李漢峰 谷志偉

（廣西電網公司欽州供電局，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，勞動強度大，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，確定指針的偏轉角度，就可以判斷避雷器的讀數(shù)。因此，利用圖像識別算法進行智能讀數(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平面上，并且對光照有嚴格要求。而變電站巡檢機器人采集避雷器儀表圖像是在遠距離多角度的情況下進行的，況且在戶外條件下不可避免地會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。本文以巡檢機器人現(xiàn)場拍攝圖像為出發(fā)點，由于現(xiàn)場強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，本文所提出的方法對避雷器指針的檢測效果較好，完全滿足巡檢機器人戶外應用的要求。

1 儀表圖像的預處理

大部分情況下變電站戶外的光線較為強烈，易導致背景泛白，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)學中的底帽變換對圖像進行預處理，以減少光照對圖像處理的影響。

底帽變換是圖像形態(tài)學中的一種組合操作，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圖像進行膨脹操作，再進行腐蝕操作：

其中，膨脹和腐蝕操作分別定義如下：

這里通過對圖像處理效果進行比較，選擇b為41×41的正方形結構元。

預處理的結果如圖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，減輕了光照對指針的影響。

圖1 對表盤進行底帽變換

2 二值化

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

由上面的介紹可知，對圖像進行二值化處理的關鍵是選取合適的閾值z，它直接影響到表針檢測的結果。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個灰度級，在灰度級k將灰度級分成［1，k］和［k＋1，m］兩部分。分別計算兩組的概率w0、w1和組內均值μ0、μ1，以及整個圖像的灰度均值μ。兩組間的方差δ2用式（5）表示。

式（5）等價于式（6），即：

式中，δ2（k）為最大值時，灰度級k對應的灰度值k＊，即所求的灰度閾值。

按照式（7）對圖像進行閾值分割。

其中I（x，y）是閾值化以后的像素值，二值化得到的結果如圖2所示。

圖2 二值化結果

從二值化結果圖中可以看到，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，這些無關的內容現(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排除。

3 圖像的邊緣檢測

圖像的邊緣檢測實質上是用某種算法來提取出圖像中的對象與背景間的交界線［4］。為了讓圖像中的邊緣更加清晰，我們在二值圖像的基礎上進行邊緣檢測。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果。

圖3 4種邊緣檢測方法的結果

通過實驗比對，本文采用的是Canny邊緣檢測算法。Canny邊緣檢測算法被認為是目前為止最為成功的邊緣檢測算法之一，應用十分廣泛。Canny邊緣檢測算法首先是用高斯濾波器對圖像進行濾波，抑制圖像中的噪聲。接著使用一階微分算子計算圖像的梯度幅值和方向，并且對最大幅值進行非極大抑制，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］是一種對二值圖像進行直線檢測的有效方法。具體到指針檢測領域，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空間，圖像空間中的一條直線在極坐標空間中表示為：

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

圖4是Hough變換以后得到的結果，有很多不同的直線，但是避雷器指針應當滿足以下幾個條件：（1）避雷器指針直線必須在一個最小角度min和最大角度max的范圍內；（2）以圖像的中心線（此中心線根據(jù)模板圖像的標定確定）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)域其直線角度應當滿足（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范圍內。根據(jù)以上幾個條件可以過濾掉大部分直線，然后我們在剩余的直線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 結果顯示

5 結語

通過對巡檢機器人在戶外條件下采集的巡檢圖像進行大量測試，證實了本文所提算法的魯棒性。通過底帽變換對圖像進行預處理可以有效地適應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應的直線，進而讀出儀表讀數(shù)，算法簡單，易于實現(xiàn)，滿足了巡檢機器人檢測實時性的要求。而且，大量巡檢機器人的巡檢圖片驗證，在此圖像處理算法下，對避雷器儀表正確讀數(shù)的概率在96．5%以上，完全滿足巡檢機器人對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讀數(shù)識別方法［J］．計算機輔助工程，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］．計算機應用研究，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自適應閾值選取算法的快速實現(xiàn)［J］．自動化學報，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］．光學技術，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］．計算機學報，2001，24（10）：1 102～1 109