TWI573099B - 區域性水位監測方法 - Google Patents

Description

區域性水位監測方法

本發明係關於一種區域性水位監測方法，尤其是一種可根據雲層的質心位置而進行區域性水位監測的方法。

受到全球暖化與氣候變遷的影響，天氣變化的劇烈程度逐年加重，短時間內降下極端暴雨的情況更是屢見不鮮，即使是擁有完善排水設施的都市，在遭逢極端暴雨的無情肆虐時，亦難以避免因洩洪不及而導致淹水的窘境。

為了降低水患造成的損失，即時的水位監測與預警是最有效的防範措施。在習知的水位監測方法中，通常透過一監視鏡頭拍攝一河床或一地面以產生一環境影像，再由監測中心監看該環境影像，以判斷該環境影像中的河床水位是否高漲，或者該環境影像中的地面是否積水，並據以決定是否發出水患預警。

一般而言，天氣的晴雨與雲層的薄厚息息相關，顯而易見的，厚實雲層的籠罩之處，往往也是極端暴雨的集中之地。在習知水位監測方法未能考量雲層位置的情況下，該水位監測方法必須啟動設置於每一個地區的監視鏡頭，並將為數龐大的環境影像回傳至該監測中心，再由監測中心監看大量環境影像，此舉不僅造成傳輸資源的浪費，更會使得監測中心無法集中監測可能淹水的區域，因此，習知水位監測方法具有資源利用率不佳及水位監測成效不佳等問題。

有鑑於此，本發明提供一種區域性水位監測方法，以解決習 知水位監測方法之資源利用率不佳及水位監測成效不佳等問題。

本發明之目的係提供一種區域性水位監測方法，該區域性水位監測方法可根據雲層的質心位置而啟動監視鏡頭，具有提升資源利用率及水位監測成效等效果。

本發明全文所述之「電性連接」，係指二裝置之間藉由有線實體、無線媒介或其組合(例如：異質網路)等方式，而使二裝置間具有訊號或電力傳遞之連接關係。

本發明全文所述之「氣象雲圖」，係指由設置於高空的氣象衛星朝地面拍攝而成的衛星雲圖，或由地面設置之都卜勒雷達產生之雷達回波圖，其中，根據拍攝的方式不同，氣象雲圖又可分為紅外線衛星雲圖、可見光衛星雲圖及雷達回波圖等。

本發明全文所述之「灰階顏色值」，係指用以代表一像素點之灰階代表顏色的數值，一般而言，該灰階顏色值的範圍為0~255。

本發明全文所述之「機率分布」(probability distribution)，係指一影像中所有像素之色階範圍機率分布，亦即該影像各像素所屬色階之分布情形，例如：一灰階影像之色階範圍為0~255(即256個色階)，則其機率分布包含以下資訊：色階為0之像素數目、色階為1之像素數目、色階為2之像素數目……以及色階為255之像素數目，係本發明所屬技術領域中具有通常知識者可以理解。

為達到前述發明目的，本發明之區域性水位監測方法，係由一圖像處理器及一影像擷取模組執行以下步驟：一雲圖處理步驟，該圖像處理器係於一氣象雲圖中選取一運算範圍，並對該運算範圍執行一量化處理，以得到該運算範圍所包含之數個像素點的顏色值，並於該運算範圍中，將顏色值位於一門檻值範圍內之該數個像素點視為數個運算點，且該數個 運算點依一平面座標而分別具有一代表位置；一質心運算步驟，該圖像處理器係將該數個運算點之代表位置與顏色值代入一質心運算公式，以計算出一質心位置；一監視鏡頭啟動步驟，該影像擷取模組係讀取該質心位置，並判斷一監視鏡頭在該運算範圍內的設置位置與該質心位置是否符合一啟動選取條件，並在符合該啟動選取條件時，啟動該監視鏡頭拍攝並產生一環境影像；一影像處理步驟，該圖像處理器係讀取該環境影像，並對該環境影像進行一灰階運算，以將該環境影像之色階平均分布於一灰階色階範圍之最大值與最小值之間；及一水位估算步驟，該圖像處理器係針對該環境影像套用一梯度運算子邊緣搜尋法，計算該環境影像各像素之影像梯度及影像邊界值，且依據該影像邊界值推算一邊界投影值，以估算至少一邊界位置，再依據該邊界位置判定一水面位置，並依據該環境影像之像素所代表之實際尺寸計算出該水面位置所代表之水位高度。藉此，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

其中，在該監視鏡頭啟動步驟中，該啟動選取條件係為該監視鏡頭的設置位置與該質心位置之間的距離小於一設定距離。藉此，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

其中，該運算範圍係區分為數個監測區域，在該監視鏡頭啟動步驟中，該啟動選取條件係為該監視鏡頭的設置位置與該質心位置位於該數個監測區域之中的同一個。藉此，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

其中，在執行該監視鏡頭啟動步驟後，另執行一延伸啟動步驟，該延伸啟動步驟係將該質心位置所在之該監測區域視為一基準區域， 並將鄰接該基準區域之數個監測區域視為數個延伸區域，再啟動設置於該數個延伸區域內的至少一個該監視鏡頭拍攝並產生該環境影像。藉此，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

其中，在該質心運算步驟中，該質心運算公式為： 其中，C_a為該質心位置在該平面座標之A軸上的代表位置；C_b為該質心位置在該平面座標之B軸上的代表位置；n為該運算範圍之運算點在該平面座標之A軸及B軸之最大代表位置，且n為整數；a為該平面座標之A軸上的座標值；b為該平面座標之B軸上的座標值；m_ab為代表位置在(a,b)座標處的運算點的顏色值。藉此，可依雲層的厚度分布而計算出該運算範圍之雲層的質心位置，具有準確計算雲層代表位置的效果。

其中，在執行該影像處理步驟後，該圖像處理器係判斷該監視鏡頭之視角與地平線之夾角是否等於零，若是，則接續執行該水位估算步驟；若否，則在執行該水位估算步驟前先執行一影像校正步驟，在該影像校正步驟中，該圖像處理器係依該監視鏡頭之視角與地平線之夾角對該環境影像進行水平旋轉校正。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

其中，在該水位估算步驟中，該梯度運算子邊緣搜尋法如下式所示： 其中，G代表影像梯度，E代表影像邊界值，f(x,y)係為該環境影像之像素座標值為(x,y)時之灰階值，G_x代表該環境影像水平方向之梯度值，G_y代表該環境影像垂直方向之梯度值，ε為一閾值。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

其中，在該水位估算步驟中，推算該邊界投影值及估算該邊界位置的方法如下式所示： 其中，(x,y)代表該環境影像之像素座標值，I(y)代表該環境影像中一水平高度之邊界投影值，當該邊界投影值超過一標準值時，該水平高度座標即被設定為一邊界位置H。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

其中，判定該水面位置之方法係為將該至少一邊界位置視為該水面位置。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

其中，判定該水面位置之方法係取該至少一邊界位置中，隨時間變動之邊界位置，作為該水面位置。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

〔本發明〕

1‧‧‧圖像處理器

2‧‧‧影像擷取模組

21‧‧‧監視鏡頭

22‧‧‧運算伺服器

L‧‧‧地平線

V‧‧‧視角

S1‧‧‧雲圖處理步驟

S2‧‧‧質心運算步驟

S3‧‧‧監視鏡頭啟動步驟

S31‧‧‧延伸啟動步驟

S4‧‧‧影像處理步驟

S41‧‧‧影像校正步驟

S5‧‧‧水位估算步驟

第1圖：本發明區域性水位監測方法之實施架構圖。

第2圖：本發明區域性水位監測方法之步驟流程圖。

第3圖：本發明區域性水位監測方法之實施裝置架設示意圖。

為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下：請參閱第1圖所示，其係本發明之區域性水位監測方法較佳實施例之系統架構圖。該系統架構包含一圖像處理器1及一影像擷取模組2，該影像擷取模組2電性連接該圖像處理器1。

該圖像處理器1可為一電腦或任何運算處理器，並可上網擷取影像資料或執行一軟體或程式，以進行運算統計等操作。

該影像擷取模組2具有至少一監視鏡頭21，該至少一監視鏡頭21可為監視攝影機、網路攝影機或夜間紅外線攝影機等，該至少一監視鏡頭21係可拍攝取得一環境影像，該環境影像可為彩色或灰階影像，該環境影像包含數個像素點，各像素點具有一顏色值，該顏色值可表示的數值範圍為該影像的色階範圍。其中，當該監視鏡頭21的數量為數個時，該數個監視鏡頭21較佳具有不同的設置位置，以利拍攝不同地區並產生數個環境影像。且該環境影像可為一個地區或多個地區的影像，亦可為彩色影像或灰階影像，亦可為不連續的單一影像或連續的多個影像，在此並不設限。藉此，該圖像處理器1可接收由該至少一監視鏡頭21拍攝產生之該環境影像，並據以執行本發明區域性水位監測方法較佳實施例所揭示的運作流程，進而監測該至少一監視鏡頭21所處地區之積水或淹水的水位高度。

此外，該影像擷取模組2較佳另具有一運算伺服器22，該運算伺服器22電性連接於該圖像處理器1及該至少一監視鏡頭21之間，該運算伺服器22可接收或傳輸由該圖像處理器1或該至少一監視鏡頭21所產生的任何資料，且可進行運算統計以啟動該至少一監視鏡頭21。藉此，可避免該圖像處理器1因執行過多的運算處理而降低效率，具有提升整體運算效率的效果。

請參照第2圖所示，本發明區域性水位監測方法係包含一雲 圖處理步驟S1、一質心運算步驟S2、一監視鏡頭啟動步驟S3、一影像處理步驟S4及一水位估算步驟S5。

該雲圖處理步驟S1，由該圖像處理器1於一氣象雲圖中選取一運算範圍，並對該運算範圍執行一量化處理，以得到該運算範圍所包含之數個像素點的顏色值，並於該運算範圍中，將顏色值位於一門檻值範圍內之該數個像素點視為數個運算點，且該數個運算點依一平面座標而分別具有一代表位置。

更詳言之，該圖像處理器1可由中央氣象局或相關網站下載該氣象雲圖，並於該氣象雲圖中選取欲進行雲層代表位置判斷的該運算範圍，該運算範圍的選取方式可依使用者的需求而任意選擇，或者由該圖像處理器1依歷史資料或預定排程進行選取，舉例而言，若該氣象雲圖所涵蓋的地理範圍包含台灣及其周圍的海域，該圖像處理器1可僅選取台灣整體作為該運算範圍，或者選擇台灣之任一行政區作為該運算範圍，且該運算範圍較佳應為該氣象雲圖中具有雲層分布之位置。其中，該氣象雲圖的種類在此並不設限，任何可呈現雲層厚度差異之氣象雲圖均可適用，在本實施例中，該氣象雲圖係為一雷達回波圖。又，該氣象雲圖通常係以一經緯度座標表示，為降低後續步驟的處理複雜度，該圖像處理器1由該氣象雲圖中選取該運算範圍後，另以一平面座標表現該運算範圍之影像，該平面座標可包含一A軸及一B軸，使該運算範圍之數個像素點可位於該平面座標中，且各像素點可依自身的代表位置而具有一座標值(a,b)。

又，在該量化處理中，該圖像處理器1選取該運算範圍之影像後，可透過一量化處理軟體以分析該運算範圍之數個像素點所對應的數個顏色值。其中，該量化處理軟體對該運算範圍進行色彩量化處理時，量化後的顏色值可由三原色(紅、綠、藍)表示，或者由灰階顏色表示，在此並不設限。為降低後續步驟的處理複雜度，在本實施例中，該量化處理 係先將該運算範圍之影像轉換為灰階影像，並以灰階顏色值作為該運算範圍所包含之數個像素點的顏色值。藉此，由於雲層的厚度差異在氣象雲圖中會具有不同的表現顏色，因此該量化處理可將該運算範圍中之像素點的顏色量化為對應的數值，使數個像素點因顏色不同而分別具有不同的該顏色值，具有提升後續雲層厚度之判斷準確性的效果。

又，由於雲層的厚度差異在氣象雲圖中會具有不同的表現顏色，且雲層與地面在氣象雲圖中亦會具有不同的表現顏色，因此，當該運算範圍執行該量化處理後，該運算範圍之數個像素點可因顏色的不同而具有不同的顏色值，接著，為了判斷該運算範圍的雲層厚度，該圖像處理器1可設定該門檻值範圍，且該門檻值範圍可為該雲層在一定厚度以上所呈現的顏色值範圍，藉由該門檻值範圍的設置，可將具有一定厚度的雲層之該數個像素點視為數個運算點，進而提升後續雲層位置判斷的準確性。在本實施例中，該門檻值範圍可為一灰階顏色門檻值範圍，且該灰階顏色門檻值範圍可根據實際需求而調整，在此並不設限。例如該運算範圍在灰階影像中，較接近白色的像素點可視為雲層，該門檻值範圍之灰階顏色可設定於白色與淺灰色之間，在本實施例中，該門檻值範圍的最低值應大於75，例如該門檻值範圍為75至255之間；同理，若該運算範圍在灰階影像中有經過色彩反置處理，並使較接近黑色的像素點可視為雲層時，該門檻值範圍之灰階顏色可設定於黑色與深灰色之間，其係本領域技術人能能輕易理解，於此不再贅述。

再者，由於該運算範圍係以具有A軸及B軸的該平面座標表示，因此，該運算範圍的數個運算點在該平面座標中可分別具有該代表位置，且該數個運算點的該代表位置可表示為該座標值(a,b)。

該質心運算步驟S2，由該圖像處理器1將該數個運算點之代表位置與顏色值代入一質心運算公式，以計算出一質心位置。

更詳言之，由於雲層在該運算範圍內的不同位置通常具有不同的厚度，且該雲層會根據厚度分布狀況而具有該質心位置，由於該質心位置通常是影響天氣最劇之處，因此該質心位置可視為該雲層的代表位置。又，當該氣象雲圖經過該雲圖處理步驟S1後，該運算範圍之該數個運算點皆分別具有代表位置及顏色值，其中，由於該顏色值可代表雲層厚度，因此，當該數個運算點被代入該質心運算公式時，即可依雲層的厚度分布而計算出該運算範圍之雲層的質心位置，並以該質心位置作為該運算範圍之該雲層代表位置，具有準確計算雲層代表位置的效果。在本實施例中，該質心運算公式如下所示：

其中，C_a為該質心位置在該平面座標之A軸上的代表位置；C_b為該質心位置在該平面座標之B軸上的代表位置；n為該運算範圍之運算點在該平面座標之A軸及B軸之最大代表位置，且n為整數；a為該平面座標之A軸上的座標值；b為該平面座標之B軸上的座標值；m_ab為代表位置在(a,b)座標處的運算點的顏色值。

該監視鏡頭啟動步驟S3，由該影像擷取模組2讀取該質心位置，並判斷該監視鏡頭21在該運算範圍內的設置位置與該質心位置是否符合一啟動選取條件，並在符合該啟動選取條件時，啟動該監視鏡頭21拍攝並產生一環境影像。

更詳言之，由於該運算範圍係以具有A軸及B軸的該平面 座標表示，因此，一個或多個之該監視鏡頭21在該運算範圍內的設置位置亦可在該平面座標中具有代表位置，且一個或多個之該監視鏡頭21的該代表位置亦可表示為該座標值(a,b)，上述資訊皆可預先儲存於該影像擷取模組2之該運算伺服器22中，以供該運算伺服器22執行該監視鏡頭啟動步驟S3。

舉例而言，在該監視鏡頭啟動步驟S3中，該啟動選取條件係為該監視鏡頭21的設置位置與該質心位置之間的距離小於一設定距離。藉此，該影像擷取模組2可透過該運算伺服器22計算該監視鏡頭21的設置位置與該質心位置在該平面座標的距離，並僅啟動鄰近雲層的質心位置之該監視鏡頭21以進行拍攝並產生該環境影像，如此一來，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

或者，該運算範圍係區分為數個監測區域，在該監視鏡頭啟動步驟S3中，該啟動選取條件係為該監視鏡頭21的設置位置與該質心位置位於該數個監測區域之中的同一個。其中，該運算範圍係區分為數個監測區域的相關內容，可預先儲存在該運算伺服器22內，當雲層的質心位置落於其中一個該監測區域時，該運算伺服器22即可啟動同一個該監測區域內之一個或多個之該監視鏡頭21，如此一來，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

再者，在執行該監視鏡頭啟動步驟S3後，本發明可另執行一延伸啟動步驟S31，該延伸啟動步驟S31係將該質心位置所在之該監測區域視為一基準區域，並將鄰接該基準區域之數個監測區域視為數個延伸區域，再啟動設置於該數個延伸區域內的至少一個該監視鏡頭21拍攝並產生該環境影像。藉此，當雲層的質心位置落於其中一個該監測區域時，該 運算伺服器22不僅可啟動同一個該監測區域(基準區域)內之一個或多個之該監視鏡頭21，更可啟動相鄰之該監測區域(延伸區域)內之一個或多個之該監視鏡頭21，如此一來，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效等效果。

該影像處理步驟S4，由該圖像處理器1讀取該環境影像，並對該環境影像進行一灰階運算，以將該環境影像之色階平均分布於一灰階色階範圍之最大值與最小值之間。

更詳言之，該圖像處理器1可先對該環境影像進行灰階轉換，再對該環境影像進行影像強化處理，在影像強化處理中，主要係將該環境影像的色階範圍機率分佈，平均轉換至0~255，藉以強化該環境影像於灰階色階內之對比值。例如，若該環境影像之機率分布區域位於25~155之間，係屬於畫面偏暗之情形，經由該影像處理步驟S4可將其機率分佈區域調整為0~255，以利後續步驟對其細節進行判讀。由於該監視鏡頭21所拍攝之環境影像的畫面品質十分容易受到天候、時間等因素的影響，導致影像模糊、生成雜訊、整體色調過亮或過暗，因此經由該影像處理步驟S4進行影像強化處理後，較能精確觀察觀察細部變化。

本發明在執行該影像處理步驟S4後，該圖像處理器1係判斷該監視鏡頭21之視角與地平線之夾角是否等於零，若是，則接續執行該水位估算步驟S5；若否，則在執行該水位估算步驟S5前先執行一影像校正步驟S41，在該影像校正步驟S41中，該圖像處理器1係依該監視鏡頭21之視角與地平線之夾角對該環境影像進行水平旋轉校正。

更詳言之，由於該至少一監視鏡頭21的視角通常不是水平直視著待偵測物，故需要校正待偵測物成水平，以方便偵測淹水深度。請參照第3圖所示，該至少一監視鏡頭21皆設置於一固定位置運作，因此該 圖像處理器1中針對任一監視鏡頭21皆已預設一水平校正角度θ，該水平校正角度θ係為該監視鏡頭21之視角V與一地平線L之夾角，利用該水平校正角度θ可分別對來自每一監視鏡頭21之影像進行水平校正，該水平校正方式如下式(2)所示：x'=xcos(θ)+ysin(θ),y'=-xsin(θ)+ycos(θ) (3)

其中，(x,y)為該環境影像之像素座標值，(x’,y’)為水平校正後之環境影像之像素座標值。

又，該水平校正係可選擇性執行，例如當一監視鏡頭21水平直視待偵測物時，其環境影像即可視為一水平影像，該圖像處理器1中係預設該水平校正角度θ等於零，即省略該水平校正處理。其中，在該環境影像中，該地平線L所處之實際高度為H_t(cm)，而該地平線L之水平高度座標值為H₀，亦即該地平線L位於該環境影像中垂直位置之第H₀像素，且0≦H₀<N。

再者，在執行該影像校正步驟S41後，亦可另執行一濾波步驟，該濾波步驟可針對該環境影像進行濾波處理，主要原理是利用一遮罩對該環境影像進行偵測比對，該遮罩為一習知中位數濾波器(median filter)遮罩，且該遮罩大小較佳為1×(M/2)，M/2即為該環境影像之寬度的一半，該環境影像之像素會被該遮罩內的中間值所取代。藉此，可降低該環境影像之雜訊，且由於水位通常僅水平上升或下降運動，因此該濾波處理過程不會濾掉水位資訊成分，經由該濾波處理之環境影像能夠更有效率地估計水位高度。

該水位估算步驟S5，由該圖像處理器1針對該環境影像套用一梯度運算子邊緣搜尋法，計算該環境影像各像素之影像梯度及影像邊界值，且依據該影像邊界值推算一邊界投影值，以估算至少一邊界位置， 再依據該邊界位置判定一水面位置，並依據該環境影像之像素所代表之實際尺寸計算出該水面位置所代表之水位高度。

更詳言之，在該梯度運算子邊緣搜尋法中，主要原理係計算該環境影像中各像素之影像梯度(gradient)值G，並依據該影像梯度值G計算各該像素之影像邊界值E。該影像邊界值E為1或0，分別代表一像素為一邊界或並非一邊界。該影像梯度值G與影像邊界值E之計算方法如下所示：

其中，G代表影像梯度，E代表影像邊界值，f(x,y)係為該環境影像之像素座標值為(x,y)時之灰階值，G_x代表該環境影像水平方向之梯度值，G_y代表該環境影像垂直方向之梯度值，ε為一閾值。該閾值較佳使用Canny邊緣檢測算子(Canny edge detector)求得。

在該水位估算步驟S5中，推算該邊界投影值及估算該邊界位置的方法如下式所示：

其中，由於(x,y)為該環境影像之像素座標值，因此y為該環境影像之一水平高度座標， E(x,y)為該水平高度座標y之所有影像邊 界值E的和，即為該環境影像於該水平高度座標y之邊界投影值I(y)。當該邊界投影值I(y)超過一標準值時，該水平高度座標y即被設定為一邊界位置H，在本實施例當中，該標準值較佳為該環境影像之寬度的二分之一(M/2)。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

又，若該環境影像於該水位估算步驟S5僅產生一邊界位置HH，則該圖像處理器1直接設定該邊界位置H為一水面位置。然而，該環境影像中除了水面外，尚可能有其它標的物被判定為邊界位置H，例如經過之路人、車輛或其它遮蔽物體等，導致該水位估算步驟S5所產生之邊界位置H的數量超過一個。因此為求更精準地估算水位，該水位估算步驟S5可針對複數個邊界位置H進行分析比較，主要原理係比較該圖像處理器1於不同時間所接收之環境影像，該不同時間所接收之環境影像經執行該水位估算步驟S5後，係分別產生複數個邊界位置H，由於淹水時水位通常會隨時間上升或消退，因此水面在各該環境影像中應屬一變動之邊界位置H，藉由比較該複數個邊界位置H，可排除維持於固定高度之邊界位置H，僅保存隨時間變動之邊界位置H，並設定為一水面位置。藉此，具有準確計算出該水面位置所代表之水位高度的效果。

又，在該水位估算步驟S5中，該水位高度較佳係以該水面位置所代表之實際高度表示。例如當該圖像處理器1判定出一邊界位置H為一水面位置時，該圖像處理器1係將該水面位置與該地平線L之水平高度座標值H₀進行比較運算，並依據該地平線L所處之實際高度為H_t(cm)與該影像比例尺△H(cm/pixel)，計算出該水面位置所代表之實際高度，亦即該監視鏡頭21所拍攝地區之積淹水水位高度為H_t+(H-H₀)×△H(cm)。

綜上所述，本發明之區域性水位監測方法可根據雲層的質心位置而啟動監視鏡頭，不僅可減少不必要之該環境影像的數量，更可針對具有較高淹水機率的區域進行監測，具有提升資源利用率及水位監測成效 等效果。

雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

1‧‧‧圖像處理器

2‧‧‧影像擷取模組

21‧‧‧監視鏡頭

22‧‧‧運算伺服器

Claims (10)

1. 一種區域性水位監測方法，係由一圖像處理器及一影像擷取模組執行以下步驟：一雲圖處理步驟，該圖像處理器係於一氣象雲圖中選取一運算範圍，並對該運算範圍執行一量化處理，以得到該運算範圍所包含之數個像素點的顏色值，並於該運算範圍中，將顏色值位於一門檻值範圍內之該數個像素點視為數個運算點，且該數個運算點依一平面座標而分別具有一代表位置；一質心運算步驟，該圖像處理器係將該數個運算點之代表位置與顏色值代入一質心運算公式，以計算出一質心位置；一監視鏡頭啟動步驟，該影像擷取模組係讀取該質心位置，並判斷一監視鏡頭在該運算範圍內的設置位置與該質心位置是否符合一啟動選取條件，並在符合該啟動選取條件時，啟動該監視鏡頭拍攝並產生一環境影像；一影像處理步驟，該圖像處理器係讀取該環境影像，並對該環境影像進行一灰階運算，以將該環境影像之色階平均分布於一灰階色階範圍之最大值與最小值之間；及一水位估算步驟，該圖像處理器係針對該環境影像套用一梯度運算子邊緣搜尋法，計算該環境影像各像素之影像梯度及影像邊界值，且依據該影像邊界值推算一邊界投影值，以估算至少一邊界位置，再依據該邊界位置判定一水面位置，並依據該環境影像之像素所代表之實際尺寸計算出該水面位置所代表之水位高度。
2. 如申請專利範圍第1項所述之區域性水位監測方法，其中在該監視鏡頭啟動步驟中，該啟動選取條件係為該監視鏡頭的設置位置與該質心位置之間的距離小於一設定距離。
3. 如申請專利範圍第1項所述之區域性水位監測方法，其中該運算範圍係區分為數個監測區域，在該監視鏡頭啟動步驟中，該啟動選取條件係為該監視鏡頭的設置位置與該質心位置位於該數個監測區域之中的同一個。
4. 如申請專利範圍第3項所述之區域性水位監測方法，其中在執行該監視鏡頭啟動步驟後，另執行一延伸啟動步驟，該延伸啟動步驟係將該質心位置所在之該監測區域視為一基準區域，並將鄰接該基準區域之數個監測區域視為數個延伸區域，再啟動設置於該數個延伸區域內的至少一個該監視鏡頭拍攝並產生該環境影像。
5. 如申請專利範圍第1項所述之區域性水位監測方法，其中在該質心運算步驟中，該質心運算公式為： 其中，C_a為該質心位置在該平面座標之A軸上的代表位置；C_b為該質心位置在該平面座標之B軸上的代表位置；n為該運算範圍之運算點在該平面座標之A軸及B軸之最大代表位置，且n為整數；a為該平面座標之A軸上的座標值；b為該平面座標之B軸上的座標值；m_ab為代表位置在(a,b)座標處的運算點的顏色值。
6. 如申請專利範圍第1項所述之區域性水位監測方法，其中在執行該影像處理步驟後，該圖像處理器係判斷該監視鏡頭之視角與地平線之夾角是否等於零，若是，則接續執行該水位估算步驟；若否，則在執行該水位估算步驟前先執行一影像校正步驟，在該影像校正步驟中，該圖像處理器係依該監視鏡頭之視角與地平線之夾角對該環境影像進行水平旋轉校正。
7. 如申請專利範圍第1項所述之區域性水位監測方法，其中在該水位估算步驟中，該梯度運算子邊緣搜尋法如下式所示： 其中，G代表影像梯度，E代表影像邊界值，f(x,y)係為該環境影像之像素座標值為(x,y)時之灰階值，G_x代表該環境影像水平方向之梯度值，G_y代表該環境影像垂直方向之梯度值，ε為一閾值。
8. 如申請專利範圍第1項所述之區域性水位監測方法，其中在該水位估算步驟中，推算該邊界投影值及估算該邊界位置的方法如下式所示： 其中，(x,y)代表該環境影像之像素座標值，I(y)代表該環境影像中一水平高度之邊界投影值，當該邊界投影值超過一標準值時，該水平高度座標即被設定為一邊界位置H。
9. 如申請專利範圍第1、7或8項所述之區域性水位監測方法，其中判定該水面位置之方法係為將該至少一邊界位置視為該水面位置。
10. 如申請專利範圍第1、7或8項所述之區域性水位監測方法，其中判定該水面位置之方法係取該至少一邊界位置中，隨時間變動之邊界位置，作為該水面位置。