基于HSI色彩空間和分水嶺算法的冰雹特征參數(shù)測(cè)量

張 思 煒

(南京信息工程大學(xué)江蘇省氣象探測(cè)與信息處理重點(diǎn)實(shí)驗(yàn)室 江蘇 南京 210044) (南京信息工程大學(xué)濱江學(xué)院 江蘇 無(wú)錫 214105) (南京信息工程大學(xué)江蘇省大氣環(huán)境與設(shè)備技術(shù)協(xié)同創(chuàng)新中心 江蘇 南京 210044)

0 引 言

冰雹是一種不規(guī)則的固態(tài)降水物,它是一種嚴(yán)重的自然災(zāi)害。冰雹災(zāi)害具有局地性顯著、突發(fā)性強(qiáng)和持續(xù)時(shí)間短等特征。冰雹災(zāi)害的發(fā)生不僅給人民生命財(cái)產(chǎn)造成了巨大的損失,也給該地區(qū)的農(nóng)業(yè)、建筑財(cái)產(chǎn)、通信設(shè)備、電力設(shè)施、交通設(shè)施等帶來(lái)極大的危害[1]。目前冰雹災(zāi)害等級(jí)可以通過(guò)人工測(cè)量冰雹顆粒的特征參數(shù)來(lái)評(píng)估,但是在實(shí)際測(cè)量當(dāng)中,過(guò)多的冰雹勢(shì)必會(huì)相互接觸粘連,為了完成測(cè)量,手動(dòng)分散費(fèi)時(shí)費(fèi)力而且冰雹多為類圓形或不規(guī)則圖形,在測(cè)量時(shí)勢(shì)必會(huì)造成精度誤差。為了提高測(cè)量的效率,實(shí)現(xiàn)冰雹災(zāi)害等級(jí)評(píng)估的自動(dòng)化,通過(guò)計(jì)算機(jī)智能來(lái)獲取自然環(huán)境中冰雹顆粒的特征參數(shù)成為一個(gè)值得研究的課題。

現(xiàn)有冰雹災(zāi)害的研究大多通過(guò)對(duì)冰雹云的多普勒雷達(dá)回波特征分析,來(lái)實(shí)現(xiàn)冰雹災(zāi)害的預(yù)警與識(shí)別[2-4],但是在自然環(huán)境下對(duì)冰雹特征參數(shù)測(cè)量的研究尚屬空白。文獻(xiàn)[5-9]為測(cè)量物體特征參數(shù)的一些方法。董堯培等[5]結(jié)合HSV顏色空間和Hough變換來(lái)測(cè)量鋁錠的厚度。李秋潔等[6]通過(guò)分析MLS測(cè)量系統(tǒng)分辨率建立變尺度格網(wǎng)來(lái)測(cè)量靶標(biāo)葉面積,效果好、精準(zhǔn)度高。馮青春等[7]采用光度體視覺(jué)技術(shù)對(duì)蔬菜秧苗葉片曲面形態(tài)進(jìn)行測(cè)量,測(cè)量結(jié)果與人工測(cè)量結(jié)果相比,差異較小。孫玉婷等[8]將葉子的幾何特征參數(shù)的線性回歸值作為輸入,構(gòu)建了SVM回歸模型,對(duì)葉面幾何特征參數(shù)進(jìn)行了估計(jì),結(jié)果均方根誤差以及平均相對(duì)誤差都比較低。李文勇等[9]運(yùn)用凸包理論結(jié)合分水嶺算法對(duì)自然場(chǎng)景下未成熟蘋果進(jìn)行直徑的測(cè)量,測(cè)量誤差較小。

為了能夠從自然環(huán)境下獲得冰雹顆粒的特征參數(shù),分析了冰雹和背景的顏色特征,本文研究并且提出HSI模型分割方法將冰雹與背景完全分離開來(lái),針對(duì)粘連情況運(yùn)用基于分水嶺算法將其分割,之后提取冰雹特征參數(shù)。該方法可以客觀地反映災(zāi)害的發(fā)生程度并且能有效地提高冰雹災(zāi)害等級(jí)劃分的自動(dòng)化水平。

1 冰雹目標(biāo)提取算法

1.1 顏色空間介紹

HSI顏色空間來(lái)源于人類的視覺(jué)系統(tǒng),分別通過(guò)色調(diào)(H)、飽和度(S)和亮度(I)對(duì)色彩進(jìn)行描述。相比于RGB顏色空間,HSI各個(gè)分量相互獨(dú)立能將色彩變化描述更為清楚,因此HSI顏色空間是處理彩色圖像理想的顏色空間。RGB顏色空間轉(zhuǎn)換到HSI顏色空間可由如下轉(zhuǎn)換公式實(shí)現(xiàn)[10]:

(1)

(2)

(3)

(4)

式中:R、G、B、H、S、I表示冰雹圖片中的像素值。通過(guò)以上的轉(zhuǎn)換公式,可以將RGB顏色空間轉(zhuǎn)換成HSI顏色空間。

1.2 HSI模型分割

為了精準(zhǔn)地獲得冰雹顆粒的顏色范圍,這里準(zhǔn)備了50幅冰雹圖片,這50幅冰雹的圖片僅僅包含了冰雹和單一顏色的背景。本實(shí)驗(yàn)考慮為測(cè)量結(jié)果提供較為準(zhǔn)確的測(cè)量標(biāo)準(zhǔn),通過(guò)圓形的模具來(lái)模擬冰雹,通過(guò)圓形模具可獲得測(cè)量參數(shù)的真實(shí)值。冰雹的顏色通過(guò)控制白色顏料濃度的大小來(lái)實(shí)現(xiàn),統(tǒng)計(jì)50幅二值化冰雹圖片的像素值,計(jì)算得到單位像素面積比例尺0.006 59 cm2、單位像素周長(zhǎng)比例尺為0.007 73 cm,單位像素長(zhǎng)度比例尺為0.007 64 cm。通過(guò)分析冰雹圖片中的像素分布并且統(tǒng)計(jì)顏色直方圖,可以得出冰雹的顏色范圍。圖1為待提取的冰雹圖片,圖2為冰雹圖片S分量的直方圖。

圖1 待提取冰雹圖片

圖2 統(tǒng)計(jì)S分量的直方圖

之后再分別統(tǒng)計(jì)H、S、I三個(gè)分量的范圍。經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)冰雹圖片中的H分量無(wú)法對(duì)冰雹的分割做出貢獻(xiàn),所以這里分別統(tǒng)計(jì)S分量和I分量的顏色范圍從而將冰雹圖片二值化。

1.3 分水嶺算法

分水嶺算法[11]是一種經(jīng)典的區(qū)域分割方法,在分離粘連物體上有著廣泛的應(yīng)用?；舅枷胧菍⒄鶊D像看成一片崎嶇不平的山地模型。其中各個(gè)像素點(diǎn)的灰度值代表著該點(diǎn)的海拔高度,圖像中局部極小值區(qū)域?qū)?yīng)地貌中的匯水盆地。在模擬注水的過(guò)程中,水面慢慢地從山底向山頂擴(kuò)展,隨著水位的上升,匯水盆地將會(huì)被水淹沒(méi)合并成同一個(gè)區(qū)域。為了阻止區(qū)域的合并,在各個(gè)匯水盆地之間修建“堤壩”形成分水嶺,從而將整個(gè)拓?fù)涞孛卜指畛扇舾蓞^(qū)域。分水嶺算法分割的具體步驟:令M1,M2,…,Mi為梯度圖像h(x,y)的局部極小值,C1,C2,…,Cj為相對(duì)應(yīng)匯水盆地中所有坐標(biāo)集合。Cj[N]為n階段Cj的集合,C[N]表示所有Cj[N]的集合。hmin和hmax代表著圖像h(x,y)中灰度值的最小值與最大值。則有:

(5)

令Cj[N]為所有匯水盆地的集合,則有:

(6)

隨著水位以整數(shù)從n=hmin+1到n=hmax+1遞增,若設(shè)g[n]為位于平面h(x,y)=n以下點(diǎn)的集合,根據(jù)算法g[n]中的坐標(biāo)點(diǎn)將會(huì)被標(biāo)記成黑色,其他的坐標(biāo)點(diǎn)將標(biāo)記成白色形成一幅二值圖片。算法設(shè)定選取C[hmax+1]=g[hmin+1],然后進(jìn)入遞歸調(diào)用的階段,根據(jù)n階段的C[n-1]來(lái)求解C[n]。設(shè)M為g[n]連通分量,則對(duì)于連通分量M,有三種情況:

(1)M∩C[n-1]=?。

(2)M∩C[n-1]包含C[n-1]中的一個(gè)連通分量。

(3)M∩C[n-1]包含C[n-1]中多個(gè)連通分量。

當(dāng)新的極小值產(chǎn)生并滿足(1)時(shí)將C[n]與C[n-1]合并;若滿足(2)則將C[n]與C[n-1]相應(yīng)的部分合并;若滿足(3),則在C[n]中構(gòu)建分水嶺,阻止匯水盆地的結(jié)合。

1.4 改進(jìn)的分水嶺算法

傳統(tǒng)的分水嶺算法對(duì)噪聲相當(dāng)敏感,若直接將其應(yīng)用到冰雹圖像上面則會(huì)產(chǎn)生嚴(yán)重的過(guò)分割現(xiàn)象,分割結(jié)果如圖3(a)所示。為了能夠分離粘連的冰雹,本文提出一種改進(jìn)的分水嶺算法。傳統(tǒng)的算法是對(duì)形態(tài)學(xué)重建后的灰度圖直接進(jìn)行二值化,分割結(jié)果往往會(huì)保留大量不規(guī)則區(qū)域同時(shí)形成虛假邊緣,為了保證分割效果,本文直接對(duì)冰雹原圖運(yùn)用HSI模型分割來(lái)濾除復(fù)雜的背景并運(yùn)用數(shù)字形態(tài)學(xué)除去分割后多余的噪聲,保證了冰雹圖像邊緣的完整性,分割結(jié)果如圖3(b)所示。

圖3 改進(jìn)分水嶺分割過(guò)程

接著再對(duì)二值化圖像進(jìn)行歐氏距離變換[12],距離變換是對(duì)圖像中每個(gè)像素點(diǎn)到最近非零像素點(diǎn)之間距離的運(yùn)算。歐氏距離計(jì)算公式為:

(7)

式中:p(x1,y1)和q(x1,y2)分別為前后景像素點(diǎn)的坐標(biāo)。將圖像中每個(gè)連通域的內(nèi)部像素點(diǎn)到非內(nèi)部像素點(diǎn)最短距離構(gòu)成的集合定義為S(x,y),Min、Max為集合S(x,y)中的最大值與最小值,G(x,y)為連通域中每個(gè)內(nèi)部像素點(diǎn)經(jīng)過(guò)距離變換所對(duì)應(yīng)的灰度值,則歐氏距離變換的公式為:

(8)

將二值圖像中每個(gè)相應(yīng)的像素點(diǎn)按照式(7)式(8)計(jì)算,便可以把二值圖轉(zhuǎn)換成距離變換圖,變換結(jié)果如圖3(c)所示。在距離圖中連通域內(nèi)的像素點(diǎn)距離連通域邊界越遠(yuǎn),像素點(diǎn)所在位置的灰度值就越高,亮度也就更強(qiáng)。

對(duì)于距離變換圖而言依然可能會(huì)存在由暗噪聲導(dǎo)致的偽局部極小值點(diǎn)。若此時(shí)進(jìn)行分水嶺變換仍會(huì)導(dǎo)致過(guò)分割現(xiàn)象。為了得到滿意的分割效果,本文采用形態(tài)學(xué)擴(kuò)展極小值變換來(lái)抑制多余的偽極小值點(diǎn)。擴(kuò)展極小值變換的技術(shù)原理是通過(guò)人為設(shè)定一個(gè)閾值將匯水盆地深度低于該閾值的局部極小值除去。匯水盆地深度h定義為圖像中某一連通域邊界處的梯度值與連通域內(nèi)部最小梯度值之差,抑制極小值深度h小于所選閾值的過(guò)程如下:

(9)

(10)

2 冰雹的特征參數(shù)提取

經(jīng)過(guò)上述算法處理,可以發(fā)現(xiàn)存在粘連的冰雹被分成一個(gè)個(gè)連通的區(qū)域。通過(guò)對(duì)這些連通區(qū)域的測(cè)量即可得到冰雹的特征參數(shù)。

(1) 冰雹的面積測(cè)量。采用統(tǒng)計(jì)像素的方法來(lái)計(jì)算冰雹的面積。通過(guò)計(jì)算每個(gè)連通域冰雹的像素個(gè)數(shù)就可以較為精準(zhǔn)地計(jì)算每個(gè)連通域的面積。

(11)

式中:S0為實(shí)際冰雹的面積;S1為參照物的實(shí)際面積;P0為冰雹圖像所包含的像素點(diǎn);P1為參照物圖像所包含的像素點(diǎn)。

(3) 冰雹的直徑測(cè)量。最小外接矩形(MER)[14]可以用來(lái)對(duì)一個(gè)不規(guī)則物體進(jìn)行矩形計(jì)算。一個(gè)冰雹顆?？梢杂性S多個(gè)不同的外接矩形,其中外接矩形面積最小的被稱作是最小外接矩形?？紤]到冰雹顆粒的形狀多為類圓形或者不規(guī)則多邊形,不能直接將最小外接矩形的長(zhǎng)和寬作為冰雹的直徑。在實(shí)際測(cè)量中需要對(duì)冰雹從多個(gè)方向上進(jìn)行直徑的測(cè)量從而獲得較為精準(zhǔn)的等效直徑。為了符合現(xiàn)實(shí)冰雹直徑的測(cè)量要求,這里提出一種改進(jìn)的最小外接矩形測(cè)量方法。測(cè)量原理如圖4所示。

圖4 冰雹直徑測(cè)量原理

(12)

(13)

(14)

式中:Nn、Em、Sg、Wh分別為最小外接矩形與冰雹上下左右四個(gè)邊界交點(diǎn)的集合;(xupi,yupi)和(xdownj,ydownj)為上下邊界交點(diǎn)的像素坐標(biāo);(xlefti,ylefti)和(xrightj,yrightj)為左右邊界交點(diǎn)的像素坐標(biāo);n、m分別代表上下邊界頂點(diǎn)的個(gè)數(shù);g、h分別代表左右邊界頂點(diǎn)的個(gè)數(shù)。圖4中每個(gè)類型的線型表示邊界上不同的點(diǎn),由點(diǎn)引出的線段代表著兩點(diǎn)之間的距離。按照式(12)從N1到Nn依次計(jì)算到S1,S2,…,Sm的距離取平均可得上下邊界冰雹等效直徑d1,左右邊界按照式(13)從W1到Wn依次計(jì)算到E1,E2,…,Em的距離取平均即可得左右邊界冰雹等效直徑d2,最后再按照式(14)計(jì)算即為最終的冰雹直徑d。冰雹特征參數(shù)提取整體算法的具體流程如圖5所示。

3 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)運(yùn)行環(huán)境:Windows 10操作系統(tǒng),處理器為Intel?CoreTMi5 CPU 8400@2.8 GHz,內(nèi)存為8 GB。圖像處理軟件MATLAB 2018b。

本實(shí)驗(yàn)一共準(zhǔn)備了100組冰雹圖片,因?yàn)槠邢捱x擇三幅不同背景的冰雹圖片作為實(shí)驗(yàn)對(duì)象展現(xiàn)實(shí)驗(yàn)過(guò)程。冰雹圖片如圖6(a)所示。從左到右的背景分別為沙地、草地和操場(chǎng)。首先將三幅冰雹圖片從RGB顏色空間轉(zhuǎn)換到HSI顏色空間,然后通過(guò)先驗(yàn)的顏色范圍將冰雹顆粒從背景中分割出來(lái),其效果如圖6(b)所示。從三幅圖片的分割結(jié)果可以看出大部分冰雹顆粒已經(jīng)被分割出來(lái),但還是存在少量噪聲,需要進(jìn)行進(jìn)一步的處理。第一幅圖片整體效果較好,僅存在少數(shù)多余的連通域以及噪聲;第二幅圖雖然冰雹顆粒整體已經(jīng)被分割出來(lái)但是一些青草也被分割出來(lái)且存在青草的遮擋問(wèn)題,使右下方的冰雹無(wú)法完整地分割出來(lái);第三幅圖的背景存在一些細(xì)小的噪聲并且有一部分的冰雹顆粒因?yàn)檫^(guò)于透明而被濾除,針對(duì)以上出現(xiàn)的問(wèn)題首先濾除一定閾值的連通域,之后構(gòu)建圓形結(jié)構(gòu)元素運(yùn)用形態(tài)學(xué)開閉的操作將這些噪聲濾除。去除噪聲后的效果如圖6(c)所示。通過(guò)濾除噪聲,雖然有極個(gè)別的冰雹顆粒的形狀受到影響,但是大部分冰雹的輪廓清晰,外形結(jié)構(gòu)無(wú)缺失。從濾除噪音的冰雹二值圖像中可以看出部分從背景中分割出來(lái)的冰雹之間相互接觸,相互接觸的冰雹會(huì)形成一大片連通區(qū)域,若不進(jìn)行處理測(cè)量時(shí)冰雹特征參數(shù)的測(cè)量值會(huì)偏大,從而影響測(cè)量的精準(zhǔn)性。因此在進(jìn)行冰雹特征參數(shù)測(cè)量時(shí)需要將相接觸顆粒分離。下面使用1.4節(jié)提到的分水嶺算法對(duì)濾波后的冰雹圖片進(jìn)行分割。圖6(d)為分割結(jié)果,相互接觸的冰雹顆粒已經(jīng)被分水嶺線分隔開,每一個(gè)冰雹對(duì)應(yīng)一個(gè)連通區(qū)域。

圖6 冰雹分離過(guò)程

選取其中一幅冰雹二值圖像,首先對(duì)每個(gè)連通域進(jìn)行標(biāo)記并且做出最小外接矩形,結(jié)果如圖7(a)和圖7(b)所示。可以看出共有26個(gè)冰雹而且每一個(gè)分離的冰雹都具有一個(gè)最小外接矩形。通過(guò)統(tǒng)計(jì)像素法計(jì)算冰雹顆粒的面積,為了實(shí)現(xiàn)計(jì)算單個(gè)冰雹的面積首先將每個(gè)標(biāo)記的冰雹分離,部分冰雹如圖7(c)和圖7(d)所示。可以看出分離的冰雹形狀完整、邊緣清晰。對(duì)分離后的冰雹顆粒使用統(tǒng)計(jì)像素法來(lái)計(jì)算其面積,并將其測(cè)量結(jié)果與真實(shí)值相比較,結(jié)果如圖8(a)所示。圖8(c)中的橫坐標(biāo)為每個(gè)冰雹的編號(hào),縱坐標(biāo)為本文方法的計(jì)算值,中間的直線為人工測(cè)量值,當(dāng)測(cè)量值的散點(diǎn)離直線越遠(yuǎn),偏差越大;當(dāng)測(cè)量值的散點(diǎn)離直線越近,偏差越小?？梢钥闯鲆徊糠譁y(cè)量值位于直線下方,說(shuō)明測(cè)量結(jié)果略微偏小。

圖7 實(shí)驗(yàn)結(jié)果

圖8 冰雹特征參數(shù)的測(cè)量值與計(jì)算值

對(duì)分離的冰雹運(yùn)用最小外接矩形法同時(shí)提取邊緣像素坐標(biāo),結(jié)果如圖7(e)和圖7(f)所示,可以看出單個(gè)冰雹的邊界被完整地提取出來(lái),找出冰雹在上、下、左、右四個(gè)方向上與最小外接矩形交點(diǎn)的像素坐標(biāo)來(lái)計(jì)算冰雹的直徑,但在實(shí)際測(cè)量中最小外接矩形與冰雹圖像邊緣的交點(diǎn)可能存在多個(gè),針對(duì)這種情況運(yùn)用式(12)-式(14)來(lái)計(jì)算冰雹的等效直徑。計(jì)算結(jié)束后,將計(jì)算值與真實(shí)值進(jìn)行比較,其結(jié)果如圖8(c)示。表示測(cè)量值的散點(diǎn)圍繞直線均勻上下分布,說(shuō)明測(cè)量值與真實(shí)值接近。

4 結(jié)果評(píng)價(jià)

本實(shí)驗(yàn)共準(zhǔn)備100組冰雹圖片進(jìn)行測(cè)量,分別計(jì)算出冰雹樣本的平均測(cè)量值、平均誤差、均方根誤差RMSE、決定系數(shù)R2[15]來(lái)衡量測(cè)量值的精準(zhǔn)度。同時(shí)將本文算法與相關(guān)的算法進(jìn)行精準(zhǔn)度的對(duì)比。

(1) 均方根誤差RMSE(Root Mean Square Error):測(cè)量值與真實(shí)值誤差的平方與觀測(cè)次數(shù)n比值的平方根,計(jì)算公式為:

(15)

式中:xi為本實(shí)驗(yàn)算法取得的樣本i的測(cè)量值;yi為樣本i的測(cè)量值;n為樣本數(shù)。

(2) 決定系數(shù)R2:相關(guān)系數(shù)的平方,能夠直觀地反映測(cè)量值與真實(shí)值的擬合程度。計(jì)算公式為:

(16)

冰雹特征參數(shù)的測(cè)量結(jié)果如表1所示。測(cè)量結(jié)果的RMSE越小,表明測(cè)量值與真實(shí)值越接近,擬合得越好。R2的值越接近1表明數(shù)據(jù)相關(guān)性越好、誤差越小。在冰雹面積的測(cè)量上,分別采用坐標(biāo)紙法和長(zhǎng)寬系數(shù)法與本實(shí)驗(yàn)所用的統(tǒng)計(jì)像素法進(jìn)行精準(zhǔn)度的比較。從表1可以看出三種方法的平均誤差分別為0.184 9、0.677 3和0.615 7,且從RMSE和R2的值上來(lái)看統(tǒng)計(jì)像素法的測(cè)量結(jié)果更加精準(zhǔn)。坐標(biāo)紙法需要人為地將冰雹的輪廓投映到坐標(biāo)紙上,其過(guò)程難免會(huì)產(chǎn)生誤差;長(zhǎng)寬系數(shù)法對(duì)形狀規(guī)則的物體測(cè)量效果較好但對(duì)冰雹這類形狀多為類圓形或不規(guī)則物體測(cè)量精度較差。

表1 不同冰雹特征參數(shù)測(cè)量方法的比較分析

在冰雹周長(zhǎng)的測(cè)量過(guò)程中分別應(yīng)用Freeman鏈碼和Canny算子追蹤冰雹邊緣,通過(guò)統(tǒng)計(jì)像素之間距離來(lái)計(jì)算周長(zhǎng)。兩種方法的RMSE為0.208 1和0.301 6,R2為0.881 4和0.754 5。Canny算子運(yùn)算時(shí)間較長(zhǎng)同時(shí)提取圖像的邊緣為多層像素,冗余的像素會(huì)導(dǎo)致測(cè)量結(jié)果存在誤差;Freeman鏈碼檢測(cè)到的圖像邊緣均為單一像素同時(shí)考慮到了像素之間傾斜方向的距離問(wèn)題,測(cè)量效果更好。

最后在冰雹直徑的測(cè)量上分別采用改進(jìn)的最小外接矩形法與游標(biāo)卡尺法來(lái)進(jìn)行實(shí)驗(yàn)對(duì)比,直徑平均測(cè)量值分別為2.895 5和2.951 7,平均誤差分別為0.084 3和0.140 5。游標(biāo)卡尺法測(cè)量較為精準(zhǔn)但是逐個(gè)測(cè)量費(fèi)時(shí)費(fèi)力而且在讀數(shù)時(shí)容易導(dǎo)致測(cè)量誤差,相比之下改進(jìn)的最小外接矩形法測(cè)量效率更高,測(cè)量結(jié)果更為精準(zhǔn)。本文方法的測(cè)量值誤差均在2%到6%之間,可精準(zhǔn)地提取冰雹的特征參數(shù)。

5 結(jié) 語(yǔ)

本文以自然環(huán)境下冰雹的分割和特征參數(shù)的測(cè)量作為研究對(duì)象,選用基于HSI顏色空間的閾值法將冰雹從背景中分割,運(yùn)用改進(jìn)的分水嶺方法分割粘連冰雹邊界,提取的冰雹輪廓清晰、完整性好,避免了過(guò)分割的情況。冰雹面積的計(jì)算選用統(tǒng)計(jì)像素法,該方法計(jì)算過(guò)程簡(jiǎn)單、可靠性好;周長(zhǎng)算法使用Freeman鏈碼,根據(jù)鏈碼值累加得到冰雹的周長(zhǎng);冰雹的直徑通過(guò)改進(jìn)的最小外接矩形來(lái)測(cè)量,改進(jìn)后的算法適用性廣,可用于類圓形或不規(guī)則圖形的測(cè)量。從冰雹特征參數(shù)的測(cè)量結(jié)果來(lái)看本文算法精準(zhǔn)度較高,RMSE和R2的值分別趨近于0與1,平均誤差在2%到6%之間。下一步將研究在冰雹大量堆疊的情況下如何測(cè)量冰雹的特征參數(shù),進(jìn)一步提高算法的適用范圍。