復(fù)雜光照環(huán)境下電力儀表的二值化研究

李 真，李功燕

(1.中國科學(xué)院大學(xué), 北京 100049； 2.中國科學(xué)院微電子研究所, 北京 100029； 3.江蘇物聯(lián)網(wǎng)研究發(fā)展中心, 江蘇 無錫 214135)

復(fù)雜光照環(huán)境下電力儀表的二值化研究

李 真1,3，李功燕2,3

(1.中國科學(xué)院大學(xué), 北京 100049； 2.中國科學(xué)院微電子研究所, 北京 100029； 3.江蘇物聯(lián)網(wǎng)研究發(fā)展中心, 江蘇 無錫 214135)

圖像二值化是進(jìn)行儀表識別的前提，其處理結(jié)果的好壞直接影響儀表識別的準(zhǔn)確率。而實(shí)際拍攝的圖像，受復(fù)雜光照環(huán)境的影響，會出現(xiàn)多種光照不均的現(xiàn)象，增加了二值化的難度。針對這一問題，提出一種解決方案：首先使用改進(jìn)的同態(tài)濾波和自適應(yīng)灰度變換法相結(jié)合的方法對圖像做增強(qiáng)處理；然后再使用OTSU算法對圖像進(jìn)行二值化。實(shí)驗(yàn)結(jié)果表明，這種方法不僅有效去除了光照不均帶來的影響，還能根據(jù)不同情況自主調(diào)節(jié)圖像各部分亮度。二值化后的儀表圖像連續(xù)性好，細(xì)節(jié)完整。

儀表；同態(tài)濾波；灰度變換；光照復(fù)雜；OTSU

0 引言

電力儀表是變電站中數(shù)目眾多的一種檢測設(shè)備，為確保變電站安全穩(wěn)定地運(yùn)行需要定期對儀表進(jìn)行巡檢。我國變電站的巡檢方式正在從人工巡檢向自動化巡檢過渡：通過對儀表進(jìn)行圖像采集和自動識別系統(tǒng)完成儀表的自動化巡檢。而儀表二值化是進(jìn)行儀表自動化識別的基礎(chǔ)，二值化的效果直接影響識別率[1-2]，因此有必要對儀表的二值化方法進(jìn)行研究。

變電站的儀表放置在露天環(huán)境，采集的圖像容易受到光線干擾，增加圖像二值化難度。為了減小光照帶來的影響，有幾種常見的處理方法：灰度變換法[3]、Retinex增強(qiáng)法[4]和同態(tài)濾波法[5-8]。這些方法雖然能夠改善圖片的質(zhì)量[9-10]，但是由于算法的自適應(yīng)能力差，不足以解決復(fù)雜光照環(huán)境下的儀表二值化問題。為此本文提出一種解決方案：先利用改進(jìn)的同態(tài)濾波算法和自適應(yīng)灰度變換法處理圖像，然后利用OTSU算法進(jìn)行二值化。通過實(shí)驗(yàn)對比分析，本文提出的方法能夠有效解決復(fù)雜光照環(huán)境下的儀表二值化問題。

1 復(fù)雜環(huán)境下儀表的二值化問題

實(shí)際拍攝中，主要存在3個問題：光線過亮、光線過暗和光線不均勻。圖1中的3組儀表圖片分別顯示了這三種情況。

圖1 復(fù)雜環(huán)境下圖像二值化問題

從圖中可以看出，無論是采用局部二值化還是全局二值化都無法滿足系統(tǒng)對于在復(fù)雜光照環(huán)境下拍攝的儀表圖像進(jìn)行二值化的要求。因此，有必要在進(jìn)行二值化處理前，對圖像做增強(qiáng)處理，來減小光照不均和對比度低帶來的影響。

2 改進(jìn)的同態(tài)濾波

2.1 同態(tài)濾波原理

圖像f(x,y)可以用兩個分量來表示： (1)入射到被觀察場景的光源照射總量(入射分量i(x,y));(2)場景中物體所反射的光照總量(反射分量r(x,y))，即：

f(x,y)=i(x,y)r(x,y)

(1)

這種表示方式稱為圖像的照射-反射模型。其中，入射分量的性質(zhì)取決于照射源，與頻域空間中的低頻部分對應(yīng)；而反射分量的性質(zhì)取決于成像物體的特性，與頻域空間中的高頻部分對應(yīng)。因此，在頻域中降低低頻分量可以有效降低光照不均對圖像造成的影響。同態(tài)濾波就是應(yīng)用這一模型開發(fā)的一種頻率域圖像處理方法。它將照射分量i(x,y)和反射分量r(x,y)分開，利用壓縮低頻、提高高頻的方法，達(dá)到減弱入射分量同時增強(qiáng)反射分量的目的。因此同態(tài)濾波常用于對光照不均勻的圖像的預(yù)處理[4]。同態(tài)濾波處理的全過程如圖2所示。

圖2 同態(tài)濾波處理流程圖

f(x,y)為原始圖像，后面的處理過程依次為：對數(shù)變換、傅里葉變換、濾波處理、傅里葉逆變換和指數(shù)運(yùn)算，得到處理后的輸出圖像g(x,y)。其中同態(tài)濾波函數(shù)H(u,v)的選擇決定了最后的處理效果。

2.2 濾波器選取及濾波效果

傳統(tǒng)同態(tài)濾波的濾波函數(shù)是根據(jù)高通濾波函數(shù)得到的，最常使用的是Butterworth型的同態(tài)濾波器：

(2)

其中，Rh代表高頻增益，Rl代表低頻增益，D0為截止頻率，c代表濾波器函數(shù)斜面的銳化強(qiáng)度。該濾波器的函數(shù)圖像如圖3所示。

圖3 同態(tài)濾波函數(shù)示意圖

在傳統(tǒng)的同態(tài)濾波函數(shù)中，參數(shù)01，從圖3可知，能夠在減小低頻值的同時增強(qiáng)高頻值。利用傳統(tǒng)的同態(tài)濾波算法對電力儀表進(jìn)行處理，其結(jié)果如圖4所示。

圖4 原始圖、同態(tài)濾波處理及二值化圖

由圖4(b)可知，經(jīng)過傳統(tǒng)同態(tài)濾波處理后，圖像光照更加均勻，有較好的視覺效果。但是圖4(c)的二值化效果不理想，圖像的光照不均勻問題仍然存在，無法滿足系統(tǒng)對電力儀表進(jìn)行二值化的需求。

為了更好地去除入射光的影響，本文提出改進(jìn)的同態(tài)濾波算法，將濾波函數(shù)改為：

(3)

本文將參數(shù)c設(shè)為1，R取1.5，利用改進(jìn)的同態(tài)濾波對圖像進(jìn)行處理，其效果如圖5所示。

圖5 改進(jìn)的同態(tài)濾波處理圖像

與傳統(tǒng)的同態(tài)濾波相比，利用改進(jìn)后的濾波算法對圖像進(jìn)行處理后，整幅圖像的亮度不再有明顯的變化，達(dá)到了去除入射光影響的目的。但是由于處理后的圖像對比度較低，需要做進(jìn)一步處理。

3 自適應(yīng)的對比度增強(qiáng)

為了解決濾波處理后出現(xiàn)的問題，本文提出自適應(yīng)的對比度增強(qiáng)算法，其處理流程如圖6所示。

圖6 自適應(yīng)對比度增強(qiáng)流程圖

3.1 自適應(yīng)直方圖均衡化

傳統(tǒng)的直方圖均衡化是采用灰度統(tǒng)計(jì)特征，將原始圖像中的灰度直方圖從較為集中的某個灰度區(qū)間轉(zhuǎn)變?yōu)榫鶆蚍植加谡麄€灰度區(qū)域的方法。圖7展示了利用傳統(tǒng)直方圖均衡化處理圖像的效果，可以看出均衡化后的圖像其灰度不再集中于高灰度區(qū)域，對比度明顯，但是卻存在著嚴(yán)重的塊狀效應(yīng)。

圖7 傳統(tǒng)直方圖均衡化

為了避免塊狀效應(yīng)，本文提出一種自適應(yīng)的直方圖均衡化方法。該方法結(jié)合圖像自身的特點(diǎn)在一定范圍內(nèi)進(jìn)行均衡化，具體實(shí)現(xiàn)步驟如下：

(1)計(jì)算圖像的灰度均值T， 且規(guī)定處理的像素點(diǎn)灰度轉(zhuǎn)換到[0,T]區(qū)域。

(2)遍歷圖像中的每個點(diǎn)，并將該點(diǎn)的灰度值與T進(jìn)行比較，判斷該點(diǎn)是否為待處理點(diǎn)。

(3)若其灰度值大于T，則不做處理；小于等于T的點(diǎn)標(biāo)記為待處理點(diǎn)。

(4)將所有的待處理點(diǎn)進(jìn)行直方圖均衡化，將這部分像素點(diǎn)的灰度直方圖轉(zhuǎn)變?yōu)閇0，T]區(qū)間上均勻分布的直方圖。

使用這種方法對圖像均衡化的結(jié)果如圖8所示。從圖中可以看出這種方法提高了圖像對比度，同時有效避免了塊狀效應(yīng)。

圖8 自適應(yīng)的直方圖均衡化

3.2 自適應(yīng)分段線性變換

自適應(yīng)的直方圖均衡化能夠有效處理平均灰度較高的圖像，對于平均灰度很低的圖像，將采用自適應(yīng)的分段線性變換進(jìn)行處理。本文提出的變換函數(shù)如式(4)所示，其中T為圖像的平均灰度，r為待增強(qiáng)圖像某一像素點(diǎn)的灰度值，s為增強(qiáng)后的灰度值。

(4)

圖9為這一變換函數(shù)的示意圖。使用這一變換函數(shù)進(jìn)行處理時，大于T的高灰度部分會以1/3的斜率進(jìn)行壓縮，而低于T的低灰度部分會根據(jù)T值的不同產(chǎn)生動態(tài)斜率進(jìn)行拉伸。根據(jù)處理圖像的特點(diǎn)，動態(tài)地確定轉(zhuǎn)折點(diǎn)T的位置，可以更好地適用于各種圖像。

圖9 自適應(yīng)分段線性變換函數(shù)示意圖

圖10展示了使用自適應(yīng)分段線性變換處理圖像的效果?？梢钥闯觯幚砗蟮膱D像對比度得到明顯提高，有利于圖像的二值化處理。

圖10 自適應(yīng)分段線性變換

4 算法流程

為了解決復(fù)雜光照環(huán)境下的儀表二值化問題，提出使用改進(jìn)的同態(tài)濾波和自適應(yīng)灰度變換進(jìn)行預(yù)處理，再利用OTSU算法進(jìn)行二值化的處理算法，算法處理流程為：

(1) 圖像灰度化，然后使用改進(jìn)后的Butterworth同態(tài)濾波器進(jìn)行濾波處理。

(2) 計(jì)算圖像的平均灰度值T，根據(jù)T和Th的關(guān)系將圖像分為兩類。

(3) 對兩類圖像分別進(jìn)行自適應(yīng)的直方圖均衡化處理和自適應(yīng)分段線性變換處理。

(4) 利用OTSU算法進(jìn)行圖像二值化。

其中，Th為多次實(shí)驗(yàn)得出的閾值，針對要處理的數(shù)字儀表，這里的閾值選為120。

5 實(shí)驗(yàn)結(jié)果與分析

本文以變電站內(nèi)的一種數(shù)字式電壓表為測試對象，所有圖像均在變電站內(nèi)利用可見光相機(jī)采集得到，且拍攝時間由上午9點(diǎn)到下午5點(diǎn)不等。圖11是利用不同算法對不同圖像進(jìn)行二值化的效果。其中，(a)為相機(jī)采集原圖；(b)為使用局部閾值法進(jìn)行二值化得到的圖像，這種方法可有效克服光照不均的影響，但是二值圖像存在斷裂且在處理低對比度圖像時效果很差；(c)是使用同態(tài)濾波和局部閾值法進(jìn)行二值化得到的圖像，得到的二值圖像細(xì)節(jié)更完整，但是會引入大量的干擾噪聲；(d)是使用同態(tài)濾波、灰度變換和局部閾值法進(jìn)行二值化得到的圖像，圖像中仍然存在大量噪聲，與圖(c)相比，并沒有明顯的改善；(e)是使用OTSU算法得到的二值圖，這種方法受光照影響很大，雖能保證數(shù)字的連續(xù)性但是處理復(fù)雜光照下的圖像效果很差；(f)是同態(tài)濾波和OTSU方法，二值圖像中數(shù)字連續(xù)性好且細(xì)節(jié)完整，但是圖像中有較多的噪聲塊；(g)是使用本文方法處理后的二值圖，圖像中數(shù)字清晰完整，噪聲干擾很少，處理效果理想。

圖11 多種方法二值化對比圖

本文對二值化后的數(shù)字采用卷積神經(jīng)網(wǎng)絡(luò)法進(jìn)行識別并以數(shù)字的識別率衡量二值化效果。表1顯示了各種處理算法的識別率情況，結(jié)果顯示：對于視覺效果較好的圖像，幾種方法的識別率都較高；對于視覺效果較差的圖像，本文方法顯示了極大的優(yōu)勢?？紤]到室外環(huán)境的復(fù)雜多變，使用本文方法是最適合的。

表1 不同處理方法的性能對比

6 結(jié)論

本文提出一種適用于復(fù)雜光照環(huán)境下的儀表二值化方法。該方法首先使用改進(jìn)的同態(tài)濾波處理圖像，最大可能地減少入射光的影響；然后根據(jù)圖像的具體情況動態(tài)地變換灰度，這樣可以動態(tài)地提高圖像的對比度；最后使用全局OTSU法對圖像進(jìn)行二值化。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效處理在復(fù)雜光照環(huán)境下采集的儀表圖像，得到的二值化圖像數(shù)字連續(xù)且細(xì)節(jié)完整，有利于后續(xù)的識別處理。

[1] 劉文亮. 七段式數(shù)顯儀表中數(shù)字識別的研究與實(shí)現(xiàn)[D]. 大連:大連理工大學(xué), 2013.

[2] 申森, 李艾華, 姚良, 等. 基于小波包和 Niblack 法的槍號圖像二值化算法[J]. 光子學(xué)報, 2013, 42(3): 354-358.

[3] 余成波,孔慶達(dá),錢澤文,等.基于雙向多項(xiàng)式擬合的動態(tài)閾值分割算法[J].電子技術(shù)應(yīng)用,2016,42(3): 110-112.

[4] 侯曉然,秦麗娟,王永.改進(jìn)Retinex算法對特殊環(huán)境下的車牌圖像增強(qiáng)研究[J].微型機(jī)與應(yīng)用,2015, 34(19): 50-53.

[5] AGARWAL T K, TIWARI M, LAMBA S S. Modified histogram based contrast enhancement using homomorphic filtering for medical images[C].Advance Computing Conference (IACC), 2014 IEEE International. IEEE, 2014: 964-968.

[6] 梁琳，何衛(wèi)平，雷蕾,等．光照不均圖像增強(qiáng)方法綜述 [J]．計(jì)算機(jī)應(yīng)用研究，2010,27(5)：1625-1628.

[7] HILL P R, BHASKAR H, AL-MUALLA M E, et al. Improved illumination invariant homomorphic filtering using the dual tree complex wavelet transform[C].2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), IEEE, 2016: 1214-1218.

[8] ADELMANN H G. Butterworth equations for homomorphic filtering of images[J]. Computers in Biology and Medicine, 1998, 28(2): 169-181.

[9] 郭佳, 劉曉玉, 吳冰, 等. 一種光照不均勻圖像的二值化方法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2014, 31(3): 183-187.

[10] YU Z, BAJAJ C. A fast and adaptive method for image contrast enhancement[C]. International Conference on Image Processing, IEEE, 2004: 1001-1004.

Study on meter binarization method under complicated illumination

Li Zhen1,3, Li Gongyan2,3

(1. University of Chinese Academy of Sciences, Beijing 100049, China; 2. Institute of Microelectronics of Chinese Academy of Sciences, Beijing 100029, China; 3. Jiangsu R&D Center for Internet of Things, Wuxi 214135, China)

The image binaryzation is the precondition of meter recognition and its performance will influence the accuracy rate of the recognition directly. However, in practice, the uneven illumination situation will arise because of complex light conditions, thus increases the difficulty of image binarization. To solve this problem, this paper proposes a new approach. Firstly, one method which combines improved homomorphic filtering with dramatic adaptive grayscale transform is used to enhance the image quality. Then, in order to get stroke continuous digital images, this method use OTSU algorithm to binary digital images. Experimental results show that this method not only eliminates the effect of the uneven illumination but also adjusts brightness of different areas in images by different situation independently. After processing by proposed method, the results of image processing retains more details and continuity.

meter; homomorphic filtering; gray transformation; complicated illumination; OTSU

TP391.4

A

10.19358/j.issn.1674- 7720.2017.15.013

李真，李功燕.復(fù)雜光照環(huán)境下電力儀表的二值化研究[J].微型機(jī)與應(yīng)用，2017,36(15)：45-48.

2017-03-17)

李真(1990-)，女，碩士，主要研究方向：數(shù)字圖像處理、模式識別。

李功燕(1979-)，男，博士，研究員，主要研究方向：圖像處理&多核DSP系統(tǒng)，機(jī)器人與智能制造。