基于视频图像识别的水位数据获取方法

陈金水

（河海大学 计算机与信息学院，江苏 南京 210098）

0 引言

传统的水位量测有 2 种方式，一种是安装水尺，人工目测读数，这种方法耗时耗力，特别是在环境恶劣情况下，会对量测人员的安全构成威胁；另一种方式是利用传感器自动采集表征水位的模拟量，然后转换成水位数据。水位传感器主要有浮子机械（光电）编码式、压力式、雷达式、超声波式等传感器，这些传感器各有优点，但缺点也非常明显，例如浮子机械（光电）编码式可靠、便宜，适合各种情况使用，但是，需要建造测井房，造价高；压力式传感器受水质变化的影响，要经常检查并调整率定系数；超声波水位传感器置于明渠之上，外界干挠多，常带来所测水位漂移的现象。

本文在试验研究的基础上，利用 CCD 摄像机获取水尺视频，然后从视频流中实时提取水尺图像，通过边缘检测、灰度拉伸、二值化等一系列处理后，获得目标特征图像：刻度线，再运用 Hough变换，识别出刻度线条数，从而计算出水位值。这个过程除了利用摄像机获取视频外，主要通过软件实现，因此精度高、环境要求低，具有应用前景。

1 含有水尺的图像信息获取及预处理

从水尺图像中获取水位数据，首先需要经过视频流截取、彩色图像到灰度图像的转换、刻度区提取、刻度图像二值化、去噪及刻度线细化等一系列预处理。

1.1 视频流的截取

一般摄像机拍摄到的视频流都是 AVI（Audio Video Interleaved）格式。利用微软 MSDN（Microsoft Developer Network）提供的 AVI 处理函数，可以从视频流中截取图像。为了避免非常态干扰，保证测量精度，1 次可以提取多帧图像，处理后，取其平均值作为某一时刻的水位测量值。

1.2 图像的灰度转换

如果用彩色摄像机获取视频，应先将彩色图像转换成灰度图像以方便后续的处理。以 256 色的彩色图像为例，灰度转换可利用以下公式[1]：

式中：R，G，B 对应的是红，绿，蓝 3 种颜色的亮度值。

灰度化的结果如图1 所示。

2.3 水尺图像的提取

对图像的逻辑操作主要以像素为对象，对 2 幅或多幅图像进行“与”和“或”操作。例如，1 个任意的二进制数与全 1 的二进制数进行“与”操作，结果保留原来的二进制数；如果与全 0 的二进制数进行“与”操作，结果为全 0。同样，1 个任意的二进制数与全 1 的二进制数进行“或”操作，结果为全 1；如果与全 0 的二进制数进行“或”操作，则结果保留原来的二进制数。“与”和“或”操作通常作为模版，通过操作可以从 1 幅图像中提取出子图像。在“与”和“或”图像模版中，二进制码 1 表示白色，0 表示黑色[2]。

图1 含有水尺的灰度图像

因拍摄水尺的摄像机固定不动，故水尺在每帧图像中的位置不变。依据这个特定情况，就可以建立 1 个要提取区域的图像模版，大小正好包含刻度区域，如图2 a 所示。

2.4 图像的对比度拉伸

灰度转换后得到的图像只有白或黑 2 种灰度，因此，水面与刻度的灰度是一样的。为了提取刻度区域，去除水面区域，必须扩大两者的灰度级差。可利用公式来扩大[3]：

式中：(x, x1) 为包含水面与刻度线灰度值的 1 个灰度区间，通过 x1和 x2值的设定，扩大水面与刻度线的灰度级差，如图2 b 所示。

2.5 图像的二值化处理

二值化的目的是去除非目标图像，包括水面、背景等。对于 1 帧特定的图像，可以通过多次阈值试验分析后得出 1 个合适阈值。由于摄像机捕获的水尺图像受光照的影响，无法给定 1 个常量阈值对图像进行二值化，不过，可以利用全局门限处理得到 1 个较为合适的阈值。设门限 T 是最大与最小灰度的中间值，利用这个门限去除背景部分，留下对象本身，就可以通过对图像的分割，实现去留。具体做法是：灰度级 ≤ T 的像素均标记为黑色（0），灰度级＞ T 的像素均标记为白色（255）。

门限 T 的计算步骤如下：

1）选择 1 个 T 的初始值；

2）用 T 分割图像，生成 2 组像素，由所有灰度值＞ T 的像素组成区域 G1，所有灰度值 ≤ T 的像素组成区域 G2；

3）对区域 G1和 G2中的所有像素计算平均灰度值 µ1和 µ2；

4）计算新的门限值

5）重复步骤 2 到 4，直到逐次迭代所得的 T 值之差小于事先定义的参数。

经过二值化处理后就可以得到只有刻度线的图像，如图2 c 所示。

图2 水尺区域图像的灰度拉伸和二值化

2.6 图像腐蚀

水面及背景去除后，还可能留有一些与刻度线灰度值相当的干扰点，因此，还要进一步通过腐蚀去除这些干扰点，谓之去噪。因为水尺刻度线均为水平线，所以沿水平方向腐蚀即可。

腐蚀的过程如下：对二值图像中所有的黑点进行遍历，如果当前黑点的左右 2 个点都为黑色，那么保持不变；否则把当前黑点变为白点。

2 次腐蚀的结果如图3 a 和 3 b 所示。

2.7 图像的“细化”

图像所表征的核心意义是去除了“杂质”和次要因素后的图像“骨架”。“骨架”的获得过程通常称为图像“细化”。通过对“骨架”几何及拓扑性质的识别，可以获取其表征对象的信息。

在“细化”图像的过程中应满足以下 2 个条件：1）图像要按比例缩放；2）图像的连通性质应保持不变。

“细化”算法：设 1 幅图像中的 1 个 3×3 区域，共 9 个像素点，用 P1，…，P9标记，其中 P1位于中心，P2在 P1的正上方，P3，…，P9依次沿 P2的逆时针方向排列。

如果 P1= 1（即黑点），同时满足以下 4 个条件，则删除 P1（P1= 0）：

1）2≤ NZ（P1）≤ 6；

2）Z0（P1）= 1；

3） P2· P4· P8= 0 或者 Z0（P1）≠ 1

4） P2· P4· P6= 0 或者 Z0（P4）≠ 1；

式中：NZ（P1）表示以 P1为中心的 8 个点的和；Z0（P1）表示以 P1为中心的 8 个点，从正上方的点开始，按逆时针方向顺序进行排列，相邻 2 个点出现 0，1（白，黑）的总次数。

图3 水尺刻度腐蚀和细化的结果

对图像中的每个点重复上述步骤，直到所有的点都不可删除为止。水尺刻度细化的结果如图3 c 所示。

3 基于 Hough变换的水位量测

3.1 Hough变换

Hough变换[4]的基本思想是利用点、线的对偶性，将笛卡儿坐标空间的直线变换为极坐标空间中的点。图4 a 中的直线是笛卡儿坐标系中的 1 条直线，如果用 ρ 代表直线距原点的法线距离，用 θ 表示法线与 x 轴的夹角，则经过 Hough变换后可用如下参数方程表示该直线：ρ = xcos θ + ysin θ。

该直线在极坐标系中就是图4 b 所示的点（ρ，θ）。笛卡儿坐标系中通过公共点的 1 簇直线（图4 c），映射到极坐标系中则是 1 个点集，这些点集构成 1 条曲线，正好是正弦曲线（图4 d）。

在笛卡儿坐标系中共直线的点（如图4 e 中的（x1, y1），（x2, y2），（x3, y3），3 点共线）映射到极坐标系中就是共点的 1 簇曲线（图4 f ）。在图4 f 中还可以看到这 3 条曲线有 2 个交点，这 2 个交点所对应的横坐标值即法向角的度数相差 180°，对应到笛卡儿坐标系中就是同一条直线。如果令直线的法向角的取值范围为：0≤ θ ＜ π ，其交点就只有 1 个。显然，Hough变换在不同的线和点之间建立了对应关系。

图4 Hough变换

3.2 水位量测算法

由分析可知，Hough变换就是将（x, y）平面中的所有直线变换成（ρ, θ）平面的 1 簇曲线。统计变换域（ρ, θ）中这 1 簇曲线经过最多次的点，该点对应的就是 1 条直线。图5 为 2 条直线 y = 3，y = 5，θ细分为 1°时的变换域（ρ,θ）的曲线图。

图5 变换域（ρ, θ）的曲线图

图5 中，θ = π /2 附近有 2 个点对应的直线累加值最高（该值就是其在（x, y）平面中所对应直线上的像素点的个数）。因此，可以认定，这 2 个点对应（x, y）平面中的的 2 条直线。在实际应用中，根据水尺中刻度线的长度，定义其像素点个数作为判定条件，以简化算法。例如，定义（ρ, θ）域中的点对应的直线累加值大于 50 时，认为该点对应 2 条刻度线。但是，试验发现由于曲线间的互相干扰及参数ρ，θ 值对直线检测性能的影响，变换域（ρ, θ）中的一些点，尤其是累加值最高处的其他点对应的累加值也很高，也会被误认为对应 1 条直线，这样很容易造成同一条直线被重复计算。

因此，必须对 Hough变换做实用性改进。具体做法是先找到变换域（ρ, θ）中 1 个满足条件的点（例如，其对应的直线累加值大于50），然后将该点及其附近点对应的累加值清零，以避免重复计算。

算法思想：首先找出变换域（ρ, θ）中对应直线累加值最大的点，该点就对应于（x, y）域中最长的1 条直线，在原图像中将该直线删除。对剩下的直线再进行 Hough 变化，继续寻找变换域（ρ, θ）中对应直线累加值最大的点，再将该点对应于（x, y）域中的直线删除。依此过程，直至变换域（ρ, θ）中的点对应的直线累加值都小于设定值（如 50）时，就认为已经没有要识别的刻度线了，这时统计出被删除的直线条数，即可获取水位值。

算法描述如下：

1） 从原图像的（x, y）平面中找出 1 个黑点；

2）对通过（1）找到的黑点的直线利用 Hough变换在（ρ, θ）平面绘制正弦曲线，每绘制 1 条正弦曲线，累加器加 1；

3）在（ρ, θ）平面中寻找累加器最大值（如50）对应的点，如果找到，则该点就对应（x, y）平面的 1 条直线（刻度线），假设用 n 表示刻度线的条数，这时 n + 1，否则执行（5）；

4） 将找出的直线从原图像中删除，然后回到（1）；

5）计算 n 的值，将该值乘以刻度单位即得出水面以上水尺的长度，水尺总长度（已知）与水面以上水尺长度的差即要量测的水位数据。

4 结语

本文研究的从水尺图像中获取水位数据的方法，也可以用来获取闸位数据，并且精度高（只受摄像机分辨率的影响），费用低，不需要太多的辅助设施。当然，这种水位获取方式在实用化过程中还有一些问题需要妥善处理。例如，现场可能会因雨、雾、阴天、夜晚等情况，导致光照不足，获取的水尺图像清晰度低，难以识别，这时，必须在现场安装照明设施以提高图像的清晰度。本文对刻度线的识别算法只适合水尺表面有轻度污染的情况，对严重污染还需要研究专门的识别方法或辅以人工清理。另外，针对实际应用中对水位数据采集实时性的不同要求，还存在个现场数字转换还是远程数字转换的问题。现场数字转换因现场不可能配置高性能的计算机，所以需要研究更高效的算法；远程数字转换对算法效率要求较低，但要远程传输视频或图像，因此需要配置高速、宽带的通信链路。

[1]何斌，马文予，王运坚，等. Visual C++ 数字图像处理[M]. 北京：人民邮电出版社，2004: 4-7.

[2]冈萨雷斯. 数字图像处理[M]. 2 版. 北京：电子工业出版社，2005: 18-20.

[3]马涛，余春暄. 数字图像处理在指针式指示表读数识别中的应用[J]. 微计算机信息，2004, 20 (7): 50-51.

[4]胡方明，彭国华. Hough变换空间中基于直线的模板匹配[J]. 计算机工程，2011, 37 (10): 140-142.