基于OpenCV的高壓電氣設(shè)備放電紫外成像檢測(cè)圖像量化參數(shù)提取

王勝輝　劉　鵬　馮宏恩　廖一帆

1(華北電力大學(xué)河北省輸變電設(shè)備安全防御重點(diǎn)實(shí)驗(yàn)室　河北 保定 071003)2(南方電網(wǎng)科學(xué)研究院　廣東 廣州 510080)

?

基于OpenCV的高壓電氣設(shè)備放電紫外成像檢測(cè)圖像量化參數(shù)提取

王勝輝1劉鵬1馮宏恩1廖一帆2

1(華北電力大學(xué)河北省輸變電設(shè)備安全防御重點(diǎn)實(shí)驗(yàn)室河北 保定 071003)2(南方電網(wǎng)科學(xué)研究院廣東 廣州 510080)

日盲紫外成像是一種可視化的高壓設(shè)備放電檢測(cè)新方法。為能量化分析放電，利用OpenCV的圖形處理功能，對(duì)紫外圖像進(jìn)行數(shù)字圖像處理并提取放電區(qū)域相關(guān)參數(shù)。介紹數(shù)字圖像處理的相應(yīng)算法原理以及實(shí)現(xiàn)該算法的OpenCV中相關(guān)函數(shù)；利用OpenCV對(duì)紫外檢測(cè)放電圖像進(jìn)行圖像灰度化、二值化、圖像除噪及輪廓提取，實(shí)現(xiàn)了對(duì)放電光斑面積、周長(zhǎng)等參數(shù)的提取。最后利用VC++編寫了相關(guān)程序，通過調(diào)用OpenCV函數(shù)實(shí)現(xiàn)了上述圖像處理。該軟件人機(jī)界面友好、使用方便。相關(guān)研究成果為今后電力系統(tǒng)中量化分析高壓電氣設(shè)備放電提供了一種新的方法。

紫外成像OpenCV數(shù)字圖像處理VC++

0　引　言

現(xiàn)場(chǎng)運(yùn)行的高壓電氣設(shè)備在長(zhǎng)期的電、熱、機(jī)械應(yīng)力和環(huán)境因素的作用下，其絕緣性能會(huì)逐步下降，在一定條件下會(huì)發(fā)生放電甚至沿面閃絡(luò)，嚴(yán)重威脅電網(wǎng)的安全穩(wěn)定運(yùn)行。通過對(duì)放電進(jìn)行檢測(cè)有助于及時(shí)發(fā)現(xiàn)絕緣隱患，提前采取相關(guān)預(yù)防性措施。高壓設(shè)備放電時(shí)會(huì)輻射出紫外光，近幾年一種能探測(cè)紫外光信號(hào)并能對(duì)放電區(qū)域進(jìn)行成像的日盲紫外成像儀開始應(yīng)用于高壓設(shè)備的放電檢測(cè)，儀器的工作原理如圖1所示。

圖1　日盲紫外成像原理圖

紫外成像儀采用了雙通道成像技術(shù)，在圖1中，可見光通道對(duì)設(shè)備本體進(jìn)行成像，紫外通道采用了100%日盲濾光片，僅讓240-280 nm波段紫外光信號(hào)通過，從而避免了外界太陽光信號(hào)的干擾。儀器采用了圖像融合算法，將紫外通道圖像疊加到了可見光圖像上，從而定位出放電位置[1,2]。相對(duì)于傳統(tǒng)的放電檢測(cè)方法，紫外成像法具有非接觸、探測(cè)距離遠(yuǎn)以及靈敏度高的優(yōu)點(diǎn)，并能準(zhǔn)確定位放電位置，因而近幾年在電力系統(tǒng)中得到逐步推廣應(yīng)用[3,4]。

紫外成像儀直觀顯示的參數(shù)為“光子數(shù)”，但光子數(shù)受觀測(cè)距離、增益及環(huán)境的影響很大，而且必須人工讀取，放電不穩(wěn)定時(shí)該參數(shù)讀取較困難。另外，該參數(shù)為儀器計(jì)數(shù)框內(nèi)總的光子數(shù)，當(dāng)存在多個(gè)放電點(diǎn)時(shí)，難以對(duì)各獨(dú)立放電點(diǎn)的放電進(jìn)行量化分析。為將紫外成像法應(yīng)用于放電的定量化分析之中，需要提出新的量化參數(shù)，紫外成像儀輸出的最直觀信號(hào)為紫外圖像，圖像中的白色區(qū)域即為放電光斑。本文實(shí)驗(yàn)研究發(fā)現(xiàn)，放電光斑大小會(huì)隨放電強(qiáng)弱而變化，有學(xué)者從圖形處理的角度提出光斑面積表征放電強(qiáng)度。如文獻(xiàn)[5]利用多張紫外圖像的光斑面積結(jié)合人工神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)備故障診斷，文獻(xiàn)[6,7]經(jīng)過實(shí)驗(yàn)研究表明了光斑面積表征放電強(qiáng)度的可行性。但直接利用Delphi和Matlab等軟件實(shí)現(xiàn)相關(guān)圖像處理算法編程工作量較大，基于此，本文提出運(yùn)用OpenCV相關(guān)圖像處理函數(shù)對(duì)紫外檢測(cè)圖像進(jìn)行數(shù)字圖像處理并提取圖像量化參數(shù)的新方法。

基于上述研究現(xiàn)狀，本文利用OpenCV中的相關(guān)函數(shù)對(duì)放電圖像進(jìn)行了有效分割，提取了光斑面積、光斑周長(zhǎng)、等效長(zhǎng)軸短軸等相關(guān)圖像參數(shù)，實(shí)現(xiàn)了高壓設(shè)備放電強(qiáng)弱的量化分析，且能夠用于分析多放電點(diǎn)紫外圖像。利用VC++開發(fā)了紫外圖像處理和參數(shù)提取軟件，該軟件能在脫離VC++和OpenCV環(huán)境下獨(dú)立運(yùn)行，大大提高了圖像處理和參數(shù)提取效率。本文的研究成果將為今后電力系統(tǒng)中高壓設(shè)備紫外成像檢測(cè)時(shí)量化分析放電提供一種新方法。

1　OpenCV簡(jiǎn)介

OpenCV是一種開放源代碼的計(jì)算機(jī)視覺庫。由一些C函數(shù)和C++類所組成，提供了針對(duì)各種格式的視頻圖像的幀提取函數(shù)和多種標(biāo)準(zhǔn)圖像處理算法，可以實(shí)現(xiàn)例如圖像分割、運(yùn)動(dòng)分析與跟蹤、特征檢測(cè)以及三維重建等功能。這些函數(shù)可以直接調(diào)用以完成復(fù)雜龐大的開發(fā)任務(wù)，縮短工程的開發(fā)周期[8]。

OpenCV主要由5個(gè)大模塊組成[9,10]，其優(yōu)點(diǎn)如下[11,12]：① 可在具有C/C++編譯器系統(tǒng)下運(yùn)行；② 包含不受外部庫影響的500多種函數(shù)，具有良好的獨(dú)立性；③ 具備強(qiáng)大的圖像和矩陣運(yùn)算能力；④ 源代碼公開，設(shè)計(jì)人員可以對(duì)其修改，實(shí)現(xiàn)自己想要的效果；⑤ 針對(duì) Intel 的處理器進(jìn)行了優(yōu)化，運(yùn)算速度快。

2　基于OpenCV的紫外圖像處理和參數(shù)提取

圖2為下雪前在某220 kV變電站，利用CoroCAM 504紫外成像儀拍攝到的絕緣子放電紫外圖像。

圖2　紫外檢測(cè)圖像

由圖2可知，絕緣子上有兩個(gè)明顯的放電點(diǎn)，周圍還存在許多較小的白色干擾點(diǎn)，同時(shí)圖像上還存在白色取景框及時(shí)間信息，這些對(duì)象可看作干擾點(diǎn)。因此在提取參數(shù)之前需要對(duì)圖像進(jìn)行濾波，只保留放電區(qū)域。根據(jù)上述圖像特點(diǎn)，本文提出的圖像處理流程如圖3所示。

圖3　圖像處理流程圖

在圖3中，首先對(duì)圖像進(jìn)行預(yù)處理，包括灰度化及分割、形態(tài)學(xué)濾波、 小區(qū)域面積消除和輪廓提?。蝗缓笥?jì)算各放電區(qū)域圖像的面積、周長(zhǎng)、長(zhǎng)軸和短軸等參數(shù)。本文在此以圖2為例，分別對(duì)上述圖像處理算法和OpenCV的實(shí)現(xiàn)方法進(jìn)行介紹。

2.1圖像預(yù)處理

1) 圖像灰度化及分割

a) 圖像灰度化

紫外成像儀輸出圖像為RGB彩色圖像，為了提取放電區(qū)域，首先需對(duì)圖像灰度化，即令R=G=B=Y，計(jì)算Y值的方法很多，在OpenCV中cvCvtColor()函數(shù)采用加權(quán)法計(jì)算Y值以實(shí)現(xiàn)彩色圖像向灰度圖像的轉(zhuǎn)換，其公式如下：

Y=0.299R+0.587G+0.114B

(1)

其中，Y為灰度值，其范圍為0～255。

b) 圖像分割

分割圖像的方法很多，鑒于放電光斑區(qū)域的灰度值和背景圖像的灰度值相差較大，本文采用了閾值分割算法將圖像二值化。其原理為將灰度圖的各像素在某特定值范圍內(nèi)賦予其為白色(Y=255)或黑色(Y=0)，其數(shù)學(xué)模型為：

(2)

式中t為閾值；g(x,y)為二值化后的灰度值；f(x,y)為二值化前的灰度值。

OpenCV中cvThreshold()函數(shù)可以實(shí)現(xiàn)對(duì)灰度圖像的二值化操作。其原理就是將圖像數(shù)組中每一個(gè)元素與設(shè)定的閾值對(duì)比而進(jìn)行相關(guān)處理，可以通過選擇函數(shù)中的閾值類型實(shí)現(xiàn)式(2)， 其操作為：

dsti=(srci>t) ? 255∶0

(3)

其中，dsti為處理后的第i個(gè)像素值，srci為原圖像的第i個(gè)像素值，t為設(shè)定的閾值。經(jīng)函數(shù)cvThreshold()處理后得到如圖4所示。

圖4　閾值法分割后的圖像

2) 數(shù)學(xué)形態(tài)學(xué)濾波

圖像經(jīng)過二值化后雖然可以達(dá)到一定的去噪效果，但從圖4可知，對(duì)于一些灰度值接近于放電區(qū)域的點(diǎn)經(jīng)過二值化后仍無法去除。為了更準(zhǔn)確地提取放電區(qū)域，本文采用數(shù)學(xué)形態(tài)學(xué)的開閉運(yùn)算對(duì)二值圖像進(jìn)行了濾波處理。

形態(tài)學(xué)基本運(yùn)算包括腐蝕與膨脹。腐蝕與膨脹運(yùn)算是指將原圖像A與核(結(jié)構(gòu)元素)B進(jìn)行卷積，前者是計(jì)算結(jié)構(gòu)元素B所覆蓋區(qū)域中最小像素值，并將該值賦給結(jié)構(gòu)元素B中參考點(diǎn)所指定的像素點(diǎn)；后者是計(jì)算結(jié)構(gòu)元素B所覆蓋區(qū)域中最大像素值，同樣將該值賦給結(jié)構(gòu)元素B中參考點(diǎn)所指定的像素點(diǎn)[13]。若用集合和向量位移運(yùn)算表示腐蝕與膨脹運(yùn)算：

(4)

(5)

式(4)表示在A被結(jié)構(gòu)元素B覆蓋的區(qū)域中計(jì)算最小像素點(diǎn)，則這樣的像素點(diǎn)所構(gòu)成的集合為腐蝕運(yùn)算后的像素點(diǎn)。式(5)表示在A被結(jié)構(gòu)元素B覆蓋的區(qū)域中計(jì)算最大像素點(diǎn)，則這樣的像素點(diǎn)所構(gòu)成的集合為膨脹運(yùn)算后的像素點(diǎn)。n1、n2為整數(shù)，與B的尺寸有關(guān)。

所以可知，若對(duì)圖像單純運(yùn)用腐蝕或膨脹運(yùn)算，會(huì)影響后續(xù)的參數(shù)計(jì)算。但是兩種運(yùn)算并不互逆，因此可以級(jí)聯(lián)運(yùn)用，先腐蝕再膨脹為開運(yùn)算，先膨脹再腐蝕為閉運(yùn)算，其定義如下：

A°B=(AΘB)⊕B

(6)

A·B=(A⊕B)ΘB

(7)

其中°、·分別表示開運(yùn)算與閉運(yùn)算。

開運(yùn)算可以消除高于其鄰近點(diǎn)的孤立點(diǎn)，在不明顯改變其面積的情況下消除物體邊界間的纖細(xì)點(diǎn)，同時(shí)起到平滑作用；閉運(yùn)算可以消除低于其鄰近點(diǎn)的孤立點(diǎn)，在不明顯改變其面積的情況下填充并平滑鄰近物體的邊界?？紤]到放電區(qū)域通常呈圓形，因此選擇的結(jié)構(gòu)元素為圓形結(jié)構(gòu)。

在OpenCV中，cvCreateStructuringElementEx()作用是創(chuàng)建結(jié)構(gòu)元素， 對(duì)于圓形結(jié)構(gòu)元素可定義為圓形直徑，本文默認(rèn)為5；參考點(diǎn)的相對(duì)水平和垂直偏移量，本文固定為2。cvErode()、cvDilate()分別為腐蝕與膨脹運(yùn)算函數(shù)。

利用以上三個(gè)函數(shù)再根據(jù)式(6)、式(7)可實(shí)現(xiàn)圖像的開閉運(yùn)算處理，如圖5所示。圖5與圖4相比，消除了部分噪點(diǎn)，去除了細(xì)長(zhǎng)的白色紫外光子數(shù)計(jì)數(shù)框和時(shí)間日期等數(shù)字信息。

圖5　形態(tài)學(xué)處理后的圖像

3) 小區(qū)域面積消除

從圖5可知，經(jīng)過數(shù)學(xué)形態(tài)濾波處理后，圖中仍然有大量的干擾點(diǎn)，但與放電光斑相比其面積小得多。為此本文采用了二值圖像的小區(qū)域面積消除算法去除圖中干擾點(diǎn)，該算法的基本步驟如下：

a) 檢測(cè)圖5中每一個(gè)高亮區(qū)域，獲取每一個(gè)區(qū)域的邊界信息；

b) 通過邊界信息獲取每個(gè)連通區(qū)域的面積大??；

c) 設(shè)定一個(gè)閾值，依次將每個(gè)區(qū)域面積與該閾值進(jìn)行對(duì)比，大于該閾值的區(qū)域保留下來，而小于該閾值的區(qū)域會(huì)被消除。

基于上述方法，可運(yùn)用OpenCV函數(shù)cvContourArea()求得各個(gè)區(qū)域的面積，該函數(shù)將在參數(shù)提取中具體介紹。并且通過cvSeqRemove()函數(shù)將小于閾值的區(qū)域內(nèi)的像素點(diǎn)置為0。本文設(shè)置閾值為230，經(jīng)小區(qū)域消除算法處理后的圖像如圖6所示。

圖6　小區(qū)域面積消除后的圖像

4) 輪廓提取

為計(jì)算各放電區(qū)域的面積、周長(zhǎng)等參數(shù)，本文提取了濾波后圖像中各個(gè)光斑區(qū)域邊界輪廓點(diǎn)坐標(biāo)。

運(yùn)用OpenCV實(shí)現(xiàn)邊界提取利用了cvFindContours()函數(shù)，該函數(shù)可以從二值圖像中檢索輪廓，將輪廓作為一整體存儲(chǔ)在序列中，并返回檢測(cè)到的輪廓的個(gè)數(shù)。設(shè)置不同的檢測(cè)模式和不同的輪廓近似方法，會(huì)得到不同的輪廓檢測(cè)效果。

本文將檢索邊緣的模式mode定為CV_RETR_CCOMP，表示檢索所有的輪廓同時(shí)將輪廓定義為兩層，即各區(qū)域的外部邊界和空洞的邊界；近似方法method定為CV_CHAIN_CODE，表示使用Freeman鏈碼輸出輪廓。

Freeman鏈碼一般是采用8個(gè)方向，即0、1、2、3、4、5、6、7的方式進(jìn)行輪廓檢測(cè)的，八個(gè)方向示意如圖7所示。

圖7　Freeman鏈碼對(duì)應(yīng)的八個(gè)方向

以初始點(diǎn)為中心，以逆時(shí)針或順時(shí)針的方式檢測(cè)八個(gè)方向的像素值，并按照從上到下、從左到右的方式檢測(cè)整個(gè)圖。當(dāng)檢測(cè)到邊界點(diǎn)時(shí)，則定義該點(diǎn)為檢測(cè)邊緣起始點(diǎn)，并保存在鏈碼內(nèi)，以此繼續(xù)向下檢測(cè)，直到回到邊緣起始點(diǎn)，則完成了一個(gè)輪廓的檢測(cè)，并將表示輪廓的八個(gè)方向的編碼存儲(chǔ)于鏈碼內(nèi)[14]。其可表示形式如表1所示。

表1　一個(gè)輪廓的Freeman連碼表結(jié)構(gòu)

其中(x0，y0)為邊界跟蹤起始點(diǎn)的坐標(biāo)，n為邊界上點(diǎn)的總數(shù)，Bx為連碼序列。

得到各個(gè)區(qū)域的輪廓后，本文利用函數(shù)cvAddWeighted()，使其與原圖像進(jìn)行重合。原理是將原圖數(shù)組與處理后圖像數(shù)組按照式(8)進(jìn)行加權(quán)和，同時(shí)利用cvPutText()將輪廓序列號(hào)顯示在圖像中。

dst=src1×alpha+src2×beta+gamma

(8)

其中alpha為第一個(gè)圖像數(shù)組的權(quán)值，本文定為1；beta為第二個(gè)圖像數(shù)組的權(quán)值，本文定為0.8；gamma為常數(shù)項(xiàng)，本文為0。經(jīng)處理后得到的圖像如圖8所示。

圖8　放點(diǎn)區(qū)域邊界提取圖

從圖8中可以看出，圖像的邊界與原圖幾乎重合，采用本文提出的上述圖像處理算法在濾除噪聲的同時(shí)，還能有效地分割出放電光斑，并且對(duì)光斑區(qū)域的畸變作用很小。

2.2參數(shù)提取

經(jīng)過輪廓提取后，會(huì)產(chǎn)生各區(qū)域的連碼表，將連碼表經(jīng)線性變換可得到線段表，線段表內(nèi)存有放電區(qū)域邊界上各點(diǎn)坐標(biāo)。因此通過連碼表和線段表可以求出放電區(qū)域的面積、周長(zhǎng)、等效長(zhǎng)軸、等效短軸等參數(shù)。

1) 放電面積計(jì)算

區(qū)域面積的計(jì)算方法是指定區(qū)域內(nèi)點(diǎn)的總數(shù)和。若將二值圖像中放電區(qū)域灰度值為255的點(diǎn)定義為1，則面積為該區(qū)域中1的總數(shù)。計(jì)算式如下：

S=∑(x,y)∈A1

(9)

其中A為某一放電區(qū)域。

2) 光斑周長(zhǎng)的計(jì)算

(10)

3) 等效直徑、等效長(zhǎng)軸短軸計(jì)算

由于放電區(qū)域近似圓形，所以計(jì)算放電光斑的直徑時(shí)，利用圓面積計(jì)算公式得出等效直徑。

等效長(zhǎng)軸計(jì)算即計(jì)算放電區(qū)域內(nèi)通過區(qū)域中心連接兩端的最長(zhǎng)距離。等效短軸為放電區(qū)域內(nèi)通過區(qū)域中心連接兩端的最短距離。

4) 運(yùn)用OpenCV進(jìn)行參數(shù)提取

在利用函數(shù)cvFindContours()得到各個(gè)區(qū)域的輪廓頂點(diǎn)序列后，以序列CvSeq的指針變量作為函數(shù)cvContour Area()、cvArcLength()的輪廓點(diǎn)數(shù)組參數(shù)，可以對(duì)指定序列進(jìn)行面積與周長(zhǎng)計(jì)算。而通過函數(shù)cvGetSeqElem()及邊界序列可得到區(qū)域邊界上的每一像素點(diǎn)的坐標(biāo)。以此可以求得放電區(qū)域的等效長(zhǎng)軸及短軸。表2為參數(shù)計(jì)算結(jié)果。

表2　區(qū)域參數(shù)計(jì)算結(jié)果

3　VC++界面設(shè)計(jì)

為調(diào)用OpenCV的相關(guān)圖像處理函數(shù)，首先在VC++中對(duì)OpenCV進(jìn)行了相關(guān)配置，然后運(yùn)用VC++開發(fā)了紫外圖像處理及參數(shù)提取軟件，圖9為軟件的操作主界面。

圖9　程序操作界面

該軟件通過調(diào)用上述OpenCV中的相關(guān)圖像處理函數(shù)，實(shí)現(xiàn)了對(duì)紫外放電區(qū)域的分割、濾波處理，并計(jì)算得到了面積、周長(zhǎng)、等效直徑、等效長(zhǎng)軸和短軸5個(gè)參數(shù)。仍然以圖2為例，計(jì)算得到的兩個(gè)光斑區(qū)域的圖像參數(shù)如圖10所示。

圖10　參數(shù)顯示界面

由圖10可知，使用OpenCV圖像處理函數(shù)能有效提取上述兩個(gè)光斑區(qū)域的圖像參數(shù)，從而實(shí)現(xiàn)了對(duì)高壓設(shè)備放電強(qiáng)弱的定量分析。

4　結(jié)　語

針對(duì)高壓設(shè)備表面放電的紫外圖像特征，本文采用了數(shù)字圖像處理算法對(duì)圖像進(jìn)行了灰度化、閾值分割、形態(tài)學(xué)濾波、小區(qū)域面積消除及輪廓提取，介紹了OpenCV的相關(guān)圖像處理函數(shù)。

利用VC++編寫了相關(guān)程序，通過調(diào)用OpenCV函數(shù)實(shí)現(xiàn)了上述圖像處理算法，該軟件人機(jī)界面友好、使用方便。

[1] Lindner M，Elstein M，Lindner P，et al.Daylight corona discharge imager[C]//High Voltage Engineering Symposium. London，1999,4:349-352.

[2] 王勝輝.基于紫外成像的污穢懸式絕緣子放電檢測(cè)及評(píng)估[D].保定：華北電力大學(xué)，2011.

[3] Costa E G， Ferreira T V, Neri M G, et al.Characterization of polymeric insulators using thermal and UV imaging under laboratory condition[J]．IEEE Trans. on Dielectrics and Electrical Insulation，2009，16(4)：985-992.

[4] Zhou W J，Li H， Yi X， et al．A criterion for UV detection of AC corona inception in a rod-plane air gap [J]． IEEE Trans. on Dielectrics and Electrical Insulation，2011， 18(1)：232-237.

[5] 馬立新，陶博豪，徐如鈞，等．放電故障紫外檢測(cè)系統(tǒng)及其狀態(tài)識(shí)別方法[J]．計(jì)算機(jī)測(cè)量與控制，2012，20(7)：1803-1805.

[6] 律方成，戴日俊，王勝輝，等．基于紫外成像圖像信息的絕緣子表面放電量化方法[J]．電工技術(shù)學(xué)報(bào)，2012，27(2)：261-268.

[7] 王勝輝，李楠，廖鵬．放電日盲紫外成像檢測(cè)圖像參數(shù)提取方法研究[J]．華北電力大學(xué)學(xué)報(bào):自然科學(xué)版，2013，40(6)：40-45.

[8] 黎松，平西建，丁益洪．開放源代碼的計(jì)算機(jī)視覺類庫 OpenCV 的應(yīng)用 [J]．計(jì)算機(jī)應(yīng)用與軟件，2005，22(8)：134-136.

[9] 陰法明.基于OpenCV的圖像處理[J].科技信息,2009(32):220.

[10] 馬新明，趙曉莉，時(shí)雷，等．基于 OpenCV 的圖像處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]．河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014，48(1)：87-90.

[11] 秦小文，溫志芳，喬維維．基于OpenCV的圖像處理[J]．電子測(cè)試，2011，31(7)：39-41.

[12] 賈小軍，喻擎蒼．基于開源計(jì)算機(jī)視覺庫OpenCV的圖像處理[J]．計(jì)算機(jī)應(yīng)用與軟件，2008，25(4)：276-278.

[13] Gary Bradski，Adrian Kaehler．Learning OpenCV[M].于仕琪，劉瑞禎，譯.北京：清華大學(xué)出版社，2009：135-137.

[14] 陽建中，禤世麗，韋小鈴．基于Freeman鏈碼連通體邊界檢測(cè)及其在坭興陶?qǐng)D像中的應(yīng)用[J]．現(xiàn)代計(jì)算機(jī)，2014，31(12)：32-35.

EXTRACTING QUANTISATION PARAMETERS OF DETECTION IMAGE USING ULTRAVIOLET IMAGING FOR DISCHARGE OF HIGH-VOLTAGE ELECTRICAL EQUIPMENTS BASED ON OPENCV

Wang Shenghui1Liu Peng1Feng Hong’en1Liao Yifan2

1(Hebei Provincial Key Laboratory of Power Transmission Equipment Security Defense， North China Electric Power University， Baoding 071003, Hebei, China)2(ScientificResearchInstituteofChinaSouthernPowerGrid,Guangzhou510080,Guangdong,China)

Solar blind ultraviolet imaging is a new visualised detection method for discharge of high-voltage equipments. In order to analyse the discharge quantitatively, in this paper we make use of the graphics processing functions of OpenCV to carry out digital image processing on UV images and extract the related parameters of discharge area. The paper introduces the principle of corresponding algorithm of digital image processing and the related functions in OpenCV while realising the algorithm. OpenCV is used to process the UV detection discharge image including graying the image, binarisation, image denoising and contour extraction, thus the extraction of parameters such as discharge spot area and perimeter is achieved. At last, the paper compiles the related programme with VC++ and realises the above image processing by calling OpenCV function. This software has friendly human-machine interface and operates easily. The relevant study achievement of this paper provides a new method for power system to quantitatively analyse the high-voltage electrical equipment discharge.

Ultraviolet imagerOpenCVDigital image processingVC++

2015-03-30。國(guó)家自然科學(xué)基金項(xiàng)目(51077054)；特高壓工程技術(shù)(昆明、廣州)國(guó)家工程實(shí)驗(yàn)室開放基金項(xiàng)目(NEL2015 08)。王勝輝，講師，主研領(lǐng)域：電氣設(shè)備在線監(jiān)測(cè)與故障診。劉鵬，碩士生。馮宏恩，碩士生。廖一帆，工程師。

TP3

A

10.3969/j.issn.1000-386x.2016.09.040