基于Matlab變壓器輸變電設(shè)備紅外圖像邊緣檢測研究

許歡 張維朋

摘要：紅外圖像邊緣檢測技術(shù)能快速、實(shí)時(shí)地監(jiān)測和診斷輸變電設(shè)備的故障，預(yù)防電力設(shè)備損壞，從而提高系統(tǒng)的穩(wěn)定性。本文基于Matlab選取了Prewitt算子、Roberts算子、Canny算子檢測變壓器紅外圖像的邊緣，并采用主客觀評價(jià)方法評價(jià)了其檢測效果。最終分析結(jié)果表明：上述算法中Canny算子的檢測質(zhì)量最優(yōu)，Prewitt算子次之，為變壓器輸變電設(shè)備故障檢修提供了新的方法。

關(guān)鍵詞：輸變電設(shè)備紅外圖像；邊緣檢測；Prewitt算子；Canny算子

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）15-0186-03

1 引言

變壓器等輸變電設(shè)備在電力系統(tǒng)中是極為重要的組成部分。一旦它們出現(xiàn)異常，就可能會(huì)引發(fā)設(shè)備損壞、產(chǎn)能下降甚至造成人身事故等不可估量的嚴(yán)重后果。因此，保證這些設(shè)備的安全、穩(wěn)定運(yùn)行是維持電力系統(tǒng)能夠平穩(wěn)運(yùn)行的關(guān)鍵。然而這些設(shè)備有時(shí)卻會(huì)出現(xiàn)短路、嘯叫、漏電、斷路等問題。為了找出問題所在，人們常常需要和故障設(shè)備進(jìn)行直接或者間接的接觸，這樣不僅費(fèi)時(shí)費(fèi)力，還有一定的安全問題。隨著電網(wǎng)的大規(guī)模發(fā)展，威脅電網(wǎng)穩(wěn)定運(yùn)行的不確定因素也越來越多，因此，對這些輸變電設(shè)備進(jìn)行實(shí)時(shí)的檢測和診斷來預(yù)防故障的發(fā)生，就顯得尤為重要。

紅外檢測技術(shù)可以根據(jù)紅外輻射差獲取圖像，結(jié)合紅外檢測技術(shù)與圖像邊緣檢測技術(shù)，我們可以提前預(yù)測到變壓器等輸變電設(shè)備可能會(huì)發(fā)生的事故，預(yù)防電力設(shè)備損壞、防止因?yàn)槠鋼p壞而導(dǎo)致的災(zāi)難性停電事故發(fā)生，從而提高系統(tǒng)的穩(wěn)定性。

2 研究方法

本文以變壓器輸變電設(shè)備為對象，通過紅外熱像儀對變壓器的部分部位進(jìn)行掃描獲得紅外圖像，如圖1所示。使用Matlab的 rgb2gray 函數(shù)灰度化處理后得到了如圖2所示的灰度圖像。

Prewitt算子使用了3x3的模板，通過像素點(diǎn)周圍上下左右四個(gè)相近點(diǎn)的灰度差值尋找邊緣，將灰度值作和相加，可以在一定程度上平滑圖像，降低噪聲的干擾；但由此也造成了定位精度相對下降的副作用。用公式表示如下：

3 邊緣檢測質(zhì)量的主客觀評價(jià)

3.1主觀評價(jià)

使用自適應(yīng)閾值的Prewitt算子進(jìn)行圖像邊緣提取時(shí)可以看到，Prewitt算子在一定程度上抑制了噪聲，因此去掉了部分偽邊緣；但與此同時(shí)也平滑了真正的邊緣，導(dǎo)致圖像右側(cè)的真實(shí)邊緣不連續(xù)。此外，Prewitt算子還產(chǎn)生了大量且十分密集的非邊緣點(diǎn)，這表明其單邊響應(yīng)能力不佳。在設(shè)置了閾值為0.012以后，Prewitt算子得到的邊緣圖像中偽邊緣和真實(shí)邊緣都增多了，但大量偽邊緣點(diǎn)的問題也變得更為嚴(yán)重了。

Roberts 算子因?yàn)闆]有對圖像進(jìn)行平滑處理，所以對噪聲沒有抑制作用，產(chǎn)生了更多的偽邊緣，且真實(shí)的邊緣也不完整，表現(xiàn)不如Prewitt算子；而在閾值設(shè)定為0.012后，成功識(shí)別出了更多的真實(shí)邊緣，但也產(chǎn)生了更加密集的偽邊緣點(diǎn)。

采用Canny算子默認(rèn)閾值獲取圖像邊緣時(shí)產(chǎn)生了大量連續(xù)的偽邊緣。當(dāng)把閾值設(shè)定到0.12時(shí)，Canny算子得到的圖像較為理想，基本上沒有偽邊緣，真實(shí)邊緣清晰可見，連接度上的表現(xiàn)也很優(yōu)秀。

由此可見，不同的閾值設(shè)定對圖像邊緣檢測的結(jié)果影響極大，且不同算子對閾值的要求也有所區(qū)別。閾值過大，雖然會(huì)使邊緣清晰度增強(qiáng)，連接程度變好，但是會(huì)造成輪廓不清晰，定位精度下降。反之，若閾值過小，輪廓顯示會(huì)更清晰，但是邊緣的連接情況和清晰度都會(huì)有一定程度的下降。因此只有選取適當(dāng)?shù)拈撝岛瓦吘墢?qiáng)度才能使各種算子的檢測效果達(dá)到最優(yōu)。

綜上所述，在上述的幾種算法中，經(jīng)過主觀評價(jià)后本文認(rèn)為Canny算子是變壓器輸變電設(shè)備故障的紅外圖像處理中檢測效果最好的算子。

在做主觀評價(jià)時(shí)，評價(jià)結(jié)果會(huì)受到評價(jià)者自身的知識(shí)水平、主觀因素和評價(jià)者所處的觀察環(huán)境等各類因素的影響[2]，由此導(dǎo)致評價(jià)結(jié)果的穩(wěn)定性差、說服力差，可參考價(jià)值相對偏低，而且需要消耗一定的時(shí)間和人力來完成評價(jià)工作，因而不適合在實(shí)際應(yīng)用中使用。所以一個(gè)可以量化且可行性高的邊緣檢測效果客觀評價(jià)方法就顯得很有必要。

3.2客觀評價(jià)

由于許多邊緣檢測算子本身往往不具有直接的可對比性以及權(quán)威判據(jù)的缺乏，如何客觀地評價(jià)邊緣檢測質(zhì)量目前尚無定論。本文在先采用了峰值信噪比、均方根誤差等指標(biāo)，但最后使用了由Pratt提出的邊緣檢測品質(zhì)因數(shù)[3]作為客觀評價(jià)指標(biāo)。

3.2.1 基于像素誤差統(tǒng)計(jì)的客觀評價(jià)指標(biāo)

均方誤差可以反映原始圖像與待評估圖像之間的差異程度，其定義如下：

[MSE=x=1Xy=1Yfx，y-f′x，y2XY]

其中[f（x，y）]表示原始圖像對應(yīng)點(diǎn)的灰度值，[f′（x，y）]表示待評估圖像對應(yīng)點(diǎn)的灰度值，X和Y分別對應(yīng)圖像的寬度與高度，XY即為圖像的像素總數(shù)。

峰值信噪比在均方誤差的基礎(chǔ)上，對圖像灰度值進(jìn)行統(tǒng)計(jì)與計(jì)算，其定義如下：

[PSNR=10log10fmax2MSE]

其中[fmax]是圖像灰度的最大值，一般情況下這個(gè)值取255（28-1）。

3.2.2 基于均方誤差和峰值信噪比定量評價(jià)邊緣檢測算子

使用Matlab軟件編程，將第三章中不同邊緣檢測算子得到的圖像與灰度圖像進(jìn)行對比，分別計(jì)算它們的均方誤差與峰值信噪比，結(jié)算結(jié)果匯總?cè)绫?所示。

從表1中不難看出，各個(gè)算子的均方誤差與峰值信噪比差異很小，小到可以忽略不計(jì)的程度，這說明這種算法不適合用于圖像邊緣檢測的客觀評價(jià)。究其原因，是因?yàn)榫秸`差和峰值信噪比是從整體上反映出原始圖像與待評價(jià)圖像之間的差別，對圖像中各點(diǎn)予以同樣的處理來對待，不容易反映出局部的灰度值差異，因此不適合用于評價(jià)需要對局部進(jìn)行考察的圖像邊緣檢測。

3.2.3 Pratt邊緣檢測品質(zhì)因數(shù)

邊緣檢測中，誤差主要來自：①?zèng)]有檢測到真實(shí)的邊緣點(diǎn)；②沒有正確定位到邊緣點(diǎn)；③受噪聲干擾，識(shí)別出了偽邊緣。對此，Pratt給出了一種綜合權(quán)衡這三種誤差的邊緣檢測品質(zhì)因數(shù)PFOM，其算式定義如下：

[PFOM=1maxII，IAi=1IA11+ad2]

其中II和IA分別表示理想邊緣圖像和實(shí)際邊緣圖像的像素?cái)?shù)；a是一個(gè)縮放常數(shù)，通常取1/9，d是理想邊緣點(diǎn)與實(shí)際邊緣點(diǎn)之間的距離。

PFOM的值是小于等于1的正數(shù)，越大代表檢測算法的性能越好，當(dāng)完全精確時(shí)PFOM=1.

3.2.4 基于邊緣檢測品質(zhì)因數(shù)定量評價(jià)邊緣檢測算子

由于無法得到理論上完全精確的邊緣檢測圖像，本文便使用了效果最好的0.12 閾值下的Canny算子得到的邊緣檢測圖像作為理想邊緣圖像，與在第三章中已使用過的Prewitt，Roberts，Canny算子得到的邊緣檢測結(jié)果進(jìn)行對比，計(jì)算其邊緣檢測品質(zhì)因數(shù)

最后匯總得到的計(jì)算結(jié)果，如表2所示。

由于0.12閾值下的Canny算子的圖像本身即是參照物，因此拿到了1的滿分。

自適應(yīng)閾值的Canny算子由于受到噪聲影響檢測到了大量的偽邊緣，得到了最低分，這與主觀評價(jià)的結(jié)果相一致。

在默認(rèn)閾值下，Prewitt算子的品質(zhì)因數(shù)比Roberts算子高，也符合上文的主觀判斷結(jié)果。在設(shè)定了0.12閾值的情況下，雖然真實(shí)邊緣更完整了，但Prewitt算子的Roberts算子的分?jǐn)?shù)卻均有所下降，這主要是因?yàn)閭芜吘夵c(diǎn)的增多導(dǎo)致的。

比較各算法檢測到的圖像的邊緣檢測品質(zhì)因數(shù)可以看到，邊緣檢測品質(zhì)因數(shù)綜合能夠反映出圖像邊緣檢測的質(zhì)量，可以作為一種圖像邊緣檢測的客觀評價(jià)指標(biāo)來使用。

4 總結(jié)

圖像的邊緣檢測是圖像特征提取和圖像分析理解的基礎(chǔ)，其檢測質(zhì)量對于后續(xù)的圖像處理有著極大的影響[5]。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有著十分重要的地位[6]。在圖像邊緣檢測方面，已經(jīng)有了許多經(jīng)典的算法，但它們都并不完美。本文的仿真測試實(shí)驗(yàn)表明，這些方法在抗干擾能力、邊緣定位精確度、邊緣檢測準(zhǔn)確度等方面，各自存在優(yōu)缺點(diǎn)。對于圖像的邊緣檢測，要針對不同的環(huán)境條件和要求，選擇合適的算子和閾值。

本文以Matlab圖像處理工具箱中的edge函數(shù)為工具，使用了Prewitt、Roberts、Canny等多種算子，對輸變電設(shè)備的紅外圖像進(jìn)行了邊緣檢測，分別使用了主觀評價(jià)法與客觀評價(jià)法比較了各種算子的檢測結(jié)果。在進(jìn)行客觀評價(jià)時(shí)，不同算子得到的均方誤差和峰值信噪比幾乎相同，未能正確地反映出邊緣檢測質(zhì)量的實(shí)際優(yōu)劣情況，可見該評價(jià)方法不適合評價(jià)圖像邊緣檢測的效果，因此本文又使用了邊緣檢測品質(zhì)因數(shù)來進(jìn)行客觀評價(jià)，并取得了良好的效果。在權(quán)衡了主、客觀評價(jià)法的結(jié)果后，本文推薦使用Canny算子用于輸變電設(shè)備的紅外圖像邊緣檢測。

參考文獻(xiàn)：

[1] Roberts L G.perception of Three-Dimensional solids.In J.T.Tippett.ed.OPrical and Eleetro-Optical information processing. MIT.Cambrige.MA.1965：159-197.

[2] Zhang Weipeng. Measuring Method for Diameter of Bearings Based on the Edge Detection Using Zernike Moment[J]. Open Automation & Control Systems Journal， 2015，7（1）：112-117.

[3] Abdou L W， Pratt W K. Quantitative Design and Evaluation of Enhancement/Thresholding Edge Detectors. Proc. IEEE，1979，67（5）：753-763.

[4] 陳紅艷，馬上，王海江.新的噪聲污染灰度圖像邊緣檢測方法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（11）：183-185.

[5] 胡文錦.圖像邊緣檢測方法研究[D].北京交通大學(xué)，2009.