高压输电线路中绝缘子图像检测技术研究毕业设计说明书.doc

中北大学2013届毕业论文毕业论文 高压输电线路中绝缘子图像检测技 术研究 信息与通信工程学院XXX学生姓名： 学号： 电气工程及其自动化学 院： 专 业： 指导教师： 2013年 6月毕 业 论 文 任 务 书1毕业论文课题的任务和要求：输电线路处于自然环境中，面临大风、重冰等自然灾害的袭击，常常造成绝缘子破损、掉片和断裂等机械性故障。在电网运行环境中，不同种类的绝缘子在长期服役后都会不同程度地产生破坏失效，导致事故的发生。本课题利用采集的实际输电线路的图像，利用数字图像处理相关技术对其进行处理和分析，对绝缘子裂纹图像进行相应的处理和特征提取，使用神经网络技术进行分类研究和分析，为后续的绝缘子故障判断提供了重要依据，具有一定的研究价值和重要意义。2毕业论文课题的具体工作内容（包括原始数据、技术要求、工作要求等）： 1.查阅电力设备检测和分析技术方面的相关资料；2.学习并掌握数字图像处理相关知识的方法；3.学习MATLAB/Simulink仿真软件和平台；4.熟悉数字图像滤波算法；5.利用阈值分割和数学形态学方法对高压绝缘子进行边缘检测和提取；6.利用特征提取的有关算法计算绝缘子的特征值，并利用神经网络分类。7.运用MATLAB软件对不同图像进行仿真，并对其结果进行分析；8.利用MATLAB的GUI建立检测系统；9.阅读并翻译相应的英文资料。 毕 业 论 文 任 务 书3对毕业论文课题成果的要求包括毕业论文、图纸、实物样品等)：1、 毕业论文。2、 不少于3000字的相关英文技术资料翻译。 4毕业论文课题工作进度计划：起 迄 日 期工 作 内 容2013年3月01日3月20日3月21日4月15日4月15日 5月10日5月11日6月1日6月 2日6月10日6月11日6月15日查相关资料，熟悉工作，写开题报告。学习数字图像处理知识的方法。学习MATLAB软件或C+语言的相关知识。学习并掌握滤波、数学形态学等相关算法。学习特征提取和神经网络方法并进行绝缘子裂纹图像处理和分析。整理资料，撰写论文，论文答辩。学生所在系审查意见：系主任： 年 月 日毕业论文中期报告学校论文题目高压输电线路中绝缘子图像检测技术研究本人在该论文中具体应完成的工作具体工作主要包括：1.通过查阅电力系统、数字图象处理方面的相关资料，掌握相关知识。2.学习MATLAB仿真软件及在数字图像方面的应用；4.熟悉数字图像常用滤波算法；5.熟悉边缘检测算法的优缺点并合理选用；6.学习模式识别的方法提取电力系统设备图像的特征；7.运用MATLAB软件对实际电力系统设备图像进行仿真，并对其结果进行分析； 1、 简述毕业论文开始以来所做的具体工作和取得的进展（要详细内容）1、采集到高压输电线路中绝缘子的图像。2、对采集到的图像运用MATLAB软件进行图像预处理，在程序编辑过程中包括以下三个方面。直方图均衡化：先将图像进行二值化处理，可得到直方图，编辑直方图均衡化程序来达到增强亮度的效果；图像平滑处理：图像在采集过程中不可避免的会含有噪声，运用中值滤波算法对图像进行噪声处理；边缘检测：用于检测图像特性发生变化的位置，经过多种算法的显示结果比较，Roberts算法被选为最佳算法。3、 搜集了部分数字图像处理方面的英文资料，并进行了相应的翻译。4、对电力设备图像进行识别的关键在于分析电力设备的各种特征，对图像特征提取只做了一些准备性工作，查阅资料选择算法进行编程。2、 目前存在问题，下一步的主要研究任务，具体设想与安排（要详细内容）目前的问题：1、使用MATLAB软件提取电力系统设备图像的特征。要考虑提取的特征对后面识别过程的影响。2、选择最适合的算法对图像中的电力设备状态进行识别，并能保证识别的正确率和识别的速度。.具体设想与安排：1、对电力设备图像所提取的特征进行分析，如颜色特征，可对开关的像素点检测，分析得到它的颜色所在的分布区域；性状特征，将采集的图像进行数学形态学处理，计算欧拉数的数值，与设定值做比较；导线垂弧测量，使用抛物线建模和顶点识别算法计算垂弧的长度。2、然后利用MATLAB软件对处理后的实际电力设备图像进行仿真实验，并对结果进行分析，判断出电力设备的运行状态，达到了检测的目的。3、 指导教师对该学生前期研究工作的评价（是否同意继续研究工作） 指导教师亲笔签字： 年 月 日备注：1、本表由学生填写，指导教师亲笔签署意见。2、以上各项句间距可以根据实际内容需要调整。高压输电线路中绝缘子图像检测技术研究摘要：随着数字图像处理技术在电力系统中的广泛应用，图像信息的作用越来越重要。利用图像处理技术对电力设备状态图像进行分析，可以实现对电力设备状态的检测，及时发现异常现象和潜在故障。这不仅对电力系统安全稳定运行具有重要意义，而且还可以极大地提高电力系统的自动化程度，最终实现电力系统值守无人化。本文对实际的电力设备图像进行了直方图增强、中值滤波、边缘检测和图像二值化等预处理。在对绝缘子图像的检测和识别中，通过像素点统计（面积计算），将检测图与原图的像素点数作差（差值B)，与设定的临界值C比较。若BC则正常运行，否则异常报警。利用MATLAB为工具软件平台，验证各种算法的有效性和实用性，有效对几种电力设备图像的状态进行检测和识别。使用GUI图像用户界面，使得展示过程更为直观。随着数字图像处理相关技术的不断完善，将为电力系统中视频监控提供一条崭新的技术手段。关键词：绝缘子，状态检测，像素点统计，特征提取,GUIStudy of insulator image-detection techonology in high voltage transmission lineAbstract：With the wide application of digital image processing technology in the power system, the importance of image information is becoming more and more. Using image processing techniques to analyze the power device state images, it can achieve the state of power equipment testing and detect anomalies and potential failure. It is not only important for safety and stable operation of the power system，but also can significantly improve the automation of power system and achieve ultimately unmanned management. In this paper, the primary processing of insulator image includes median filtering, histogram enhancement and image preprocessing binary, meanwhile the image morphological dilation algorithm and seed fill operation are also very important factors. In the stage of image recognition and analysis, according to the calculate result of images pixel, B is the pixel number of the detected image, C is the assumed critical value.If BC,norrmal operating,or alarming. MATLAB is used as a tool software that can check the efficiency and practicability of various algorithms and detect fast the state recognition of power equipment image. The application of GUI graphical user interface makes the demonstration process more intuitive. As the digital image processing technologies related continue to improve, it will turn out to be a promising technique in the power system monitoring. Key words: insulator，Condition monitoring，pixel calculation，Feature abstraction，GUI目 录1 绪论11.1 课题的背景和意义11.2 课题的国内外发展现状21.3 论文的主要工作42 绝缘子图像的预处理52.1 数字图像的基本知识52.1.1 图像的颜色模型52.1.2 彩色图像的灰度化72.2 图像的预处理72.2.1 直方图增强72.2.2 图像平滑92.3 小结113 绝缘子图像分割123.1 图像锐化113.1.1 Sobel算子算法113.1.2 拉普拉斯算子算法133.2 图像边缘检测153.3 阈值分割193.4 小结214 绝缘子图像的检测与识别224.1 绝缘子裂纹种类及成因224.2 像素点统计与显示检测结果234.3 小结255 绝缘子图像检测系统的实现265.1 图像处理MATLAB软件265.1.1 MATLAB图像处理工具箱265.1.2 MATLAB GUI图形用户界面275.2 GUI的操作界面及使用方法275.3 基于GUI图像处理的运行举例295.3.1 绝缘子的图像检测305.3.2 像素点统计与报警315.3.3 像素点统计结果分析与报警325.4 小结346 总结35附录36参考文献41致谢43 1 绪论1.1 课题的背景和意义 我国现有500kv超高压线路约计3万公里,它是我国电力系统的主网架,超高压线路安全经济运行将是我国经济建设提供坚强的电力保证。目前超高压线路的运行维护工作还处于以人为主的按运行周期的机械维护方式,也根据规程提供的预定大、中、小修周期安排人力、物力进行维护,不管线路这期间是否真的已存在隐患。这种维护方式势必造成线路维护方面一些不足,同时一些不必要的人力、物力以及财力巨大浪费,加之人的不稳定因素,势必造成设备健康水平不高,使供电可靠性得到威胁。对于隐患的不及时处理会产生整根输电线的脆断,造成严重的电力事故。高压输电线路(导线、绝缘子等)由于长期在室外环境下运行,在巨大的张力、气温变化、闪电、飞行物撞击以及老化、锈蚀等影响下,会出现输电线路断丝断股破损、绝缘子破坏、间隔棒脱离等情况,若不及时发现和修复处理,最终会导致输电线路的破断,造成大面积停电和巨大的经济损失。因此,高压输电线路的巡检是输电工程运行与维护的重要工作。到目前为止,高压输电线路主要依靠人工步行巡检或乘坐导线滑车和航测进行巡检。由于输电线路距离长,经过的地势复杂,人工巡检工作量大、艰苦,而且许多隐患人工观察很难发现(电线因相互碰撞或放电引起的质变隐患),可靠性差,效率低下。而实现自动化巡检是解决这个问题的重要途径,因此许多国家都在大力发展电力线路自动化巡检技术装备,以减轻线路输电维护人员的劳动强度与难度,提高巡检效率与质量,提高电力供应的安全运行能力。所以高压输电线带电作业机器人的研制和开发有很大的市场前景。高压输电线路是长距离输送电力的重要设备,主要包括输电导线及其金具、绝缘子串组合、杆塔和地基,以及输电线路的安全通道在交变机械载荷、电器闪落、材料老化和自然灾害等因素的综合作用下,输电线路会产生机械电器故障、杆塔及其地基和交叉跨越安全距离等变化,若不及时发现和修复,将造成严重的停电事故和人身生命安全隐患。图像检测已成为未来为了能够保证电力系统的稳定运行度，使用数字图像处理技术进行电力设备的状态的趋势1。 输电线路要将巨大的电流从发电厂送到远方用户,必须具有两个基本条件,一是为传输电流的导线提供机械支撑;二是防止电流对地形成通道接地,而绝缘子就具备这两种基本功能,所以绝缘子在输电线路中占有重要地位。然而,绝缘子在高压输电线路中又是极易损坏的一个重要元件。在输电线路中一旦有绝缘子破损,就会丧失绝缘,或导致供电中断,严重时甚至造成电网解裂,给国民经济造成严重损失,这在中外输电线路运行历史上都有及其深刻的教训。 为了提高电力系统运行的稳定性。国家正积极提高电力系统的自动化水平，电力系统正在大力建设无人值守变电站。许多变电站在遥测、遥信、遥控、遥调的基础上增加了“遥视”功能，实现了电力系统各种重要参数、设备和场所的监测。将视频图像引入电力设备运行状态的远程监视中带来了巨大的技术进步，但现有的视频监控系统只有视频监控功能和录像功能，不能对监控目标进行智能化的主动识别分析。因此对电力设备所出现的故障不能及时地处理，因此造成一系列的问题。首先，大量的图像传输到调度端，需要操作员时刻观察分析图像，无形中增加了操作员的工作负担；再次，人眼易疲劳的弱点和人工判断的主观性，严重影响了电力设备运行状态监测，不利于电力系统自动化程度的进一步提高；最后，人眼难以分辨细微图像的灰度变化，难以客观判断电力设备表面缺陷的程度2。从以上的具体问题，可以得出电力设备的故障识别需要借助计算机模式识别，以便更及时、更准确地排除故障。图像分析技术可从根本上解决目前电力设备在线监测中存在的一些实际问题：很多高压设备的运行状态难以转换成电信号，在信号转换和传输过程中容易受强电磁场的影响；重要设备的运行参数需要实时监测，采用人工巡视难以满足实时性要求，而且巡视员的责任心、工作态度和精神状况严重影响了检测的结果；另外，人眼难以分辨细微图像的灰度变化，难以客观判断电力设备表面缺陷的程度。本课题的成果及其进一步的研究工作，可促进变电站监测系统的智能化、自动化，提高变电站工作人员的效率，取得更高的经济效益，将具有较大的实用价值和应用前景。1.2 课题的国内外发展现状 图像技术在广义上是各种与图像有关技术的总称,主要研究的是数字图像的计算机图像技术。它的历史开始于20世纪20年代,在50年代及以前计算机主要是应用于数值计算,还不能进行大数据量的图像处理。在60年代,由于第三代计算机的出现,及快速傅里叶变换的发现和应用使得对图像的某些计算得以实现;在70年代,图像技术有了长足的发展,第一本图像处理的专著Rosenfeld1976得以出版;80年代,能进行图像处理硬件的相继出现,促进了2D和3D图像处理的发展;90年代以后,图像技术已逐步深入到人类生活和社会发展的各个方面。人们也提出了许多有关图像处理、图像分析和图像识别的算法。 图像识别的发展经历了三个阶段:文字识别、图像处理和识别及物体识别。文字识别的研究是从1950年开始的,一般是识别字母、数字和符号,从印刷文字识别到手写文字识别,应用非常广泛,并且已经研制出许多专用设备。图像处理和识别的研究,是从1965年开始的。过去人们主要是对照相技术、光学技术的研究,而现在则是通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声,同时还可以进行图像的增强与复原,然后进行图像的判读、解析与识别,如航空照片的解析、遥感图像的处理与识别等。物体识别也就是对三维世界的认识,它是和机器人的研究有着密切关系的一个领域,在图像处理上没有特殊的难点,但是必须知道距离信息,并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天,尽管机器人的研究非常盛行,但还只限于视觉能够观察到的场景。随着计算机和信息科学的发展,计算机视觉和人工智能的研究己成为新的方向。 现代电网自动化技术发展迅速，国外很多地方已经实现了变电站的无人值守。普及无人值守也成为目前和未来电网发展的必然趋势3，在当前电力系统对自动化、智能化程度要求不断提高的背景下，将计算机视觉的相关新技术运用到电力系统中来，结合电力系统变电站的应用场合，为电力系统变电站中视频监控特别是视觉信息相关的监测系统提供一条崭新的技术手段。而国内总体上还处于一种零散的、初步的应用阶段。比较成功的例子如电力设备的红外图像温度检测，基于图像识别的锅炉炉膛燃烧状况监测系统等。20世纪90年来中期以来，特别是我国城乡电网大规模改造以来，220KV以下相继进行无人值班改造。其具体做法是在增加一次系统可靠性和实行微机保护，实现“四遥” ，并增加“遥视”系统。“遥视”系统应用多媒体实时图像监视技术，可以使运行人员远程直接观看变电站现场设备及环境图像。电力设备的检测包括可以对杆塔、导线及避雷器、绝缘子、线路金具、线路周围环境进行巡视。机器人配备的高分辨率CCD摄像机摄取目标图像，实时传输到地面基站，由基站操作人员根据图像中导线、绝缘子等设施的外观确定是否损坏4。人工复查需对图像逐帧观察，效率低但较可靠。高压输电线路巡线机器人一般能发现架空线大部分表面故障。目前有些电厂和变电站安装了视频监控系统，可实现监视现场设备、控制远程摄像机运动、数字视频录像等功能。但这些视频监控系统只有视频监视功能没有视频图像识别功能。还要依靠值班人员直接去观察和分析采集到的图像5，判断电力设备的运行状态，缺乏对变电站电力设备的自动识别与分析功能。而目前提出的检测系统模型实现的视频图像识别内容主要包括：1对户外断路器、隔离开关以及接地刀闸等设备的断开、闭合状态进行检测；2测量输电线垂弧。变电站图像的分析和电力设备运行故障的判别方法的研究还不成熟，本文借鉴了图像处理与识别技术在其它领域内成功应用的经验，将图像处理和模式识别的算法运用到电力设备的识别，从而判断出电力设备的运行状态，达到监测的目的。1.3 论文的主要工作主要是通过采集并处理绝缘子的图像来实现对运行的检测，并通过模式识别技术来判断绝缘子的正常与否，并进行校正，从而来保证电力系统的稳定运行。 1、运用数字图像处理技术提高图像的质量，对采集到的绝缘子图像进行必要的预处理：图像去噪、图像锐化、边缘检测等。2、运用模式识别算法和编程对不同的图像进行面积计算（像素点统计），选取临界值，通过与临界值的比较做出预警判断。3、然后利用MATLAB软件对处理后的实际电力设备图像进行仿真实验，并设计GUI界面显示整个识别过程，能快速直观对结果进行分析，判断出电力设备的运行状态，达到了监测的目的。 2 绝缘子图像的预处理 随着社会的发展，图像处理技术与计算机视觉在各个领域的应用越来越广泛。本章介绍图像处理技术的基本知识以及它的发展，并且讨论计算机视觉在电力系统中的应用。改善图像质量的处理称为图像的预处理，本章主要介绍了图像预处理的一些基本方法，如直方图增强、图像平滑等。 用。 2.1 数字图像的基本知识2.1.1 图像的颜色模型根据人眼结构，自然界中的所有颜色都可以由红绿蓝(R、G、B)三原色组合而成，也就是通常所指的RGB模型。实际应用中，有时会用到其他一些颜色模型，如CMY颜色模型、YIQ颜色模型、YUV颜色模型及YcbCr颜色模型等6。(1)RGB和CMY颜色模型CMY（Cyan、Magenta、Yellow）颜色模型是一种常用的表示颜色的方式。计算机屏幕的显示通常用RGB颜色模型，它是通过颜色的相加来产生其他颜色，这种做法通常称为加色合成法（Additive Color Synthesis）。而在印刷工业上则通常用CMY颜色模型（一般所称的四色印刷CMYK则是加上黑色），它是通过颜色相减来产生其它颜色的，所以通常称这种方式为减色合成法（Subtractive Color Synthesis）。图2-1为RGB与CMY两个颜色模型的关系图：(2)YIQ颜色模型 图2.1 RGB与CMY色彩系统关系图YIQ颜色模型通常被北美的电视系统所采用（属于NTSC系统），这里Y不是指黄色，而是指颜色的明视度（Luminance），即亮度（Brightness）。其实Y就是图像的灰度值（Gray value），而I和Q则是指色调（Chrominance），即描述图像色彩及饱和度的属性。RGB与YIQ之间的对应关系如下： (2-1) (2-2)YUV颜色模型被欧洲的电视系统所采用（属于PAL系统），其中Y和上面的YIQ颜色模型中的Y相同，都是指明视度。U和V虽然也是指色调，但是和I与Q的表达方式不完全相同。RGB与YUV之间的对应关系如下： (2-3) (2-4) 4)YcbCr颜色模型YcbCr颜色模型也是一种常见的色彩系统，JPEG采用的颜色模型正是该模型。它是从YUV颜色模型衍生出来的（因此通常还有人称JPEG采用的色彩系统是YUV系统，其实是错误的）。其中Y还是指明视度，而Cb和Cr则是将U和V做少量调整而得到的。RGB颜色模型和YcbCr颜色模型之间的对应关系如下： = (2-5) (2-6)视频服务器实时截取的图片采用的是JPEG压缩格式，直接利用数学算法提取指定区域的特征的方法不易实现，直接影响系统的整体识别时间。相反地，真彩色位图文件（bmp）格式采用的是24位真彩色RGB系统，即在该图像文件中，每个像素（对应屏幕的一个点）均由3个字节表示，三个字节分别表示R、G、B三个分量的值，这样提取指定区域的像素信息就容易的多，因此，本文将图像转换为真彩色位图文件格式，在提取颜色特征时采用的是RGB颜色模型。2.1.2 彩色图像的灰度化 为了后期其他特征量的提取方便快捷，需要对图像进行灰度化处理7。灰度图（Grayscale）是只含亮度信息，不含色彩信息的图像，就像我们平时看到亮度由暗到明的黑白照片，变化是连续的。因此，要表示灰度图，就需要把亮度值进行量化。通常划分成0到255共256个级别，0最暗（全黑），255最亮（全白）。从彩色图像到为灰度图的转变可由公式得到：Y =0.299R+0.587G+0.114B （2-7）2.2 图像的预处理2.2.1 直方图增强图像的直方图是图像的重要统计特征，它可以认为是图像灰度密度函数的近似。直方图虽然不能直接反映出图像内容，但它反映的是图像灰度分布统计特征。对于数字图像，它可以反映数字图像的概貌性描述，例如图像的灰度范围、灰度的分布、整幅图像的平均亮度和明暗对比度等，并可以由此得出进一步的重要依据。当图像对比度较小时，它的灰度直方图只在灰度轴上较小的一段区间上非零，较暗的图像由于较多的像素灰度值低，因此它的直方图的主体出现在低值灰度区间上，其在高值灰度区间上的幅度较小或为零，而较亮的图像情况正好相反。通常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大，这样的图像较暗区域中的细节常常看不清楚。为使图像变清晰，可以通过变换使图像的灰度动态范围变大，并且让灰度频率较小的灰度级经变换后，其频率变得大一些，使变换后的图像灰度直方图在较大的动态范围内趋于均化。事实证明，通过图像直方图修改进行图像增强是一种有效的方法。一幅均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚。为了使图像清晰，可将图像的灰度间距拉开，或者使灰度分布均匀，即让灰度直方图在较大的动态范围内趋于一致。从而增大了反差，使图像细节清晰，达到图像增强的目的。对于数字图像，以r表示正规化了的原图像灰度，以s表示经过直方图修正后的图像灰度，即0r，s1。且直方图均衡就是通过灰度函数，将原图像直方图改变成均匀分布的直方图。 (2-8)即为P(r)的分布累计函数。在数字图像，灰度是离散的。离散化的直方图均衡化公式为：S=Tr= （2-9） 需要注意的是，由于数字图像的灰度离散化，均衡化图像的直方图只是近似均匀分布。直方图均衡化后的图像灰度动态范围扩大了，量化层间隔扩大了，灰度的级数分布减少了，因而可能出现伪轮廓8。直方图均衡化技术使图像增强的实质在于：（1）两个占有较多像素的灰度变换后灰度之间的差距增大。一般来讲，背景和目标占有较多的像素，这种技术实际上加大了背景和目标的对比度。（2）占有较少像素的灰度变换后需要归并。一般来讲，目标与背景的过渡处像素较少，由于归并，其或者变为背景点或者变为目标点，从而使边界变得陡峭。 MATLAB图像处理工具箱中的imhist函数用来显示灰度图像的直方图，它的语法格式为： i=imhist(I)；图 2.2 导线图像直方图图2.3 导线图像直方图 MATLAB图像处理工具箱中的histeq函数用来对直方图增强。它的语法格式为： I=histeq(I1)； 图2.4 直方图均衡化前后的直方图2.2.2 图像平滑实际获得的图像一般都受到某种干扰而含有噪声。噪声产生的原因决定了噪声的分布特性以及它和图像信号之间的关系，通常噪声可以分成加性噪声、乘性噪声、量化噪声等。这些噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。图像平滑的目的是消除或尽量减少噪声的影响，改善图像质量，有利于抽取对象特征进行分析。经典的平滑技术对噪声使用局部算子，当对某一个像素进行平滑处理时，仅对它的局部小邻域内的一些像素进行平滑，优点是其计算效率高，而且可以多个像素并行处理。图像平滑的主要方法有噪声门限法、加权平均法、领域平均法、中值滤波、掩膜平滑法、空间低通滤波等。噪声门限法是一直简单易行的噪声消除方式，对于因传感器或者信道引起的呈现孤立离散分布的单点噪声具有较好效果。运用噪声门限法进行图像平滑时，首先设定门限值T，然后顺序检测图像的每个像素，将该像素与其邻域内的其他像素进行比较判断，以确定是否为噪声点；若为噪声点，则以其邻域内所有像素灰度的平均值替代，否则，以原灰度值输出。该方法中门限值T选择至关重要，太大，则噪声平滑不够；太小，平滑图像会变得模糊。空间低通滤波等。下面介绍比较常用的中值滤波。中值滤波是抑制噪声的非线性处理方法。它是基于图像这样的一种特性:噪声往往以孤立的点的形式出现，这些点对应的象素很少，而图像则是由象素数较多、面积较大的小块构成。它在一定条件下，可以克服线性滤波器如最小均方滤波，平均值滤波(平滑滤波)等所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最有效。在实际运算工程中并不需要图像的统计特性，这也带来不少方便9。中值滤波是用领域点的中值代替该点的数值，即 (2-10) 其中为点(x，y)及其领域的灰度值。例如，取一个二维窗口的大小(mm)，这里m只能取奇数，其中m=3，其中各像素灰度值如下： (2-11)经过按行排列，得到一个序列为52，26，59，34，63，48，44，51，39，重新排列后的新的序列26，34，39，44，45，51，52，59，63，则Median52，26，59，34，63，48，44，51，39=48。中值滤波是将领域中所有像素按灰度级排序，取其中间值为输出像素。中值滤波的效果依赖于两个要素:领域的空间范围和中值计算中涉及的像素数(当空间范围较大时，一般只取若干稀疏分布的像素做中值计算)。将一维中值滤波的概念推广到二维，一般来说，二维中值滤波比一维中值滤波更能抑制噪声。二维中值滤波器的滤波窗口，可以是线形、方形、圆形及十字形等，不同形状的窗口使用中心必须根据图像的内容和不同的要求加以选择。根据经验，对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口比较适宜;对于包含有尖顶角物体的图像，宜采用十字形窗口。使用二维中值滤波最值得注意的就是保持图像中有效的细线状物体。在一定条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及颗粒噪声最为有效。但对高斯噪声无能为力。需要注意的是，当窗口内噪声点的个数大于窗口一半时，中值滤波的效果不好。而且，对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法，使用中值滤波会造成这些细节丢失。MATLAB图像处理工具箱中的medfilt2函数用来对目标图像进行中值滤波，它的语法格式为： J=medfilt2(I);图2.5 绝缘子中值滤波前后图像 2.3 小结 本章简要介绍了图像色彩模型和图像处理技术的主要内容，其中颜色特征提取选取了RGB的颜色模型，预处理包括直方图增强和中值滤波，对电力设备图像有效地进行去噪，使图像细节更加清晰。 3 绝缘子图像锐化与边缘检测在图像摄取、传输及处理过程中有许多因素会使图像变得模糊，降低了图像的质量，以下介绍了图像锐化和图像边缘检测的多种算法，使边缘更加清晰。另外还介绍了数学形态学基本理论，包括二值腐蚀、膨胀和种子填充的几何意义和性质以及对电力图像的实际处理效果。3.1 图像锐化图像模糊是常见的图像降质问题。大量的研究表明，图像模糊的实质是图像受到了求和、平均或积分运算。所以，可以不必深究图像模糊降质的物理过程及其数学模型，而根据图像模糊都有相加或积分运算这一共同点，运用相反的运算来减弱和消除模糊。这一类消减图像模糊的增强方法称为图像的锐化。图像锐化的主要目的就是加强图像中的目标边界和图像细节。值得注意的是，锐化处理的图像必须要有较高的信噪比，否则，图像进行锐化后，信噪比会降低，图像质量急剧下降。另外，由于锐化将使噪声受到比信号还强的增强，故必须小心处理。一般都是先进行图像平滑，去除或减轻图像中的干扰噪声，然后才进行锐化处理10。锐化技术可以在空间域进行，从木的方法是对图像进行微分处理;在频率域则运用高通滤波技术。在空间域中，山于需要锐化的图像边界或线条可能是任意走向的，所以期望采用的算子应该是各向同性的。所谓各向同性，是指无论边界或线条走向如何，只要幅度相等，算子就给出相同的输出。数学证明，偏导数的平方和运算是各向同性的，如微分算子和拉普拉斯算子就是各向同性的。本节主要介绍一些常用的图像锐化方法，如微分算子算法、拉普拉斯算子算法等。3.1.1 Sobel算子算法微分算子方法锐化图像时，图像中的噪声、条纹等同样得到加强，这在图像处理中会造成伪边缘和轮廓。Sobel算子则在一定程度上克服了这个问题。Sobel算子的基本思想是:以待增强图像的任意像素(i，j)为中心，截取一个3x3的像素窗口11。分别计算窗口中心像素在x，y方向上的梯度: (3-1) (3-2)增强后图像在(i，j)处的灰度值为:(x,y)= (3-3)Sobel算子在计算x方向和y方向上的梯度时，不像普通梯度算子那样只用两个像素灰度差值来表示，而是采用两列或两行像素灰度加权和的差值来表示，这使得Sobel算子具有如下优点: (1)引入了加权平均，将距离远近产生的影响考虑进去，对图像中的随机噪声具有一定的平滑作用。(2)由于Sobel算子采用间隔两行或者两列的差分，所以图像中边缘两侧的像素得到增强。Sobel算子得到的锐化图像的边缘显得粗而亮。MATLAB图像处理工具箱中的filter2函数用来对目标图像进行Sobel算子锐化，它的语法格式为：h1=fspecial(Sobel);I1=filter2(h1,I);图3.1 Sobel算子锐化前后图 3.1.2 拉普拉斯算子算法拉普拉斯算子是一种十分常用的图像边缘增强处理算子。拉普拉斯算子是线性二次性二次微分算子，具有各向同性和位移不变性，从而满足不同走向的图像边缘的锐化要求。对于连续图像，它的拉普拉斯算子为= (3-4)当图像模糊是由于扩散现象引起时，不模糊图像等于模糊图像减去它的拉普拉斯运算结果的k倍，即 (3-5)f为模糊图像，g为锐化以后的图像，k是与扩散效应有关的系数。对于数字图像f(i，j)来讲，拉普拉斯算子定义为:(i,j)= (3-6)(式3.6)中， = = (3-7) = =同理求得： = (3-8)将(式3.6) 和(式3.7)代入(式3.8)： = (3-9)将式(3.9)加以变换，改写为如下形式： (3-10) 从式(3.10)可以看出，数字图像在(i，j)点处的拉普拉斯算子，可以由灰度值减去其邻域均值来求得。MATLAB图像处理工具箱中的imfilter函数用来对目标图像进行Laplacian算子锐化，它的语法格式为：h1=0,-1,0;-1,5,-1;0,-1,0;I2=imfilter(I1,h1); 图3.2 Laplacian算子锐化前后图 如果一幅待处理的电力设备图像比较模糊，或者说细节不突出，我们为了保证后面的特征提取和分割的效果，就要对此图像进行增强锐化处理。对于边缘需要增强的图像，我们可以选择上面的两种算子对电力设备图像进行处理12。其中L即lacian算子对图像模糊的边缘有一定的增强效果，相比较而言， Sobel算子边缘增强锐化的效果更好。当我们处理的设备图像对边缘要求较高时，我们可以选择Sobel算子进行边缘处理。3.2 图像边缘检测图像的边缘是图像的基本特征之一，它蕴含了图像丰富的内在信息(阶跃性质、形状等)并广泛的用于图像分割、图像分类、图像配准和模式识别中。边缘是指图像局部亮度变化最显著的部分像素的集合。图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。图像中的边缘通常与图像亮度或图像亮度的一阶导数的不连续有关。经典的边缘检测方法通常是利用边缘邻近的一阶或二阶导数的变化规律来进行的。数字图像的求导通常是利用差分近似微分来实现的。边缘检测通常借助空域微分算子进行，通过将算子模板与图像进行卷积来完成边缘检测13。常见的边缘检测有:梯度算子、Robert算子、Sobel算子、GauSS一LaplaCian算子、拉普拉斯算子等。(l)梯度检测算子边缘检测是检测图像局部显著变化的最基本运算。边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量，指出灰度变化的最快的方向和数量。在一维情况下，阶跃边缘同图像的一阶导数的局部峰值有关，梯度是函数变化的一种度量而一幅图像可以看作是图像强度连续函数的取样点的阵列。梯度是一阶导数的二维等效式，对于图像在处的梯度为一矢量G(x,y)=G G= (3-11)梯度的幅值如下：G(x,y)= (3-12)在实际应用中，通常用绝对值来近似梯度幅值。由矢量分析可知，梯度的方向定义为：(x,y)=arctan() (3-13) 其中角是相对x轴的角度。对于数字图像，式（3.11）可用差分来近似计算，简单的梯度近似表达式为 (3-14) (3-15) 其中，j对应x轴方向，i对应负y轴方向。直接用上式计算，会受到噪声影响。为解决此问题，常用22一阶差分模板来求x和y的偏导数：G= G= (3-16)将邻近的微分值相加，其结果相当于求了两倍的微分值，而不是平均值，在一定程度上增加了鲁棒性。(2)Roberts算子最简单的边缘检测算子是用图像的垂直和水平差分来逼近梯度算子，1963年Roberts提出了边缘检测算子，Roberts交叉算子为梯度幅值计算提供了一种简单的近似方法： (3-17)用卷积模板表示方法，上式变成 (3-18)它是一个由22模板作用的结果，可表示为 G= G= (3-19)Roberts算子是直观的也是简单的，但是效果并不好。(3)Prewitt算子Prewitt边缘检测算子是一种类似Sobel边缘检测算子的边缘模板算子，通过对图像进行八个方向的边缘检测，将其中方向响应最大的作为边缘幅度图像的边缘。S= S= (3-20)如果在每个点噪声都是相同的，那么Prewitt算子是比较好的。事实上，Prewitt算子对噪声很敏感，图像的离散差分对噪声比对原图像更敏感；可以通过先对图像做平滑以改善结果。 (4)GaussLaplacian算子GaussLaplacian算子是一种二阶边缘检测法，通过寻找图像的灰度值的二阶微分中的零穿越来检测边缘点，其算子用模板卷积表示为 (3-21)通过上面介绍的边缘检测的方法，本文对一个隔离开关的图像进行边缘检测，边缘检测的效果如下图3.3所示：(a) Sobel算子边缘检测(b) Prewitt算子边缘检测 (d) Canny算子边缘检测(c) Roberts算子边缘检测图3.3 图像边缘检测上面图(a)是用Sobel算子边缘检测结果，图(b)是用Prewitt算子边缘检测结果，图(c)是用Roberts