唐 毅，潘 楊，戴天杰，司壯壯，季 杰

（1.蘇州科技大學(xué) 環(huán)境科學(xué)與工程學(xué)院，江蘇 蘇州215009；2.蘇州科技大學(xué) 環(huán)境生物技術(shù)研究所，江蘇 蘇州215009；3.蘇州科技大學(xué) 城市生活污水資源化利用技術(shù)國家地方聯(lián)合工程實驗室，江蘇 蘇州215009）

伴隨著我國工業(yè)化和城市化步伐的加快，城市水體普遍面臨污染嚴重、感官惡劣等問題，藍藻、黑臭現(xiàn)象時有發(fā)生，城市水體的功能和作用逐漸轉(zhuǎn)化為納污、泄洪和景觀用途。良好的表觀性狀已經(jīng)成為人們對于城市水體的基本要求[1]。

水體表觀污染是指外界污染物在進入水體后，受到物理、生物、化學(xué)等多種遷移轉(zhuǎn)化過程的影響，加上水力條件，氣象因素等外部環(huán)境的作用，水體呈現(xiàn)出懸浮物增多，透明度降低，灰黑等顏色異常，散發(fā)出刺激性氣味等破壞生態(tài)質(zhì)量，影響人居環(huán)境的不良表觀性狀[2]。通常所說的“黑臭”和“藻華”就是最顯著最負面的表觀污染現(xiàn)象。經(jīng)研究發(fā)現(xiàn)，非溶解性污染物是造成城市水體表觀污染的主要因素[3]。

基于吸收光譜表征的城市水體表觀污染評價方法是本課題組獨創(chuàng)的研究方法。城市水體表觀污染評價方法里在具體表觀污染指數(shù)的計算過程中，水體顏色的判斷采用的是評價人員基于人眼的現(xiàn)場判別和文字描述的方法。這種方法不可避免的會產(chǎn)生主觀性和個體差異性從而影響所測定表觀污染指數(shù)的準(zhǔn)確性，使表觀污染指數(shù)法不具有充分的客觀性，同時也限制了表觀污染指數(shù)自動測定技術(shù)和線上測定技術(shù)的發(fā)展。

本文基于表觀污染指數(shù)法（Sensation Pollution Index，SPI）對于不同水體顏色的定義，以蘇州市城市景觀水體為研究對象，利用計算機視覺技術(shù)，自主開發(fā)顏色識別系統(tǒng)，將主觀判別轉(zhuǎn)化為數(shù)字化表述，并通過識別的顏色空間特征值（HSB值：色度、飽和度、亮度），構(gòu)建顏色判別模型，實現(xiàn)了顏色的自動化分類判別。進而解決了表觀污染指數(shù)自動化測定的關(guān)鍵技術(shù)難題，通過網(wǎng)絡(luò)環(huán)境部署，最終實現(xiàn)表觀污染指數(shù)的線上檢測。

1 材料與方法

1.1 SPI方法

城市水體表觀污染評價方法可以對水體表觀變化做出客觀評價，記載水體表觀質(zhì)量的變化過程，科學(xué)闡述表觀污染現(xiàn)象的發(fā)展歷程，定量化表征污染效應(yīng)，評估城市水環(huán)境表觀污染現(xiàn)狀及城市水環(huán)境修復(fù)工程成效，為污染控制策略和針對性技術(shù)措施的研究提供更為直接的依據(jù)和思路[4]。該方法于2015年納入中華人民共和國住房和城鄉(xiāng)建設(shè)部《建設(shè)部黑臭河道工作指南》。SPI的計算公式為

式中，SPI表示表觀污染指數(shù)，x表示水樣過濾前后吸收光譜掃描曲線的圍合面積，β表示顏色修正系數(shù)。在計算的過程中，需要通過人工判別將水體顏色劃分為四個不同的色系，并根據(jù)不同的水體顏色，賦予不同的修正系數(shù)β。

表1 水體顏色修正系數(shù)β

2017—2020年，運用該方法對蘇州城市水體表觀污染質(zhì)量進行了評價，驗證了SPI方法可以從不同層次對水體進行分析評價，具有較為靈活的評價方式，能夠科學(xué)地闡述表觀污染現(xiàn)象的發(fā)展變化過程，評價水體修復(fù)工程成效。

1.2 顏色客觀識別方法

原有SPI方法在指數(shù)計算的過程中，需要通過觀測人員的主觀判別和文字描述的方式，獲取顏色修正系數(shù)。方法采用了多人判別，綜合評價的方式，使判別盡可能客觀，但是由于觀測人員的個體差異，天氣、環(huán)境、心情等因素的影響，使得判別存在差異，判別的客觀性不夠充分。通過照片拍攝、色彩還原、顏色提取的方式，可以有效的解決上述主觀判別的誤差。

城市水體照片的拍攝是在戶外開放環(huán)境，受光源、環(huán)境、背景等多方面因素的影響，必然會產(chǎn)生色偏，單純的現(xiàn)場照片并不能真實傳達客觀的色彩信息，影響了水體顏色的識別和判別。因此，必須在顏色識別之前，對拍攝的照片進行色彩還原。

色彩還原的方式和算法有很多種，對比色校正，灰板校正、CCM算法、查找表法等[5-7]，其中24色色卡校正較為簡單，容易實現(xiàn)。本研究采用的是datacolor公司Spydercheckr24色標(biāo)準(zhǔn)色卡，通過提取照片中色卡中色塊的顏色值與色卡顏色的標(biāo)準(zhǔn)值之間的關(guān)系，確立顏色還原矩陣，實現(xiàn)色彩還原。

因為拍攝條件是在自然光條件下，由傳感器自身造成的色差并不是很大，因此，色彩還原矩陣應(yīng)該接近單位矩陣，其中各個元素的值應(yīng)該保持在1.0或者0.0附近。在這種情況下，可以采用迭代的方法，產(chǎn)生一個色彩還原矩陣集合Sc。如a11=1.0+0.02x；a12=0.0+0.02x；a13=0.0+0.02x，其中x=0，1，2，…，24，25。這樣對于向量VR=（a11，a12，a13）就有263種取值可能。同理，可以迭代出VG，VB。對于VR，VG，VB（VR、VG，VB分別代表RGB顏色分量的取值）的任意一種取值都可以組合成一個色彩還原矩陣C，所有組合出來的矩陣構(gòu)成色彩還原矩陣集合Sc。將所有可能值與各色塊對應(yīng)的標(biāo)準(zhǔn)值做方差

方差最小的對應(yīng)矩陣即為最佳的色彩還原矩陣C。最后使用這個色彩還原矩陣來修正整個圖像的色偏，使圖像的顏色更接近于真實顏色[8]。色偏修正的公式如下

式中，C為色彩還原矩陣，R、G、B為原始圖像中的顏色值，R'、G'、B'為色偏修正后的圖像顏色值。通過多項式擬合的色彩還原方式相對比較“簡單粗暴”，有一定的誤差，但是不影響以定性分析為基礎(chǔ)的顏色分類判別。

顏色還原后提取的水面顏色才能反應(yīng)真實的水面顏色。兼顧后期的集成運算，選擇默認區(qū)域為橫向1/2縱向1/3處為中心點的200×200像素區(qū)域平均值，提取HSB色彩空間的顏色值做為顏色判別依據(jù)。HSB色彩空間模式是描述人的視覺對自然界光線顏色感覺的模式，與人體感官的匹配最直接。

1.3 拍攝約束條件

以蘇州城市水體為例，通過課題組在不同光照條件下，不同角度、不同距離多次反復(fù)的拍攝與測試，建立了能夠被顏色識別系統(tǒng)有效識別的照片拍攝約束條件。

拍攝用相機需要保證2 000萬像素及以上（本課題組使用的設(shè)備是佳能單反550D），選擇自動白平衡模式。色卡置于平靜水面上，拍攝時選擇光圈優(yōu)先模式，自動對焦色卡區(qū)域，拍攝時鏡頭距離水面約2～3 m，不得超過5 m，正對水面接近垂直方向拍攝（完全垂直拍攝會受倒影的影響）。取景范圍必須包含完整清晰的24色色卡（使用不同的色卡模型需要先在識別系統(tǒng)里建模），且避開倒影，避免光線太弱或太強（光強不得小于8 000 Lux，不得大于20 000 Lux）。在拍攝取景時，需要考慮取景范圍的橫向1/2處和縱向1/3處為默認提取顏色范圍區(qū)域，該區(qū)域需要能夠代表水體顏色的特性，避免波浪、倒影、樹葉等其他物體的干擾。

2 分析與應(yīng)用

2.1 顏色判別模型建立

顏色判別依據(jù)的建立是基于城市水體表觀污染指數(shù)SPI方法，采用顏色優(yōu)化模式，將水體顏色劃分為綠色、黃色、灰色和黑色四個色系[9]。綠色系是指水體表觀狀況良好，水體呈現(xiàn)清澈、純綠；黃色系是指水體顏色呈現(xiàn)黃色，包括土黃、黃綠等；灰色系是指水體顏色呈現(xiàn)灰色，包括灰白、灰綠、灰褐等；而水體顏色中帶黑色，包括黑、灰黑、黑綠時均歸為黑色系。以蘇州城市水體為例，在23個采樣點不同時間段進行拍照采樣，采集到有效樣本數(shù)據(jù)627個，其中綠色水體117個，黃色水體191個，灰色水體272個，黑色水體47個。

通過對水體顏色的HSB值進行梳理分析，色偏修正后對水面顏色信息提取可以通過水面亮度（B）值將黑色水體和其他三種顏色的水體區(qū)分開（見圖1），黑色水體的亮度值均小于30，其他三種顏色水體中僅有7個樣本的亮度值小于30。

圖1 黑色系區(qū)分圖

這是由于光照進入水體后，黑色水體吸收系數(shù)較大，吸收的光比其他三種色系水體多，導(dǎo)致黑色系水體水面的亮度值偏低。因此黑色水體的判別條件為B≤30。經(jīng)過分析得知，7個亮度值小于30的其他顏色樣本，拍照時的照度均小于8 000 Lux。

黃色水體通過飽和度（S）和色度（H）可以與綠色和灰色水體中區(qū)分開（見圖2），有90%的黃色水體飽和度大于20且色度小于80。這一現(xiàn)象符合高飽和度下以色度來區(qū)分顏色的HSB原理。

圖2 黃色系區(qū)分圖

模型顏色呈黃色水體的判別條件為B＞30、S＞20且H＜80。

灰色水體多呈現(xiàn)出低飽和度，有81%的樣本飽和度低于20，而其色度值在60至130之間，離散程度較高，與綠色水體和黃色水體沒有顯示出明顯的界限，這也符合飽和度較低時，顏色普遍呈現(xiàn)灰色，色度值不具備區(qū)分顏色功能的原理。綠色水體主要可以分為兩部分，39%的綠色水體飽和度大于20，色度值在80至150之間；61%的綠色水體飽和度小于20，與灰色系水體的區(qū)分度不高。根據(jù)SPI中判斷綠色水體的定義，水體呈現(xiàn)純綠或者清澈時則記為綠色系，其中清澈的定義會導(dǎo)致綠色水體樣本中存在大量的清澈水體，這部分水體在顏色呈現(xiàn)時可能會出現(xiàn)飽和度較低的現(xiàn)象。因此，再引入濁度信息來進一步區(qū)分清澈的綠色水體和灰色水體（見圖3），對于濁度大于15的水體，不滿足綠色水體清澈的定義，所以都歸類為灰色水體，最終建立了水體顏色判別模型。

圖3 綠色系區(qū)分圖

通過水體顏色判別模型（見圖4），對于色偏修正后的水面顏色信息HSB值，先通過B值判定是否屬于黑色水體，再根據(jù)S值區(qū)分具有較大顏色信息的水體和較小顏色信息的水體，在較大顏色信息水體中根據(jù)H值區(qū)分綠色水體和黃色水體，在較小顏色信息水體中根據(jù)濁度值區(qū)分清澈的綠色水體和灰色水體。

圖4 顏色判別模型

2.2 顏色判別吻合率驗證

為驗證顏色判別的吻合率，課題組另外選取了蘇州城市河道91組水樣、江蘇鹽城、江西贛州、江蘇常州、黑龍江大慶共計64組水樣進行了顏色識別系統(tǒng)和人工判別的驗證。通過驗證結(jié)果可知，系統(tǒng)識別的方法與實際主觀判別結(jié)果基本一致，綠色水體的吻合率為88%，黃色水體的吻合率為93%，灰色水體的吻合率為86%，黑色水體的吻合率達到了100%（見圖5）。

圖5 顏色判別吻合率驗證

2.3 城市水體表觀污染線上檢測系統(tǒng)

城市水體表觀污染線上的檢測系統(tǒng)是在顏色自動識別和判別基礎(chǔ)上建立的線上檢測系統(tǒng)?？紤]到線上用戶的非專業(yè)化背景和網(wǎng)絡(luò)環(huán)境的安全性要求，采用了自動化的操作界面，刪除了交互操作的部分，不需要讓用戶自行進行顏色識別的建模，只需保證上傳的現(xiàn)場照片完全符合拍攝約束條件（包括模型也與樣例一致），即可直接進行顏色的識別和分類判別，進而獲得檢測結(jié)果。

導(dǎo)入的濾前濾后掃描文件是以最常用的分光光度計標(biāo)準(zhǔn)輸出文件格式為基礎(chǔ)建立的。包含了儀器版本，日期等信息，掃描數(shù)據(jù)結(jié)果以每5 nm為單位記錄吸光度值，從380～780 nm，包含了所有可見光波長范圍。

經(jīng)過測試，從照片導(dǎo)入、文件導(dǎo)入開始，到SPI值的最終生成，用時約12 s。

2.4 城市水體表觀污染線上檢測系統(tǒng)吻合率驗證

根據(jù)SPI公式計算出來的城市水體表觀污染指數(shù)將表觀污染狀況分為5個等級，SPI低于10表示水體表觀質(zhì)量好，10-25表示較好，25-45表示尚可，45-70表示較差，SPI大于70表示差。

原有SPI方法，在2014年進行的分級結(jié)果與普通公眾的吻合度測試中，完全吻合率達到了55%，基本吻合率（偏差±1級）達到了93%[13]。通過表觀污染指數(shù)線上檢測系統(tǒng)計算的SPI值與原有線下方式計算的SPI值進行了對比分析，以構(gòu)建顏色判別方法的627個樣本為例，線上通過顏色識別計算的SPI值與線下通過主觀判別顏色計算的SPI值比較，計算差值在±1以內(nèi)的比例達到了89.6%，如果按照SPI的表觀污染狀況分級標(biāo)準(zhǔn)，分為五個等級，則等級劃分吻合率超過90%。圖6為SPI線上檢測系統(tǒng)操作流程圖。

圖6 SPI線上檢測系統(tǒng)操作流程圖

3 結(jié)語

研究結(jié)果證明，顏色識別系統(tǒng)的顏色判別與人眼判別的吻合率較高，平均吻合率可以達到89.6%，具有較高的準(zhǔn)確性，可以替代現(xiàn)有方法進行城市水體表觀污染的評價。

通過城市水體表觀污染線上檢測系統(tǒng)，可以在線上、以定量的形式表征城市水體表觀污染程度，實現(xiàn)了客觀、便捷、環(huán)保、高效的城市水體表觀污染評價，對于城市水環(huán)境預(yù)警、水生態(tài)修復(fù)、水污染治理工程效果評價等都能夠提供評價支撐。城市水體表觀污染指數(shù)系統(tǒng)技術(shù)鏈條的完整構(gòu)建，有望在不遠的將來實現(xiàn)現(xiàn)場檢測設(shè)備的研制，為SPI的進一步推廣提供堅實的基礎(chǔ)。