CN112132135A - 一种基于图像处理的电网传输线检测方法、存储介质 - Google Patents
一种基于图像处理的电网传输线检测方法、存储介质 Download PDFInfo
- Publication number
- CN112132135A CN112132135A CN202010877635.5A CN202010877635A CN112132135A CN 112132135 A CN112132135 A CN 112132135A CN 202010877635 A CN202010877635 A CN 202010877635A CN 112132135 A CN112132135 A CN 112132135A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- image
- edge
- pixel point
- pixel
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 107
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像处理的电网传输线检测方法、存储介质,方法包括:读入待检测图片;将图片灰度化;对灰度化图像进行平滑去噪、图像算术运算、灰度线性变换等一系列图像处理方法;对处理后的图像进行边缘检测;确定图像中的感兴趣区域ROI;对ROI内的像素点进行分类得到各传输线的边缘像素点集合;根据边缘像素点集合拟合传输线,并输出检测结果,检测结果可同时包括传输线的方程以及数量。利用本发明能够根据采集的图像进行传输线检测,能够排除天空以及云层等背景的干扰,具有一定的鲁棒性和实用性。
Description
技术领域
本发明涉及电网传输线检测技术领域,特别是一种基于图像处理的电网传输线检测方法、存储介质。
背景技术
随着图像处理技术在工业领域的发展,以及智能电网的大力推进,远程监控已逐渐被运用于智能电网中。对于偏远山区或条件恶劣地区的高压传输线,采用机器代替人工检测,不仅降低了检测的费用和管理成本,还能降低巡检时工人的作业强度,降低户外作业风险。
然而由于高压传输线的图片是远程监控采集到的,受自然因素的影响,实际采集到的图片对比度不高,输电线跟天空的灰度值相差不多,再加上电塔、树木等背景,以及外界噪声的影响使得图片质量下降,势必会增加电线的检测难度。
发明内容
本发明的目的是提供一种基于图像处理的电网传输线检测方法、存储介质,能够根据采集的图像进行传输线检测,鲁棒性强,适用性广。
本发明采用的技术方案如下:
一方面,本发明提供一种电网传输线检测方法,包括:
获取待检测电网传输线的图片;
对待检测图片进行灰度化处理,得到灰度图像;
对灰度图像进行平滑处理;
对平滑后的灰度图像,按照设定的运算规则将图像的像素值降低;
对像素值降低后的灰度图像进行灰度线性变换处理;
对线性变换后的图像进行边缘检测,提取图像中传输线的边缘像素点;
在图像中选出传输线区域作为感兴趣区域ROI;
对ROI区域内的像素点进行分类,得到区域中各传输线的边缘像素点集合;
基于各边缘像素点集合对相应的传输线进行拟合,得到传输线在图片中的位置信息;
输出传输线检测结果,所述传输线检测结果包括图片中的传输线数量,以及各传输线在图片中的位置信息。
可选的,所述待检测电网传输线的图片为直升机、无人机、机器人、固定摄像机等设备在巡检过程中采集的图片。这些图片可能含有电网传输线,也可能不含有电网传输线,经过本发明的方法可对图片中是否含有电网传输线,以及传输线的数量等信息进行检测。
可选的,所述对待检测图片进行灰度化处理,为将待检测图片转换为8位灰度图像。原图片可为24K真彩色图像等。
可选的,对灰度化处理后的图片进行高斯模糊处理,将高斯分布权值矩阵与原始图像矩阵做卷积运算,以平滑图像和去除图像噪声。
可选的,所述设定的运算规则为按照下式进行运算,得到像素值降低后的待检测图像:
式中,f(x,y)表示平滑后的灰度图像像素值,S(x,y)表示像素值降低后的像素值结果。
可选的,所述对像素值降低后的灰度图像进行灰度线性变换处理按照下式进行:
L(x,y)表示线性变换后的图像,[a,b]和[c,d]分别表示D(x,y)和L(x,y)的灰度值范围,且有:
D(x,y)=A(x,y)÷2
可选的,a、c取值为0,d、b取值为3。
可选的,采用Canny算子对线性变换后的图像进行边缘检测,提取图像中传输线的边缘像素点,包括:
计算图像中每个像素点的梯度强度和方向;
应用非极大值(Non-Maximum Suppression)抑制算法,消除边缘检测带来的杂散响应;
应用双阈值(Double-Threshold)检测算法,确定真实的和潜在的边缘。
进行滞后边缘跟踪,抑制孤立的弱边缘。
可选的,在选取ROI区域时,接收外部输入的多边形顶点信息,根据多边形顶点信息确定相应的多边形区域,作为ROI区域。也即本发明方法采用交互式设定进行ROI区域的选取,作为图像分析区域,可抑制背景干扰,增强算法鲁棒性。
可选的,所述对ROI区域内的像素点进行分类包括:
通过横向搜索和纵向搜索确定ROI区域内各传输线的两条边缘的起点;
对于同一传输线的各条边缘,从边缘的起点开始分别通过横向搜索和纵向搜索,确定相应边缘的其它像素点,进而得到各传输线的两条边缘的像素点集合。
可选的,对于搜索到的各条边缘,所述横向搜索包括:
从边缘的第一个像素点开始,将其作为当前点进行下一边缘像素点的搜索,横向搜索范围包括当前点的右方、右下方、下方、左下方像素点,搜索对象为与当前点灰度级相同的像素点;将搜索到的边缘像素点置入相应边缘的边缘像素点集合;
将当前点更新为最新搜索到的边缘像素点,按照横向搜索范围和搜索对象,进行下一边缘像素点的搜索,直至当前点不存在下一边缘像素点,则停止横向搜索;
所述纵向搜索包括:
从边缘的第一个像素点开始,将其作为当前点进行下一边缘像素点的搜索,纵向搜索范围包括当前点的上方、右上方、右方、右下方和下方像素点,搜索对象为与当前点灰度级相同的像素点;将搜索到的边缘像素点置入相应边缘的边缘像素点集合;
将当前点更新为最新搜索到的边缘像素点,按照纵向搜索范围和搜索对象,进行下一边缘像素点的搜索,直至当前点不存在下一边缘像素点,则停止纵向搜索。
以上横向搜索与纵向搜索的结合可保证ROI区域内的所有边缘像素点被搜索到,且能够对交叉的高压线进行辨别,为传输线的拟合准确度奠定基础。本发明在实际进行像素点分类时,可以检测每条线的两条边缘的所有像素点为一次循环,过程中分别采用横向搜索和纵向搜索确定边缘所包含的像素点,并将同一检测线的两条边缘的像素点置入同一边缘像素点集合中。有序的检测能够进一步提升检测效率。通过边缘像素点搜索即实现了边缘像素点与图像中其它像素点的分类,同时得到边缘像素点在图像中的坐标。
可选的,本发明采用最小二乘法,基于各边缘像素点集合对相应的传输线进行拟合,拟合的结果为传输线的二次方程。传输线的数量结果可在每拟合得到一条传输线后即将传输线数量变量加1,直至所有传输线拟合完毕后输出。
可选的,方法还包括:将边缘像素点集合中纵坐标最大值和最小值对应的坐标点作为两端点,通过拟合得到的相应传输线方程,计算得到拟合所得传输线的多个坐标点,将两端点与多个坐标点连接成曲线并输出显示。将拟合后的传输线以图像形式输出,可方便用户将其与原始图像进行比对以验证检测结果,实现了可视化检测。
第二方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面所述的电网传输线检测方法。
有益效果
本发明通过一系列的图像处理,能精确地将传输线边缘检测出来,并利用像素点搜索的方式对每条传输线的边缘像素点进行分类,具有很高的精确性。再通过运用最小二乘法对每条传输线的像素点进行拟合,实现传输线位置以及数量的检测,且通过输出拟合后的传输线曲线,能够实现检测效果可视化,适用度广,检测精确度高。
附图说明
图1为本发明基于图像处理的电网传输线检测方法的一种实施例流程示意图;
图2为本发明像素点分类中横向搜索方法的示意图;
图3为本发明像素点分类中纵向搜索方法的示意图;
图4为本发明针对一条传输线中两条边缘的像素点分类的流程图。
具体实施方式
以下结合附图和具体实施例进一步描述。
实施例1
本实施例介绍一种电网传输线检测方法,参考图1所示,方法包括:
获取待检测电网传输线的图片;
对待检测图片进行灰度化处理,得到灰度图像;
对灰度图像进行平滑处理;
对平滑后的灰度图像,按照设定的运算规则将图像的像素值降低;
对像素值降低后的灰度图像进行灰度线性变换处理;
对线性变换后的图像进行边缘检测,提取图像中传输线的边缘像素点;
在图像中选出传输线区域作为感兴趣区域ROI;
对ROI区域内的像素点进行分类,得到区域中各传输线的边缘像素点集合;
基于各边缘像素点集合对相应的传输线进行拟合,得到传输线在图片中的位置信息;
输出传输线检测结果,所述传输线检测结果包括图片中的传输线数量,以及各传输线在图片中的位置信息。位置信息可为拟合得到的传输线方程。
实施例1-1
在实施例1的基础上,本实施例的传输线检测方法具体涉及以下步骤。
S1,以读入方式获取待检测传输线的图片。
本实施例中,待检测电网传输线的图片为直升机、无人机、机器人、固定摄像机等设备在巡检过程中采集的图片。这些图片可能含有电网传输线,也可能不含有电网传输线,经过本发明的方法可对图片中是否含有电网传输线,以及传输线的数量等信息进行检测,适用度较广,鲁棒性较强。
S2,对待检测图片进行灰度化处理,将待检测图片转换为8位灰度图像。原图片可为24K真彩色图像等。
S3,对灰度化处理后的图片进行利用高斯算子进行模糊平滑处理,将高斯分布权值矩阵与原始图像矩阵做卷积运算,以平滑图像和去除图像噪声。
S4,对平滑后的灰度图像,按照设定的运算规则将图像的像素值降低。所述设定的运算规则为按照下式进行运算,得到像素值降低后的待检测图像:
式中,f(x,y)表示平滑后的灰度图像像素值,S(x,y)表示像素值降低后的像素值结果。
具体运算过程实际分为三步:
4-1)对图像进行加法运算,其运算公式如公式(2)所示,其中A(x,y)表示加法运算后的图像像素值,f(x,y)表示平滑去噪后图像的像素值。
4-2)进行除法运算,将A(x,y)除以2,其中D(x,y)表示除法运算后的图像像素值即公式(3):
D(x,y)=A(x,y)÷2 (3)
4-3)最后进行减法运算,将f(x,y)减去D(x,y),若计算结果超出灰度级最大值,则使计算结果为灰度级最大值;若计算结果小于灰度级最小值,则使计算结果为灰度级最小值,用S(x,y)表示除法运算后的图像像素值,运算过程简化为以上公式(1)。
S5,对像素值降低后的灰度图像进行灰度线性变换处理,按照下式进行:
L(x,y)表示线性变换后的图像,[a,b]和[c,d]分别表示D(x,y)和L(x,y)的灰度值范围
对于减法运算后的图像,a、c取值为0,d、b根据实验效果设置取值为3。
S6,采用Canny算子对线性变换后的图像进行边缘检测,提取图像中传输线的边缘像素点,包括:
计算图像中每个像素点的梯度强度和方向;
应用非极大值(Non-Maximum Suppression)抑制算法,消除边缘检测带来的杂散响应;
应用双阈值(Double-Threshold)检测算法,确定真实的和潜在的边缘。
进行滞后边缘跟踪,抑制孤立的弱边缘。
S7,在图像中选出传输线区域作为感兴趣区域ROI
在选取ROI区域时,采用交互式设定方法,用户可在图中进行区域顶点的点击,程序接收用户从外部输入的多边形顶点信息,根据多边形顶点信息确定相应的多边形区域,作为ROI区域,可抑制背景干扰,增强算法鲁棒性。
S8,对ROI区域内的像素点进行分类,得到区域中各传输线的边缘像素点集合。
由于高压线分为横向和纵向两种,因此本发明方法进行像素点的搜索也分为两种:横向搜索、纵向搜索。具体的,对ROI区域内的像素点进行分类包括:通过横向搜索和纵向搜索确定ROI区域内各传输线的两条边缘的起点;对于同一传输线的各条边缘,从边缘的起点开始分别通过横向搜索和纵向搜索,确定相应边缘的其它像素点,进而得到各传输线的两条边缘的像素点集合。
结合图2和图3,对于每条边缘:
8-1)横向搜索:
从起点开始横向搜索边缘第一个像素点,搜索到边缘第一个像素点之后,以该像素点为中心,搜索该像素点的右、右下、下和左下,寻找下一个像素点,找到之后再以下一个像素点为中心,搜索其右、右下、下和左下,以此循环往复直到一条边缘结束。
一条边缘搜索完成以后,再回到横向搜索的下一条边缘第一个像素点完成搜索,直到所有边缘搜索完成。
8-2)纵向搜索:
从起点开始纵向搜索每条边缘第一个像素点,搜索到边缘第一个像素点之后,以该像素点为中心,搜索该像素点的上、右上、右、右下和下,寻找下一个像素点,找到之后再以下一个像素点为中心,搜索其上、右上、右、右下和下,以此循环往复直到一条边缘结束。
一条边缘搜索完成以后,再回到纵向搜索的下一条边缘第一个像素点完成搜索,直到所有边缘搜索完成。
以上横向搜索与纵向搜索的结合可保证ROI区域内的所有边缘像素点被搜索到,且能够对交叉的高压线进行辨别,为传输线的拟合准确度奠定基础。
参考图4所示,本实施例以检测每条线的两条边缘的所有像素点为一次循环,过程中分别采用横向搜索和纵向搜索确定边缘所包含的像素点,并将同一检测线的两条边缘的像素点置入同一边缘像素点集合中。有序的检测能够进一步提升检测效率。通过边缘像素点搜索即实现了边缘像素点与图像中其它像素点的分类,同时得到边缘像素点在图像中的坐标。
S9,采用最小二乘法,基于各边缘像素点集合对相应的传输线进行拟合,拟合的结果为传输线的二次方程。传输线的数量结果可在每拟合得到一条传输线后即将传输线数量变量加1,直至所有传输线拟合完毕后输出。
S10,将边缘像素点集合中纵坐标最大值和最小值对应的坐标点作为两端点,通过拟合得到的相应传输线方程,计算得到拟合所得传输线的多个坐标点,将两端点与多个坐标点连接成曲线并输出显示。将拟合后的传输线以图像形式输出,可方便用户将其与原始图像进行比对以验证检测结果,实现可视化检测。
实施例2
本实施例介绍一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如实施例1所述的电网传输线检测方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种电网传输线检测方法,其特征是,包括:
获取待检测电网传输线的图片;
对待检测图片进行灰度化处理,得到灰度图像;
对灰度图像进行平滑处理;
对平滑后的灰度图像,按照设定的运算规则将图像的像素值降低;
对像素值降低后的灰度图像进行灰度线性变换处理;
对线性变换后的图像进行边缘检测,提取图像中传输线的边缘像素点;
在图像中选出传输线区域作为感兴趣区域ROI;
对ROI区域内的像素点进行分类,得到区域中各传输线的边缘像素点集合;
基于各边缘像素点集合对相应的传输线进行拟合,得到传输线在图片中的位置信息;
输出传输线检测结果,所述传输线检测结果包括图片中的传输线数量,以及各传输线在图片中的位置信息。
2.根据权利要求1所述的方法,其特征是,所述对待检测图片进行灰度化处理,为将待检测图片转换为8位灰度图像。原图片可为24K真彩色图像等。
3.根据权利要求1所述的方法,其特征是,对灰度化处理后的图片进行高斯模糊处理,将高斯分布权值矩阵与原始图像矩阵做卷积运算,以平滑图像和去除图像噪声。
6.根据权利要求1所述的方法,其特征是,在选取ROI区域时,接收外部输入的多边形顶点信息,根据多边形顶点信息确定相应的多边形区域,作为ROI区域。
7.根据权利要求1所述的方法,其特征是,所述对ROI区域内的像素点进行分类包括:
通过横向搜索和纵向搜索确定ROI区域内各传输线的两条边缘的起点;
对于同一传输线的各条边缘,从边缘的起点开始分别通过横向搜索和纵向搜索,确定相应边缘的其它像素点,进而得到各传输线的两条边缘的像素点集合。
8.根据权利要求7所述的方法,其特征是,对于搜索到的各条边缘,所述横向搜索包括:
从边缘的第一个像素点开始,将其作为当前点进行下一边缘像素点的搜索,横向搜索范围包括当前点的右方、右下方、下方、左下方像素点,搜索对象为与当前点灰度级相同的像素点;将搜索到的边缘像素点置入相应边缘的边缘像素点集合;
将当前点更新为最新搜索到的边缘像素点,按照横向搜索范围和搜索对象,进行下一边缘像素点的搜索,直至当前点不存在下一边缘像素点,则停止横向搜索;
所述纵向搜索包括:
从边缘的第一个像素点开始,将其作为当前点进行下一边缘像素点的搜索,纵向搜索范围包括当前点的上方、右上方、右方、右下方和下方像素点,搜索对象为与当前点灰度级相同的像素点;将搜索到的边缘像素点置入相应边缘的边缘像素点集合;
将当前点更新为最新搜索到的边缘像素点,按照纵向搜索范围和搜索对象,进行下一边缘像素点的搜索,直至当前点不存在下一边缘像素点,则停止纵向搜索。
9.根据权利要求1所述的方法,其特征是,采用最小二乘法,基于各边缘像素点集合对相应的传输线进行拟合,拟合的结果为传输线的二次方程;
方法还包括:将边缘像素点集合中纵坐标最大值和最小值对应的坐标点作为两端点,通过拟合得到的相应传输线方程,计算得到拟合所得传输线的多个坐标点,将两端点与多个坐标点连接成曲线并输出显示。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-9任一所述的电网传输线检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877635.5A CN112132135B (zh) | 2020-08-27 | 2020-08-27 | 一种基于图像处理的电网传输线检测方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877635.5A CN112132135B (zh) | 2020-08-27 | 2020-08-27 | 一种基于图像处理的电网传输线检测方法、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132135A true CN112132135A (zh) | 2020-12-25 |
CN112132135B CN112132135B (zh) | 2023-11-28 |
Family
ID=73848634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010877635.5A Active CN112132135B (zh) | 2020-08-27 | 2020-08-27 | 一种基于图像处理的电网传输线检测方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132135B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538393A (zh) * | 2021-07-26 | 2021-10-22 | 中冶京诚工程技术有限公司 | 棒线材原料坯弯曲检测方法、装置、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006082979A1 (ja) * | 2005-02-07 | 2006-08-10 | Matsushita Electric Industrial Co., Ltd. | 画像処理装置および画像処理方法 |
US20180047150A1 (en) * | 2015-02-18 | 2018-02-15 | Siemens Healthcare Diagnostics Inc. | Image-based tube slot circle detection for a vision system |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN108830832A (zh) * | 2018-05-15 | 2018-11-16 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的塑料筒表面缺陷检测算法 |
CN109102518A (zh) * | 2018-08-10 | 2018-12-28 | 广东工业大学 | 一种图像边缘检测的方法、系统及相关组件 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN110223276A (zh) * | 2019-05-28 | 2019-09-10 | 武汉楚锐视觉检测科技有限公司 | 一种基于图像处理的瓶盖检测方法及装置 |
CN111353984A (zh) * | 2020-02-29 | 2020-06-30 | 杭州电子科技大学 | 一种自适应鲁棒的灰度图像中液位高精度检测方法 |
-
2020
- 2020-08-27 CN CN202010877635.5A patent/CN112132135B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006082979A1 (ja) * | 2005-02-07 | 2006-08-10 | Matsushita Electric Industrial Co., Ltd. | 画像処理装置および画像処理方法 |
US20180047150A1 (en) * | 2015-02-18 | 2018-02-15 | Siemens Healthcare Diagnostics Inc. | Image-based tube slot circle detection for a vision system |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN108830832A (zh) * | 2018-05-15 | 2018-11-16 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的塑料筒表面缺陷检测算法 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109102518A (zh) * | 2018-08-10 | 2018-12-28 | 广东工业大学 | 一种图像边缘检测的方法、系统及相关组件 |
CN110223276A (zh) * | 2019-05-28 | 2019-09-10 | 武汉楚锐视觉检测科技有限公司 | 一种基于图像处理的瓶盖检测方法及装置 |
CN111353984A (zh) * | 2020-02-29 | 2020-06-30 | 杭州电子科技大学 | 一种自适应鲁棒的灰度图像中液位高精度检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538393A (zh) * | 2021-07-26 | 2021-10-22 | 中冶京诚工程技术有限公司 | 棒线材原料坯弯曲检测方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112132135B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6660313B2 (ja) | 画像解析を用いた核のエッジの検出 | |
CN108664981B (zh) | 显著图像提取方法及装置 | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN108009554A (zh) | 一种图像处理方法以及装置 | |
CN110458772B (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
CN104517110A (zh) | 一种二维码图像的二值化方法及系统 | |
CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
CN109934221B (zh) | 基于注意力机制的电力设备自动分析识别监控方法及系统 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
CN110207592A (zh) | 建筑裂缝测量方法、装置、计算机设备和存储介质 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN112116561B (zh) | 基于图像处理融合网络权值的电网传输线检测方法及装置 | |
CN112163996A (zh) | 一种基于图像处理的平角视频融合方法 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
JP6874987B2 (ja) | 地物形状抽出装置、地物形状抽出方法、及びプログラム | |
CN115330705A (zh) | 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法 | |
Yang et al. | Cherry recognition based on color channel transform | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
Sintunata et al. | Skeleton extraction in cluttered image based on Delaunay triangulation | |
CN113409420A (zh) | 自定义地图风格的制图方法、系统、存储介质及设备 |
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 |