CN108921165B

CN108921165B - 基于水尺图像的水位识别方法

Info

Publication number: CN108921165B
Application number: CN201810640842.1A
Authority: CN
Inventors: 张亚; 周冬生; 姚刚; 宗军; 曹子聪; 陈杰中; 吴宁声
Original assignee: Jiangsu Naiwch Corp
Current assignee: Jiangsu Naiwch Corp
Priority date: 2018-06-21
Filing date: 2018-06-21
Publication date: 2022-04-22
Anticipated expiration: 2038-06-21
Also published as: CN108921165A

Abstract

本发明公开了一种基于水尺图像的水位识别方法，包括：二值化处理；形态学分析；抠图剪裁；测算斜率；位置校正；精确定位；图像切割；神经识别；水位确定步骤。本发明提供的水位识别方法，实现了现地水位非接触式自动识别，识别结果精确，降低了成本、简化了硬件结构；本发明方法能够适应各种条件下的水位自动监测，推动了水位监测技术的发展。

Description

基于水尺图像的水位识别方法

技术领域

本发明属于图像处理技术领域，涉及一种基于水尺图像的水位识别方法。

背景技术

水位是河流湖库的基本水文要素之一，连续可靠的水位监测对于水资源调度和防汛抗旱具有重要意义。水尺通过读数记录水位的高度，是一种最直观和简单的测量工具，几乎成为水文站的标配；然而传统水尺测量需要人工定时观测，自动化程度低，人员劳动强度大。现有的自动水位计主要包括浮子式、压力式、超声波式及雷达式等。浮子式水位计利用重锤带动浮子感应水位升降，并采用光电编码器量化水位高程，具有精度高、可靠性强的优点，但通常需要建造测井房，造价较高。压力式水位计通过感测不同水深产生的压力换算出水位值，传感器布设需深入水体，测量精度容易受到水中杂质和含沙量的影响。超声波式水位计利用声波往返探头到水面间的渡越时间和声速计算距离并换算成水位值，由于声波在空气中的传播速度受环境温度的影响显著，且温度分布通常难以精确获得，因此大量程下的测量精度有限。雷达式水位计和超声波式水位计的原理类似，由于电磁波受温度的影响小，因此精度较高，但目前设备及安装成本较高，通常需要采用悬臂支架安装于水面之上以获得近似垂直的探测角度，否则电磁波的反射信号将显著衰减导致无法精确施测。

目前国内许多重要的水位观测点均建设有视频监控系统并配有标准水尺，为基于视频图像的水尺水位检测提供了有利条件。图像法利用图像传感器代替人眼获取水尺图像，通过图像处理技术检测水位线对应的读数，从而自动获取水位信息。相比现有方法，在原理上具有非接触、无温漂、无转换误差等优点；实施时既可在现有水利视频监控系统的基础上改造实现，也可利用成熟的GPRS或4G无线视频图像传输系统在野外建立观测点，具有机动灵活、建站成本低的优势。因此，近年来图像法水位检测在机器视觉和水利量测领域已成为新的研究热点，并逐渐出现了一些基于视频图像的水位自动监测系统。然而，这些系统及方法仍具有不少缺陷，通常精度不高，不能满足日益提高的精确数据采集要求。

发明内容

为解决上述问题，本发明公开了一种基于水尺图像的水位识别方法，采用多步骤水尺图像处理方法，最终能够精确识别出水位高度。

为了达到上述目的，本发明提供如下技术方案：

第一步：根据水尺的颜色特征对彩色原图中进行二值化处理；

第二步：通过形态学方法，得到水尺的颜色特征区域，具体实现过程如下：

1)构造se=[1;1;1] 线性结构单元，对二值化图像进行腐蚀操作；

2)构造矩形的结构单元strel('rectangle',[param_fs,param_fs]),对1)所得图像进行关操作；

第三步：将水尺在从原图提取出，具体实现过程如下：

1)根据第二步得到的图像，确定图像中白色区域最上面、最下面，最左边，最右边的坐标位置；

2)根据白色区域最上面、最下面，最左边，最右边的坐标位置，进行裁剪；

第四步：确定水尺的斜率；

第五步：水尺位置矫正，具体实现过程如下：

1)根据第四步得到的水尺的斜率，计算出水尺的角度；

2)根据1)所得的水尺角度，旋转水尺，使之垂直；

第六步：对水尺位置进行精确定位，使之两侧多余的部分去除，具体实现过程如下:

1)求出第五步所得的图像白点区域的最上面、最下面，最左边，最右边的坐标位置；

2)根据1)求出的最上面、最下面，最左边，最右边的坐标位置，对图像进行裁剪得到精确定位后的水尺部分图像；

第七步：切割出水尺每个字符，具体实现过程如下：

1)从第六步的二值图像中，计算出水平方向的直方图；

2)根据1)的直方图，求出直方图的峰谷；

3)依据直方图的每一个峰谷的坐标位置，进行图像切割，得到每个字符；

4)求出最后一个完整字符的坐标位置，得到最后一个字符的高度；

第八步：运用神经网络方法，进行字符识别；

第九步：确定水位位置，具体实现过程如下：

对第六步所得到彩色的图像，按垂直方向进行错行相减，在得到错行相减的图像中，从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置，根据最后一个字符的像素的高度，计算出最后水位的高度。

进一步的，所述第一步具体包括如下过程：

1)如果像素点的颜色在颜色特征范围内的设置之内为[255,255,255]，否则为[0,0,0]

2)在1)得到的图像基础上，进行二值化处理。

进一步的，所述第四步具体包括如下过程：

1)在所有白色点区域计算凸集；

2)找到凸集的最小外接矩形；

3)根据最小外接矩形的最长边，求出水尺的斜率。

进一步的，所述第九步中错行相减过程包括如下分步骤：

a）图像分割和效果优化；

b）逐行扫描像素跳变点，当跳变幅度大于10时纠正水迹线剔除，否则继续扫描像素跳变点；

c）纵列像素扫描延伸寻找异常点，当异常点为白色时统计每列最大白色点行号；

d）拟合白色痕迹线；

e）字符识别；

f）从最后字符往下至白色痕迹线，寻找非白色变色点；

g）统计每列变色点行号；

h）拟合水迹线。

与现有技术相比，本发明具有如下优点和有益效果：

本发明提供的水位识别方法，实现了现地水位非接触式自动识别，识别结果精确，降低了成本、简化了硬件结构；本发明方法能够适应各种条件下的水位自动监测，推动了水位监测技术的发展。

附图说明

图1为本发明流程图。

图2为水尺原始图像。

图3为对图2进行二值化处理后状态图。

图4为对图3进行形态学处理后状态图。

图5为对图4进行提取裁剪后状态图。

图6为对图5计算斜率状态图。

图7为对图6中水尺进行位置矫正后状态图。

图8为对图7进行精确定位时状态图。

图9为对图7进行精确定位后状态图。

图10为字符切割状态图。

图11为字符识别状态图。

图12为错行相减流程图。

图13为输出有水迹线的水尺图像。

图14为实现本发明方法的图像采集系统结构示意图。

具体实施方式

以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

本发明基于图像采集系统实现，如图14所示，系统包括摄像头、图像采集模块、蓄电池、太阳能电池板、上位机、数据收发模块（DTU）。其中图像采集模块为核心部件，它具备图像的采集、发送和参数设置等功能；集RTU和DTU为一体，可插入4G手机卡将所采集的图片发送至中心站软件平台；中心站软件也可设定图像采集模块的工作模式：自报模式和召测模式。图像采集模块采用FPGA图像采集和处理模块。

上位机软件功能

1）实时水尺图像的水位自动化提取、数据保存到数据库；

2）查询某个时间段的水位数据及查看相关的水尺图像；

3）统计水位的功能（日、月、年变化曲线图）

4）权限管理

5）异常水位的报警功能；

6）系统属性配置功能：比如尺子的顶端的标准海拔参数修改；

7）系统日志。

本发明首先获取如图2所示的水尺位置拍照原图，随后按照如图1所示的流程执行以下步骤：

第一步：根据水尺的颜色特征(比如蓝色的最小值、最大值) 对彩色原图中进行二值化处理，过滤出水尺部分，具体实现过程如下：

2)在1)得到的图像基础上，进行二值化处理。

经过本步骤处理后的图像如图3所示。

第二步：通过形态学方法，得到蓝色水尺区域，具体实现过程如下：

1)构造se=[1;1;1] 线性结构单元，对二值化图像进行腐蚀操作

2)构造矩形的结构单元strel('rectangle',[param_fs,param_fs])，对1)所得图像进行关操作(即色彩分析，根据预设色彩范围，确定区域)确定水尺蓝色区域的位置。

经过本步骤处理后的图像如图4所示。

第三步：将水尺在从原图提取出，具体实现过程如下：

1)根据第二步得到的图像，确定图像中白色区域最上面、最下面，最左边，最右边的坐标位置

2)根据白色区域最上面、最下面，最左边，最右边的坐标位置，对上一灰度图图3进行裁剪。

第二步图只是起到粗定位的作用，用于确定‘E’的位置，通过该图分析的坐标，结合上一灰度图裁剪，经过本步骤处理后的水尺图像如图5所示。

第四步：确定水尺的斜率，具体实现过程如下：

1)在所有白色点区域计算凸集；

2)找到凸集的最小外接矩形。

3)根据最小外接矩形的最长边结合实际水尺的长度，求出水尺的斜率。

经过本步骤处理后的水尺图像如图6所示。

第五步：水尺位置矫正，具体实现过程如下：

1)根据第四步得到的水尺的斜率，计算出水尺的角度。

2)根据1)所得的水尺角度，旋转水尺，使之垂直。

经过本步骤处理后的灰度图和彩色图如图7所示。

第六步：对水尺位置进行精确定位，使之两侧多余的部分去除，具体实现:

1)求出第五步所得的图像白点区域的最上面、最下面，最左边，最右边的坐标位置。

2)根据1)求出的最上面、最下面，最左边，最右边的坐标位置，对图像进行裁剪。

处理过程中的水尺图像如图8所示，经过精确定位后的灰度图和彩色图如图9所示。

第七步：切割出水尺每个字符，具体实现过程如下：

1)从第六步的二值图像中，计算出水平方向的直方图。

2)根据1)的直方图，求出直方图的峰谷

3)依据直方图的每一个峰谷的坐标位置，进行图像切割，得到每个字符

4)求出最后一个完整字符的坐标位置，得到最后一个字符的高度。

字符切割后效果图如图10所示。

第八步：字符识别，具体实现过程如下：

运用神经网络方法，进行字符识别，效果如图11所示。图中的11代表是字符E。

第九步：确定水位位置，具体实现过程如下：

1)对第六步所得到彩色的图像，按垂直方向进行错行相减；

2)在1)步得到错行相减的图像中，从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置（此位置即水迹位置）；

基于错行相减得到的彩色图像，如图12所示进行如下分步骤：

a）图像分割和效果优化，将水尺边际再次精细切割，色彩饱和度调整；

b）逐行扫描像素跳变点，当跳变幅度大于10时纠正水迹线，将异常跳变点剔除，否则继续扫描像素跳变点；

d）拟合白色痕迹线；

e）字符识别；

f）从最后字符往下至白色痕迹线，寻找非白色变色点；

g）统计每列变色点行号；

h）拟合水迹线，具体实现方式为根据每列的变色点行号，拟合成为一行线；

3)根据最后一个字符的像素的高度，计算出最后水位的高度。

最终在图像最下方表现出水迹的效果，如图13所示：即在下端用红线标出水迹。

经过以上步骤，能够从水尺图像得到水迹线位置，即识别得到水位，最终输出水位的高度。以上步骤在图像采集模块中实现，获得的水位数据通过数据收发模块上传至上位机中。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims

1.基于水尺图像的水位识别方法，其特征在于，包括如下步骤：

1)构造se=[1;1;1] 线性结构单元，对二值化图像进行腐蚀操作；

第三步：将水尺从原图提取出，具体实现过程如下：

第四步：确定水尺的斜率；

第五步：水尺位置矫正，具体实现过程如下：

1)根据第四步得到的水尺的斜率，计算出水尺的角度；

2)根据1)所得的水尺角度，旋转水尺，使之垂直；

第六步：对水尺位置进行精确定位，将其两侧多余的部分去除，具体实现过程如下:

第七步：切割出水尺每个字符，具体实现过程如下：

1)从第六步的二值图像中，计算出水平方向的直方图；

2)根据1)的直方图，求出直方图的峰谷；

第八步：运用神经网络方法，进行字符识别；

第九步：确定水位位置，具体实现过程如下：

对第六步所得到彩色的图像，按垂直方向进行错行相减，在得到错行相减的图像中，从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置，找到水迹位置，根据水迹线的高度，计算出最后水位的高度；在得到错行相减的图像中，从最后一个识别出来的字符向下开始寻找值大于指定阈值的位置，找到水迹位置的过程具体包括如下步骤：

a）图像分割和效果优化；

d）拟合白色痕迹线；

e）字符识别；

f）从最后字符往下至白色痕迹线，寻找非白色变色点；

g）统计每列变色点行号；

h）拟合水迹线。

2.根据权利要求1所述的基于水尺图像的水位识别方法，其特征在于，所述第一步具体包括如下过程：

2)在1)得到的图像基础上，进行二值化处理。

3.根据权利要求1所述的基于水尺图像的水位识别方法，其特征在于，所述第四步具体包括如下过程：

1)在所有白色点区域计算凸集；

2)找到凸集的最小外接矩形；

3)根据最小外接矩形的最长边，求出水尺的斜率。