KR101999696B1 - 실시간 영상 분석을 이용한 정수 처리 제어 방법 - Google Patents

Abstract

본 발명은 실시간 영상 분석을 이용한 정수 처리 제어 기술에 관한 것으로, 정수 처리 제어 방법은, 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받고, 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하며, 수중 영상의 분해능(resolution) 정보에 기초하여 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공한다.

Description

실시간 영상 분석을 이용한 정수 처리 제어 방법{Method for controlling water purification using real-time image analysis}

본 발명은 정수장의 정수 과정을 제어하는 기술에 관한 것으로, 특히 원수에 포함된 이물질의 오염 정도에 따라 적절한 수준의 정수 처리를 수행하는 제어 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다.

인간에게 물은 생명을 유지하는데 필수적인 요소로서 우리나라 국민의 1일 평균 물 소비량은 396리터이며, 먹는 물은 평균 2리터 정도로 파악된다. 이를 위해 물을 생산하는 상수도시설은 수자원공사가 관리하는 광역상수도와 지방자치단체가 관리하는 지방상수도로 구분되며, 전국적으로 522개의 정수장이 운영되고 있다.

가정이나 공장 등에서 버려지는 하수는 하수처리장으로 보내진 후 처리된다. 하수 처리 과정은 정수 과정과 슬러지 처리 과정을 포함하는데, 정수 과정에서는 하수가 하천의 자정작용이 발동될 수 있는 범위까지 정화된 후 하천과 같은 공공수역으로 방류되고, 슬러지 처리 과정에서는 정수 과정에서 발생하는 슬러지가 농축, 탈수와 같은 과정을 거쳐 처리된다. 농축될 슬러지나 탈수될 슬러지에는 일반적으로 응집제가 혼합된다. 슬러지에 응집제가 혼합되면 슬러지에 플록(floc)이 생성되고, 이 플록은 여액보다 비중이 커서 아래로 가라앉게 된다.

수처리 공정에서 원수에 포함된 이물질을 플록 형태로 고형화하는 과정은 중요하다. 특히 원수에 제공되는 응집제의 양이 원수에 포함된 이물질 대비 부족할 경우, 플록이 원활하게 형성되지 않고 이로 인해 원수로부터 이물질이 완전히 제거되지 않아 식용수로 음용하기 어렵다. 또한, 원수에 제공되는 응집제의 양이 이물질 대비 많을 경우 응집제가 원수에 남게 되어 역시 식용수로 사용하기 곤란하다. 따라서 원수 내에서 플록이 형성되는 정도에 따라 원수에 제공되는 응집제의 양이 적절하게 제어될 필요가 있다.

플록의 형성 정도를 파악하고 그에 따른 응집 과정 제어를 위해 실제 정수 시설이 운용되는 현장에서는 '쟈 테스트(jar-test)'를 사용하고 있으며, 이하에서 제시되는 선행기술문헌에는 이에 관한 개요가 소개되어 있다.

한국특허공개공보 제2003-0044448호, "자동 쟈 테스트 시스템", 뉴엔텍(주), 2003.06.09 공개

본 발명이 해결하고자 하는 기술적 과제는, 종래의 정수 처리 현장에서 효율적인 응집 및 침전을 위해 응집제의 투입량을 결정하기 위해 사용되던 실험적 결정 방식이 비록 정수 처리 공정을 모사하고 있음에도 불구하고 실제 이를 통해 선정된 혼화 조건이 정수 처리 현장보다 좋은 혼화효율을 나타내는 문제를 해결하고, 그로 인해 발생하는 실제와 실험간의 괴리 및 부적절한 제어 방식을 극복하고자 한다.

상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 정수 처리 제어 방법은, 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받는 단계; 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하는 단계; 및 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공하는 단계를 포함한다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보를 획득하는 단계는, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하는 단계; 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하는 단계; 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키는 단계; 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하는 단계; 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하는 단계; 및 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장하는 단계를 포함할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 흑백 영상을 생성하는 단계는, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보를 획득하는 단계는, 미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 단계를 더 포함할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보는, 플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값을 포함할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 응집제 주입을 위한 판단 기준을 제공하는 단계는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하는 단계; 및 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출하는 단계를 포함할 수 있다.

일 실시예에 따른 정수 처리 제어 방법에서, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다.

일 실시예에 따른 정수 처리 제어 방법은, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장하는 단계; 상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하는 단계; 및 생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시키는 단계를 더 포함할 수 있다.

한편, 이하에서는 상기 기재된 정수 처리 제어 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.

본 발명의 실시예들은, 응집지로부터 직접 실시간 수중 영상을 획득하여 이를 영상 처리 및 분석을 통해 플록 정보를 추출함으로써, 종래의 정수 처리 공정의 모사 내지 복잡한 기구 설치 없이도 정수장의 응집지 현장에 요구되는 응집제의 적절하고 정확한 주입량을 산출할 수 있으며, 결과적으로 정수 처리 시설에서 약품 투입비를 절감할 수 있을 뿐만 아니라 슬러지 발생량을 최소화할 수 있다.

도 1은 정수장의 응집지에 유입되는 원수와 플록을 예시한 도면이다.
도 2는 본 발명의 실시예들이 제안하는 카메라가 설치된 정수장의 응집지와 응집제 투입 제어에 관한 도면이다.
도 3은 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 방법을 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에서 영상 처리 과정을 보다 구체적으로 도시한 흐름도이다.
도 5 내지 도 12는 일련의 영상 처리 과정에 따라 각각의 변환 및 처리 결과를 예시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에 연속하여 응집지의 조절 수단을 제어하는 방법을 도시한 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 장치를 도시한 블록도이다.

본 발명의 실시예들을 설명하기에 앞서, 본 발명의 실시예들이 활용되는 구현 환경에서 나타나는 종래 기술의 문제점을 살펴본 후 이를 해소하기 위해 안출된 아이디어와 기술적 수단을 개괄적으로 소개한 후 구체적인 구성 요소들을 순차적으로 기술하도록 한다.

통상적인 정수 처리 공정은 혼화, 응집, 침전, 여과 및 소독공정으로 이루어진다.

응집이란 약품을 주입해 물속의 아주 작은 콜로이드상 물질을 서로 뭉치게 해 크게 만든 다음 후속되는 침전이나 여과공정에서 제거되도록 하는 공정이다. 이는 정수장에서 가장 중요한 공정의 하나이며 혼화 공정과 플록 형성 공정으로 나뉜다.

혼화 공정은 원수의 오염 물질과 응집제를 서로 반응시켜 침전성이 양호한 플록을 생성하는 것을 목적으로 하며, 플록 형성 공정은 혼화로 생성된 미소 플록을 크고 무거운 플록으로 성정시켜 다음 공정인 침전지에서 원활히 침강 제거하는 것을 목적으로 한다. 도 1을 참조하면, 정수장의 응집지에 유입되는 원수(A)와 플록(B)을 예시한 이미지를 확인할 수 있다.

침전 공정은 플록이나 현탁 물질을 가장 효과적으로 침전/제거시켜서 후속 공정인 여과지의 부담을 경감시킬 목적으로 운영되며, 침전, 완충 및 슬러지 제거의 3가지 기능을 가지고 있다.

여과지는 약품으로 응집된 현탁 물질이 비교적 빠른 속도로 입상층을 통과해 여재에 부착되거나 여층에서 체 거름 작용에 의해 제거될 수 있도록 한다. 여과지 진단은 입자성 물질을 제거하는 최종단계로서의 여과지 기능이 올바르게 작동하고 있는가를 판단하는데 목적이 있다. 여과 공정은 전처리의 혼화 응집 침전 공정 등 여러 공정과 연계돼 타 운전 요소의 영향을 받게 되며, 타 공정에 비해 다양한 수리적 제어 방법과 직접 조사가 불가능한 부분 등 구조적인 조건이 미치는 영향이 적지 않기 때문에, 다양한 측면에서 세심한 조사가 필요하고 조사 결과의 평가와 판정에 서도 엄밀함과 균형감이 요구된다.

이중에서도 특히 플록이 형성되는 혼화 응집 공정은 후속 공정인 침전 효율에 큰 영향을 미쳐서 가장 주요한 위치를 차지한다. 침전성이 탁월한 플록을 형성하기 위해서는 원수 특성에 맞는 응집제의 선정과 적정 주입량 주입, 급속 교반 속도 및 희석 주입 방법과 같은 응집제 주입 방식의 최적화가 필요하다.

효율적인 응집, 침전을 위해서는 어느 정도의 어떠한 약품을 어떤 pH 영역에서 가하면 되는지 결정해야 하는데, 이를 위한 실험적 결정 방법이 바로 쟈 테스트(Jar-test)이다.

쟈 테스트는 실제 규모의 정수 처리 공정을 모사하여 혼화 및 응집 조건을 빠르고 경제적으로 결정할 수 있는 장점으로 널리 사용되었으나, 쟈 테스트를 통해 선정된 혼화 조건은 현장보다 좋은 혼화효율이 발생하여 실제 현장 상황을 반영하지 못한다는 점이 약점으로 지적되었다.

따라서, 이하에서 제시되는 본 발명의 실시예들은 쟈 테스트와 같이 정수장의 응집지 내의 혼탁도 내지 오염도를 실시간으로 반영하지 못하는 한계에서 벗어나 직접 응집지의 수중 상태를 지속적으로 모니터링하면서, 모니터링된 수중 영상으로부터 플록의 상태 정도를 분석함으로써 빠르고 정확한 정수 처리 제어를 도모하고자 한다.

이하에서는 도면을 참조하여 본 발명의 실시예들을 구체적으로 설명하도록 한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 덧붙여, 명세서 전체에서, 어떤 구성 요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

특별히 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 2는 본 발명의 실시예들이 제안하는 카메라가 설치된 정수장의 응집지와 응집제 투입 제어에 관한 도면이다.

앞서 간략히 소개한 바와 같이, 본 발명의 실시예들은 응집 반응이 일어나서 형성된 플록을 파괴하지 않고 실시간으로 모니터링하여 플록의 크기, 사이즈별 분포도를 측정하는 장치를 제안하고 있다. 이를 위해, 본 발명의 실시예들은 정수 시설의 응집지(10)에서 수중의 플록을 실시간으로 촬영하는 수중 촬영 장치/카메라(11)를 구비한다.

이렇게 측정된 플록을 기반으로 영상 이미지 분석을 실시하여 플록의 크기, 밀도 및 크기별 분포도를 세분화함으로써, 현장에서 실시간으로 확인된 플록을 기반으로 응집제 주입량을 최적화하게 된다. 따라서, 응집지(10)에서는 결정된 응집제 주입량에 따라 응집제 투입 밸브(13)를 제어함으로써 최적의 응집 반응을 유도할 수 있다.

따라서, 본 발명의 실시예들은 플록을 응집지(10)에서 실시간으로 촬영하는 수중 촬영 장치/카메라(11), 측정된 플록 영상을 분석하는 이미지 처리 장치(미도시), 플록의 특성을 규명하는 제어 기술과 이를 기반으로 약품 주입을 제어하는 제어 수단/응집제 투입 밸브(13)를 포함하는 융합 시스템을 제안한다.

도 3은 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 방법을 도시한 흐름도이다.

S100 단계에서, 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받는다. 앞서 도 2를 통해 소개한 바와 같이 본 발명의 실시예들에서는 카메라와 조명등으로 구성된 촬영 장치 조립체/하우징이 응집지의 물속으로 직접 침투하여 물속에 포함된 플록을 검출하는 것이다. 촬영 장치 조립체가 깊고 어두운 물속으로 직접 침투하게 되면 태양빛이 적게 들어오게 된다. 태양빛이 적게 들어오면 배경은 어둡게 되고 어두운 배경에서는 플록의 검출이 어렵기 때문에 촬영 장치 조립체에 조명을 함께 구성하여 물속에 있는 플록을 비춰주는 역할을 수행하는 것이 바람직하다. 조명은 특정 파장(예를 들어, 붉은색)을 갖는 레이저 조명으로 구성될 수 ㅇ있. 또한 수면과 가까운 물속은 햇빛이 일정부분 투과되기 때문에 밝게 보일 수 있으나, 햇빛보다 강한 광원을 물속에서 조사하면 햇빛이 광원에 의해 상쇄되어서 ㅍ플록을 검출하는데 보다 용이하다. 요약하건대, S100 단계를 통해 입력된 상기 수중 영상은, 상기 응집지의 수중에서 자연광을 상쇄하기 위해 미리 설정된 파장의 레이저 조명의 조사를 통해 촬영될 수 있다.

S200 단계에서, S100 단계를 통해 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득한다. 수중 영상 내에는 크게 물과 플록이 혼재되어 존재하며, 전체 영역 내에서 플록만을 자동화된 계수 방식으로 집계하기 위해 영상 자체를 플록 인식에 적합한 형태로 전처리하는 과정이 요구된다. 통상적으로 자동화된 영상 처리 방식에 활용될 수 있는 다양한 영상 처리 기술이 존재하나, 본 발명의 실시예들에서는 물과 플록 영상의 특성 및 영상이 촬영되는 환경을 고려하여 플록 정보를 추출하기에 가장 적합한 영상 처리 방식을 도출하였다. 따라서, S200 단계에서는 영상 처리의 결과로서 영상의 전체 영역 내에 존재하는 플록 정보를 획득하여 저장한다. 보다 구체적인 영상 처리 방식은 이후 도 4를 통해 설명하도록 한다.

S300 단계에서, 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공한다. 이 과정에서는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출한다. 여기서, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다. 그런 다음, 앞서 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출한다.

예를 들어, 본 발명의 실시예들을 구현한 프로토타입(prototype)에서 사용된 카메라의 FOV는 90×70mm이고, 분해능(Resolution)은 다음의 수학식 1에 의해 산출될 수 있다.

수학식 1에 따른 계산 결과, 프로토타입의 경우 분해능은 90×70 / 1280×1024 = 6300 / 1310720 = 0.0048 (mm/pixel)로 산출된다. 구현된 프로토타입에서 하나의 픽셀의 크기는 4.8um이고, 플록 영상정보 처리 결과 얻은 정보를 보면 가장 큰 플록의 크기는 4.6mm이었고, 플록의 평균 크기는 1.2mm였다. 하나의 영상에 표현되는 플록의 개수는 300~400개이다.

따라서, S300 단계에서는, 이러한 분해능 정보를 이용하여 영상 내에 포함된 플록의 크기, 밀도 및 분포를 수치화하여 산출할 수 있으며, 이렇게 산출된 수치는 이후 응집제 주입을 위한 판단의 근거로서 활용된다.

도 4는 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에서 영상 처리 과정(S200)을 보다 구체적으로 도시한 흐름도이다.

S210 단계에서, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성한다. 그레이 스케일 영상이란 색상 정보 없이 오직 밝기 정보만으로 구성된 영상을 의미하며 흑백 사진처럼 검정색, 회색, 흰색으로 구성되어 있다. 그레이 스케일 영상에서 하나의 픽셀은 '0'부터 '255' 사이의 정수값을 가질 수 있다. 이는 하나의 픽셀을 표현하기 위하여 컴퓨터에서 1 바이트 메모리 공간을 사용하기 때문이다. 픽셀값이 '0'이면 검정색을 나타내는 것이고, '255'이면 흰색을 나타낸다. 그 중간의 값은 검정색과 흰색 사이의 회색을 나타낸다.

S210 단계에서는, 변환된 그레이 스케일 이미지를 히스토그램(histogram)에 표현하는 것이 바람직하다. 히스토그램은 영상 내에서 픽셀들에 대한 명암 값의 분포를 나타낸 것으로, 하나의 영상에서 밝은 점과 어두운 점이 분포하는 경우 그 분포의 범위와 값을 표현한 것이다. 이를 히스토그램 그래프로 표현할 수 있으며, 막대 그래프로 표현되는 히스토그램 그래프의 경우 256-Gray-Level 영상에서 명암 값의 범위는 0~255 값을 가지고 있으며 각 명암 값의 빈도수를 조사하여 그래프의 높이로 나타낸다.

S220 단계에서, S210 단계를 통해 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환한다. 이 과정은 이후 연속하는 S230 단계를 통해 BCG 변환 연산을 보다 용이하게 처리하기 위함이다.

S230 단계에서, 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화(BCG 변환 연산)시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시킨다.

S240 단계에서, 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하고, S250 단계에서, 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거한다. 왜냐하면, 샤프닝 연산 결과 영상이 격자무늬로 갈라지는 경우가 발생하게 되는데 이 경우 영상이 불명확해져 플록 검출에 장애로 작용하기 때문이다.

이제, S260 단계에서, 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장한다.

도 5 내지 도 12는 일련의 영상 처리 과정에 따라 각각의 변환 및 처리 결과를 예시한 도면으로 이하에서는 영상 처리의 순서에 따라 각각을 순차적으로 기술한다.

도 5의 (A)는 수심 2m 깊이에 있는 플록에 대해 30ms의 셔터 스피드로, 증폭 게인 '5'로 설정하여 획득한 플록 영상 이미지이고, 도 5의 (B)는 컬러 이미지를 흑백 이미지로 변환하는 그레이 스케일 변환 연산의 결과를 예시하였다.

한편, 명암 값의 분포가 한쪽으로 치우치거나 균일하지 못한 영상은 히스토그램 평활화를 통해 명암 값의 분포를 균일화함으로써 영상이 향상될 수 있다. 히스토그램 평활화의 궁극적인 목적은 일정한 분포를 가진 히스토그램을 생성하는 것으로, 평활화를 수행한 히스토그램은 보다 균일한 분포를 갖게 된다. 다시 말해 한곳에 집중되어 있는 명암 값을 분산시켜서 명암 값이 균일한 분포를 갖도록 하는 것이다. 이와 같은 방법으로 얻어지는 결과는 어두운 영상은 밝아지고 너무 밝은 영상은 상대적으로 조금 어두워져 적절한 명도 값을 유지하게 된다. 그러므로 히스토그램 평활화는 영상이 어두운 영역에서 세밀한 부분을 가질 경우 효과적으로 수행된다. 즉 변환 후의 명도 값 분포를 수정함으로써 영상 전체적인 콘트라스트 밸런스가 좋게 개선된다. 본 발명의 실시예들에서 최초에 획득된 수중 영상은 촬영 환경이 통상적인 주광 영상에 비해 영상의 명도에 치우침이 강하거나 영상 자체의 품질이 열악하므로, 이러한 히스토그램 평활화를 통해 플록 검출 성능을 보다 향상시킬 수 있다.

요약하건대, 본 발명의 실시예들이 채택하고 있는 흑백 영상 생성 과정에 있어서, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화하는 것이 바람직하다.

구현의 관점에서, 히스토그램을 산출한다는 의미는 하나의 이미지 내에 존재하는 명도 값을 계수(count)하는 것이다. 예를 들어, 명도 값이 256-Gray-Level 영상에서 명도 값 '0'이 몇 개인지, 명도 값 '100'이 몇 개인지 등과 같이 각 명도 값의 빈도수를 조사하는 것이다. 다음으로, 축적 히스토그램이라는 표현은 앞서 산출한 명암 값의 빈도수를 계속 가산하여 축적하는 것을 의미한다. 예를 들어, 명도 값 '1'에서의 축적 히스토그램은 명도 값 '0'의 빈도수와 명도 값 '1'의 빈도수를 더한 값이 된다. 마찬가지로 명도 값 '255'에서의 축적 히스토그램은 명도값 '0', '1', '2', ..., '255'까지의 빈도 수를 모두 더한 값이 된다.

도 6은 흑백 이미지로 변환된 도 5의 (B) 영상을 리버스(reverse) 연산을 통해 변화시킨 결과(C) 및 스퀘어(square) 연산을 이용하여 변화시킨 결과(D)를 예시한 도면이다. 앞서 설명한 바와 같이, 영상 변환의 이유는 후속 연산인 BCG 연산을 보다 용이하게 하기 위함이다.

도 7은 BCG 변환(transform)된 결과(E) 및 구체적인 항목의 변화값(F)을 예시한 도면이다. BCG 변환은 밝기(brightness), 대비(contrast) 및 감마(gamma) 값의 변화를 주어 영상 내의 플록을 소프트웨어에서 인식하기 쉽게 변형한다. BCG 변환 연산을 통하여 플록의 형태와 배경을 구별할 수 있는 단계까지 밝기와 명암을 조절한다. 도 6 및 도 7을 참조하면 BCG 변환을 하기 전과 후의 이미지에서 배경과 플록의 구분이 더 선명해진 것을 확인할 수 있다.

도 8의 (G)는 BCG 연산으로 변환된 이미지에 샤프닝 연산을 수행하여 플록과 배경 사이를 명확하게 구분한 결과를 예시한 것이고, 도 8의 (H)는 샤프닝 연산을 수행한 결과 영상이 격자 무늬로 갈라져서 영상이 선명하지 못하다는 문제점이 해소하고자 스무딩(smoothing) 연산을 수행한 결과를 예시한 도면이다.

도 9는 이진화 연산 결과를 예시한 도면으로서, 설정된 이진화 임계값에 따라 플록으로 집계되는 영상점이 달라질 수 있으며, 또한 영상 내에 미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 과정을 더 포함할 수 있다. 이러한 이진화 연산을 통해 샤프닝 영상에서 볼 수 있었던 플록들을 모두 검출하여 저장하게 된다.

물체와 배경을 분리하는 핵식적인 수단으로서 활용된 이진화 연산은, 픽셀의 명도 값이 미리 설정된 임계값보다 작으면 화소값을 '0'으로 크면 '1'로 만드는 과정이다. 이때 가장 중요한 것이 임계값의 선택 문제로서, 본 발명의 구현된 프로토타입에서는 그 일례로 히스토그램을 사용하는 방식을 채택하였다.

예를 들어, 이진화를 해야 하는 영상의 히스토그램이 도 10과 같다고 가정하면, 영상은 밝은 배경에 어두운 물체를 포함하고 있다고 볼 수 있으며, 영상 내의 어두운 픽셀은 히스토그램에서 왼쪽의 피크에 해당할 것이다. 마찬가지로 히스토그램에서 오른쪽의 피크는 배경의 밝은 픽셀에 의해 생성된 것을 의미한다. 따라서 두 개의 피크 중간의 가장 낮은 명도를 임계값으로 설정하게 되면 물체와 배경을 적절히 분리할 수 있다. 즉, 본 발명의 실시예들의 영상 처리 과정에서 활용하고 있는 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택하는 것이 바람직하다.

구현의 관점에서, 영상을 그레이 스케일로 변환 후 물의 그레이 스케일 값과 플록의 그레이스케일 값을 추출해내고 히스토그램으로 표현을 한 후, 플록의 정보를 찾아내서 실시간으로 수치를 배열에 저장할 수 있다. 일정 시간 동안 수집된 정보를 토대로 전체 픽셀값에서 해당 범위의 색깔이 있는 픽셀값을 계산하면 플록의 밀도를 파악할 수 있다.

도 11 및 도 12는 본 발명의 실시예들에 따른 정수 처리 제어 방법의 영상 처리 과정을 구현한 프로토타입에서 메인 프론트 패널과 추출된 플록 정보를 예시한 도면이다. 도 11을 참조하면, 식별된 플록이 계수되고 있으며, 도 12에 도시된 바와 같이, 플록 정보 내에 플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값이 포함되어 저장되고 있음을 확인할 수 있다.

한편, 도 13은 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에 연속하여 응집지의 조절 수단을 제어하는 방법을 도시한 흐름도이다.

S400 단계에서, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장한다. 이러한 과정은 앞서 기술된 S100 내지 S300 단계와 무관하게 사전에 또는 병행하여 수행될 수 있다. 이 과정을 통해 미리 저장되는 혼화 및 응집 조건들은 정수 처리 공정의 운용을 통해 경험적으로 축적된 제어 파라미터의 조합으로서 데이터베이스 내지 테이블의 형태로 저장될 수 있다.

S500 단계에서, 상기 S400 단계를 통해 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성한다. 앞서 S300 단계를 통해 실시간 수중 영상 분석을 통해 현재 응집지에 저장된 원수 내의 플록의 상태가 실험실 환경과는 다르게 정확하게 획득되었으므로, 이를 기반으로 응집지의 제어 조건들을 결정할 수 있다. 예를 들어, 투입되어야 하는 최적의 응집제의 양이나 응집제의 투입에 따라 플록을 성장시키기 위한 교반기의 최적의 속도를 실시간으로 결정하는 것이 가능하다.

마지막으로, S600 단계에서, S500 단계를 통해 생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시킨다. 이러한 제어 방식에 따라 종래의 쟈 테스트를 비롯한 분리된 실험 환경과는 다르게 응집지의 실제 상태에 기반을 둔 정수 처리의 제어가 가능하게 된다.

도 14는 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 장치를 도시한 블록도로서, 도 3 및 도 4의 일련의 처리 과정을 장치 구성의 관점에서 재구성한 것이다. 따라서, 여기서는 설명의 중복을 피하기 위해 각 구성별 기능을 약술하도록 한다.

입력부(21)는, 정수장의 응집지에서 수중 카메라(11)를 통해 실시간으로 촬영한 수중 영상을 입력받는다. 이후의 영상 처리를 위해, 만약 입력되는 수중 영상이 아날로그 영상인 경우 디지털 영상으로 변환하는 것이 바람직하다.

프로세서(25)는, 수중 영상에 대한 영상 처리 알고리즘을 구성하는 일련의 명령어를 로드(load)하여 상기 수중 영상을 순차적으로 처리함으로써 원수 내의 플록 정보를 분석하고, 이후 응집지에 구비된 제어 객체(13, 15)에 대한 제어 방식을 결정한다. 이를 위해 프로세서(25)는, 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하고, 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공한다.

보다 구체적으로서, 상기 프로세서(25)는, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하고, 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하고, 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키고, 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하고, 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하며, 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장함으로써, 플록 정보를 획득할 수 있다.

또한, 상기 프로세서(25)는, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화할 수 있다. 나아가, 상기 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택할 수 있다.

또한, 상기 프로세서(25)는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하고, 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출함으로써, 상기 응집제 주입을 위한 판단 기준을 제공할 수 있다. 이때, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다.

또한, 상기 프로세서(25)는, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 저장부(23)에 미리 저장하고, 상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하며, 생성된 상기 제어 신호에 따라 응집제 주입량(13)과 혼화기의 교반 속도(15)를 제어함으로써 플록을 성장시킬 수 있다.

이상에서 본 발명의 실시예들이 제안하고 있는 실시간 수중 영상 분석을 통한 정수 처리 제어 장치 및 방법을 제안하였다. 국내의 많은 정수장에서는 응집제 주입량의 최적 조건을 계산하기 위해 대체적으로 쟈 테스트(Jar-test) 장치나 iPDA 장치를 사용하고 있다. 쟈 테스트 장치는 정수 처리 공정을 모사하여 혼화와 응집조건을 시뮬레이션한 뒤 최적 응집제 주입량과 혼화 조건을 간접적으로 산출하는 방법이다. 다른 장치인 iPDA 장치는 응집지 내의 물이 iPDA 장치의 관내를 흐르는 동안에 생기는 투과광의 세기가 평균값을 중심으로 변화하는 것을 이용하여 빛의 세기를 전기적인 신호로 변환한 뒤 결과 값을 나타내주는 장치이다. 따라서, 종래에 사용되던 상기 장치들은 실시간으로 응집제 주입량을 계산할 수 없고, 분석 과정 중 플록이 파괴되어 분석의 정확도가 떨어진다는 단점이 꾸준히 지적되었다.

본 발명의 실시예들에 따르면, 직접적으로 응집지에 침투하여 플록의 영상 정보를 획득하기 때문에 플록을 취수하는 과정 중 발생하는 플록의 파괴 등이 발생하지 않으며, 실험실에서 모의 시뮬레이션을 거치지 않고 현장에서 실시간으로 플록의 정보를 분석하고 응집제 주입량의 최적 조건을 계산할 수 있다. 이러한 실시간 영상 분석에 기반을 둔 정수 처리 제어 기술은 응집 공정에서 중요한 교반 속도 및 강도와 응집제 주입량의 효율적인 제어를 가능하게 하며 실시간 데이터에 의한 시스템 관리를 통해 보다 안정적인 제어 시스템을 구축할 수 있다. 또한 영상 처리 알고리즘을 적용하여 최적 제어 설계를 통한 약품 주입량 계산의 효율을 향상시킬 수 있다.

한편, 본 발명은 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.

이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

10: 정수장의 응집지 11: 수중 카메라
13: 응집제 주입 장치 15: 혼화기
20: 정수 처리 제어 장치 21: 입력부
23: 저장부 25: 프로세서

Claims (10)

1. 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받는 단계;
   입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하는 단계; 및
   수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공하는 단계를 포함하고,
   상기 플록 정보를 획득하는 단계는,
   입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하는 단계;
   생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하는 단계;
   밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키는 단계;
   샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하는 단계;
   스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하는 단계; 및
   이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장하는 단계를 포함하는 정수 처리 제어 방법.
2. 삭제
3. 제 1 항에 있어서,
   상기 흑백 영상을 생성하는 단계는,
   그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화하는 것을 특징으로 하는 정수 처리 제어 방법.
4. 제 1 항에 있어서,
   상기 이진화 연산은,
   영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택하는 것을 특징으로 하는 정수 처리 제어 방법.
5. 제 1 항에 있어서,
   상기 플록 정보를 획득하는 단계는,
   미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 단계를 더 포함하는 정수 처리 제어 방법.
6. 제 1 항에 있어서,
   상기 플록 정보는,
   플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값을 포함하는 것을 특징으로 하는 정수 처리 제어 방법.
7. 제 1 항에 있어서,
   상기 응집제 주입을 위한 판단 기준을 제공하는 단계는,
   수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하는 단계; 및
   산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출하는 단계를 포함하는 정수 처리 제어 방법.
8. 제 7 항에 있어서,
   상기 수중 영상의 분해능 정보는,
   수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출되는 것을 특징으로 하는 정수 처리 제어 방법.
9. 제 1 항에 있어서,
   정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장하는 단계;
   상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하는 단계; 및
   생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시키는 단계를 더 포함하는 정수 처리 제어 방법.
10. 제 1 항에 있어서,
    입력된 상기 수중 영상은,
    상기 응집지의 수중에서 자연광을 상쇄하기 위해 미리 설정된 파장의 레이저 조명의 조사를 통해 촬영된 것을 특징으로 하는 정수 처리 제어 방법.

Images