CN112489066B - 一种配电设备红外热成像图像边缘的提取方法 - Google Patents

Abstract

本发明公开了一种配电设备红外热成像图像边缘的提取方法，属于红外热成像图像处理技术领域。包括以下步骤：a.获取配电设备红外图像照片；b.对原始灰度矩阵G中红，绿，蓝三个通道数据进行读取；c.推导出最大导数计算公式；d.获取双坐标系边缘提取算子；e.分别求取两个坐标系下的最大方向梯度的像素；f.确定原始灰度矩阵G的边缘梯度矩阵；g.确定配电设备红外热成像图像的边缘位置。通过本发明可以对红外图像照片进行处理，以得到边缘清晰准确，且与实际温度呈正比的灰度图像，便于更直观的观察红外图像照片所包含的温度信息。

Description

一种配电设备红外热成像图像边缘的提取方法

技术领域

本发明涉及红外热成像图像处理技术领域。

背景技术

在电力系统中，配电设备的温度能直观反应设备状态是否良好。因此，常采用红外热成像技术监测配电设备的温度，作为设备工作运行状态的依据。红外热成像技术是一种通过信号处理与光电转换等手段，将探测到的热量精确的量化，并以图像的形式将物体的温度分布状态直观表现的技术。真实的热成像图片是单通道的灰度图，但由于人眼对彩色图片的分辨能力远远高于灰度图片，因此，红外图像多进行了伪彩变化从而提高人眼对图像细节的辨别能力。电力系统中的配电设备红外热成像图片采用的伪彩编码为白热伪彩编码。红外热成像中的原始灰度值和探测温度是成正比关系的，但进行伪彩变换后的红外图灰度发生了变化，使得灰度值与探测温度不再呈线性关系。对于一个红外热成像数据，我们需要的边缘信息为探测温度变化较大的区域，即为红外热成像图原始灰度值变化较大的区域。因此，我们需要将红外热成像伪彩图像进行伪彩逆变换，得到原始灰度图，再对其边缘进行提取。

图像边缘，是图像一个属性的区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像中不确定性最大的地方，也是图像信息最集中的地方，包含了丰富的图像信息。在分析图像特征的时候，图像的边缘由于其包含的信息较多，常常被提取出来进行图像分析。调查发现，在目前计算机处理图像时，求解析解相对于数值解麻烦的多，因此，研究人员多对图像的灰度变化率进行近似求解，随后再通过阈值设定来得到想要的边缘信息。目前的边缘提取算子多为3×3的卷积核，分为一阶算子和二阶算子，一阶算子通常用来提取图像的边缘信息，抗噪能力强，而二阶算子多用来判断边缘像素视为与图像的明区还是暗区，抗噪能力弱。这些算子在计算坐标系方向梯度时，均考虑了斜向坐标系数值的影响，且通常只计算了横纵坐标系方向的梯度值。由于图像边缘梯度应取图像一点处各方向的梯度最大值，才能准确的确定图像灰度突变的区域，因此，传统算子在当横纵方向灰度变化较小而斜向灰度变化较大时，边缘计算值就会有所偏离。

发明内容

本发明要解决的技术问题是提供一种配电设备红外热成像图像边缘的提取方法，通过本发明可以对红外图像照片进行处理，以得到边缘清晰准确，且与实际温度呈正比的灰度图像，便于更直观的观察红外图像照片所包含的温度信息。

为解决上述技术问题，本发明所采取的技术方案是：

一种配电设备红外热成像图像边缘的提取方法，包括以下步骤：

a.获取配电设备红外图像照片，通过红外热成像相机对需要检测的配电设备进行拍摄，生成包含原始灰度矩阵G信息的配电设备红外图像照片；

b.对原始灰度矩阵G中红，绿，蓝三个通道数据进行读取，通过Python软件，对所拍摄的配电设备红外图像照片的原始灰度矩阵G进行红，绿，蓝三个通道数据进行读取，并将所读取的数据分别储存为R灰度矩阵，G灰度矩阵和B灰度矩阵；

c.推导出最大导数计算公式，设二元函数z＝f(x，y)在点(x₀，y₀)的某邻域内有定义，其中向量u对应的单位向量为u₀＝(cosα，cosβ)，其中α，β为向量u的方向角，则当极限

存在时，则称该极限为函数z＝f(x，y)在点(x₀，y₀)处沿方向u的方向导数，记作

方向导数也记作

二元函数z＝f(x，y)在x，y方向上的偏导数为

则，最大方向导数为：

d.获取双坐标系边缘提取算子，根据最大方向导数的计算方法，由于图像像素点矩阵类的数据分布，定义横纵xy坐标系和斜向rl坐标系两个坐标系，当对其中一个坐标系进行分析时，先求取坐标系方向的偏导数，由于求取二元函数偏导时，不考虑其他方向的数据，因此，我们定义两个坐标系下的边缘提取算子为：

(1)横纵坐标系：

(2)斜向坐标系：

e.分别求取两个坐标系下的最大方向梯度的像素，对红外热成像的原始灰度矩阵G进行遍历，每次提取3×3像素的区域，设该区域为矩阵A，对区域矩阵A通过四个边缘提取算子分别进行卷积运算，得到该四个算子方向的梯度值，计算过程：

将两个坐标系下的e_x，e_y，e_r，e_l一一求出后，进行坐标系下的最大方向梯度求解，得到横纵坐标系下的最大梯度为/>

储存于矩阵E_xy中，斜向坐标系下的最大梯度为

储存于矩阵E_rl中；

f.确定原始灰度矩阵G的边缘梯度矩阵，在矩阵E_rl中，对两个梯度矩阵E_xy和E_rl取对应索引元素最大值，从而得到原始灰度矩阵G的边缘梯度矩阵E_max＝max(E_xy，E_rl)；

g.确定配电设备红外热成像图像的边缘位置，根据配电设备温度范围，确定红外热成像阈值，通过红外热成像阈值，对边缘梯度矩阵E_max＝max(E_xy，E_rl)进行过滤，将满足阈值条件的边缘梯度信息滤出，从而获得配电设备红外热成像图像边缘位置。

本发明进一步改进在于：

在步骤g中，红外热成像阈值为配电设备温度范围的10％。

配电设备为绝缘子。

采用上述技术方案所产生的有益效果在于：

本发明提出了一种新的配电设备红外热成像边缘提取算法，该算法首先从红外伪彩图像原理进行出发，找到与探测温度成线性关系的原始灰度图，然后对横纵直角坐标系和斜向直角坐标系两个坐标系进行分析，分别求取两个坐标系下的最大方向梯度，且在计算图像一像素点的坐标系方向梯度时，不再考虑不属其他方向像素点的数值影响，从而精确计算出该方向的梯度，最后，取两个坐标系下的方向梯度最大值作为该像素点的边缘梯度，从而找到配电设备红外图像对应探测温度变化大的边缘信息。

通过本发明可以对红外图像照片进行处理，以得到边缘清晰准确，且与实际温度呈正比的灰度图像，便于更直观的观察红外图像照片所包含的温度信息。

附图说明

图1是现有技术白热伪彩编码中红色像素值-灰度值关系图；

图2是现有技术白热伪彩编码中绿色像素值-灰度值关系图；

图3是现有技术白热伪彩编码中蓝色像素值-灰度值关系图；

图4是本发明步骤d中所定义的横纵xy坐标系和斜向rl坐标系；

图5是现有技术白热伪彩编码对应的灰度图；

图6是采用本发明方法处理后的红外原始灰度图。

具体实施方式

下面将结合附图和具体实施例对本发明进行进一步详细说明。

本发明中使用到的标准零件均可以从市场上购买，异形件根据说明书的和附图的记载均可以进行订制，各个零件的具体连接方式均采用现有技术中成熟的螺栓、铆钉、焊接、粘贴等常规手段，在此不再详述。

一种配电设备红外热成像图像边缘的提取方法，包括以下步骤：

a.获取配电设备红外图像照片，通过红外热成像相机对需要检测的配电设备进行拍摄，生成包含原始灰度矩阵G信息的配电设备红外图像照片；

b.对原始灰度矩阵G中红，绿，蓝三个通道数据进行读取，通过Python软件，对所拍摄的配电设备红外图像照片的原始灰度矩阵G进行红，绿，蓝三个通道数据进行读取，并将所读取的数据分别储存为R灰度矩阵，G灰度矩阵和B灰度矩阵；

c.推导出最大导数计算公式，设二元函数z＝f(x，y)在点(x₀，y₀)的某邻域内有定义，其中向量u对应的单位向量为u₀＝(cosα，cosβ)，其中α，β为向量u的方向角，则当极限

存在时，则称该极限为函数z＝f(x，y)在点(x₀，y₀)处沿方向u的方向导数，记作

方向导数也记作

二元函数z＝f(x，y)在x，y方向上的偏导数为

则，最大方向导数为：

d.获取双坐标系边缘提取算子，根据最大方向导数的计算方法，由于图像像素点矩阵类的数据分布，定义横纵xy坐标系和斜向rl坐标系两个坐标系，当对其中一个坐标系进行分析时，先求取坐标系方向的偏导数，由于求取二元函数偏导时，不考虑其他方向的数据，因此，我们定义两个坐标系下的边缘提取算子为：

(1)横纵坐标系：

(2)斜向坐标系：

e.分别求取两个坐标系下的最大方向梯度的像素，对红外热成像的原始灰度矩阵G进行遍历，每次提取3×3像素的区域，设该区域为矩阵A，对区域矩阵A通过四个边缘提取算子分别进行卷积运算，得到该四个算子方向的梯度值，计算过程：

将两个坐标系下的e_x，e_y，e_r，e_l一一求出后，进行坐标系下的最大方向梯度求解，得到横纵坐标系下的最大梯度为/>

储存于矩阵E_xy中，斜向坐标系下的最大梯度为

储存于矩阵E_rl中；

f.确定原始灰度矩阵G的边缘梯度矩阵，在矩阵E_rl中，对两个梯度矩阵E_xy和E_rl取对应索引元素最大值，从而得到原始灰度矩阵G的边缘梯度矩阵E_max＝max(E_xy，E_rl)；

g.确定配电设备红外热成像图像的边缘位置，根据配电设备温度范围，确定红外热成像阈值，通过红外热成像阈值，对边缘梯度矩阵E_max＝max(E_xy，E_rl)进行过滤，将满足阈值条件的边缘梯度信息滤出，从而获得配电设备红外热成像图像边缘位置。

在步骤g中，红外热成像阈值为配电设备温度范围的10％。

配电设备为绝缘子。

通过对图5和图6比较可以看出，伪彩对应灰度图的背景灰度非常深，对应温度较高，不符合实际情况，而红外原始灰度图背景灰度较浅，对应温度低。由于我们需要的边缘为温度变化率较大的区域，因此，红外原始灰度图处理得出的边缘结果才是我们需要的红外边缘。

Claims (3)

1.一种配电设备红外热成像图像边缘的提取方法，其特征在于：所述方法包括以下步骤：

a.获取配电设备红外图像照片，通过红外热成像相机对需要检测的配电设备进行拍摄，生成包含原始灰度矩阵G信息的配电设备红外图像照片；

b.对原始灰度矩阵G中红，绿，蓝三个通道数据进行读取，通过Python软件，对所拍摄的配电设备红外图像照片的原始灰度矩阵G进行红，绿，蓝三个通道数据进行读取，并将所读取的数据分别储存为R灰度矩阵，G灰度矩阵和B灰度矩阵；

c.推导出最大导数计算公式，设二元函数z＝f(x，y)在点(x₀，y₀)的某邻域内有定义，其中向量u对应的单位向量为u₀＝(cosα，cosβ)，其中α，β为向量u的方向角，则当极限

存在时，则称该极限为函数z＝f(x，y)在点(x₀，y₀)处沿方向u的方向导数，记作

方向导数也记作

二元函数z＝f(x，y)在x，y方向上的偏导数为

则，最大方向导数为：

d.获取双坐标系边缘提取算子，根据最大方向导数的计算方法，由于图像像素点矩阵类的数据分布，定义横纵xy坐标系和斜向r1坐标系两个坐标系，当对其中一个坐标系进行分析时，先求取坐标系方向的偏导数，由于求取二元函数偏导时，不考虑其他方向的数据，因此，我们定义两个坐标系下的边缘提取算子为：

(1)横纵坐标系：

(2)斜向坐标系：

e.分别求取两个坐标系下的最大方向梯度的像素，对红外热成像的原始灰度矩阵G进行遍历，每次提取3×3像素的区域，设该区域为矩阵A，对区域矩阵A通过四个边缘提取算子分别进行卷积运算，得到该四个算子方向的梯度值，计算过程：

将两个坐标系下的e_x，e_y，e_r，e_l一一求出后，进行坐标系下的最大方向梯度求解，得到横纵坐标系下的最大梯度为

储存于矩阵E_xy中，斜向坐标系下的最大梯度为/>

储存于矩阵E_rl中；

f.确定原始灰度矩阵G的边缘梯度矩阵，在矩阵E_rl中，对两个梯度矩阵E_xy和E_rl取对应索引元素最大值，从而得到原始灰度矩阵G的边缘梯度矩阵E_max＝max(E_xy，E_rl)；

g.确定配电设备红外热成像图像的边缘位置，根据配电设备温度范围，确定红外热成像阈值，通过红外热成像阈值，对边缘梯度矩阵E_max＝max(E_xy，E_rl)进行过滤，将满足阈值条件的边缘梯度信息滤出，从而获得配电设备红外热成像图像边缘位置。

2.根据权利要求1所述的一种配电设备红外热成像图像边缘的提取方法，其特征在于：在步骤g中，所述红外热成像阈值为配电设备温度范围的10％。

3.根据权利要求1所述的一种配电设备红外热成像图像边缘的提取方法，其特征在于：所述配电设备为绝缘子。

Images