基于視覺技術(shù)的太陽視位置算法的研究

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(shí)時(shí)采集地平坐標(biāo)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(zhǔn)確分割，采用邊緣檢測算子提取坐標(biāo)方塊邊緣坐標(biāo)和影子兩端邊緣點(diǎn)，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(jì)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(jì)算出太陽視赤緯、當(dāng)?shù)靥枙r(shí)角，并以此為變量，利用球面三角公式或矢量法計(jì)算太陽視位置的地平坐標(biāo)（高度角、方位角）[1]，算法復(fù)雜、計(jì)算量大，影響太陽位置時(shí)時(shí)準(zhǔn)確地獲取，不利于實(shí)現(xiàn)自動(dòng)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(biāo)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(jī)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(gè)過程中，由于受到噪聲和圖像特征衰減等方面的影響，會(huì)降低圖像的質(zhì)量。因此，對(duì)圖像進(jìn)行分析之前，必須先對(duì)圖像進(jìn)行處理，以便為后續(xù)圖像分析處理等高層操作提供基礎(chǔ)[2]。處理技術(shù)主要是對(duì)被處理圖像進(jìn)行灰度變換、平滑濾波、圖像增強(qiáng)、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(fù)有用的真實(shí)信息，增強(qiáng)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(shí)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(diǎn)翻轉(zhuǎn)180度，只改變坐標(biāo)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(biāo)系，因此在預(yù)處理前應(yīng)當(dāng)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(gè)閥值，把圖像中每個(gè)像素點(diǎn)的灰度值與閥值進(jìn)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(biāo)標(biāo)量邊界與背景有些模糊，但圖像和背景的對(duì)比度比較高，產(chǎn)生的假邊緣點(diǎn)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(duì)圖1（b）圖像進(jìn)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(duì)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(zhǔn)確獲取太陽高度角和方位角就需要準(zhǔn)確檢測出影子的像素長度、圖像標(biāo)準(zhǔn)長度像素值和坐標(biāo)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(duì)坐標(biāo)方塊的坐標(biāo)位置（左方格的左上方坐標(biāo)和右下方坐標(biāo)、右方格的右上方坐標(biāo)和左下方坐標(biāo)）進(jìn)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(gè)坐標(biāo)位置的真實(shí)坐標(biāo)值；

（3）設(shè)計(jì)算法，構(gòu)建東西方向向量，計(jì)算標(biāo)準(zhǔn)長度的像素值，并標(biāo)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(biāo)出邊緣點(diǎn)；

（5）設(shè)計(jì)算法，構(gòu)建影子的方向向量，計(jì)算影子的像素長度。

3 太陽方位角和高度角計(jì)算

經(jīng)邊緣檢測，獲取了坐標(biāo)標(biāo)量方塊的四個(gè)坐標(biāo)點(diǎn)和影子圖像的兩端邊緣點(diǎn)，并已通過算法確定了東西方向向量、影子方向向量、標(biāo)準(zhǔn)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(biāo)標(biāo)定單位長度就可準(zhǔn)確地計(jì)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(jì)算[6，7，8]的太陽高度角和方位角進(jìn)行對(duì)比。

實(shí)驗(yàn)數(shù)據(jù)采集地點(diǎn)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(shí)間滯后和實(shí)時(shí)性低的不利影響[9]。

參考文獻(xiàn)：

[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(xué)，2011.

[3]王東江，劉亞軍.太陽自動(dòng)跟蹤控制系統(tǒng)的設(shè)計(jì)[J].數(shù)字技術(shù)與應(yīng)用，2010（07）：19-25.

[4]張錚，王艷平，薛桂香等.數(shù)字圖像處理與機(jī)器視覺——Visual C++與Matlab實(shí)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(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì).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(xué)，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(shí)刻太陽方位角一年變化范圍的計(jì)算[J].氣象與環(huán)境科學(xué)，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(xué)，2013.

基金項(xiàng)目：內(nèi)蒙古自治區(qū)高等學(xué)?？茖W(xué)研究項(xiàng)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。