孫 悅，吳洪潭，石成龍

（中國(guó)計(jì)量學(xué)院 質(zhì)量與安全工程學(xué)院，浙江 杭州310018）

玻璃絕緣子是架空輸電線路的重要組成部分，它的性能優(yōu)劣直接影響到整條輸電線路的運(yùn)行安全［1］.在其生產(chǎn)制造過程中，由于生產(chǎn)工藝、環(huán)境溫度等因素，會(huì)產(chǎn)生氣泡、裂縫等缺陷.這些缺陷將嚴(yán)重影響其使用性能，形成安全隱患.因此必須對(duì)其進(jìn)行質(zhì)量檢測(cè)，以保證玻璃絕緣子的質(zhì)量，提高電力系統(tǒng)運(yùn)行的可靠性.

目前，國(guó)內(nèi)外主要使用人工肉眼的傳統(tǒng)檢測(cè)方法對(duì)玻璃絕緣子進(jìn)行質(zhì)量檢測(cè).人工肉眼檢測(cè)易受檢測(cè)人員的視角、視場(chǎng)、熟練度等因素影響，易造成玻璃絕緣子缺陷的漏檢、錯(cuò)檢.隨著現(xiàn)代生產(chǎn)技術(shù)的發(fā)展，此種檢測(cè)方法已經(jīng)難以適應(yīng)自動(dòng)化生產(chǎn)的需要.而計(jì)算機(jī)視覺技術(shù)具有自動(dòng)化、可連續(xù)檢測(cè)、精確度高等特點(diǎn)，將其應(yīng)用于玻璃絕緣子質(zhì)量檢測(cè)領(lǐng)域，對(duì)實(shí)現(xiàn)絕緣子自動(dòng)化檢測(cè)具有重要意義.

圖像質(zhì)量的優(yōu)劣是影響檢測(cè)準(zhǔn)確性的關(guān)鍵因素.由于玻璃絕緣子結(jié)構(gòu)復(fù)雜，其多層環(huán)形凹槽的結(jié)構(gòu)會(huì)引起光線折射、反射作用，導(dǎo)致所采集圖像中包含大量光折射環(huán)帶.光折射環(huán)帶是圖像的暗部，氣泡或裂縫缺陷常位于其中，被其掩蓋而輪廓模糊，不易識(shí)別.若直接進(jìn)行圖像分割，可能導(dǎo)致缺陷信息丟失或?qū)⒈尘罢`判為缺陷，所以有必要在圖像分割前對(duì)原圖像進(jìn)行圖像增強(qiáng)處理.

圖像增強(qiáng)是為了突出缺陷信息，擴(kuò)大缺陷和背景的特征差別，以便于缺陷識(shí)別.它分為：基于空間域和基于頻率域的兩種方法.空域增強(qiáng)是直接對(duì)每一像素的灰度值進(jìn)行處理；頻域增強(qiáng)是將原圖像先進(jìn)行傅里葉變換，從空間域變換到頻域，然后再選擇合適的濾波器函數(shù)，對(duì)圖像在頻域內(nèi)進(jìn)行濾波，最后進(jìn)行傅里葉反變換，得到增強(qiáng)后的圖像.

1 絕緣子圖像特征分析

1.1 絕緣子圖像空域特征

圖1 玻璃絕緣子缺陷圖像Figure 1 Glass insulator defect image

以圖1為例，圖1（a）是帶有氣泡缺陷的玻璃絕緣子圖像，圖1（b）是帶有裂縫缺陷的玻璃絕緣子圖像，圖1（c）是氣泡缺陷圖像，圖1（d）是裂縫缺陷圖像.

通過對(duì)圖1觀察分析，得出玻璃絕緣子圖像空域特征如下：

1）背景紋理具有方向性，以一組同心圓弧方式排列.

2）背景中的同心圓弧明暗交替出現(xiàn)，灰度值在玻璃絕緣子半徑方向上變化劇烈.

3）氣泡缺陷與背景中圓弧的暗帶交疊，不易辨別其形狀；裂縫缺陷隨機(jī)分布，且較為細(xì)微.

1.2 圖像特征形成原因分析

背景中的圓弧暗帶是絕緣子環(huán)狀凹槽使照明光線發(fā)生折射所致.氣泡常分布在兩層凹槽間隔處，或一部分在凹槽處一部分在凹槽間隔處，所以氣泡易于和暗帶融為一體，不易從背景中分離；裂縫分布無明顯規(guī)律性，但大多裂縫較為細(xì)微，裂縫的灰度值與背景灰度值反差不明顯.

圖像背景中同心圓弧狀的明暗條紋對(duì)缺陷識(shí)別有很大影響，但通過調(diào)整生產(chǎn)工藝和絕緣子本身結(jié)構(gòu)的方法抑制圖像背景不易實(shí)現(xiàn)，所以提出采用頻域?yàn)V波的方式實(shí)現(xiàn)背景抑制.

2 基于頻域分析的背景抑制和缺陷增強(qiáng)

2.1 利用同態(tài)濾波實(shí)現(xiàn)氣泡的圖像增強(qiáng)

同態(tài)濾波的主要作用是消除圖像照明不均，增強(qiáng)暗區(qū)圖像細(xì)節(jié)，同時(shí)不損失亮區(qū)圖像細(xì)節(jié).其方法是將圖像分解為照射分量i（x，y）和反射分量r（x，y），認(rèn)為圖像的灰度是由照射分量i（x，y）和反射分量r（x，y）相乘得到的，其成像模型可表示為：f（x，y）＝i（x，y）·r（x，y）［3］.

照射分量在空間上變化緩慢，其頻譜處于低頻區(qū)域；反射分量反映圖像的細(xì)節(jié)，其頻譜處于高頻區(qū)域.氣泡缺陷隱藏在圓弧暗帶的陰影中，處于圖像的暗區(qū)，若要將氣泡與圓弧暗帶分離開來，需加強(qiáng)高頻成分并減弱低頻成分，以此突出圖像缺陷部分的細(xì)節(jié)信息［4］.

利用高斯函數(shù)對(duì)同態(tài)濾波進(jìn)行改進(jìn)，并用其對(duì)絕緣子圖像進(jìn)行濾波處理.同態(tài)濾波的函數(shù)可表示為［5］：其中，HL是低頻分量的系數(shù)，控制入射分量，用來調(diào)整亮度，其參數(shù)值選取為0.7.HH是高頻分量系數(shù)，控制反射分量，用來調(diào)整細(xì)節(jié)特征.其參數(shù)值選取為2.2［6］.該濾波器能平衡整幅圖像的灰度值，使圖像細(xì)節(jié)變得清晰［7］.

對(duì)于絕緣子圖像，同態(tài)濾波可以降低亮、暗圓弧帶間的灰度差；突出暗區(qū)細(xì)節(jié)信息；去掉遮擋氣泡缺陷的陰影，使氣泡完整浮現(xiàn)，且輪廓清晰可見.

絕緣子濾波前、后的頻域圖像如圖2.

圖2 濾波前后的頻域圖像Figure 2 Frequency domain images before and after filtering

從圖像中得出，濾波后的圖像較濾波前突出了細(xì)節(jié)，且灰度起伏降低.

同態(tài)濾波后的絕緣子圖像如圖3.

圖3 同態(tài)濾波后的玻璃絕緣子圖像Figure 3 Glass insulator image after homomorphic filtering

2.2 利用高頻加強(qiáng)濾波實(shí)現(xiàn)裂縫的圖像增強(qiáng)

裂縫有著不同于氣泡的特點(diǎn)，主要表現(xiàn)為：裂縫極細(xì)，裂縫部位與周圍組織的顏色反差不明顯.一般的計(jì)算機(jī)視覺檢測(cè)方法可能會(huì)將裂縫當(dāng)作噪聲干擾甚至漏檢，因此導(dǎo)致質(zhì)量檢測(cè)精度偏低.高頻加強(qiáng)濾波可將裂縫與周圍組織的對(duì)比度增大，使裂縫區(qū)別于一般噪聲，利于后續(xù)的缺陷識(shí)別和分類［8-10］.

高頻加強(qiáng)濾波是在巴特沃斯型高通濾波器的基礎(chǔ)上改進(jìn)得到的.巴特沃斯高通濾波器（BHPF）的傳遞函數(shù)如下式［11］：

在其基礎(chǔ)上得到的高頻加強(qiáng)濾波器的傳遞函數(shù)如下：

其中，a是偏移量，b是乘數(shù).a的值在0.25到0.5之間選取，b的值在1.5到2.0之間選取.Hhp（u，v）是高通濾波器的傳遞函數(shù).

該常量乘數(shù)突出了高頻部分，同時(shí)增加低頻部分幅度，但是只要保證偏移量比被乘數(shù)小，即可使高頻增強(qiáng)的影響強(qiáng)于低頻增強(qiáng)的影響［12，13］.

帶有裂縫缺陷的圖像經(jīng)高頻加強(qiáng)濾波后，得到結(jié)果如圖4.

圖4 高頻加強(qiáng)濾波后的玻璃絕緣子圖像Figure 4 Glass insulator image after high frequency emphasis filtering

3 實(shí)驗(yàn)結(jié)果與分析

3.1 同態(tài)濾波結(jié)果與分析

圖像增強(qiáng)是為了利于后續(xù)的圖像分割操作，那么，圖像分割的效果即可作為檢驗(yàn)圖像增強(qiáng)是否有效的判斷依據(jù).

為驗(yàn)證同態(tài)濾波對(duì)氣泡缺陷的增強(qiáng)效果，選取帶有氣泡缺陷的絕緣子圖像進(jìn)行對(duì)比實(shí)驗(yàn)，氣泡直徑為3mm，氣泡面積為7.065mm2.經(jīng)攝像頭標(biāo)定，氣泡在圖像中的實(shí)際像素值為471.

將實(shí)驗(yàn)圖像分為兩組，一組不進(jìn)行同態(tài)濾波處理，記為濾波前圖像；另一組進(jìn)行同態(tài)濾波處理，記為濾波后圖像.再分別對(duì)濾波前后兩組圖像進(jìn)行圖像分割，得到的結(jié)果如圖5.

圖5 同態(tài)濾波前后圖像分割對(duì)比圖Figure 5 Image segmentation before and after homomorphic filtering

其中，圖5（a）是未經(jīng)同態(tài)濾波處理的絕緣子圖像分割結(jié)果圖，圖5（c）是其氣泡部分的細(xì)節(jié)圖；圖5（b）是同態(tài)濾波處理后的絕緣子圖像分割后的結(jié)果圖，圖5（d）是其氣泡部分的細(xì)節(jié)圖.

從上圖結(jié)果得出結(jié)論：玻璃絕緣子圖像經(jīng)同態(tài)濾波處理后再用Canny算子［14-15］實(shí)現(xiàn)圖像分割，可使氣泡輪廓明顯區(qū)別于背景中圓弧暗帶輪廓.

圖像分割后對(duì)絕緣子圖像進(jìn)一步處理可得到氣泡圖像，其過程是：首先對(duì)同心弧做最小二乘擬合處理，處理結(jié)果如圖6（a）.接著做去同心弧處理，處理結(jié)果如圖6（b）.去同心弧處理即：對(duì)最小二乘擬合后的各同心圓弧計(jì)算圓心和半徑，去除符合半徑值的圓弧上的點(diǎn)，而僅保留明顯異于半徑值的點(diǎn).最后用面積篩選法，將像素小于20的區(qū)域和大于1 000的區(qū)域去除，只留下氣泡部分圖像，處理結(jié)果如圖6（c）.

圖6 進(jìn)一步處理圖Figure 6 Further processing image

3.2 高頻加強(qiáng)濾波結(jié)果與分析

為了檢驗(yàn)高頻加強(qiáng)濾波對(duì)裂縫缺陷圖像增強(qiáng)的效果，分別對(duì)濾波前后的圖像進(jìn)行圖像分割，所得結(jié)果如圖7.

圖7 高頻加強(qiáng)濾波前后圖像分割對(duì)比圖Figure 7 Image segmentation before and after high frequency emphasis filtering

對(duì)比以上兩幅圖像得出結(jié)論：未經(jīng)高頻加強(qiáng)濾波的圖像中有漏檢的裂縫，且裂縫形狀不完整，易被當(dāng)作噪聲而篩選掉；經(jīng)過濾波處理的圖像，裂縫輪廓清晰，裂縫缺陷準(zhǔn)確完整的被檢測(cè)出.

為了進(jìn)一步說明上述兩種濾波算法的有效性，選取帶有氣泡缺陷圖片和裂縫缺陷圖片各50張進(jìn)行試驗(yàn)，統(tǒng)計(jì)出質(zhì)量檢測(cè)準(zhǔn)確率，統(tǒng)計(jì)結(jié)果如表1.

表1 質(zhì)量檢測(cè)正確率統(tǒng)計(jì)表Table 1 Quality detection accuracy tab %

統(tǒng)計(jì)結(jié)果顯示：針對(duì)氣泡缺陷和裂縫缺陷采用頻域?yàn)V波的方法能有效增強(qiáng)缺陷圖像，提高玻璃絕緣子質(zhì)量檢測(cè)正確率.

4 結(jié) 語(yǔ)

將同態(tài)濾波和高頻加強(qiáng)濾波應(yīng)用在玻璃絕緣子質(zhì)量檢測(cè)的圖像增強(qiáng)環(huán)節(jié)中，能有效減少光折射環(huán)帶對(duì)氣泡和裂縫的干擾，達(dá)到背景抑制和缺陷增強(qiáng)的效果，從而降低了對(duì)玻璃絕緣子質(zhì)量檢測(cè)設(shè)備的要求，同時(shí)使質(zhì)量檢測(cè)正確率顯著提高.

［1］關(guān)志成.絕緣子及輸變電設(shè)備外絕緣［M］.北京：清華大學(xué)出版社，2006：15-28.

［2］龔聲蓉，劉純平，王 強(qiáng)，等.數(shù)字圖像處理與分析［M］.北京：清華大學(xué)出版社，2006：46-69.

［3］許 欣.圖像增強(qiáng)若干理論方法與應(yīng)用研究［D］.南京：南京理工大學(xué)，2010.

［4］楊永敏，樊繼壯，趙 杰.強(qiáng)反射表面缺陷圖像預(yù)處理［J］.光學(xué)精密工程，2010，18（10）：2288-2296.

［5］張新明，沈蘭蓀.基于小波的同態(tài)濾波器用于圖像對(duì)比度增強(qiáng)［J］.電子學(xué)報(bào)，2001，29（4）：531-533.

［6］孫慧賢，羅飛路，張玉華.工業(yè)內(nèi)窺鏡圖像對(duì)比度增強(qiáng)算法［J］.光電工程，2008，35（12）：107-111.

［7］IBRAHIM H，KONG N S P.Brightness preserving dynamic histogram equalization for image contrast enhancement［J］.IEEE Transaction Consumer Electronics，2007，53（4）：1752-1758.

［8］鄒園園，葛慶平，韓 煜，等.基于頻域?yàn)V波的THz圖像條紋噪聲處理［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45（17）：241-242.

［9］田宏亮，趙建軍.基于高頻加強(qiáng)濾波和HE的手背靜脈圖像增強(qiáng)［J］.山西電子技術(shù)，2010（1）：14-15.

［10］徐煒君，劉國(guó)忠.空間域和頻域結(jié)合的圖像增強(qiáng)技術(shù)及實(shí)現(xiàn)［J］.中國(guó)測(cè)試，2009，35（4）：52-54.

［11］RAFAEL C，RICHARD E.Woods digital image processing［M］.2ed.Beijng：Publishing House of Electronics Industry，2002：55-72.

［12］阮秋琦.數(shù)字圖像處理［M］.北京：電子工業(yè)出版社，2001：30-55.

［13］WANG Y，CHEN Q，ZHANG B.Image enhancement based on equal area dualistic sub-image histogram equalization method［J］.IEEE Transaction Consumer Electronics，1999，45（1）：68-75.

［14］馮會(huì)真，夏哲雷，林志一.基于神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測(cè)方法［J］.中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2006，17（4）：37-39.

［15］WEN P，WANG X J，WEI H，Modified level set method with canny operator for image noise removal［J］.Chinese Optics Letters，2010，8（12）：1127-1130.