陳喜勝，鐘菊萍，李軍

（廣東技術師范學院計算機科學學院，廣州 510665）

最大類間方差法在污水排放圖像處理中的應用研究

陳喜勝，鐘菊萍，李軍

（廣東技術師范學院計算機科學學院，廣州 510665）

采用圖像處理技術與視頻監(jiān)控技術，能夠有效解決人工監(jiān)測所帶來的不足。應用圖像處理中的背景差分法、濾波處理和閾值求取與判斷等，對視頻監(jiān)控中的排水口排放情況進行判斷。結果表明，背景差分能夠有效對圖像進行識別出所污染的范圍，并通過使用Otsu獲取閾值并進行判斷是否為污水，從而有效識別判斷出排放污水的情況，能夠及時做出預警功能并處理。

水資源；污水；背景差分；Otsu；閾值

0 引言

水是人類賴以生存和發(fā)展的基本條件，是維系生態(tài)系統(tǒng)和支撐社會經濟發(fā)展所不可替代的自然資源。地球被稱為“水球”，源于其擁有豐富的水資源，地球72%的表面積被水所覆蓋，但淡水資源僅占所有水資源的0.5%，人類所直接能利用的水，約占地球所有水資源0.007%。我國人均淡水資源占比只有世界人均淡水資源占比的1/4，因此，我國也是一個淡水資源較為貧乏的國家。

隨著社會經濟的發(fā)展，人們對水資源的不合理開發(fā)和利用，使我國水資源遭受嚴重的破壞。到2016年為止，在1200條有監(jiān)測資料的河流當中，就有超過2/3的河流受到污染；在138個統(tǒng)計的城市河段當中，幾乎所有的河段都受到不同程度的污染；而我國每年因污染造成的經濟損失就高達400億之多。我國水資源環(huán)境安全所面臨的形勢極為嚴峻，因此，加強水資源環(huán)境的保護和治理是我們亟待解決的關鍵。

因此，本文通過圖像處理的相關技術與視頻監(jiān)控技術相結合，對水資源環(huán)境進行實時的監(jiān)測和預警。

本文采用MATLAB圖像處理工具，應用計算機圖像處理方法和技術，設計了基于圖像處理的污水排放監(jiān)測系統(tǒng)，并對其進行了驗證。結果表明，能夠快速有效的監(jiān)測污染物，并及時提示解決和處理問題，做到避免大范圍受到污染，能有效地從源頭上減少污染物對水資源的破壞。

1 研究背景

水資源的安全不受污染直接影響人們的用水安全，如何有效的對水資源進行監(jiān)測是保障用水安全的關鍵。而現有的對水資源環(huán)境安全的監(jiān)測手段中，對污水排放進行監(jiān)視的形式主要通過人工對視頻監(jiān)控進行監(jiān)視，從而確定是否有排放污水的情況發(fā)生。這種通過監(jiān)管人員對視頻監(jiān)控進行監(jiān)視的形式，并不能做到實時的監(jiān)視水資源環(huán)境。監(jiān)管的過程中，無法保證監(jiān)管人員能夠二十四小時不間斷地對視頻監(jiān)控進行觀察。在持續(xù)長時間的觀察中，必然使監(jiān)管人員產生精神疲勞，給監(jiān)管工作帶來極大的壓力，因此，在長時間的監(jiān)視過程中，極有可能因工作的疏忽而導致監(jiān)管工作的不到位，使水資源環(huán)境遭受到嚴重的破壞。

在對水質的判斷方面，主要通過對水質的提取、分析的形式來進行判斷。這種通過提取、化驗和分析的形式，整個過程雖能達到快速的檢測，但是這種檢測的形式是在水資源環(huán)境中進行抽樣的檢測過程，而在檢測到水資源環(huán)境遭受到破壞時，極有可能是在水資源環(huán)境已受到大范圍的污染后才得以被發(fā)現和處理的，具有一定的局限性。

通過監(jiān)管人員對水資源環(huán)境的監(jiān)管，并無法做到時時監(jiān)控，對于工作疏忽就有可能使水資源環(huán)境遭受嚴重的破壞，造成無法彌補的嚴重后果。

文獻[1]、[2]中主要對水資源情況進行了分析和探討，進一步了解了水資源對我們的重要性，提出了解決水資源污染的相關對策；文獻[3]、[4]、[5]中主要對水資源的監(jiān)測所存在的問題和影響因素進行了分析和研究，針對具體問題提出相關的解決對策和途徑，為水資源環(huán)境監(jiān)測發(fā)展提供有價值的方法；文獻[6]中采用最大類間方差法和數學形態(tài)學相結合，能夠對潮溝信息進行準確提取，平均準確度達到93.0%，遺漏誤差和冗余誤差分別為7.0%和0.5%；文獻[7]提出的準確、高效的云空識別模型，是基于最大類間方差法的識別模型，使用Otsu算法獲取灰度圖像的最優(yōu)閾值，根據最佳閾值進行分割圖像，對提高光伏發(fā)電功率超短期預測具有重要意義；文獻[8]提出了基于背景差分的鋼軌表面缺陷檢測算法，包括鋼軌區(qū)域提取、背景建模差分、閾值分割和圖像濾波等，該方法對塊狀缺陷能很好地識別，召回率和準確率分別達到96%和80.1%；文獻[9]中介紹了路面裂縫對道路造成的危害，利用三維檢測技術得到的路面裂縫三維數據，利用預處理技術及采用閾值分割方法進行裂縫識別；文獻[10]介紹了4種自適應閾值算法在織物疵點的檢測，作了詳細的分析和比較，得出局部閾值分割算法在疵點檢出率、誤檢率以及執(zhí)行時間上都優(yōu)于其他3種算法；文獻[11]提出了一種基于改進平滑濾波和均勻性度量算法的紗線條干均勻度檢測方法，采用改進平滑濾波對紗線進行濾波，經由均勻度量算法二值化分割，通過區(qū)域濾波和模板濾波得到清晰的二值圖像；文獻[12]提出一種基于改進最大類間方差法的手勢分割方法，采用Otsu進行分割手勢，驗證結果表明該方法能夠精確進行分割。

2 方案設計

本系統(tǒng)的實現是為了解決水資源環(huán)境監(jiān)測中存在的不足問題，為保護水資源環(huán)境不受破壞而進行實時的監(jiān)測和預警。本系統(tǒng)采用MATLAB圖像處理工具，應用圖像處理的相關技術與視頻監(jiān)控技術相結合，進行設計與驗證系統(tǒng)。本文針對實時監(jiān)控、實時管理進行了分析，利用計算機圖像處理方法和技術，通過獲取視頻圖像進行定位，利用最大類間方差法對定位的區(qū)域做出是否受污染的判斷，能夠及時有效地對排水口進行實時的監(jiān)測，并及時做出預警處理。主要流程包括視頻圖像轉換、圖像預處理、圖像差分、定位、判斷和預警，主要流程圖如圖1所示。

圖1 主要流程圖

3 系統(tǒng)的實現

3.1 圖像預處理

為了實現對監(jiān)控視頻的圖像進行識別，需要對視頻監(jiān)控進行圖像的提取，每次提取兩張圖片，每張圖片相隔15幀（視頻幀速率15幀/秒），即每隔一秒提取一張圖片。對提取的圖片需要分別進行預處理，包括圖像的灰度轉換、中值濾波和類型轉換，預處理流程如圖2所示。

圖2 預處理流程圖

（1）圖像灰度化

圖像灰度化是指將彩色圖像轉化為灰度圖像的過程，灰度圖像是R、G、B三個分量的灰度值相等的一種特殊圖像，在對圖像處理過程中將彩色圖像灰度化，可以提高圖像處理過程的運算速度和降低特征提取的難度，而對圖像特征的描述沒有什么影響。在本文中進行彩色圖像的灰度化并不影響對圖像輪廓等特征的提取，因此可利用灰度化來降低提取的難度和提高運算的速度。文中使用rgb2gray()函數對圖像進行灰度化，灰度化后的圖像如圖3所示。

圖3 灰度化前后圖像對比

（2）中值濾波

中值濾波是一種非線性平滑技術，將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值。圖像中含有噪聲和干擾會對檢索的結果造成影響，在圖像處理中,中值濾波具有良好的濾除效果，在濾除噪聲的同時，能夠保存信號的邊緣信息,使其不被模糊，是經典的平滑噪聲的方法。二維中值濾波輸出為 g（x，y）=med{f(x-k，y-l)，(k，l∈W)}，其中，f(x，y)，g(x，y)分別為原始圖像和處理后圖像。W為二維模板，通常為 3×3，5×5模板。本文使用的函數是 medfilt2()，使用的模板是3×3區(qū)域，進行中值濾波后的效果如圖4所示。

圖4 中值濾波效果對比

3.2 圖像的定位

背景差分法又叫做背景減除法，是固定場景中目標檢測算法最常用的一種檢測算法。在背景差分法中，視頻圖像分為背景圖像和前景圖像，該方法將視頻圖像中的當前圖像與背景圖片進行比較，也就是當前幀與背景幀進行差分運算，在運算結果中像素點的灰度值變化大的區(qū)域即為運動目標。因此，我們也常常認為背景差分法是幀間差分法的一種特例。

背景差分法是采用圖像序列中的當前幀和背景參考模型比較來檢測運動物體的一種方法，其性能依賴于所使用的背景建模技術。

對圖像進行預處理后，利用背景差分方法對圖像進行差分，得出差分圖像。而得出的差分圖像并不能對其直接進行識別，需對差分圖像進行圖像二值化處理。通過圖像二值化處理獲得二值化圖像，對二值化圖像進行腐蝕、膨脹操作。

膨脹（或擴張）、腐蝕（或侵蝕）、開運算和閉運算是一組形態(tài)學的代數運算子，主要以膨脹、腐蝕為基礎，推導出其他實用的運算算法，以實現對圖像的處理，包括特征抽取、圖像濾波、邊緣檢測、圖像分割、圖像增強等功能。下面簡單介紹4種基本的算子[6]：

（1）膨脹與腐蝕，設A為要處理的圖像，B為結構元素：

膨脹：

腐蝕：

（2）膨脹與腐蝕結合的其它運算：

開運算：

閉運算：

這種先腐蝕后膨脹的過程稱為開運算，能夠有效地消除細小的突出物體，夠使縫隙處斷開和對物體的邊界進行平滑的作用。區(qū)域定位流程如圖5所示。通過imerode()函數和imdilate()函數進行腐蝕和膨脹操作，腐蝕、膨脹操作的結果前后對比如圖6所示。

圖5 區(qū)域定位流程圖

圖6 腐蝕、膨脹前后圖像對比

通過背景差分方法對圖像進行差分，將差分后的圖像進行圖像預處理，通過預處理操作對圖像進行去噪等操作，以減少干擾和降低提取的難度和提高運算的速度。對預處理后的圖像進行二值化處理后做腐蝕、膨脹操作，以消除部分細小的突出物及使物體的邊界更加平滑，并利用bwlabel()函數進行尋找最大連通區(qū)域。

本文主要針對污水的檢測，使用8連通進行尋找，在查找的連通區(qū)域中，找出最大的連通區(qū)域。只要受污染面積達到一定面積就可以判斷是受污染，因此，只需尋找最大連通區(qū)域就可進行定位和判斷。通過bwlabel()函數尋找的最大連通區(qū)域，并對查找的最大連通區(qū)域進行定位，如圖7所示。

圖7 污染區(qū)域定位

3.3 污染的判斷

（1）判斷的原理

日本學者大津(Nobuyuki Otsu)于1979年提出最大類間方差法[7]（又叫大津法，簡稱Otsu），是一種自適應的閾值確定的方法。其是采用最小二乘法在灰度直方圖的基礎上推導出來的，具有統(tǒng)計意義上的最佳分割。按圖像的灰度特性，將圖像的灰度分割成背景和目標兩部分。背景和目標之間的類間方差越大，說明構成圖像的兩部分的差別越大，即具有最大的分離性。其基本思想如下：

設圖像QM*N在(x，y)處的灰度值為?(x，y)，灰度級為 L，則 ?(x，y) ∈［0，L-1］。當灰度級為 i時，所有像素個數為?i，則出現的概率為p()i ，有：

用閾值t將圖像中的像素值劃分為背景T0和目標T1。T0、T1 的灰度級分別為[0，t-1]、[t，L-1]。T0 所對應的像素為{?(x，y)＜t}，T1 所對應的像素為{?(x，y)≥t}。則T0、T1出現的概率分別為ω0、ω1，有：

T0、T1的平均灰度值分別為μ0（t）、μ1（t），有：

圖像中背景和目標的類間方差為：

令t在［0，L-1］間變化，則不同t值下的類間方差為δ2（t），使得δ2（t）最大時，灰度等級t的閾值k為最優(yōu)閾值。

（2）應用

本文使用最大類間方差法進行最佳閾值的自動獲取，圖像的最佳閾值自動獲取函數為graythresh()。通過函數graythresh()計算獲得的圖像閾值范圍在[0,1]之間，因為在進行求取閾值前將圖像轉換為double類型，因此，獲取實際閾值時需要乘以255。將該實際閾值與基準閾值進行比較，最后，比較的結果作為判斷是否為污水的條件。

當獲得的實際閾值大于或等于基準閾值時，則判斷其為無污染狀態(tài)；當實際閾值小于基準閾值時，則判斷其為受污染狀態(tài)。而在判斷其是否為受污染狀態(tài)時，單單通過閾值這一個因素進行判斷是不能夠準確地判斷是否為受污染狀態(tài)。

由于，不能因為排水口排水時一瞬間檢測到有污染狀態(tài)的存在而判斷其為受污染。在視頻監(jiān)控的過程中，有可能受到其他外在的因素的影響，如光線、水質雜質以及排水口環(huán)境的影響等，都有可能造成系統(tǒng)的錯誤判斷。因此，在判斷是否為污水時，加入一個控制因素——受污染的次數T。通過受污染次數T進行累計，在累計次數達到6次時，即連續(xù)有6秒的時間內進行污水的排放時，即刻輸出受污染的預警信號提示。連續(xù)次數的累計能夠有效地避免了受其他因素的影響，如光線的影響和其他物體的干擾所導致的判斷錯誤。判斷是否為污水流程圖如圖8所示，無污染情況如圖9所示，受污染情況如圖10所示。

圖8 判斷是否為污水流程圖

圖9 判斷為無污染

圖10 判斷為受污染

4 實驗結果與分析

通過對視頻圖像的提取和處理，求取監(jiān)測位置區(qū)域的閾值進行判斷是否受污染。本文通過視頻進行驗證，取其中部分視頻并畫出散點圖進行表述。通過求取的圖像幀數-閾值散點圖進行比較，圖中橫軸表示幀的位置，縱軸中紅色、藍色點分別為前景圖像閾值與背景圖像閾值的值，虛線表示基準閾值為120。通過視頻圖像的閾值與基準閾值進行比較，從而判斷是否處于受污染狀態(tài)。如圖11（a）、（b）中所示，圖中以截取連續(xù)部分圖像的閾值進行分析比較，由實驗可知，本文中對排水口的排放污水判斷是有效的。通過判斷識別出污染的區(qū)域，如圖 12（a）、（b）所示。

圖11

圖12 驗證結果（a）、（b）為無污染

圖13 驗證結果（a）、（b）為受污染

5 結語

本文通過視頻監(jiān)控獲取排水口的圖像數據，對圖像進行轉換和濾波處理，得到排水口的灰度圖像并進行背景差分，找出最大連通區(qū)域并獲取區(qū)域坐標，從而確定監(jiān)測的位置區(qū)域。在確定的區(qū)域位置中，利用最大類間方差法對區(qū)域圖像進行求取最佳閾值，對求取的閾值與給定的閾值進行比較并判斷。實驗結果表明，利用圖像處理技術與視頻監(jiān)控技術相結合，能夠方便、及時、有效地識別出是否受污染及污染的區(qū)域，在對水資源環(huán)境的保護具有一定的意義。

[1]陳瑩.淺談水資源的保護[J].河南科技，2013(01)：177.

[2]陸世峰.我國水資源污染的現狀及對策[J].農民致富之友，2015(06)：288.

[3]賈云華.我國水環(huán)境監(jiān)測存在問題及對策分析[J].中國新技術新產品，2015(24)：149.

[4]張紅梅.關于我國水環(huán)境監(jiān)測中存在問題的探討[J].黑龍江科技信息，2016(25)：93.

[5]馬中雨,賈瑞寶,孫韶華.城市供水水源水預警監(jiān)測系統(tǒng)構建及應用研究[J].建設科技，2012(05)：91-93.

[6]朱言江,韓震,和思海,胡旭冉,陳佩達.基于最大類間方差法和數學形態(tài)學的遙感圖像潮溝提取方法[J].上海海洋大學學報，2017(01)：146-153.

[7]蘇適,李紅萍,楊洋,甄釗,任惠,王飛,孫宏斌.基于最大類間方差法的天空圖像云空識別模型[J].華北電力大學學報(自然科學版)，2016(05)：36-42.

[8]賀振東,王耀南,劉潔,印峰.基于背景差分的高鐵鋼軌表面缺陷圖像分割[J].儀器儀表學報，2016(03)：640-649.

[9]邵娜娜.基于圖像處理的三維裂縫識別技術[J].信息通信，2017(03)：25-26.

[10]杜磊,李立輕,汪軍,萬賢福,陳霞,李冠志.幾種基于圖像自適應閾值分割的織物疵點檢測方法比較[J].紡織學報.2014(06)：56-61.

[11]張婉婉,景軍鋒,蘇澤斌,張蕾,李鵬飛.紗線條干均勻度檢測算法研究[J].西安工程大學電子信息學院，2017(01)：58-64.

[12]李擎，唐歡，遲健男，邢永躍，李華通.基于改進最大類間方差法的手勢分割方法研究[J].自動化學報，2017(04)：528-537.

Reasearch and Application of Otsu Method in Sewage Discharge Image Processing

CHEN Xi-sheng，ZHONG Ju-ping，LI Jun
（College of Computer Science,Guangdong Polytechnic Normal University,Guangzhou 510665）

Image processing technology and video surveillance technology can effectively solve the insufficiency caused by manual monitoring.Uses the background difference method,the filtering process and the threshold seeking and judgment of the image processing,and judges the discharge of the drain in the video monitoring.The results show that the background difference can effectively identify the range of pollution,and by using Otsu to obtain the threshold which can judge whether it is sewage,so as to effectively identify and judge the discharge of sewage which can timely make early warning and deal with it.

Water Resources;Sewage;Background Differencing;Otsu;Threshold

廣東技術師范學院創(chuàng)新強校工程項目資助（No.991460307）

1007-1423（2017）32-0065-07

10.3969/j.issn.1007-1423.2017.32.015

陳喜勝（1988-），男，廣東汕尾人，研究生，研究方向為圖像識別

鐘菊萍（1992-），女，福建龍巖人，研究生，研究方向為圖像識別

李軍（1964-），女，浙江臨海人，教授，碩士，研究方向為移動互聯網、圖像識別、人工智能等研究，Email：844341781@qq.com

2017-08-22

2017-10-26