郝慧芬　郝巧梅　劉艷輝　靳祥

摘 要：本文主要研究一種基于視覺技術(shù)的太陽視位置算法，利用視覺技術(shù)實時采集地平坐標系下的影子圖像，經(jīng)迭代選擇閥值法獲取最佳閥值將圖像與背景準確分割，采用邊緣檢測算子提取坐標方塊邊緣坐標和影子兩端邊緣點，以此建立太陽方位角和高度角的算法，從而確定太陽視位置。

關(guān)鍵詞：視覺技術(shù)；太陽視位置；算法

DOI：10.16640/j.cnki.37-1222/t.2017.06.204

1 引言

基于太陽能利用涉及的太陽位置算法的研究源于20世紀60年代。1969年的Copper算法、年的Spencer算法、1988年Michalsky提出的基于天文算法的太陽位置算法，以及2004年Reda提出的精度較高的SPA算法。這些算法均需計算出太陽視赤緯、當?shù)靥枙r角，并以此為變量，利用球面三角公式或矢量法計算太陽視位置的地平坐標（高度角、方位角）[1]，算法復雜、計算量大，影響太陽位置時時準確地獲取，不利于實現(xiàn)自動化跟蹤控制?；谝曈X技術(shù)的太陽視位置算法是借助視覺技術(shù)代替人眼通過采集地平坐標系下的影子圖像，經(jīng)圖像處理分析后，建立太陽方位角和高度角的算法，從而確定太陽視位置。這樣的研究是基于機器視覺技術(shù)的新的嘗試，也是目前太陽能跟蹤眾多方法中尚未涉及的新領(lǐng)域。

2 圖像處理

視覺系統(tǒng)采集的圖像，在形成、傳輸、接受和處理的整個過程中，由于受到噪聲和圖像特征衰減等方面的影響，會降低圖像的質(zhì)量。因此，對圖像進行分析之前，必須先對圖像進行處理，以便為后續(xù)圖像分析處理等高層操作提供基礎[2]。處理技術(shù)主要是對被處理圖像進行灰度變換、平滑濾波、圖像增強、幾何變換、灰度均衡化處理[3] ，目的是消除圖像中無關(guān)的信息，恢復有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改善圖像數(shù)據(jù)，提高特征抽取、圖像分割、匹配和識別的可靠性。

2.1 圖像翻轉(zhuǎn)

圖像翻轉(zhuǎn)是一種幾何變換，可以將原圖像繞著中心點翻轉(zhuǎn)180度，只改變坐標不改變圖像像素值。采集到的影子圖像如圖1（a）所示，處于倒置狀態(tài)，不利于獲取影子坐標系，因此在預處理前應當將圖像翻轉(zhuǎn)，如圖1（b）所示。

2.2 閥值分割

閾值分割就是確定一個閥值，把圖像中每個像素點的灰度值與閥值進行比較，根據(jù)比較結(jié)果將像素分為前景和背景[4]。經(jīng)過圖像分割后，圖像變成了二值圖像，使后續(xù)圖像輪廓的提取和分析就變得非常簡單[5]。

研究中采集到的圖像是灰度圖像，圖中的影子邊界和坐標標量邊界與背景有些模糊，但圖像和背景的對比度比較高，產(chǎn)生的假邊緣點少，因此通過閥值分割就能將圖像與背景分割（見圖2）。

圖像閥值分割的關(guān)鍵技術(shù)是閥值的選取，常用的閾值選取方法有直方圖谷底閥值法、迭代選擇閥值法、最大熵法、最大類間方差法以及其它一些方法。用以上方法依次對圖1（b）圖像進行分割，所得結(jié)果如表1所示。經(jīng)過數(shù)據(jù)和分割效果對比，迭代選擇閥值法獲取的閥值為最佳閥值。

2.3 邊緣檢測

要想準確獲取太陽高度角和方位角就需要準確檢測出影子的像素長度、圖像標準長度像素值和坐標方向。為了獲取這些參數(shù)，采用了邊緣檢測算子。

檢測步驟如下：

（1）對坐標方塊的坐標位置（左方格的左上方坐標和右下方坐標、右方格的右上方坐標和左下方坐標）進行初始化；

（2）通過雙重循環(huán)逐行逐列的掃描搜索獲取四個坐標位置的真實坐標值；

（3）設計算法，構(gòu)建東西方向向量，計算標準長度的像素值，并標出影子圖像所在區(qū)域；

（4）在區(qū)域下方掃描搜索影子圖像標出邊緣點；

（5）設計算法，構(gòu)建影子的方向向量，計算影子的像素長度。

3 太陽方位角和高度角計算

經(jīng)邊緣檢測，獲取了坐標標量方塊的四個坐標點和影子圖像的兩端邊緣點，并已通過算法確定了東西方向向量、影子方向向量、標準長度的像素值和影子的像素長度值。通過GUI界面輸入直桿的長度和坐標標定單位長度就可準確地計算出太陽方位角和高度角。

將基于視覺技術(shù)檢測到太陽高度角和方位角與精度較高的SPA算法計算[6，7，8]的太陽高度角和方位角進行對比。

實驗數(shù)據(jù)采集地點為北緯N39°37′2.67″ 、東經(jīng)E109°48′50.29″；采集日期為2016年3月5日。

4 結(jié)論

基于視覺技術(shù)檢測獲取的太陽視位置精度高，采集原理可行性高，影子圖像輪廓易于提取，圖像前期處理所需步驟少，大大提高了算法處理速度，消除了以往太陽跟蹤時間滯后和實時性低的不利影響[9]。

參考文獻：

[1]杜春旭，王普，馬重芳等.一種高精度太陽位置算法[J].新能源及工藝，2010（02）：41-48.

[2]張春雪.圖像的邊緣檢測方法研究[D].無錫：江南大學，2011.

[3]王東江，劉亞軍.太陽自動跟蹤控制系統(tǒng)的設計[J].數(shù)字技術(shù)與應用，2010（07）：19-25.

[4]張錚，王艷平，薛桂香等.數(shù)字圖像處理與機器視覺——Visual C++與Matlab實現(xiàn)[M].北京：人民郵電出版社，2010：361.

[5]徐平，邵定宏，魏楹等.最佳閥值分割和輪廓提取技術(shù)及其應用[J].計算機工程與設計.2009，30（02）：437-439.

[6]張菲菲.關(guān)于日出日落方位的淺析[J].城市地理，2015：76.

[7]金衛(wèi)東.揭開太陽方位角的神秘面紗[J].求學，2015（05）：53-54.

[8]王國安，米鴻濤，鄧天宏等.太陽高度角和日出日落時刻太陽方位角一年變化范圍的計算[J].氣象與環(huán)境科學，2007（30）：161-164.

[9]李平陽.基于圖像處理的太陽質(zhì)心位置檢測算法研究[D].太陽科技大學，2013.

基金項目：內(nèi)蒙古自治區(qū)高等學?？茖W研究項目（NJZC13376）

作者簡介：郝慧芬（1983-），女，呼和浩特人，碩士，講師，主要從事視覺技術(shù)方面的研究。