河流水位的水文數(shù)據(jù)

河流水位的水文數(shù)據(jù)

1基于圖像處理的水位監(jiān)測系統(tǒng)設(shè)計(jì)中國是一個(gè)經(jīng)常發(fā)生洪水災(zāi)害的國家。水資源監(jiān)測一直是國家水保護(hù)部門面臨的重點(diǎn)。這確保了確保的水資源監(jiān)測和安全系統(tǒng)對整個(gè)經(jīng)濟(jì)世界具有重要意義。本文提出了一個(gè)基于圖像處理的水位自動測量方法，研究了水位線圖像的形狀校正及水位線的檢測和精確定位算法。依照該算法設(shè)計(jì)的一套完整水情監(jiān)控系統(tǒng)，已順利實(shí)現(xiàn)了水位的實(shí)時(shí)測量與統(tǒng)計(jì)。在實(shí)際運(yùn)行中，穩(wěn)定可靠，檢測到的水位高度誤差在2.0cm以內(nèi)，性能不受溫度和光照的影響。2水位高度統(tǒng)計(jì)基于圖像的水位線自動檢測的原理是由攝像機(jī)拍攝水泥柱（水位標(biāo)桿）的圖像，為了便于水利工作者觀察，在水泥柱上事先做好了水位標(biāo)尺，如圖1和圖2所示。它們分別是在白天和夜晚采集的兩幅圖像，夜晚由人工光源進(jìn)行照明。由于水泥柱是個(gè)圓柱，受攝像機(jī)架設(shè)角度的影響，圖像中的水位線是一條弧狀曲線，而在曲線的不同部分讀出的水位高度數(shù)據(jù)各不相同。如果不進(jìn)行形狀校正，把水位線轉(zhuǎn)變成一條與標(biāo)尺垂直的直線，無疑會大大影響水位線定位的準(zhǔn)確性。形狀校正的方法很多，如文獻(xiàn)提出的利用一次多項(xiàng)式非均勻分片逼近方法對光學(xué)圖像進(jìn)行校正的算法，文獻(xiàn)提出的一種針對顯示器投影成像系統(tǒng)圖像的校正算法，文獻(xiàn)提出的基于射擊運(yùn)動自動判靶圖像的校正算法等，它們根據(jù)投影的角度等參數(shù)對所拍圖像進(jìn)行校正?？梢?，幾何校正并沒有一種通用的方法，都是對某一具體待校正對象而言的。在本應(yīng)用中，當(dāng)攝像機(jī)架設(shè)完畢后，就被牢牢的固定住，因此所拍攝的圖像中，真實(shí)水位線（弧線）的彎曲程度是固定不變的，這樣，弧上每個(gè)像素對應(yīng)于校正后的目標(biāo)直線都有一固定的偏移量，通過這個(gè)偏移量就可以得到校正后位置點(diǎn)離原坐標(biāo)點(diǎn)的水平方向位移（這里的方向是對圖像而言的）。這樣，校正算法相當(dāng)簡單，即只需要創(chuàng)建一張查找表，對圖像中含標(biāo)尺區(qū)域的每一行中的所有像素按該行對應(yīng)的偏移量移位即可。圖3和圖4是校正后的圖像，可以清楚地看出水位線已經(jīng)變成了一條近似垂直的直線。3邊緣提取和圖像輪廓線的處理在水位圖像中，由于水面是同一種介質(zhì)，具有幾乎一樣的灰度值，且水面區(qū)域的紋理不強(qiáng)。在水位線附近，存在兩種介質(zhì)的變化，且水泥柱對光線的反射方向與水面對光線的反射方向相差很大，因此在水位線附近，肯定存在很強(qiáng)的邊緣信息，且為垂直邊緣（對文中的圖像而言）。再者，由于光照的變化，水泥柱上不同位置的像素，盡管屬于同一種介質(zhì)，它們的灰度值也可能相差很大，尤其是在夜晚水泥柱被人工光源照明后。因而，本文中對水位線的檢測，沒有采用圖像分割的方法進(jìn)行，而是采用了邊緣檢測的方法。從圖4可以看出，晚上由于增加了光源使拍攝的圖像呈現(xiàn)明顯的光照不均，即離光源較近的部分顯得較亮，而右側(cè)離光源較遠(yuǎn)的部分則顯得很暗，有時(shí)水泥柱幾乎與水區(qū)域連在了一起，邊緣檢測通過尋找目標(biāo)的局部特征，達(dá)到了很好的抗光照不均的效果。邊緣檢測的方法很多，如Gradient、Roberts、Sobel和Prewitt算子，但它們都是一階微分算子，使用這些算子，在得到最終的邊緣點(diǎn)之前，需要確定一個(gè)門限，梯度值大于該門限的像素才是邊緣點(diǎn)，然而該門限是難以確定和精確的，尤其是當(dāng)圖像中灰度不均時(shí)，各處的邊緣強(qiáng)度值并不相等。在水位圖像中，所關(guān)注的信息應(yīng)該是邊緣的數(shù)量，而不是邊緣的強(qiáng)度，因此，本算法選用了一個(gè)二階微分算子，即沈俊算子，來尋找過零點(diǎn)，以完成邊緣提取。相比二階微分算子的其它算子，如Laplacian算子、沈俊算子實(shí)現(xiàn)簡單，它只需要一個(gè)參數(shù)a0，且具有很好的抗噪能力，該算子通過在行和列上進(jìn)行正反方向的遞歸濾波的方法來實(shí)現(xiàn)，即按先后順序，使用下面4個(gè)公式對圖像進(jìn)行處理。其中x=0,1…，width,y=0,1…，height,p1,p2,p3,p4分別是每步處理后的圖像，a0是（0,1）區(qū)間內(nèi)的一個(gè)值，a0越大，即越接近1，則定位精度越高，平滑能力越弱。經(jīng)過上面4步處理后，p4(x,y）即為所求的結(jié)果。經(jīng)過沈俊算子處理后的圖像見圖5，可見結(jié)果中保留了豐富的邊緣信息，水位線處的邊緣與水面上的邊緣存在明顯的差異。由于采用的是二階微分算子，盡管通過a0的選擇，對圖像進(jìn)行了平滑，但圖像本身的紋理信息就很豐富，所以得到的邊緣圖像中，除了水位線以外，很多其它的邊緣也同時(shí)被檢測了出來，比如水泥柱上的傷疤、水尺線、數(shù)字的輪廓、方塊的輪廓等，這些邊緣如不很好地消除，會影響到水位線的檢測精度。由于水位線在圖像中表現(xiàn)為一條近似垂直的長直線。因此，所有的非直線、水平直線和與水平方向夾角小于一定角度的斜線，都不是水位線。算法通過判別它們的形狀，并設(shè)定合適的經(jīng)驗(yàn)參數(shù)來濾除它們。經(jīng)過沈俊算子處理后，得到的邊緣圖像中，邊緣都是閉合的輪廓線，這是二階微分算子的特點(diǎn)決定的。因此，使用輪廓跟蹤算法，可以直接得到所有的輪廓線，在輪廓線上分析線段的形狀和走向具有很大的優(yōu)勢。本文中采用八鏈碼進(jìn)行輪廓跟蹤，用鏈碼記錄下所有邊緣的輪廓線，再對每條輪廓線按照一定的條件進(jìn)行分步取舍。先從輪廓的周長上進(jìn)行篩選，凡周長小于40個(gè)像素的邊緣就將其去除，40是預(yù)先設(shè)定的經(jīng)驗(yàn)值。在鏈碼中，周長很容易得到，計(jì)算公式如下：其中，L表示周長，N0為偶數(shù)碼的個(gè)數(shù)，N1為奇數(shù)碼的個(gè)數(shù)。其次，尋找水平方向的直線和與水平方向夾角小于45°的直線，雖然檢測直線可以用Hough變換，但它需要窮舉參數(shù)，很費(fèi)時(shí)間，但是可以利用鏈碼的方向特性來尋找直線。直接計(jì)算鏈碼在一個(gè)方向上移動的距離來判定直線段，當(dāng)在一個(gè)方向上行走距離超過規(guī)定值，則認(rèn)為是一條直線，例如對于水平直線（本文中規(guī)定當(dāng)在水平方向上有連續(xù)5個(gè)點(diǎn)在一條直線上就是無用邊緣予以刪除），即鏈碼從當(dāng)前坐標(biāo)行走5個(gè)位置如果一直是0或4就屬于水平方向的直線，其它方向的直線的判斷也與此類似，這里不在細(xì)述，具體算法描述如下：步驟1取一條鏈碼表示的輪廓（x,y)c1c2c3c4…cn,n是這條鏈碼的碼元個(gè)數(shù)，j為碼元的序號，初始化j=0;步驟2若j<n，則計(jì)算[（j-5）%n，(j+5）%n]之間共10個(gè)鏈碼的相對于水平方向的轉(zhuǎn)角之和!，如果則去除該輪廓點(diǎn)，否則，j←j+1，繼續(xù)執(zhí)行步驟2;步驟3是否還有未處理過的輪廓，若有則轉(zhuǎn)步驟1;步驟4結(jié)束。經(jīng)過上面處理后的圖像如圖6所示。4確定標(biāo)記邊緣經(jīng)過上一步的處理，留下的基本上是一些垂直直線，由于水位線相對較長，因此，只需對圖像做垂直方向的投影，就能初步定位出水位線。設(shè)一幅灰度圖像f(x,y）,x=0,1…，width,y=0,1，…，height，則垂直方向投影公式為：對圖6進(jìn)行垂直方向投影的結(jié)果如圖7所示，可見，水位線基本出現(xiàn)在投影的峰值處。但是，這樣并不十分精確，水位線的峰值與別的峰值相差不大，并不能很好的突出出來，這是因?yàn)樗痪€雖然很長，但其它列上也存在很多短小的直線，所以，這些短直線也要想辦法除去。分析一下可以看出，大多數(shù)短直線都是標(biāo)尺上的刻度的邊緣。因此可以將這部分單獨(dú)檢測出來，不對它進(jìn)行投影。如何找出這一區(qū)域，這里采取對原圖像使用Roberts算子再做一次邊緣檢測，雖然前面已經(jīng)用過沈俊算子，但那是為了保證不丟失水位線，而這里需要盡量突出標(biāo)尺部分，由于沈俊算子只對過零點(diǎn)敏感，對灰度跳變的大小不敏感，而刻度處對應(yīng)的梯度值較大，Roberts算子對灰度跳變越大越敏感，能夠很好的檢測出標(biāo)尺刻度，并且可以忽略一些小的無用邊緣。對Roberts算子處理后的梯度圖像再進(jìn)行自適應(yīng)閾值分割，消除圖像亮度變化帶來的影響。取Roberts算子后，得到的梯度圖像的灰度均值u，加上均方差!的2/3，作為閾值thre，如式（4），則檢測的邊緣基本上占圖像20%左右，圖8給出Roberts算子處理后的圖像。然后對圖8進(jìn)行腐蝕和膨脹運(yùn)算，目的是使標(biāo)尺區(qū)域最終連成了一個(gè)整體，便于一起去除。該算法先做腐蝕運(yùn)算，把水泥柱的邊框、一些非標(biāo)尺部分、尤其是水位線等細(xì)小邊緣去掉，然后再進(jìn)行連續(xù)的膨脹運(yùn)算使標(biāo)尺盡可能連在一起，圖9給出了這一步處理結(jié)果，圖中的大區(qū)域?yàn)闃?biāo)尺部分，上下兩個(gè)小區(qū)域分別是水泥柱和標(biāo)尺上的菱形產(chǎn)生的多余塊，菱形塊是為了把圖像中水位數(shù)據(jù)轉(zhuǎn)換為實(shí)際海拔高度而人為刻上去的。因?yàn)樗鼈冚^小，所以不影響標(biāo)尺塊的定位。這樣標(biāo)尺部分就被區(qū)分開來。設(shè)f(x,y）為去除無用邊緣后的圖像（圖6）,g(x,y）為經(jīng)過形態(tài)學(xué)處理后的圖像（圖9），顯然它們都是二值圖像，只有0和255兩種值，定義兩者的乘積圖像f*g(x,y）為：乘積圖像的垂直方向投影見式（6），投影的結(jié)果如圖10所示，與圖7相比，可以看出水位線對應(yīng)的波峰更加突出，從而增加了算法的定位能力。實(shí)際應(yīng)用中，由于攝像機(jī)架設(shè)的問題，水位線不能保證絕對垂直，而是可能略有傾斜，可以用一定大小的窗口對得到的投影數(shù)組加以高斯加權(quán)平滑。5傳統(tǒng)測算法本文運(yùn)用形狀校正、邊緣檢測、輪廓跟蹤與分析、數(shù)字形態(tài)