CN110992286B - 一种基于ccd相机的光伏组件图像校正方法 - Google Patents
一种基于ccd相机的光伏组件图像校正方法 Download PDFInfo
- Publication number
- CN110992286B CN110992286B CN201911219808.8A CN201911219808A CN110992286B CN 110992286 B CN110992286 B CN 110992286B CN 201911219808 A CN201911219808 A CN 201911219808A CN 110992286 B CN110992286 B CN 110992286B
- Authority
- CN
- China
- Prior art keywords
- image
- photovoltaic module
- correction
- carrying
- correction method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003702 image correction Methods 0.000 title claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明公开了一种基于CCD相机的光伏组件图像校正方法,对待校正图像进行全局阈值分割;进行相应的形态学处理;进行轮廓检测得到2D点集并建立点集的最小外接矩形;根据最小外接矩形的四个顶点坐标,对原图像进行粗校正;粗校正后的图像进行直线检测,根据直线的位置关系得到12个关键交点的坐标;根据12个关键交点的坐标解算出三次多项式校正公式中的系数,对粗校正后的图像进行三次多项式校正;对三次多项式校正的结果进行双线性插值,得到最后精确校正的图像。优点:本发明能够对光伏组件图像中任意角度的倾斜变形进行校正,并能够很好地消除拍摄过程中产生的透视变形,还原光伏组件的实际尺寸,在光伏电站巡检中有着很高的应用价值。
Description
技术领域
本发明涉及一种基于CCD相机的光伏组件图像校正方法,属于图像处理技术领域。
背景技术
光伏组件往往设置在比较恶劣的户外环境中,从而导致光伏组件各种故障频频发生,严重影响组件的发电效率,所以对光伏组件进行巡检是光伏系统运维的重要工作。
现如今光伏电站的巡检方式主要分为人工巡检以及无人机巡检。人工巡检成本较高且效率低下,此外,对于安装在屋顶上的分布式光伏阵列,人工巡检的运维方式会带来一定的安全隐患。而使用搭载CCD相机的无人机检测光伏组件成本较低,检测速度快并能够在恶劣的环境下工作,使用搭载CCD相机的无人机巡检光伏组件已经成为光伏系统运维的主流。
由于巡检无人机机载CCD相机拍摄角度与光伏组件放置角度的不同,会导致CCD相机采集到的光伏组件图像存在不同程度的倾斜形变以及透视形变。针对倾斜形变以及透视形变,常用的校正方法是通过对待校正图像进行投影变换实现校正。应用于光伏组件图像时,仅用投影变换的方法进行校正,在组件边框处几何尺寸还原效果较好,但对于组件边框内部细节处还原效果一般。
发明内容
本发明所要解决的技术问题是克服传统投影变换后组件图像中细节还原效果较差的技术问题,提供一种基于CCD相机的光伏组件图像校正方法。
为解决上述技术问题,本发明提供一种基于CCD相机的光伏组件图像校正方法,包括如下步骤:
步骤1,对待校正图像进行全局阈值分割,得到组件图像的二值图;
步骤2,对步骤1得到的二值图进行相应的形态学处理,将组件图像中的栅线全部消除;
步骤3,对步骤2得到的图像进行轮廓检测,并根据轮廓的面积进行筛选,得到组件边框的轮廓,保存为2D点集并建立点集的最小外接矩形;
步骤4,根据步骤3得到最小外接矩形的四个顶点坐标,对原图像进行投影变换,完成粗校正;
步骤5,对步骤4得到的粗校正后的图像进行直线检测,并求解直线交点,并根据直线的位置关系得到12个关键交点的坐标;
步骤6,根据12个关键交点的坐标解算出三次多项式校正公式中的系数,然后对粗校正后的图像进行三次多项式校正;
步骤7,对三次多项式校正的结果进行双线性插值,得到最后精确校正的光伏组件图像。
进一步的,在对待校正图像进行全局阈值分割时,根据组件颜色设置全局阈值。
进一步的,所述形态学处理过程为:
首先对二值图进行闭运算,消除二值图中狭小的黑缝;然后进行开运算消除组件栅线。
进一步的,根据光伏组件在图像中的像素面积对轮廓进行筛选,得到组件边框的轮廓。
进一步的,对原图像进行投影变换,完成粗校正。
进一步的,对粗校正后的图像应用Hough变换进行直线检测,并根据组件边框以及栅线在图像中的实际长度设置阈值进行筛选。
进一步的,所述12个关键交点分别选取组件边框4个顶点、组件4个顶点以及组件长边上4个三等分点。
进一步的,所述双线性插值是利用待求像素点的四个相邻像素的RGB值在X以及Y两个方向上作线性内插,使最终得到的图像更加平滑。
本发明所达到的有益效果:
1)本发明对于光伏组件图像中任意角度的倾斜变形都能够进行校正;
2)本发明中涉及到的轮廓检测、直线检测、投影变换以及三次多项式校正等算法原理简单,运算速度快,且精度可以满足实际需求;
3)本发明将传统的投影变换校正方法与三次多项式校正方法相结合,大大提高了组件图像的校正精度,校正误差可以控制在0.5%以内;
4)本发明在对图像进行精确校正时分别选取组件边框4个顶点、组件4个顶点以及组件长边上4个关键点作为三次多项式校正的12个关键点,不仅能够很好地还原光伏组件边框的实际尺寸,而且针对光伏组件边框内部的细节处也可以很好地还原,使校正后的组件图像能够很好地还原光伏组件的实际几何尺寸。
附图说明
图1是本发明基于CCD相机的光伏组件图像校正方法流程图;
图2是本发明对组件图像进行粗校正的流程图;
图3是本发明对粗校正图像进行精确校正的流程图;
图4(a)-4(i)是本发明的具体实施例效果图,其中图4(a)为待校正光伏组件图像,图4(b)为光伏组件二值图,图4(c)为经过形态学处理后的组件图像,图4(d)为光伏组件边框轮廓图像,图4(e)为粗校正后的组件图像,图4(f)为消除细栅线后的粗校正组件图像,图4(g)为组件图像直线检测示意图,图4(h)为关键点位置示意图,图4(i)为最终精确校正后的光伏组件图像。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
结合图1,本发明一种基于CCD相机的光伏组件图像校正方法,具体包括以下步骤:
步骤1.结合图2,对待校正图像进行全局阈值分割,根据光伏组件灰度图像灰度值的实际情况选取适当的全局分割阈值,阈值为115~125,得到组件图像的二值图;
步骤2.结合图2,对步骤1得到的二值图进行相应的形态学处理,首先对二值图进行一次闭运算,将二值图中的狭小黑缝消除;然后进行一次开运算,将组件二值图中的栅线全部消除;
步骤3.结合图2,对步骤2得到的图像进行轮廓检测,并根据轮廓的面积进行筛选,当轮廓面积大于设定值S时,保留该轮廓作为光伏组件边框的轮廓,保存为2D点集并建立最小外接矩形;
步骤4.结合图2,根据步骤3得到最小外接矩形的四个顶点坐标,对原图像进行投影变换,完成粗校正;
步骤5.结合图3,首先对步骤4得到的粗校正图像进行预处理,预处理包括图像全局阈值分割以及形态学处理,经过图像预处理可将光伏组件图像中的细栅线消除。然后进行Hough直线检测,根据组件边框以及栅线的实际长度设置合适的阈值L剔除过短的线段。将提取到的直线在组件图像中标出并求解直线交点,并根据直线的位置关系得到12个关键交点的坐标;
步骤6.结合图3,步骤5已经得到12个关键交点的坐标,校正后的12个关键点的对应坐标可以通过光伏组件的实际寸尺以及组件图像的大小计算得到,根据12组关键点的坐标可以解算出三次多项式校正公式中的系数,然后对粗校正图像进行三次多项式校正;
步骤7.结合图3,对步骤6得到的三次多项式结果进行双线性插值,最终获得精确校正的光伏组件图像。
下面结合实施例进行具体描述。
实施例
(1)待校正光伏组件图像如图4(a)所示,光伏组件图像尺寸为3024×4032,其中3024像素为图像的宽度,4032像素为图像的高度。
(2)对待校正图像进行全局阈值分割,根据光伏组件灰度图像灰度值的实际情况选取适当的全局分割阈值,在实施例中设置阈值为125,得到组件图像的二值图如图4(b)所示,二值图尺寸同样为3024×4032。
(3)对步骤1得到的二值图进行形态学处理,首先对二值图进行一次闭运算,将二值图中的狭小黑缝消除;然后进行一次开运算,将组件二值图中的栅线全部消除,形态学处理后的组件图像如图4(c)所示,图像尺寸为3024×4032。
(4)对步骤2得到的图像进行轮廓检测,并根据轮廓的面积进行筛选,根据光伏组件在图像中的面积将阈值设置为1000000,当轮廓面积大于设定值1000000时,保留该轮廓作为光伏组件边框的轮廓,组件边框轮廓图像如图4(d)所示,将该轮廓保存为2D点集并建立最小外接矩形。
(5)根据步骤3得到最小外接矩形的四个顶点坐标,对原图像进行投影变换,完成粗校正,经过粗校正后的组件图像如图4(e)所示,经过对光伏组件图像的粗校正消除了组件图像的倾斜变形,并且在一定程度上消除了组件图像的透视形变,但在组件边框以及组件内部等细节处还没有很好地还原光伏组件的实际几何尺寸。
(6)对步骤4得到的粗校正图像进行预处理:首先进行全局阈值分割,将全局阈值设置为125;紧接着对组件图像进行相应的形态学处理,对闭运算以及开运算操作中的参数适当调整,将光伏组件图像中的细栅线消除。预处理后的组件图像如图4(f)所示。图4(f)的右下角仍有一些长度较短的栅线没有被消除,这些线段可以在后续操作中进行剔除。
(7)对图4(f)进行Hough直线检测,根据组件边框以及栅线的实际长度设置合适的阈值L剔除过短的线段,在本实施例中将长度阈值设置为2000。将提取到的直线在粗校正组件图像中标出,如图4(g)所示。
(8)将检测到的直线在图像中标出后求解各条直线的交点,并根据直线的位置关系得到关键交点的坐标,在本实施例中分别选取组件边框4个顶点、组件4个顶点以及组件长边上4个关键点作为三次多项式校正的12个关键点,12个关键交点在组件图像中的位置如图4(h)所示。
(9)步骤5已经得到12个关键交点的坐标,校正后的12个关键点的对应坐标可以通过光伏组件的实际寸尺以及组件图像的大小计算得到,根据12组关键点的坐标可以解算出三次多项式校正公式中的系数,然后对粗校正图像进行三次多项式校正。
(10)对步骤6得到的三次多项式结果进行双线性插值,最终获得精确校正的光伏组件图像如图4(i)所示,校正后的光伏组件图像尺寸为3024×4032。
本发明方法中涉及到的轮廓检测、直线检测、投影变换以及三次多项式校正等算法原理简单,运算速度快,将传统的投影变换校正方法与三次多项式校正方法相结合,大大提高了组件图像的校正精度。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种基于CCD相机的光伏组件图像校正方法,其特征在于,包括如下步骤:
步骤1,对待校正图像进行全局阈值分割,得到组件图像的二值图;
步骤2,对步骤1得到的二值图进行相应的形态学处理,将组件图像中的栅线全部消除;
步骤3,对步骤2得到的图像进行轮廓检测,并根据轮廓的面积进行筛选,得到组件边框的轮廓,保存为2D点集并建立点集的最小外接矩形;
步骤4,根据步骤3得到最小外接矩形的四个顶点坐标,对原图像进行粗校正;
步骤5,对步骤4得到的粗校正后的图像进行直线检测,并求解直线交点,并根据直线的位置关系得到12个关键交点的坐标;
步骤6,根据12个关键交点的坐标解算出三次多项式校正公式中的系数,然后对粗校正后的图像进行三次多项式校正;
步骤7,对三次多项式校正的结果进行双线性插值,得到最后精确校正的光伏组件图像。
2.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,在对待校正图像进行全局阈值分割时,根据组件颜色设置全局阈值。
3.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,所述形态学处理过程为:
首先对二值图进行闭运算,消除二值图中狭小的黑缝;然后进行开运算消除组件栅线。
4.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,根据光伏组件在图像中的像素面积对轮廓进行筛选,得到组件边框的轮廓。
5.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,对原图像进行投影变换,完成粗校正。
6.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,对粗校正后的图像应用Hough变换进行直线检测,并根据组件边框以及栅线在图像中的实际长度设置阈值进行筛选。
7.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,所述12个关键交点分别选取组件边框4个顶点、组件4个顶点以及组件长边上4个三等分点。
8.根据权利要求1所述的基于CCD相机的光伏组件图像校正方法,其特征在于,所述双线性插值是利用待求像素点的四个相邻像素的RGB值在X以及Y两个方向上作线性内插,使最终得到的图像更加平滑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219808.8A CN110992286B (zh) | 2019-12-03 | 2019-12-03 | 一种基于ccd相机的光伏组件图像校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219808.8A CN110992286B (zh) | 2019-12-03 | 2019-12-03 | 一种基于ccd相机的光伏组件图像校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992286A CN110992286A (zh) | 2020-04-10 |
CN110992286B true CN110992286B (zh) | 2022-09-13 |
Family
ID=70089577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219808.8A Active CN110992286B (zh) | 2019-12-03 | 2019-12-03 | 一种基于ccd相机的光伏组件图像校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992286B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763279A (zh) * | 2021-09-10 | 2021-12-07 | 厦门理工学院 | 一种具有矩形框图像的精确校正处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194389B (zh) * | 2017-05-03 | 2020-07-24 | 湖南大学 | 基于形态学与网格构造的二值图像校正方法 |
CN107610090B (zh) * | 2017-07-15 | 2020-09-18 | 河北工业大学 | 一种光伏电池片表面栅线偏移的检测方法 |
-
2019
- 2019-12-03 CN CN201911219808.8A patent/CN110992286B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110992286A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN111311487B (zh) | 一种光伏组件图像的快速拼接方法及系统 | |
CN110852173B (zh) | 一种针对模糊焊缝的视觉定位方法及系统 | |
CN110414385B (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及系统 | |
CN114821114A (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN111047564A (zh) | 一种应用于光伏电站现场的el缺陷检测方法 | |
CN115239820A (zh) | 一种分体式飞行车辆鸟瞰图实时拼接及车位检测方法 | |
JP2006252400A (ja) | 画像処理装置及び画像処理における登録データ生成方法 | |
CN110414308B (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN110246079B (zh) | 基于b样条曲面拟合的摄像头畸变矫正方法、系统及介质 | |
CN111815710A (zh) | 鱼眼相机自动标定方法 | |
CN107360344A (zh) | 监控视频快速去雾方法 | |
CN110992286B (zh) | 一种基于ccd相机的光伏组件图像校正方法 | |
CN112734720A (zh) | 基于视觉识别的船壳激光清洗在位检测方法及系统 | |
CN114757833B (zh) | 一种车辆侧面图像拼接方法及系统 | |
CN101315664A (zh) | 用于文字识别的文本图像预处理方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN109671059B (zh) | 一种基于OpenCV的电池盒图像处理方法及系统 | |
CN116977328B (zh) | 车底机器人主动视觉中的图像质量评估方法 | |
US11024015B2 (en) | Image processing apparatus and distortion correction coefficient calculation method | |
CN114241436A (zh) | 一种改进色彩空间和搜索窗口的车道线检测方法及系统 | |
CN116594351A (zh) | 一种基于机器视觉的数控加工单元系统 | |
CN115760058A (zh) | 用于车辆底盘腐蚀评估的agv系统 | |
CN111738934B (zh) | 基于mtcnn的红眼自动修复方法 | |
CN113610091A (zh) | 一种空气开关状态的智能识别方法、识别装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |