CN109764930A - 一种适用于复杂光照条件的水尺水位线视觉检测方法 - Google Patents

Abstract

本发明公开了一种适用于复杂光照条件的水尺水位线视觉检测方法。本发明利用水尺图像和水面图像的差异性，通过计算灰度图像和边缘图像的灰度均值差，取两个特征中的最大值作为衡量图像差异性的指标，再采用粗定位和精定位结合的水位线检测方法，对于复杂光照条件下的水尺水位线检测情况具有较强的鲁棒性。本发明可在图像模糊不清的条件下提供水尺的细节信息，精定位时以单个像素作为步进进行水位线检测，检测精度能达到单个像素。本发明适用于自然光照(白天)和红外照明(夜间)条件，能有效避免因自然光照和夜间补光引起图像灰度分布不均时出现的误检。

Description

一种适用于复杂光照条件的水尺水位线视觉检测方法

技术领域

本发明涉及水尺水位线视觉检测方法，特别是涉及一种适用于复杂光照条件的水尺水位线视觉检测方法。

背景技术

水位是河流湖库的基本水文要素之一，由于城市及灌区供水量、暴雨及洪水流量、径流泥沙及养分输移率等信息通常均需要根据水位测量值求得，因此连续可靠的水位监测对于全面提升防汛抗旱预警预报水平和江河湖泊日常监管能力具有重要意义。水尺通过读数记录水位的高度，是一种最直观和简单的测量工具；然而传统水尺测量需要人工定时观测，自动化程度低，人员劳动强度大。现有的自动水位计主要包括浮子式、压力式、超声波式及雷达式等，但普遍存在设备及安装成本高，测量精度易受环境温度、泥沙含量及现场控制结构的影响，需要工作人员定期维护等缺点。

目前国内许多重要的水位观测点均建设有视频监控系统并配有标准水尺，为基于视频图像的水尺水位检测提供了有利条件。图像法利用图像传感器代替人眼获取水尺图像，通过图像处理技术检测水位线对应的读数，从而自动获取水位信息。相比现有方法，图像法在原理上具有非接触、无温漂、无转换误差等优点，因此，近年来图像法水位检测在机器视觉和水利量测领域已成为新的研究热点。然而受复杂现场条件的影响，现有的图像法水位检测方法在测量精度和可靠性上仍然存在较大的局限，体现在：

1)通过识别水尺刻度线与水尺字符实现水位值检测的方法，专利如：一种基于二进制编码字符水尺和图像处理的水位识别方法(公开号：CN107367310A)，建立二进制编码字符定位和分割模型及二进制编码字符水尺刻度线提取模型，通过模板匹配方法识别字符，进而换算水位值，在图像分辨率较低，水尺刻度线和字符不清晰的情况下就难以保证检测的精度。

2)市面上的双色水尺主要采用铁制搪瓷板和铝制反光板两种材料，表面涂层在近红外波段下均具有很强的反射特性，导致夜间采用近红外补光灯照明时，水尺表面的字符和刻度在图像中呈现出和背景相近的高亮状态而难以辨识，使得夜间无法正常检测水位。专利如：基于图像处理的水位监测系统及方法(公开号：CN102494733A)，对水尺图像进行迭代阈值的二值化，通过图像分割提取标尺图像进而检测水位线的方法，在夜间照明等复杂光照条件下，难以有效进行图像的二值化和分割，无法保证水位线检测的精度。

发明内容

发明目的：本发明的目的是提供一种适用于复杂光照条件的水尺水位线视觉检测方法，能够解决现有技术中存在的在水尺刻度线和字符不清晰情况下、在夜间照明灯复杂光照条件下难以保证检测精度的问题。

技术方案：为达到此目的，本发明采用以下技术方案：

本发明所述的适用于复杂光照条件的水尺水位线视觉检测方法，包括以下步骤：

S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；

S2：采用Canny算子将灰度图像转化为边缘图像；

S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；

S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；

S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线。

进一步，所述步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像。

进一步，所述步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：

其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。

进一步，所述步骤S4中的标准水尺图像的周期为T像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1，H为所有像素的总行数。

进一步，所述步骤S4中的特征融合的水位线粗定位方法包括以下步骤：

S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差Diff_G(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，Mean_G(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；

S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差Diff_E(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，Mean_E(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；

S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差Diff_G(k)和边缘图像灰度均值差Diff_E(k)的最大值作为灰度均值差Diff(k)＝max(Diff_G(k),Diff_E(k))；

S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；

S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，长度为2T像素，宽度为W像素，顶部行坐标为k′。

进一步，所述步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T。

进一步，所述步骤S5中的特征融合的水位线精定位通过以下方法实现：

S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差Diff_E(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)和边缘图像灰度均值差Diff_E(k₁)的最大值作为灰度均值差Diff(k₁)＝max(Diff_G(k₁),Diff_E(k₁))；

S5.4：计算灰度均值差Diff(k₁)的最大值Diff(k₁′)；k₁′为Diff(k₁)取得最大值所对应的像素的行坐标；

S5.5：确定水位线坐标为line＝k₁′+T像素。

有益效果：本发明公开了一种适用于复杂光照条件的水尺水位线视觉检测方法，与现有技术相比，具有如下的有益效果：

1)鲁棒性强。本发明利用水尺图像和水面图像的差异性，通过计算灰度图像和边缘图像的灰度均值差，取两个特征中的最大值作为衡量图像差异性的指标，再采用粗定位和精定位结合的水位线检测方法，对于复杂光照条件下的水尺水位线检测情况具有较强的鲁棒性。

2)检测精度高。本发明可在图像模糊不清的条件下提供水尺的细节信息，精定位时以单个像素作为步进进行水位线检测，检测精度能达到单个像素。

3)适用于日夜光照条件。本发明适用于自然光照(白天)和红外照明(夜间)条件，能有效避免因自然光照和夜间补光引起图像灰度分布不均时出现的误检。

附图说明

图1为本发明具体实施方式中方法的流程图；

图2为本发明具体实施例中的水尺灰度图像；

图3为本发明具体实施例中的水尺边缘图像；

图4为本发明具体实施例中的水位线粗定位过程；

图5为本发明具体实施例中的水位线粗定位结果；

图6为本发明具体实施例中的水位线精定位过程；

图7为本发明具体实施例中的水位线检测结果。

具体实施方式

下面结合具体实施方式对本发明的技术方案作进一步的介绍。

本具体实施方式公开了一种适用于复杂光照条件的水尺水位线视觉检测方法，如图1所示，包括以下步骤：

S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；

S2：采用Canny算子将灰度图像转化为边缘图像；

S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；

S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；

S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线。

步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像，如图2所示，其中H＝4000像素，W＝200像素。

步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：

其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。步骤S3中的边缘图像如图3所示，边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值，边缘图像各行的灰度均值也同灰度图像各行的灰度均值一样计算，此处就不再赘述。

步骤S4中的标准水尺图像的周期为T＝100像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1＝39，H为所有像素的总行数。也即自上而下的编号为39,38,37,…,0，如图4所示。

步骤S4中的特征融合的水位线粗定位方法包括以下步骤：

S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差Diff_G(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，Mean_G(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；

S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差Diff_E(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，Mean_E(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；

S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差Diff_G(k)和边缘图像灰度均值差Diff_E(k)的最大值作为灰度均值差Diff(k)＝max(Diff_G(k),Diff_E(k))；

S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)＝58.455；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；

S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，如图5所示，长度为2T像素，宽度为W像素，顶部行坐标为k′＝2000。

步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T＝200。也即自上而下编号为200,199,198,…,1，如图6所示。

步骤S5中的特征融合的水位线精定位通过以下方法实现：

S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差Diff_E(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)和边缘图像灰度均值差Diff_E(k₁)的最大值作为灰度均值差Diff(k₁)＝max(Diff_G(k₁),Diff_E(k₁))；

S5.4：计算灰度均值差Diff(k₁)的最大值Diff(k₁′)＝61.380；k₁′为Diff(k₁)取得最大值所对应的像素的行坐标；

S5.5：确定水位线坐标为line＝k₁′+T＝1881像素，如图7所示。

Claims (7)

1.一种适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：包括以下步骤：

S1：采用单台摄像机获取一幅水尺图像，对图像进行灰度化处理，得到灰度图像；

S2：采用Canny算子将灰度图像转化为边缘图像；

S3：分别计算灰度图像的灰度均值水平投影和边缘图像的灰度均值水平投影；

S4：采用特征融合的水位线粗定位方法，计算相邻两个粗定位ROI区域的灰度图像灰度均值差和边缘图像灰度均值差，以标准水尺图像的周期为步进，自上而下确定水位线所在区段；

S5：进行特征融合的水位线精定位，计算精定位ROI区域的上半区的灰度图像灰度均值差和边缘图像灰度均值差，并计算精定位ROI区域的下半区的灰度图像灰度均值差和边缘图像灰度均值差，以单个像素为步进，自上而下确定水位线。

2.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S1中的灰度图像是长为H像素、宽为W像素的正射水尺图像。

3.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S3中的灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值，其中第r行的灰度均值Mean(r)通过式(1)得到：

其中，B(r,w)为像素(r,w)处的灰度值，r为像素的行坐标，w为像素的列坐标，r＝1,2,3,…,H，w＝1,2,3,…,W，H为所有像素的总行数，W为所有像素的总列数。

4.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S4中的标准水尺图像的周期为T像素，粗定位ROI区域的长度为T像素、宽度为W像素，以标准水尺图像的周期T为步进，自上而下编号为N,N-1,N-2,…,0，其中N＝(H/T)-1，H为所有像素的总行数。

5.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S4中的特征融合的水位线粗定位方法包括以下步骤：

S4.1：根据公式(2)计算相邻两个粗定位ROI区域的灰度图像灰度均值差Diff_G(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，H为所有像素的总行数，Mean_G(r)为灰度图像第r行的灰度均值；灰度图像的灰度均值水平投影包括灰度图像各行的灰度均值；

S4.2：根据公式(3)计算相邻两个粗定位ROI区域的边缘图像灰度均值差Diff_E(k)：

其中k＝0,T,2T,…,H-2T表示像素所在的行坐标，以标准水尺图像的周期T为步进，Mean_E(r)为边缘图像第r行的灰度均值；边缘图像的灰度均值水平投影包括边缘图像各行的灰度均值；

S4.3：取相邻两个粗定位ROI区域灰度图像灰度均值差Diff_G(k)和边缘图像灰度均值差Diff_E(k)的最大值作为灰度均值差Diff(k)＝max(Diff_G(k),Diff_E(k))；

S4.4：计算灰度均值差Diff(k)的最大值Diff(k′)；k′为Diff(k)取得最大值所对应的像素的行坐标；设定S为检测阈值，如果Diff(k′)＜S，表示不满足检测条件，则将水位线坐标line归零，结束检测；

S4.5：选取灰度均值差Diff(k)最大的相邻两个粗定位ROI区域作为水位线粗定位ROI区域，长度为2T像素，宽度为W像素，顶部行坐标为k′。

6.根据权利要求1所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S5中的精定位ROI区域的长度为2T像素、宽度为W像素，上、下半区的长度均为T像素、宽度均为W像素，以单个像素为步进，自上而下编号为n,n-1,n-2,…,1，其中n＝2T。

7.根据权利要求5所述的适用于复杂光照条件的水尺水位线视觉检测方法，其特征在于：所述步骤S5中的特征融合的水位线精定位通过以下方法实现：

S5.1：根据公式(4)计算精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.2：根据公式(5)计算精定位ROI区域上、下半区的边缘图像灰度均值差Diff_E(k₁)：

其中k₁＝k′-T,k′-T+1,k′-T+2,…,k′+T-1表示像素所在的行坐标，以单个像素为步进；

S5.3：取精定位ROI区域上、下半区的灰度图像灰度均值差Diff_G(k₁)和边缘图像灰度均值差Diff_E(k₁)的最大值作为灰度均值差Diff(k₁)＝max(Diff_G(k₁),Diff_E(k₁))；

S5.4：计算灰度均值差Diff(k₁)的最大值Diff(k₁′)；k₁′为Diff(k₁)取得最大值所对应的像素的行坐标；

S5.5：确定水位线坐标为line＝k₁′+T像素。