基于圖像處理的河道冰塊自動(dòng)提取技術(shù)研究

羅章?！√飩?/p>

摘要：冰情觀測是水文測量的一項(xiàng)重要內(nèi)容，研究渠道的冰害，尤其是暢流式冰水二相流水面流冰，對(duì)于預(yù)防冰情災(zāi)害的發(fā)生具有迫切而現(xiàn)實(shí)的重要意義。本文的主要內(nèi)容就是研究數(shù)字圖像處理技術(shù)在河道流冰冰塊自動(dòng)提取識(shí)別的應(yīng)用。

關(guān)鍵詞：冰情觀測；二值化閾值；形態(tài)學(xué)

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）28-0136-03

Automated Extraction of Ice on the River Image Processing

LUO Zhang-hai1，TIAN Wei2

（1.Xinjiang water conservancy ICT Electronics Co.， Ltd.，Urumqi 830000， China ； 2.Xinjiang Water Resources and Hydropower Research Institute， Urumqi 830000， China）

Abstract：Observing ice conditions is an important hydrographic survey， research channel ice damage， especially smooth flow of ice water two-phase flow of water surface ice， ice conditions for the prevention of the occurrence of the disaster is urgent and realistic significance. The main content of this paper is to study the digital image processing technology in the automatic extraction of river ice cubes identification applications.

Key words： ice condition observation； binarization； morphology

冰情觀測是水文測量的一項(xiàng)重要內(nèi)容，在秋冬季節(jié)隨著氣溫的降低，河流渠道都會(huì)出現(xiàn)結(jié)冰現(xiàn)象，形成水內(nèi)冰、水面浮冰和冰蓋。在河道、渠道的冰期運(yùn)行過程中，如果控制不當(dāng)，在部分河段將會(huì)出現(xiàn)“開江”現(xiàn)象，引起冰塞和冰壩等災(zāi)害，導(dǎo)致水位驟升，水流減緩，嚴(yán)重時(shí)導(dǎo)致供水中斷，水工建筑物遭到破壞，因此，研究渠道的冰害，尤其是暢流式冰水二相流水面流冰，對(duì)于預(yù)防冰情災(zāi)害的發(fā)生具有迫切而現(xiàn)實(shí)的重要意義。

在研究河道表面流冰的過程中，冰塊的識(shí)別和提取是十分重要的一步，本文的主要內(nèi)容就是研究數(shù)字圖像處理技術(shù)在河道流冰冰塊自動(dòng)提取識(shí)別的應(yīng)用。

1 河道流冰圖像處理

如上所述，本文的主要內(nèi)容是通過圖像處理的方式識(shí)別并提取圖像中的冰塊，并計(jì)算出河道表面漂浮的流冰所占的百分比，即河道表面的流冰密度。因此如何識(shí)別河道表面漂浮的流冰是一切后續(xù)工作的基礎(chǔ)。

1.1 二值化處理

圖像二值化作為數(shù)字圖像處理領(lǐng)域中的一個(gè)重要分支，在圖像特征提取、圖像增強(qiáng)等方面都有廣泛的應(yīng)用，其原理主要就是利用目標(biāo)物體、背景以及噪聲在灰度特性的特點(diǎn)和差異，將待處理的原圖通過一系列的數(shù)學(xué)變換得到包含目標(biāo)物和背景的灰度二值圖。根據(jù)其運(yùn)算的范圍不同，二值化的方法可分為全局閾值方法和局部閾值方法；根據(jù)閾值選取的不同，二值化的算法分為固定閾值和自適應(yīng)閾值。

1.1.1 全局自適應(yīng)閾值算法

全局閾值法方法的處理思路是：對(duì)于輸入源圖像的每一個(gè)像素點(diǎn)，先選定一個(gè)全局的閾值T（0～255之間的一個(gè)整數(shù)），然后通過閾值T將圖像的數(shù)據(jù)分成兩部分—大于T的部分和小于T的部分。對(duì)于像素值大于T的像素，在對(duì)應(yīng)的輸出圖像中將其像素值設(shè)定為1，否則設(shè)定為0。其數(shù)學(xué)抽象公式表示如下：

[g（x，y）=10，f（x，y）≥T，f（x，y）

其中，f（x，y），g（x，y）分為處理前后圖像中位于點(diǎn)（x，y）處的像素點(diǎn)的像素值，T為閾值。閾值T為事先給定的固定值，此時(shí)對(duì)應(yīng)的算法即為固定閾值算法，反之為自適應(yīng)閾值算法。

在全局閾值算法中比較代表性的OTSU大津法[1]、基于谷底最小值的閾值法[2][3]等。現(xiàn)實(shí)情況中全局閾值方法在整個(gè)處理過程中只使用一個(gè)閾值T，并以此實(shí)現(xiàn)8位灰度圖像到二值圖像的轉(zhuǎn)化處理。通常情況下這種方法算法復(fù)雜度較為簡單，對(duì)目標(biāo)物體與背景差別明顯的圖像效果良好，但是現(xiàn)場情況往往復(fù)雜多變，得到圖像普遍存在噪聲或不均勻光照等情況，這就使得全局閾值法很難廣泛地應(yīng)用于實(shí)際項(xiàng)目。

1.1.2局部自適應(yīng)閾值算法

局部自適應(yīng)閾值算法則是根據(jù)源圖像目標(biāo)像素的鄰域塊的像素值分布來確定該像素位置上的二值化閾值T。這樣閾值T不再是全局閾值法那樣事先給定、固定不變的，而是根據(jù)目標(biāo)像素點(diǎn)周圍鄰域像素的分布來決定的。亮度較高的圖像區(qū)域的閾值T通常會(huì)較高，反之，亮度較低的圖像區(qū)域的閾值T則會(huì)相適應(yīng)地低一些。在不同局部區(qū)域由于亮度、對(duì)比度、紋理的各不相同，都有各自相對(duì)應(yīng)的局部二值化閾值T。

在局部自適應(yīng)閾值算法中，常用的局部自適應(yīng)閾值有局部鄰域塊的均值和局部鄰域塊的高斯加權(quán)和。常用的局部自適應(yīng)算法有Bernsen's Method（BM）算法， Niblack's Method（NM）算法，Taxt et a1.'s Method（TFJM）算法等。

拍攝河道水面流冰的設(shè)備通常安裝的環(huán)境復(fù)雜多變的野外，由于雨雪風(fēng)沙等多變的環(huán)境因素，得到的圖像光照不均、曝光不足、椒鹽噪聲嚴(yán)重等情況十分普遍。因此，河道水面的流冰圖像處理較適合使用局部自適應(yīng)閾值方法來進(jìn)行二值化閾值處理。

本文的二值化算法考慮到需要移植到具體設(shè)備上的要求，所以不可能照搬任何一種算法的開發(fā)包，只采用借鑒的方式將合適的算法針對(duì)實(shí)際項(xiàng)目的要求加以優(yōu)化后在目標(biāo)設(shè)備上實(shí)現(xiàn)。文中使用的局部自適應(yīng)二值化算法是參照OpenCV中的局部自適應(yīng)函數(shù)原型來實(shí)現(xiàn)的，本處采用標(biāo)準(zhǔn)C語言函數(shù)實(shí)現(xiàn)如下：

void New_AdaptiveThreshold

（unsigned short * srcImg， unsigned short * dstImg， double maxVal，int adaptiveMethod，int thresholdType，int blockSize， double param1）；

AdaptiveThreshold函數(shù)的參數(shù)說明：

unsigned short * srcImg：輸入圖像。

unsigned short * dstImg：輸出圖像。

double maxVal：使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值。

int adaptiveMethod：自適應(yīng)閾值算法使用：局部鄰域塊的均值A(chǔ)DAPTIVE_THRESH_MEAN_C或局部鄰域塊的高斯加權(quán)和ADAPTIVE_THRESH_GAUSSIAN_C。

int thresholdType：取閾值類型，必須是THRESH_BINARY或者THRESH_BINARY_INV。

int blockSize：計(jì)算閾值的像素鄰域大小，必須為奇數(shù)，如： 3， 5， 7， ...

double param1：與選擇的二值化方法有關(guān)的參數(shù)。對(duì)方法局部鄰域塊的均值A(chǔ)DAPTIVE_THRESH_MEAN_C和局部鄰域塊的高斯加權(quán)和ADAPTIVE_THRESH_GAUSSIAN_C，這是一個(gè)從均值或加權(quán)均值提取的常數(shù)， 有時(shí)可以是負(fù)數(shù)。

在函數(shù)New_AdaptiveThreshold中將灰度圖像變換到二值圖像，采用下面公式：

（1） thresholdType = THRESH_BINARY：

dstImg（x，y） = maxVal， if srcImg（x，y）>T（x，y）

0， otherwise

（2） thresholdType = THRESH_BINARY_INV：

dstImg（x，y） = 0， if srcImg （x，y）>T（x，y）

maxVal， otherwise

其中 T（x，y） 是為每一個(gè)像素點(diǎn)單獨(dú)計(jì)算的閾值：

a、對(duì)方法 ADAPTIVE_THRESH_MEAN_C，先求出塊中的均值，再減掉param1；

b、對(duì)方法ADAPTIVE_THRESH_GAUSSIAN_C，先求出塊中的加權(quán)和，再減掉param1。

1.2 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)[4]（Mathematical morphology）是一門建立在格論和拓?fù)鋵W(xué)基礎(chǔ)之上的圖像分析學(xué)科，是數(shù)學(xué)形態(tài)學(xué)圖像處理的基本理論。數(shù)字圖像處理中的形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對(duì)于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細(xì)化和修剪等。

膨脹和腐蝕作為形態(tài)學(xué)處理的基礎(chǔ)，其他形態(tài)學(xué)算法基本上都是以這兩種運(yùn)算為基礎(chǔ)的。

1.2.1膨脹運(yùn)算

對(duì)于Z集合中的A和B，它們的前景用黑色，背景用白色。另fA和fB表示各自前景點(diǎn)的集合。定義膨脹運(yùn)算為：Dilation（A，B） = {a+b| a∈A，b∈B}。是以得到B的相對(duì)于它自身原點(diǎn)的映像并且由z對(duì)映像進(jìn)行移位為基礎(chǔ)的。A被B膨脹是所有位移z的集合，和A至少有一個(gè)元素是重疊的。所以膨脹運(yùn)算的基本過程如下：

1）用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素

2）用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作

3） 如果都為0，結(jié)果圖像的該像素為0，否則為1

1.2.2腐蝕運(yùn)算

對(duì)于Z集合中的A和B，定義腐蝕運(yùn)算為： Erosion（A，B） = {a|（a+b）∈A， a∈A，b∈B}。B對(duì)A進(jìn)行腐蝕的整個(gè)過程如下：

1）用集合元素B，掃描圖像A的每一個(gè)像素；

2）用集合元素與其覆蓋的二值圖像做“與”操作；

3）如果都為1，結(jié)果圖像的該像素為1，否則為0；

腐蝕處理的結(jié)果是使原來的二值圖像減小一圈。

2 河道流冰的自動(dòng)提取

項(xiàng)目中依托圖像處理技術(shù)中的局部自適應(yīng)閾值二值化和形態(tài)學(xué)技術(shù)，基本實(shí)現(xiàn)了河道流冰的自動(dòng)化提取。在整個(gè)處理過程中先將目標(biāo)圖像進(jìn)行圖像預(yù)處理，把采集的24位真彩圖轉(zhuǎn)換為8位的灰度圖，然后使用局部自適應(yīng)閾值進(jìn)行二值化處理，最后交叉應(yīng)用形態(tài)學(xué)中的腐蝕（Dilation）和膨脹（Erosion）運(yùn)算即可。處理得到效果圖如圖1所示（圖中上半部分為原圖，下半部分為處理結(jié)果圖）。

3 總結(jié)

在文中我們綜合運(yùn)用了圖像處理中局部自適應(yīng)閾值二值化技術(shù)和數(shù)學(xué)形態(tài)學(xué)中腐蝕、膨脹運(yùn)算，并將其運(yùn)用到了實(shí)際的項(xiàng)目中，基本達(dá)到了預(yù)期的效果。

參考文獻(xiàn)：

[1] Nobuyuki Otsu.Threshold Selection Method from Gray-Level Histograms[J].Systems， Man and Cybernetics， IEEETransactions on，1979，9（1）： 62-66.

[2] Judith M S.Prewitt and Mortimer L.Mendelsohn， "The analysis of cell images[J].Annnals of the New York Academy of Sciences， 1966（128）： 1035-1053.

[3] Glasbey C A.An analysis of histogram-based thresholding algorithms[J]. CVGIP： Graphical Models and Image Processing ， 1993（55）： 532-537.

[4] 郎銳.數(shù)字圖像處理學(xué)Visual C++ 實(shí)現(xiàn)[M].北京希望電子出版社，2003.