起，得到整片絕緣子的水珠圖像。因此，本文提供了一種復(fù)合絕緣子憎水性水珠圖像提取算法。

參考文獻(xiàn)：

[1]高海峰，王永福，朱可能，賈志東.憎水性對(duì)線路絕緣子耐污閃特性影響的試驗(yàn)分析[J].高電壓技術(shù)，2011，(2)：284-289.

[2]冉松懷.變電站預(yù)防污閃的技術(shù)措施[J].西北電力技術(shù)2004，(4)：152-153+7.

[3]梁志豪.絕緣子污閃的形成機(jī)理及預(yù)防措施[J].廣東電力，2013，(6)：87-92.

[4]黃成才，李永剛.復(fù)合絕緣子老化狀態(tài)評(píng)估方法研究綜述[J].電力建設(shè)，2014，(9)：28-34.

[5]賀含峰，陳洪波，白歡，等.復(fù)合絕緣子憎水性檢測(cè)技術(shù)研究進(jìn)展[J].四川電力技術(shù)，2013，(2)：63-68+76.

[6]周彬，孫毅，祁兵.硅橡膠復(fù)合絕緣子憎水性圖像分割算法[J].安徽電氣工程職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2008，(1)：19-22.

[7]彭克學(xué)，王泉德，王先培.基于表面噴水圖像分析的絕緣子表面憎水性檢測(cè)方法[J].絕緣材料，2005，(1)：47-51.

[8]文山，李葆青.圖像的色彩空間研究[J].六盤水師范高等專科學(xué)校學(xué)報(bào)，2005，(6)：15-18.

[9]徐光明.顏色空間在彩色圖像增強(qiáng)中的應(yīng)用分析[J].電腦知識(shí)與技術(shù)，2011，(25)：6207-6208.

[10] 于利云，姜桂祥.基于最大模糊總熵準(zhǔn)則自動(dòng)選擇灰度圖像分割的最優(yōu)閾值[J].上海海運(yùn)學(xué)院學(xué)報(bào)，2003，(2)：162-167.