陳振勇 薛劍波

摘要：針對電氣控制柜開關狀態(tài)識別的智能化發(fā)展趨勢，通過對開關特征、定位技術和狀態(tài)特征的探索，提出了基于數(shù)字圖像處理技術的開關識別算法。算法對圖像預處理采用陰影去除、顏色模型二值化，又進行開關定位、開關狀態(tài)識別對比。由實驗結果可知，算法能準確實現(xiàn)開關的定位、校正、分割和識別，具有良好的性能。

關鍵詞：開關狀態(tài)；數(shù)字圖像處理；定位；識別

1、引言

1.1本課題研究背景及意義

隨著現(xiàn)代電力系統(tǒng)的發(fā)展，變電站的復雜度越來越高，因此一個變電站中需要有越來越多的開關控制柜來控制各個線路，而且需要隨時掌握開關的狀態(tài)，目前人工識別速度慢而且耗費人力物力，因此用軟件識別開關狀態(tài)并進行狀態(tài)對比就顯得越來越重要，也更符合現(xiàn)代工業(yè)發(fā)展智能化的潮流趨勢。

本文研究了開關柜中較常用的一種開關，并對通過數(shù)碼相機采集到的開關柜方形圖默認有統(tǒng)一照度。通過對大量的開關柜圖片的研究，本文應用圖像處理技術、開關定位技術、開關識別技術、Hough變換、開關狀態(tài)矩陣生成及對比，最后設計程序實現(xiàn)對一張方形圖里的開關的狀態(tài)進行了簡單判定。

2、傾斜方形圖開關圖像的矯正

2.1 引言

在獲取數(shù)字圖像的過程中，由于攝像鏡頭的非線性，往往會導致獲取的圖像存在嚴重的幾何畸變。因此，在對圖像做進一步的處理之前，需要對發(fā)生畸變的圖像進行幾何矯正。

2.2 圖像校正的算法實現(xiàn)

本文使用的算法的核心思想就是把傾斜圖像的目標區(qū)域切分成n個小塊，然后把這些小塊里的數(shù)據(jù)一一對應地賦值給另一個同樣分成n個小塊的矩形圖像。校正后的圖像便是端正的矩形的目標區(qū)域。具體流程如下：

①定位并獲取目標區(qū)域的四個角點的坐標值pt1、pt2、pt3和pt4。

②設置校正圖像的長和寬（本文設置為3000×3000），也就是說，會把目標區(qū)域切分成長和寬的乘積的數(shù)量（即9×106個）。

③根據(jù)四個角點坐標求出第一個小塊的坐標，并取整然后賦值給P，再由P得出這一小塊在矩形圖像所對應的位置，這樣便可把對應的數(shù)據(jù)賦值到矩形圖像中。

④利用雙重循環(huán)結構使P能一一取遍所有的小塊的坐標，最后得到校正后的圖像。

3、電氣開關柜方形圖像的預處理

3.1 引言

圖像預處理，是將每一個文字圖像分檢出來交給識別模塊識別，這一過程稱為圖像預處理。在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。

圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取、圖像分割、匹配和識別的可靠性。

預處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復原和增強等步驟。

3.2圖像裁剪

由于一幅電氣開關柜方形圖圖像的開關太多，每個開關灰度都有區(qū)別，進行多開關同時識別會產生困難，這就需要我們把每個開關單獨拆開來檢測，以提高檢測精確度，并且簡化了檢測工作。

3.3圖像灰度化

進入計算機內存的色彩是非常豐富的，要想重現(xiàn)它并據(jù)此進行分析和處理是一件不容易的事情。然而，通過光度學的研究結果表明，任何色彩都可以由紅、綠、藍這三種顏色按一定的比例混合而成。

三基色RGB與亮度的關系從理論上來講，等量的三基色R、G、B相加可以得到白色。但是，由于人的視覺對顏色敏感程度的差異，等量的三基色混合并不能得到白色，其混合的比例需要調整。

可將24位的彩色圖片利用亮度公式：

首先對獲得的彩色圖像進行灰度轉換，得到開關的灰度圖像。

Gray=0.299×R+0.587×G+0.114×B

其中，Gray代表像素點的灰度值，R、G、B分別代表其Red、Green和 Blue的分量值。進行灰化處理，把圖像中像素的灰度級進行歸一化。在256個灰度級別中，“0”代表黑色，“255”代表白色。這樣，將24位的圖像數(shù)據(jù)轉換成為了8位的圖像數(shù)據(jù)，大大減少了數(shù)據(jù)量，縮短了圖像處理的時間，使分析處理大為簡化。

3.4直方圖均衡化

灰度直方圖反映一幅圖像的總體灰度分布情況，是灰度級的函數(shù)，用于描述圖像中每一灰度級及出現(xiàn)該灰度級的像素點的個數(shù)。直方圖的橫坐標表示灰度級，縱坐標表示該灰度出現(xiàn)的次數(shù)。灰度級為[0，L-1]范圍的數(shù)字圖像處理的直方圖是離散數(shù)h（rk）=nk，其中rk是第k級灰度，nk是圖像中灰度級為rk的像素的個數(shù)。經常以圖像中像素的總數(shù)來除它的每個值，以得到歸一化的直方圖。因此，一個歸一化的直方圖有下式成立：

P（rk）=nk/n k=0，1，...，L-1

直方圖技術是多種空間域處理技術的基礎，能有效的用于圖像增強。若一幅圖像的像素占有全部可能的灰度級并且分布均勻，則這樣的圖像有很高的對比度和多變的灰度色調。

3.5濾波器

濾波的目的一般有兩個：一是抽出對象的特征作為圖像識別的特征模式；另一個是為適應圖像處理的要求，消除圖像數(shù)字化時所混入的噪聲。

對濾波處理的要求有兩條：一是不能損壞圖像的輪廓及邊緣等重要信息；二是使圖像清晰視覺效果好。

對一副圖像上的某個點進行中值濾波處理，先將掩模內欲求的像素及其鄰域的像素值排序，確定出中值，然后將這個中值賦值給該像素。

3.6二值化處理

開關的灰度值和區(qū)域背景的灰度圖差距明顯，需要對圖像進行閾值分割處理，其中關鍵的是閾值的選擇。圖像二值化是數(shù)字圖像處理中的基本技術，將256個亮度等級的灰度圖像通過適當?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能突顯出感興趣的目標的輪廓。其次，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。

二值化的基本方法有基于全局閾值的二值化方法和基于局部閾值的二值化方法。其基本思想是對圖像上的每一個像素點（x，y），和閾值T進行比較，若該點像素值大于T，則為目標點，否則為背景，如下式：

本文采用的是局部閾值二值化法。

4、圖像的邊緣檢測

邊緣提取

邊緣提取用于圖像處理的兩種基本運算是腐蝕和膨脹，它們的不同組合形成開和閉。

圖像經歷邊緣檢測算子作用后，在階躍邊緣處形成凸脊，在屋頂邊緣處形成凹谷，再與原圖像作差分得到邊緣。利用形態(tài)學邊緣檢測，選擇合適的結構元素是非常重要的，如果選得好，在濾除噪聲的同時也能很好的保存圖像細節(jié)。

5、結束語

數(shù)字圖像識別技術是現(xiàn)代IT技術中的一類重要技術領域，它是信息系統(tǒng)學科中的一個研究熱點。

相比于現(xiàn)有的人工檢測，圖像技術可以為更迅速準確的判斷出當前開關狀態(tài)，并且與預存狀態(tài)相較，得出哪些開關狀態(tài)錯誤，使得電氣控制柜開關狀態(tài)檢測變得更加的敏捷和準確，能對各種電力設備進行監(jiān)控，在出現(xiàn)故障時能在第一時間快速定位故障設備。并且該檢測系統(tǒng)不僅能不受外部因素影響、長時間穩(wěn)定工作，而且還有較高的可靠性。

參考文獻：

[1]岡薩雷斯.數(shù)字圖象處理（matlab版）（第二版）[M].北京：電子工業(yè)出版社，2014，1.

[2]丁四海.數(shù)字圖像識別用于開關柜開關檢測的研究[D].上海交通大學，2012年.