CN104848917A - 一种用于玻璃水槽内水位分析的图像测量方法 - Google Patents

Abstract

一种用于玻璃水槽内水位分析的图像测量方法，属于图像测量技术领域。由一个摄像机、传输导线、图像采集卡、计算机组成；摄像机固定在实验水槽外侧，透过玻璃侧壁观测水位边缘线，并通过传输导线与图像采集卡相连；而图像采集卡通过PCI总线或PCIE总线插入计算机中。测量时，首先在图像上选择一个控制点，并以它为中心构建分析窗口。分析窗口随着水位变化而调整位置以满足边缘追踪的要求。在分析窗口内根据测地距离计算分类曲线，结合梯度的峰值与分类曲线的拐点定位分析窗口内的水位。本发明充分考虑了流体的透明特性、运动的连续性以及水槽杂质对梯度曲线的影响等问题，高效地对玻璃水槽侧壁上的水位边缘位置信息进行准确测量。

Description

一种用于玻璃水槽内水位分析的图像测量方法

技术领域

本发明属于图像测量技术领域，涉及到流体边缘定位问题，特别涉及玻璃水槽内边壁处水位边缘的提取方法。

背景技术

在海洋工程模型中，往往将目标物放在波流水槽中进行运动仿真，从而总结出研究对象在海况中可能出现的运动情况。过程中，水位边缘的变化是其中一项较为重要的监测项目。目前，在玻璃水槽中进行水位边缘测量时，多使用电阻式或电容式浪高传感器，而使用图像分析技术进行水位的测量，可以有效地减少过程中传感器的使用，解决接触式测量所引起的扰动问题。

国内外一些资料表明，将图像技术应用在水位测量上的研究工作已经开展：任明武等在[1]中通过沈俊算子进行边缘提取，然后利用水位线在图像上的垂向分布的特性进行辨别，最后使用八链码的方法进行边缘轮廓追踪。高晓亮等在[2]中通过HSV空间变换和直方图阈值法来分割标尺，然后通过行统计函数的差异性进行水位线的辨别。王伟等在[3]中通过大津阈值法进行图像二值化，然后利用形态学算法进行边缘细化，最后使用Hough变化进行水面边缘的检测。石玉力等在[4]中通过累积水尺图像的亮度构造能量函数，并根据能量函数的一阶导数判断水位边缘。P D M Brady等在[5]中使用先二值化后边缘提取的方法研究了水槽内流体边缘的提取问题。Jaehyoung Yu等在[6]中首先对图像进行水平边缘提取，并进行y轴向的变化分析确定边缘，通过参考标志物与边缘图像之间的距离变化来表征水位变化。Valentin Poncos等在[7]中使用遥感图像的处理方法研究了多瑙河三角洲水位的监测方法。Troy E.Gilmore等在[8]中采用图像边缘检测的方法捕捉水位线并与背景参照校准获取水位高度。Franco Lin等在[9]中首先对图像进行灰度转换，然后进行直方图均衡，并通过Ostu法进行阈值二值化提取边缘，最后移除小区域并进行形态学方法对边缘图像进行处理。在这些研究工作中，将图像分析技术与水尺标识方法相结合，解决了许多实际中水位的监测问题。这些研究中所使用的标识物(如水尺)在本方法更替为玻璃水槽的玻璃壁。正是由于标识物的改变与水位测量的特殊性要求，使得这些图像分析方法在波流水槽中出现了一系列的问题，如玻璃水槽中水位线的识别问题、波浪边缘包络线的提取问题、以及水位快速变化时的边缘追踪问题。

综上所述，目前还没有一种基于图像的水位分析技术可以很好地解决玻璃水槽中流体边缘的测量问题。

较有代表性的已公开的技术文献有以下9篇：

[1]任明武,杨万扣,王欢,等.一种基于图像的水位自动测量新方法.计算机工程与应用,2007,43(22):204‐206.

[2]高晓亮,王志良,王馨,等.基于HSV空间的视频实时水位检测算法.郑州大学学报(理学版),2010,42(3):75‐79.

[3]王伟,马福昌.基于图像处理的水位自动测量技术.南水北调与水利科技,2012,10(6):147-150.

[4]石玉立,夏振,王林.基于IDL的视频图像水位检测新算法.科学技术与工程,2014,14(29):114-116.

[5]Brady P D M,Boutounet M,Beecham S.Free Surface Monitoring UsingImage Processing.15th Australasian Fluid Mechanics Conference,Sydney,2004

[6]Yu J,Hahn H.Remote Detection and Monitoring of a Water Level UsingNarrow Band Channel.Journal of Information Science and Engineering,2010,26:71-82.

[7]Poncos V,Teleaga D,Bondar C,et al.A new insight on the water leveldynamics of the Danube Delta using a high spatial density of SAR measurements.Journal of Hydrology,2013,482:79-91.

[8]Gilmore T E,Birgand F,Chapman K W.Source and magnitude of error in aninexpensive image-based water level measurement system,Journal of Hydrology,2013,496:178–186.

[9]Lin F,Chang W Y,Lee L C,et al.Applications of Image Recognition forReal-Time Water Level and Surface Velocity.2013IEEE International Symposium onMultimedia,Anaheim CA,2013:259-262.

发明内容

针对波流水槽过程中水位线的提取问题，本发明将图像分析技术与流体特性相结合，提出一种用于玻璃水槽内水位分析的图像测量方法。

本发明的技术方案如下：

一种用于玻璃水槽内水位分析的图像测量方法，包括一个带有定焦镜头的摄像机、图像采集卡、传输导线、计算机(PC机)。摄像机固定在玻璃水槽外侧，透过玻璃水槽侧壁观测水位边缘，并通过传输导线与计算机连接。图像采集卡通过PCI或PCIE总线插入PC机中，负责图像的采集。

测量时，首先在图像上选择一个控制点，并以它为中心构建分析窗口。分析窗口随着水位变化而调整位置以满足边缘追踪的要求。然后，在分析窗口内根据测地距离计算分类曲线。最后，结合梯度的峰值与分类曲线的拐点定位分析窗口内的水位。具体方法描述如下：

步骤A：根据测试范围的要求固定好摄像机的位置，并调好摄像机参数。

步骤B：打印标准网格图像，并将该网格纸紧紧贴在水槽玻璃内壁，网格纸需要覆盖整个测试区域，并在测量坐标系下定义每个网格节点的物理坐标。

步骤C：对网格纸进行拍照，并使用Harris算子检测网格节点，得到每个网格节点的图像坐标。

步骤D：将网格节点的图像坐标与物理坐标相对应，形成坐标对应查找表，命名为MapLut，此时若网格的密度已达到测试精度要求，则直接进行步骤E；否则，根据测试精度要求使用最小二乘法对未存在对应值的像素位置进行插值，最后形成满足要求的MapLut。

步骤E：采集水位变化图像，并在图像中水位边缘的下方(即水体图像内)选择初始分析点P。之后，以P为中心划分一细长型分析窗口，行数大于列数。

步骤F：首次分析时，以P点为分析中心，否则将以指定分析位置或预测位置为中心在分析窗口内进行测地距离计算。两个像素x和y之间的测地距离D(x,y)定义为 $D(x,y)=\underset{\mathrm{\Γ}\∈P_{x,y}}{\min }d\left(\mathrm{\Γ}\right).$ 其中 $d\left(\mathrm{\Γ}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,i-1}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\right|I\left(p_i\right)-I\left(p_{i-1}\right)\left|\right|,$ P_x,y为连接x和y两点的所有路径的集合，Γ是连接x和y两点的连通空间邻域像素构成的离散序列{x＝p₀,p₁,…,p_n-1,p_n＝y}。

步骤G：以距离矩阵每行的最小值代替本行，形成一维序列V。

步骤H：将序列V以P点为基准点，分为两部分。将两部分的数据进行绝对差值计算，形成分类曲线Q。

步骤I：使用梯度法统计曲线Q上的拐点位置。

步骤J：若是首幅图像则选择第一个拐点位置，否则选择与预测值邻近的拐点位置，并将选择的拐点位置记作Ep。

步骤K：以Ep为中心在垂向邻域内计算灰度梯度，并选择近邻的梯度峰值位置Ed，位置Ed即为分析点P垂向的水位位置。

步骤L：按照水位位置占分析窗口的1/4尺寸原则，对原分析窗口位置进行垂向调整，并将调整位置的窗口用于下一帧图像的分析以及同一图像近邻位置的水位分析。

步骤M：根据近邻的相关性原理，将Ed作为近邻位置或下一时刻水位位置的预测值，重复步骤F-步骤L直到水位监测停止。

步骤N：将分析后的水位边缘在MapLut中进行近邻查找，从而完成图像坐标到物理坐标的转换。

综上所述，首先完成摄像机的定标工作(步骤A-步骤D)，之后PC机通过图像采集卡获取水槽内流体运动的图像数据；然后PC机分析图像数据得到各个位置水位的图像坐标(步骤E-步骤M)；接下来计算机结合定标参数查找表将图像坐标转换为物理坐标(步骤N)，从而得到水位的变化信息。

本发明的效果在于，玻璃水槽中充分考虑了流体的透明特性、运动的连续性以及水槽杂质对梯度曲线的影响等问题，通过构建测地距离分类曲线和分析窗口的上下浮动变化来完成水位边缘的定位与追踪，高效地得到了水位变化信息，极大地促进了图像测量技术在海洋工程模型中的应用推广。

附图说明

附图是本发明的结构示意图。

图中：1摄像机；2传输导线；3图像采集卡；4计算机；5玻璃水槽玻璃壁；6水位边缘线。

具体实施方式

以下结合附图对本发明的实施方式作进一步描述。

一种用于玻璃水槽内水位分析的图像测量方法，主要由一个摄像机1、传输导线2、图像采集卡3、计算机4所组成；摄像机1固定在玻璃水槽外侧，透过玻璃侧壁5观测水位边缘线6，并通过传输导线2与图像采集卡3相连；而图像采集卡3通过PCI总线或PCIE总线插入计算机4中。分析时首先需要在图像上选择一个控制点，并以它为中心构建分析窗口。分析窗口随着水位变化而调整位置以满足边缘追踪的要求。然后，在分析窗口内根据测地距离计算分类曲线。最后，结合梯度的峰值与分类曲线的拐点定位分析窗口内的水位。具体方法描述如下：

步骤A：根据测试范围的要求固定好摄像机1的位置，并调好摄像机1的参数。

步骤B：打印标准网格图像，并将该网格纸紧紧贴在水槽玻璃壁5的内侧，网格纸需要覆盖整个测试区域，并在测量坐标系下定义每个网格节点的物理坐标。

步骤C：对网格纸进行拍照，并使用Harris算子检测网格节点，得到每个网格节点的图像坐标。

步骤D：将网格节点的图像坐标与物理坐标相对应，形成坐标对应查找表，这里命名为MapLut，此时若网格的密度已达到测试精度要求，则直接进行下面的操作。否则，需要根据测试精度要求使用最小二乘法对未存在对应值的像素位置进行插值，最后形成满足要求的MapLut。

步骤E：计算机4控制图像采集卡3采集水位边缘线6，并在图像中水位边缘的下方(即水体图像内)选择初始分析点P。之后，以P为中心划分一细长型分析窗口(行数大于列数)。

步骤F：首次分析时以P点为分析中心，否则将以指定分析位置(或预测位置)为中心在分析窗口内进行测地距离计算。两个像素x和y之间的测地距离D(x,y)定义为 $D(x,y)=\underset{\mathrm{\Γ}\∈P_{x,y}}{\min }d\left(\mathrm{\Γ}\right).$ 其中 $d\left(\mathrm{\Γ}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,i-1}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\right|I\left(p_i\right)-I\left(p_{i-1}\right)\left|\right|,$ P_x,y为连接x和y两点的所有路径的集合，Γ是连接x和y两点的连通空间邻域像素构成的离散序列{x＝p₀,p₁,…,p_n-1,p_n＝y}。

步骤G：以距离矩阵每行的最小值代替本行，形成一维序列V。

步骤H：将序列V以P点为基准点，分为两部分。将两部分的数据进行绝对差值计算，形成分类曲线Q。

步骤I：使用梯度法统计曲线Q上的拐点位置。

步骤J：若是首幅图像则选择第一个拐点位置，否则选择与预测值邻近的拐点位置，并将选择的拐点位置记作Ep。

步骤K：以Ep为中心在垂向邻域内计算灰度梯度，并选择近邻的梯度峰值位置Ed，位置Ed即为分析点P垂向的水位位置。

步骤L：按照水位位置占分析窗口的1/4尺寸原则，对原分析窗口位置进行垂向调整，并将调整位置的窗口用于下一帧图像的分析以及同一图像近邻位置的水位分析。

步骤M：根据近邻的相关性原理，将Ed作为近邻位置或下一时刻水位位置的预测值，重复步骤F-L直到水位监测停止。

步骤N：将分析后的水位边缘在MapLut中进行近邻查找，从而完成图像坐标到物理坐标的转换。

综上所述，首先完成摄像机1的定标工作，之后计算机4通过图像采集卡3获取水位边缘线6的图像数据；然后计算机4分析图像数据得到各个位置水位边缘6的图像坐标；接下来计算机4结合定标参数查找表将图像坐标转换为物理坐标，从而得到水位的变化信息。

Claims (1)

1.一种用于玻璃水槽内水位分析的图像测量方法，包括一个带有定焦镜头的摄像机(1)、传输导线(2)、图像采集卡(3)、计算机(4)；其特征在于，

摄像机(1)固定在玻璃水槽外侧，透过玻璃水槽玻璃壁(5)观测水位边缘线(6)，并通过传输导线(2)与图像采集卡(3)相连；而图像采集卡(3)通过PCI总线或PCIE总线插入计算机(4)中；测量方法如下：

步骤A：固定好摄像机(1)的位置，并调好摄像机(1)的参数；

步骤B：打印标准网格图像，并将该网格纸紧紧贴在玻璃水槽玻璃壁(5)的内侧，网格纸需要覆盖整个测试区域，并在测量坐标系下定义每个网格节点的物理坐标；

步骤C：对网格纸进行拍照，并使用Harris算子检测网格节点，得到每个网格节点的图像坐标；

步骤D：将网格节点的图像坐标与物理坐标相对应，形成坐标对应查找表，命名为MapLut；若网格的密度已达到测试精度要求，则直接进行步骤E；否则，根据测试精度要求使用最小二乘法对未存在对应值的像素位置进行插值，最后形成满足要求的MapLut；

步骤E：计算机(4)控制图像采集卡(3)采集水位边缘线(6)，并在图像中水位边缘的下方选择初始分析点P；之后，以P为中心划分一细长型分析窗口，行数大于列数；

步骤F：首次分析时，以P点为分析中心，否则将以指定分析位置或预测位置为中心在分析窗口内进行测地距离计算；两个像素x和y之间的测地距离D(x,y)定义为 $D(x,y)=\underset{\mathrm{\Γ}\∈P_{x,y}}{\min }d\left(\mathrm{\Γ}\right);$ 其中 $d\left(\mathrm{\Γ}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,i-1}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\right|I\left(p_i\right)-I\left(p_{i-1}\right)\left|\right|,$ P_x,y为连接x和y两点的所有路径的集合，Γ是连接x和y两点的8连通空间邻域像素构成的离散序列{x＝p₀,p₁,…,p_n-1,p_n＝y}；

步骤G：以距离矩阵每行的最小值代替本行，形成一维序列V；

步骤H：将序列V以P点为基准点，分为两部分；将两部分的数据进行绝对差值计算，形成分类曲线Q；

步骤I：使用梯度法统计曲线Q上的拐点位置；

步骤J：若是首幅图像则选择第一个拐点位置，否则选择与预测值邻近的拐点位置，并将选择的拐点位置记作Ep；

步骤K：以Ep为中心在垂向邻域内计算灰度梯度，并选择近邻的梯度峰值位置Ed，位置Ed即为分析点P垂向的水位位置；

步骤L：按照水位位置占分析窗口的1/4尺寸原则，对原分析窗口位置进行垂向调整，并将调整位置的窗口用于下一帧图像的分析以及同一图像近邻位置的水位分析；

步骤M：根据近邻的相关性原理，将Ed作为近邻位置或下一时刻水位位置的预测值，重复步骤F-L直到水位监测停止；

步骤N：将分析后的水位边缘在MapLut中进行近邻查找，从而完成图像坐标到物理坐标的转换，从而得到水位的变化信息。